能让马云、马化腾、李彦宏等业界大佬共同看好的方向，除了人工智能，可能很难找到第二个。
在7月9日举行的2020世界人工智能大会云端峰会上，“三马”（马云、马化腾、马斯克）、“二宏”（李彦宏、张文宏）少见地隔空同台。此外，还有包括七位图灵奖得主、一位诺贝尔奖得主在内的550多位业界、学术界嘉宾汇聚一堂。
大会上，以联合国数字合作高级别小组联合主席的身份出席的马云，就疫情期间社会经历的大动荡发表了自己的感悟，他认为，世界已经巨变，技术变革提前并且加速，与其担忧，不如担当，“为活下去而做的创新才是真正最强大和不可阻挡的动力”。
马云有此感叹，一定程度上是因为在疫情危机中，依赖人力、线下运转的传统行业遭受极大冲击，以人工智能为代表的新兴科技彰显出其重要性与必须性。例如，复旦大学附属华山医院感染科主任张文宏提到，“从人工智能参与到抗疫物资调配的时候，我们就意识到将来人工智能具有非常强大的物资调配能力”。
人工智能的意义已不止于经济层面，它也是抵御大自然不可抗力、维持社会健康稳定发展的依仗，基于这一逻辑，政策已率先做出反应。
在今年2月，工业和信息化部科技司发布了《充分发挥人工智能赋能效用 协力抗击新型冠状病毒感染的肺炎疫情倡议书》，倡议通过科技力量支撑疫情防控。随后，“新基建”政策落实，人工智能被列为七大领域之一。
随着底层技术的进步，与计算能力、大数据、场景等人工智能成长土壤的逐渐成熟，人工智能正处于平台化、产业化之前的关键节点。
疫情催化及政策推动下，人工智能的发展被按下加速键：仅在大会上，就诞生了8个人工智能产业投资基金项目，36个人工智能产业项目，签约投资总额超过300亿元。
而在新基建的东风下，人工智能又会带来哪些机遇？
一局围棋
在未来关于人类历史的讲述中，一定会有这样一个篇章。
2016年3月，谷歌旗下DeepMind公司开发的人工智能机器人AlphaGo与围棋职业九段棋手李世石进行围棋人机大战，此时，大众对谁赢谁输的预测还有很大分歧，最终AlphaGo以4比1的总比分获胜。
这样一场比赛，将人工智能这样一个更多存在于科幻电影、小说中的概念实体化，也将人类一直以来的自信与骄傲击破，证明了人工智能可以达到比肩，甚至超越人类的高度——这甚至引发了一些恐慌。但在当时，中国选手柯洁仍认为“AlphaGo能赢李世石，但是赢不了我”。
仅一年之后，AlphaGo再次突飞猛进，大众已经一边倒地做出了人类必败的判断，最终AlphaGo以3:0的战绩击败了几乎代表着人类围棋最高水准的柯洁。
第三局比赛中，柯洁甚至中途离场20分钟痛哭，连坐在十几米之外的观众都能听见他隐忍但清晰的哭声。“我感到浑身都在颤抖，真的，寒冷地颤抖。”后来柯洁这样描述自己的状态。
柯洁承认，他的失态是因为觉得机器下得太完美。
值得指出的是，人工智能从诞生到打败世界围棋冠军，只经过了六十余年的发展。
1950年，一位名叫马文·明斯基的大四学生，与同学一起建造了世界上第一台神经网络计算机，这也被看做是人工智能的一个起点。而马文·明斯基在后来也被誉为“人工智能之父”。
同年，“计算机之父”阿兰·图灵提出设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。直到1956年，计算机专家约翰·麦卡锡才提出“人工智能”一词，被人们看做是人工智能正式诞生的标志。
随后，由于技术难度高、进展慢，人工智能的发展反复经历着高潮与低谷。在1987 年，由于通用计算机 Lisp Machine在商业上的失败，人工智能再次滑入了低迷期，行业人士开始意识到人工智能的问题不在于硬件，而是在软件以及算法层面的挑战没有突破。
长久以来，对人工智能的探讨一直局限在研发圈层中，一直到AlphaGo出世，横扫人类围棋界，才一举将人工智能推向了社会话题中心，自此之后，人工智能概念始终炙手可热。
人工智能之所以会在2017年的时点上爆发，本质上是得益于发展土壤的逐渐成熟，马化腾曾在演讲中提到，发展人工智能，场景、大数据、计算能力和人才缺一不可。
在计算能力方面，深度学习技术是人工智能发展历史上的一个重要突破。2006年，现任职于Google Brain的技术专家 Geoffrey Hinton带领团队发现了训练高层神经网络的有效算法，2012年，Geoffrey Hinton团队在ImageNet上首次使用深度学习技术完胜其它团队。
Geoffrey Hinton在ImageNet 2012上的成功让科学家开始更多的关注模型与算法的创新突破，以弥补训练中数据的不足，从而带来算法上的快速迭代：以图形计算为代表的GPU在计算机视觉训练中替代原来的CPU，大大提升了计算性能，让原来需要几个月才能完成的训练缩短到几天或几个小时，加快了计算机视觉前期训练和推理的迭代周期，带来效率上的成倍提升。
大数据则是人工智能的燃料，随着互联网浪潮从PC时代过渡到移动时代，人类生活逐渐被智能终端所绑定，每日可产生的数据量出现指数级的增长，且数据维度更加丰富，大数据技术逐渐精进。而大数据技术能够通过数据采集、预处理、存储及管理、分析及挖掘等方式，从各种各样类型的海量数据中，快速获得有价值信息，为深度学习等人工智能算法提供坚实的素材基础。
另一方面，随着社会经济形态与产业形态发展，人工智能有了更多的落地场景，如医疗、安防、交通等，这是承载人工智能发展的介质。
因此，近几年人工智能风口再起，实际上是技术发展、数据沉淀以及场景延展等多个因素，厚积薄发，引发了一场席卷全球的AI创投热潮。
迷雾尚未消散
在探讨人工智能的前景之前，有必要先厘清人工智能的基本架构。对人工智能的探讨可以分为两条主线：一是学术视角的底层研究，二是产业视角。
高校是培养人工智能人才、执行人工智能技术研究的主阵地，在美国，人工智能方面科研实力最强的高校有麻省理工学院、卡内基梅隆大学、斯坦福大学等。其中，卡内基梅隆大学在2018年开设了美国首个人工智能本科学位，加大对人工智能领域人才培养的投入。
中国高校也在近两年间不断推进人工智能教育，数据显示，截至2018年底，有94所拥有人工智能二级学院的中国大学，相比2017年增加了21所，其中，清华大学、浙江大学、上海交通大学、哈尔滨工业大学、华中科技大学、中国科学技术大学、中科院各研究所等是人工智能底层研究的主力军。
高校开展的人工智能研究更多是由国家拨款支持的，此外，也有不少大型科技公司出资成立研究院，从事人工智能底层技术研究。
谷歌一直以来都将人工智能作为主要战略方向之一，它在2011年时就推出了聚焦深度学习的Google Brain项目，并在2014年1月斥资4亿美元收购一家名为Deep Mind的人工智能公司，正是这家公司在三年后推出AlphaGo，掀起人工智能风潮。
据咨询公司麦肯锡报告显示，包括谷歌在内的科技巨头，2016年在人工智能上的投入在200亿至300亿美元之间，其中10%用于人工智能收购，90%用于研发和部署。
2017年，AlphaGo引爆人工智能概念之后，美国科技巨头对人工智能的投入进一步加大。该年的Google I/O 开发者大会上，谷歌确立了从mobile-first到AI-first的根本战略转变，同年，微软宣布计划建立百人规模的微软AI研究院。一年后，谷歌又将谷歌研究院（Google Research）改名为谷歌人工智能（Google AI），将人工智能放在最高战略地位上。