智能音箱的家庭普及率已經和PC、智能電視等產品相當，2019年第一季度智能音箱市場出貨量達1122萬臺，同比增長787.2%。

8月28日，中國工程院主辦的“AICC2019中國人工智能計算大會”在北京召開，上述數據來自會上IDC和浪潮集團聯合發布的《2019中國人工智能計算力發展評估報告》，它只是人工智能走入千家萬戶、百行千業的一個小場景。

5G、物聯網等多種技術的發展及融合加速了數據井噴，并以前所未有的速度和方式被存儲和計算。類型豐富、場景各異的數據資源為人工智能系統自主學習并建立預測模型提供了豐沃的土壤。有賴于此，生物識別、欺詐分析、智能客服、公共安全及預警等AI場景在國內加速成熟應用。

中國工程院院士、浪潮集團首席科學家王恩東說：“數據爆發的增長，算法創新加速，和計算能力的快速提升，讓人工智能在全球范圍內迅速從學術熱點變成投資熱點、產業熱點。AI產業正在快速上規模，市場需求開始井噴。”

人們將算法、數據和算力稱為人工智能的三大要素，如果沒有算力的支撐，人工智能難以走向應用。或許正是因此，將數據和算法協調起來的芯片尤為引人關注。

IDC預測，GPU依然是數據中心加速的首選，隨著邊緣、端側需求的快速增長，人工智能芯片市場將迎來多元化發展。但是，推理類芯片將成為未來最大的潛在市場和人工智能芯片市場的重要決勝點。

據浪潮技術人員介紹，目前的AI芯片中，GPU芯片主要處理圖像領域的運算加速。FPGA芯片適用于多指令、單數據流的分析。ASIC芯片為特定場景應用定制，在低功耗的移動設備端或邊緣側尤其具有優勢，我國的寒武紀、地平線、華為等廠商常與這類芯片扯上關系。人工智能芯片又分為訓練芯片和推理芯片，訓練是指在已有數據中學習并獲得某些能力的過程。推理過程則指對新的數據使用計算能力完成特定任務(比如分類、識別等)。

從2012年到現在，每三個半月用于AI計算的計算量翻一倍，從2012年到現在，AI計算的能力增長了30萬倍，同時期的芯片性能提高了30倍左右，遠遠超過了摩爾定律。

“相比云計算和大數據等應用，人工智能對計算力的需求幾乎無止境。”王恩東說，“計算力的提升，對體系結構提出了挑戰。在半導體技術逐步接近極限的情況下，計算機發展迎來了體系結構創新的黃金期，計算力的提升將更多通過體系結構創新來滿足。”

IDC認為，人工智能基礎架構產品在中國未來五年的復合增長率超過33%，這個增長速度是普通的IT基礎設施投資的三倍多，隨著計算需求的增長，會有越來越多的新的架構、芯片和其他技術出現。

雖然看起來不是很快，但“AI產業化”向“產業AI化”轉變的現象正在發生。據IDC數據，互聯網依然是中國人工智能算力投資最大的行業，62.4%的錢是他們扎堆兒花出去的，從2018年起，金融、傳統企業和政府用戶，在人工智能基礎架構領域的采購量超過了互聯網，這個趨勢還將保持下去。

王恩東說：“中國的AI投資已經和美國相當，但在核心技術的投入和面向應用的深度研究上還有差距。應用是AI產業發展的瓶頸也是最大的機會，要從根本上解決問題，必須建立開放融合的人工智能生態。”

國內很多人工智能企業鎖定的都是單點單技術的應用，如人臉識別、考勤打卡，交通監控管理等。美國則流行用AI改變某些行業的業務流程和應用模式，比如，金融業的風險管理、證券業的高頻交易等。

IDC也強調，人工智能時代的用戶需求越來越復雜，任何企業都無法提供所有的解決方案，生態系統將變得和知識產權一樣重要。