人工智能三要素

算法、數據、算力是人工智能底層的三要素。

算法是以哲學、數學、生物學爲基礎的邏輯認知和系統認知的結晶。多層神經網絡在1969年出現，但直到2010年隨着算力和雲計算的發展才商業化落地。深度學習算法本身是建構在大樣本數據基礎上的（概率統計），而且數據越多，數據質量越好，算法結果表現越好。深度學習在不斷的發展，但顛覆性的創新理論在近幾十年內不會出現，這意味着對數據的需求將會持續增加。但通用型場景數據標註接近尾聲，細分場景數據需求增大，在細分場景，數據的獲取和標註難度不斷增高，標註附加值降低，因此數據標註產業是階段性的，已無投資機會。未來數據的機會存在於垂直性行業，如金融領域裏面的萬得，這類行業還包括法律等。

算法對數據的強需求決定了人工智能在行業中應用必然是場景化的，垂直化的。不僅在於場景中數據的獲取和標註，決定了生產資料的質量，算法在場景中的優化適配也是極爲重要的。這要求算法團隊對行業場景有理解，而這種複合型人才是最稀缺的。在人工智能行業應用中的創業公司，既要有行業數據獲取能力，更需要對行業有很強的理解和商務銷售能力。

算力是算法和數據的基礎設施，發展是相對獨立發展的，但芯片設計基礎理論已無突破，製程精度也馬上達到物理極限。而新的量子計算成熟仍需要起碼30年時間，所以算力的機會主要在三塊。

1、場景化的專用芯片，如自動駕駛的moblieye和雲知聲的語音識別芯片。

2、5G時代的計算網絡架構的創新。

算法、算力、數據三者相互影響，在不同行業中形成了不一樣的產業形態，由底層要素開始建構，通過技術層分析人工智能在各行業中的顛覆和重塑，這樣體系化的框架有助於我們發現前瞻性的投資機會，拿着各個行業最合適的商業模式和團隊標準去判斷團隊，效率會有很大的提升。