人工智能从诞生至今，经历了一次又一次的繁荣与低谷，其发展历程大体上可以分为“推理期”，“知识期”和“学习期”。

1）推理期

1956 年达特茅斯会议之后，研究者对人工智能的热情高涨，之后的十几年是人工智能的黄金时期。但是，研究者们对开发出具有人类智能的机器过于乐观，低估了实现人工智能的难度。但随着研究的深入，研究者意识到这些推理规则过于简单，对项目难度评估不足，原来的乐观预期受到严重打击。人工智能的研究开始陷入低谷。

2）知识期

到了20 世纪70 年代，研究者意识到知识对于人工智能系统的重要性。特别是对于一些复杂的任务，需要专家来构建知识库。在这一时期，出现了各种各样的专家系统，并在特定的专业领域取得了很多成果。

3）学习期

对于人类的很多智能行为（比如语言理解、图像理解等），我们很难知道其中的原理，也无法描述出这些智能行为背后的“知识”。为了解决这类问题，研究者开始将研究重点转向让计算机从数据中自己学习。对于人工智能来说，机器学习从一开始就是一个重要的研究方向。但直到1980 年后，机器学习因其在很多领域的出色表现，才逐渐成为热门学科。

目前，人工智能产业链主要分为三个层次：

1）底层是基础设施，包括芯片、模组、传感器，以及以大数据平台、云计算服务和网络运营商。这部分参与者以芯片厂商、科技巨头、运营商为主。

2）中间层主要是一些基础技术研究和服务提供商。包括深度学习/机器学习、计算机视觉、语音技术和自然语言处理以及机器人等领域。这一模块需要有海量的数据，强大的算法，以及高性能运算平台支撑。代表性企业主要有BAT、科大讯飞、微软、亚马逊、苹果、facebook等互联网巨头和国内一些具有较强科技实力的人工智能初创公司。

3）Zui上层是行业应用，大致分为面向企业和面向个人两个方向。面向企业的代表领域包括安防、金融、医疗、教育、呼叫中心等。面向个人的代表领域包括智能家居、可穿戴设备、无人驾驶、虚拟助理、家庭机器人等。相关代表性企业既包括互联网科技巨头，也包括一些初创厂商。

在发展了60多年后，人工智能虽然可以在某些方面超越人类，但想让机器真正通过图灵测试，具备真正意义上的人类智能，这个目标看上去仍然遥遥无期。