2016年，AlphaGo击败李世石一举成名，引爆全球人工智能热潮。同时，以BAT为代表的互联网企业也加速布局人工智能：百度展开了度秘、深度语音识别系统、百度无人车、度视、百度大脑、百度移动应用等人工智能项目研究；阿里巴巴研究成果包括阿里小蜜、DT PAI、阿里妈妈OCR、阿里云ET等产品及平台；腾讯则通过建立腾讯TICS实验室、WHAT LAB等专注于人工智能技术产品研发，退出优图、Dreamwriter等产品与服务。此外，网易、今日头条、滴滴等公司也对人工智能领域进行了大量研究。
2017年，人工智能技术领域有哪些新的发展趋势？主要有以下八个方面。
■AI-a-a-S（人工智能即服务）成为趋势
第一个趋势是，全体IT巨头将重兵布局AI云服务，AI-a-a-S，意思是人工智能即服务，将成为未来趋势。毋庸置疑，AI是未来。2017年，新老IT巨头不仅在自身业务中积极运用人工智能，也会积极利用云计算平台将AI服务提供给第三方。对IT供给方而言，只要第三方使用自身的平台，就会把数据留在平台上，这些数据将是人工智能时代的金矿。对需求方而言，应用企业可以利用大公司提供的AI云服务，提升自身竞争力。所以，无论对AI服务提供者还是AI服务使用者，这都是一种双赢合作。
■新老人工智能企业围绕智能入口展开争夺
在互联网时代，几乎每个入口都会引起争夺，而每个入口争夺的成功者都会成为下一个巨头。人工智能时代也不例外，激烈争夺之后，必会诞生下一个超级企业。
人工智能时代，服务的入口主要是自然语言的语音交互，自然语言处理会是人机交互的主要模式，谁能让机器更懂人类语言，谁就有取胜的可能。随着人工智能不断渗透至我们的生产和生活，人工智能的入口竞争也会更加惨烈，越早参与、获得越多用户，胜利几率就越大。
■语音交互将成主流电视应用
比尔·盖茨在1995年出版的《未来之路》中未来智能家居场景做了清晰描述，但这样的描述迄今都未成为事实，核心原因在于缺少用户需求。
目前，电视屏幕尺寸不断增大、视频内容爆炸性增长，传统遥控器越来越难以满足人们使用电视的需求，语音为主的智能搜索和智能互动迅速崛起，自然语言交互将成为操纵电视机的标准方式。
三星等电视厂商、Netflix和亚马逊等视频内容提供商、微软和谷歌等IT企业都已经或将要推出以电视为核心的语音互动产品，智能家居从电视应用切入成为现实。
■智能玩具将成AI应用领域之一
如果利用AI诊断病情，或制造自动驾驶汽车，人们往往无法容忍其犯错。但人们对玩具出错的容忍度较高，这也使得智能玩具能够成为让人工智能获得初期市场认可的切入点。
随着2016年智能玩具机器人Cozmo的熱卖，2017年将有大批智能玩具上市。这为中国玩具制造企业赢得了新的机会，缺乏品牌优势的中国玩具公司可以尝试与高科技公司合作，借助自身的制造实力和推广实力优势，赢得巨大商机。
■商用机器人将在特定商业场景发挥巨大潜力
商用机器人往往是针对某个特定场景而制作，如导购、前台、送货，应用成效见效快，在小范围里面更易推广。
目前，一些机器人公司已制造出能适应不同环境，可用于多个商业领域的通用机器人，但这类机器人一般比较昂贵。如软银推出的Pepper机器人，每台售价20万元人民币，还需另外缴纳服务费和保险费。相比能力有限的专业机器人，通用机器人具有一定优势。
2017年，我们会看到很多专业型机器人的身影。但未来热点会由专业型机器人向通用型机器人转变，通用型机器人将迅速崛起。
■辅助驾驶将成AI首个大规模应用
一直以来，自动驾驶一直是人工智能领域的热门应用。但是，此前特斯拉自动驾驶功能造成了致命事故；谷歌放弃自己生产自动驾驶汽车，转而与成熟的汽车厂商合作，这些事实都说明，完全实现自动驾驶，还有很长一段路要走。
同时，各大汽车公司都在自动驾驶方面努力，越来越多的汽车会配置一定自动驾驶能力，即在有司机的情况下，在高速公路或在城市中慢速行驶的情况下，实现自动驾驶。
■有大数据支持的应用创业公司将迎来发展机遇
虽然人工智能底层技术的竞争异常激烈，但真正的赢家不会产生在技术层、平台层，而是产生于应用层。如移动互联网兴起，最大的赢家不是通信运营商，而是构建社交网络帝国的Facebook。
对于创新企业而言，人工智能正是机会。特别是在IT巨头纷纷开源的情况下，创新企业一定要到敌人最薄弱的环节去寻找突破口，而最值得切入的地方就是数据丰富但应用贫瘠的地方。
■GPU将得到更广泛应用
GPU（即图形处理器）一直是AI应用的主导硬件处理器。在图像语音识别、无人驾驶等人工智能领域，GPU正迅速扩大市场占比。
尽管有不少IT巨头和创新企业在尝试定制新的硬件架构，力求在性能、成本和功耗上与GPU竞争，但是由于英伟达公司投入巨资成功建立了产业生态，可以肯定的是，GPU仍然会在相当长的一段时间内得到更广泛的应用。
很多人认为GPU的主导地位会被非GPU方案终结，如FPGA或ASIC，但是非GPU方案都将面临两大挑战：一是能否实现量产，二是产业生态链是否完整。目前，能够实现大规模商用、取代GPU地位的硬件尚未出现。
