馬化騰曾半夜在知乎提問，“未來十年哪些基礎科學突破會影響網際網路科技產業？”
點贊排名第一的回答是：人類唯一的出路-變成人工智慧。
疫情期間，AI測溫、疫情問答機器人、智慧外呼等功能迅速上線，展示了人工智慧在不同需求下做出快速響應和迅速迭代的能力。
隨著不同行業的技術與人工智慧加深融合，作為新一輪技術、產品、產業變革的核心驅動力，AI技術在未來將會如何發展呢？
▏資料增長顯著，支撐AI持續發展
資料對人工智慧而言，就像食材與美味佳餚的關係。隨著5G技術進一步發展，當前十億量級的世界網際網路使用者基數將帶來更多資料總量和更強大的傳輸能力。
除了原始資料，AI技術還需要標註資料(自動標註/半自動標註/人工標註)，而人工標註在未來10年內可能依舊佔據市場主流。對人工標註資料的依賴可能會限制AI技術發展，但也可能倒逼AI在演算法與技術層面進行突破。
▏GPU填補CPU效能發展瓶頸問題
算力對於AI技術而言，就像灶臺之於美味。而計算類晶片作為AI算力的源動力，未來10年內也將在“摩爾定律”的指導下平穩發展。摩爾定律依然有效，很大程度上在於迅速發展的GPU彌補了CPU發展趨緩。
從直接的算力指標浮點運算和記憶體方面來看，近10年來GPU的計算能力、記憶體訪問速度都遠超CPU，從而填補了CPU效能發展瓶頸。以芯動即將釋出的“風華”系列GPU為例，自帶浮點和智慧3D圖形處理功能，全定製多級流水計算核心，兼具高效能渲染和智慧AI算力，還可級聯組合多顆晶片合併處理能力，靈活性大大增加。
據前瞻產業研究院資料顯示，2019年在AI晶片收入中，CPU晶片份額佔17%，GPU晶片份額為27%，GPU已成為人工智慧領域的硬體計算標準配置。
不僅僅是CPU與GPU，備受行業關注的新興晶片如ASIC、FGPA等也將持續發力。
▏演算法與應用結合在效能上取得突破
AI演算法對於人工智慧而言，就像廚師烹飪美味佳餚，發揮主力作用。圖網路(Graph Network)技術、深度學習模型結構借鑑生物科學的進步、利用演算法降低對人工標註資料的依賴、將開環系統進化成閉環系統等都將是可能產生突破的熱門領域。
舊浪潮慢慢退去，下一個10年，新浪潮還在醞釀。在科技紅利交替的潮汐裡，只有順著未來浪頭的方向，才能擁有廣闊藍海。