计算机视觉、机器学习、自然语言处理、机器人和语音识别是人工智能的五大核心技术，它们均会成为独立的子产业。

计算机视觉：这一领域常应用的是医疗成像分析、人脸识别等几个部分，其中医疗成像分析被用来提高疾病预测、诊断和治疗，人脸识别被Facebook用来自动识别照片里的人物等。

机器学习：针对那些产生庞大数据的活动，机器学习几乎拥有改进一切性能的潜力。现如今，机器学习已经成为认知技术中炙手可热的研究领域之一。

自然语言处理：像计算机视觉技术一样，自然语言处理将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的大可能性。

机器人：将机器视觉、自动规划等认知技术整合至小却高性能的传感器、制动器以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。

语音识别：主要是关注自动且准确地转录人类的语音技术。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。

上述5项技术的产业化，是人工智能产业化的要素IPC610工控机。人工智能将是一个万亿级的市场，甚至是10万亿级的市场，将会为我们带来一些全新且容量巨大的子产业，比如机器人、智能传感器、可穿戴设备等，其中令人期待的是机器人子产业。

人工智能产业发展仍存硬件瓶颈

人工智能从上世纪50年代诞生开始经历过两次起伏。60年代次高潮，受限于计算能力，80年代第二次高潮，仍然受限于计算能力，而现在我们处于第三次高潮。人工智能创业公司间的技术壁垒正在消除，具体表现为人工智能的产品如雨后春笋般涌现，在搜索引擎、图像、视频应用、电商、音乐推荐系统、在线广告以及金融服务方面都有不俗表现。但这并不能说明人工智能产业发展不存在缺陷研华工控机。

AlphaGo人机大战让大家都感觉人工智能的春天即将来临，但是大家忽略的是，AlphaGo曾经有1900个CPU＋280个GPU，训练一款这样机器的电费可能要1000美元，其实今天的人工智能的水平相当于50年前个人电脑发明之前，当时电脑需要会议室这么大，做的是简单的一款APP相同的功能，目前人工智能发展的状态属于这样的水平，硬件层面的发展还存在瓶颈。

AI技术目前在解决特定问题（下围棋、鉴黄、准营销）等方面确实效果稳定，但还有很多应用没有找到把AI技术融入用户习惯的好方法（语音交互、文本分析），特别是在技术不成熟情况下的容错机制，实用性欠佳。

有好的技术如何做成好的产品是企业需要解决的问题，AI创业公司特别容易走入与同行比拼识别精度、正确率的牛角尖中，但忽略了实用性，即使科技含量高，粗糙的产品是无法销售的。