经过60多年的演进，人工智能的发展成为新一轮国际竞争的焦点。近日，科技部召开新一代人工智能发展规划暨重大科技项目启动会，会上公布了首批人工智能开放创新平台名单，人工智能开始由国家背书，可见，人工智能已经成为提升国家竞争力当之无愧的排头兵。

政策大好，抢滩人工智能自然也成为企业的目标之一。人工智能作为第四次工业革命的新引擎，接棒互联网，渗透到各行各业，助力传统企业实现跨越式升级。政策支持、企业联盟不断推进人工智能全产业链整合，并构建完整的生态系统。

就产业链的角度来看人工智能，可以分为基础层、技术层、应用层三方面，这是目前业内比较一致的看法。

基础层这块儿，主要就是计算和数据的支撑;而技术层面，包括通用技术，就是我们常说的语言识别、图像识别、人脸识别等，算法，包括机器学习、深度学习、增强学习等，底层框架，包括Tensor Flow、Caffe、Torch等; 在应用层方面，人工智能助力企业打造了智能金融、安防、医疗、无人驾驶等领域。

为了让大家更清晰地了解人工智能的生态圈，小编特针对上述内容进行研讨，分析该产业链的这三层结构，今天，先奉上基础层部分。

是基础，也是前提

人工智能的技术其实主要依赖大数据管理，包括用户数据和行业数据等;云计算，包括像BAT、IBM、亚马逊、谷歌、微软等公司的提供的云服务技术。以硬件为核心，其中包括GPU、FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提，为整个人工智能的运算提供计算力。

大数据领域，自是不必说，来自BAT、京东、今日头条的用户行为数据和社保、医疗等行业数据为人工智能的发展提供了良好的条件。与其他国家相比，这种优势是他人无法企及的。

但在硬件上，国内的芯片领域与其他国家相比，仍有比较大的差距。其中，用于深度学习的芯片的主要类型是GPU、FPGA、ASIC，此外，各家也在积极研发人工智能专用芯片，例如中星微的NPU、寒武纪一号(DianNao)、谷歌的TPU、IBM的TrueNorth，英特尔还推出了CPU+FPGA的架构和Movidiu神经计算棒(USB形式的独立人工智能加速器)。

现阶段，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这时候，就需要新的底层硬件来更好地储备数据、加速计算过程，这是我们努力的方向。

根据服务性质的不同，在云计算方面，国内的人工智能基础层渐渐从崭新领域转为大众化服务的基础平台，集中在三个层面上：基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。

SaaS：消除了企业购买、构建和维护基础设施、应用程序的需要，用户可以通过客户端界面在各种设备上进行访问，这种服务基于云计算基础设施。对于中小企业来说，无疑是优选。

PaaS： 把应用服务的运行和开发环境作为一种服务提供，实际上也是SaaS的一种，但PaaS的出现可以加快SaaS的发展。作为 SaaS 和 IaaS 中间服务的 PaaS 则为二者的实现提供了云环境中的应用基础设施服务。

IaaS：分为公有云、私有云和混合云三种形态，提供给消费者的服务是对所有计算基础设施的利用，包括处理器CPU、存储、网络和其它基本的计算资源，用户能够部署和运行任意软件，包括操作系统和应用程序, 同时，可以更快地开发应用程序和服务，缩短开发和测试周期。

基础技术提供的这些平台为人工智能技术的实现提供基础，同时也为应用的落地提供前提。

　　然而，在人工智能的基础层方面，中国企业稍逊于国际巨头。

据统计，我国芯片市场规模已经达到了400亿美元，国内市场约有90%来自进口。随着深度学习的崛起，人工智能领域芯片的重要性再度升级，这一问题必须重视;同样有所差距的还有云计算方面，操作系统和大型的软件方面没有太大的优势;在平台方面，微软、谷歌、亚马逊，围绕深度学习平台、云平台、语音平台、和图像平台均开源了自己的平台，相比之下，国内企业则在这一块则相对欠佳。

人工智能虽然已经迎来了产业爆发期，但单就其基础层来说，中国企业稍有逊色，在产业布局和研发实力方面还有待提升。作为第一数据大国的我们，不仅仅需要在技术上钻研，更要换个打法，从全局出发，在“国家战略”的引领下，绘制技术+生态圈的产业蓝图。相信人工智能时代这场仗一定会打的漂亮，后续请关注“技术篇”与“应用篇”。