有人斷言，人工智能是新時代的“電力”。

根據市場研究機構IDC的數據，2020年全球AI硬件、軟件和服務產生的收入預計將達到1565億美元，比2019年增長12.3%。有關專家預測，在未來11年，人工智能將為全球創造15.7萬億美元的凈增量GDP。

毋庸置疑，人工智能進步飛快且已經成為社會進步的核心技術之一。所有物體都將能被感知，所有行業都可智能化，每個人都將受到人工智能技術的影響。

那么，2021年國內人工智能產業又將有什么新的發展趨勢?中國軟件網認為有5大趨勢：

01、融資規模繼續加大，上市步伐加快

資本“逐利”的本性，決定了它們將繼續青睞人工智能領域。

受到《國務院關于積極推進“互聯網+”行動的指導意見》、《國家新一代人工智能標準體系建設指南》等政策刺激，近三年來，在一級市場整體下滑的情況下，人工智能賽道的融資數量排名卻一直攀升。2020年，人工智能賽道在所有賽道中排名第七，較上一年上升3位，全年共完成137筆融資，已披露總金額達253億元。

其中，依托AI算法芯片化能力提供數字城市解決方案的云天勵飛是2020年融資額最大的企業，兩輪總計獲得20億元融資。緊隨其后的是名列“AI四小龍”其中的云從科技和第四范式。這兩家公司分別完成了C輪18億元融資和C輪16.1億元融資。

值得一提的是，2020年，云從科技和依圖科技都向科創板發起了沖擊，不過至今尚未登陸。

可以預見，隨著后疫情時代的到來，自動化的程度將會越來越高，人工智能產業也將迎來新一輪的增長點。新技術的引入，讓更多的創新應用成為可能，融資規模也會進一步加大，尤其“AI四小龍”將會是資本追逐的對象。

02、AI芯片市場高速增長

對于AI來說，數據、算力和算法是三大關鍵要素。其中，算力和算法都離不開芯片。

從細分市場結構來看，云端訓練芯片的比例仍然最大，但增速最慢。云端推斷芯片與終端推斷芯片市場，在未來幾年都將保持快速的增長。人工智能應用的普及、政策環境的持續優化，以及人工智能設備的本地化計算趨勢，都將成為驅動中國AI芯片市場快速發展的主要因素。

據預測，2021年中國AI芯片市場規模將增長至305.7億元，同比增幅可達57.8%。未來，終端推斷芯片、ASIC架構的芯片將成為中國AI芯片市場的主要發展趨勢和關注熱點。

03、5G使AI更泛在，AI讓5G更智能

現階段，5G通信技術與人工智能均在日漸趨于成熟的過程中，兩者的融合發展尚處于初級階段。隨著其融合發展程度的不斷加深，其應用領域也必將越來越廣泛，未來可以在更多的領域當中，看到5G通信技術與人工智能的融合應用。

隨著5G與AI技術融合與滲透的持續深入，人工智能應用將呈現出“四化”趨勢：

一是泛在化。5G網絡和泛智能終端的普及，帶來泛在連接和泛在感知。實體世界正在快速向數字空間映射，促進全社會加速上云。

二是下沉化。在直播、AR/VR、工業互聯網等要求“更低時延、更好控制”的應用場景的帶動下，分布式邊緣云需求快速崛起。云計算正在從中心向邊緣快速延伸，計算和智能能力也不斷下沉，云邊協同將共同構成整個數字社會的智能基石。

三是中臺化。容器、微服務、服務網格、無服務器等云原生技術的成熟，推動企業內部共性基礎能力的沉淀，并將以組件方式集中匯聚到智慧中臺，供上層業務共享復用，從而帶來企業資源能力的組織和共享方式的升級。智能中臺將會成為各行各業的標配。

四是融合化。云不僅為大數據、人工智能等新技術提供部署環境，更是集中地編排和調度了網絡、算力等資源，來統一交付端到端的智能化服務。網絡、算力、智能在云端實現全面大融合，云也正在成為整個信息基礎設施的“操作系統”。

04、AI / ML與IoT緊密交織

近年來，物聯網一直是快速增長的領域。據預測，到2030年，全球物聯網市場將增長到241億臺設備，并產生1.5萬億美元的收入。

AI / ML的使用與IoT越來越緊密地交織在一起。例如，人工智能、機器學習和深度學習的使用，使得IoT設備和服務更智能，更安全。

同時，AI和ML需要大量數據才能成功運行，而物聯網傳感器和設備網絡所提供的恰正是這種優勢。例如，在工業環境中，整個制造工廠的物聯網網絡，可以收集運營和性能的數據，然后由AI系統進行分析，從而改善生產系統性能，提高效率并預測何時需要維護機器。

未來，物聯網人工智能(AIoT)的輪廓將日益清晰，并重新定義工業自動化。

05、從感知智能到認知智能加速邁進

人工智能有三個階段：運算智能、感知智能、認知智能。

目前，人工智能在視覺、聽覺、觸覺等感知能力領域已經達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。

認知智能的核心是機器如何表示、學習和推理知識。不同的研究流派，在實現認知智能的道路上各有優劣。例如，連接流派能模擬所有可計算函數，但難以表示結構化知識;行為流派能表示具體底層知識，但難以表示抽象高層知識;符號流派則能抽象表示符號知識，但可擴展性不夠。

未來，認知智能將從認知心理學、腦科學及人類社會歷史中汲取靈感，并結合跨領域知識圖譜、因果推理、持續學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運用，從而實現從感知智能到認知智能的關鍵突破。