自从去年AlphaGo战胜韩国围棋棋王，人工智能（AI）与深度学习瞬间成为全球科技产业的重要关键字，并且被视为未来趋势的一大亮点。富邦证券指出，其实AI的发展已超过60年，近年来是在“算法技术、硬件的运算与储存能力及物联网带来的大数据”三大条件配合下，开始进入各种商业模式发展，而不再只是好莱坞电影里的虚幻角色。

富邦证券预言，AI的发展将是影响人类最深远的新世代科技，其程度将更甚互联网，也是未5～10年无论个人或企业最重要的投资课题，就AI的商机发展进程“现在才正要开始”，十分值得投资人密切关注。

大数据、算法、运算系统是三大关键

人工智能是先获取现实世界的大数据，仰赖强大运算能力，再运用机器学习的各项演算技术，借以萃取出复杂的规则，让计算机展现出拟似人类智慧的行为，达到改进或解决人类问题得目标，所以必须从数据、演算、各种处理模块，再结合各种行业专长与生活习惯，进入各种商业应用。

因此可以确认的是-“没有大量的数据数据，只有智能算法并不能成就所谓的AI；没有高效运算系统，也无法执行庞大数据的AI演算，因此，AI世界的完整建构，必须由大数据、算法、运算系统三者所建构，缺一不可”。

根据专业机构预估，2016～2030年，AI将带给全球GDP（国内生产总值）约14％的成长，贡献规模达15.7兆美元，超过目前中国和印度的GDP总和，成为全球最大的商机来源之一，其中，又以中国与北美受惠的幅度最大，因为AI带来的价值主要是“劳动生产力的改善”与“消费者需求增加”。

富邦证指出，智能手机自2007年苹果iPhone问世后，短短10年已创造每年超过4，000亿美元的市场规模，AI影响的生活层面更胜智能手机，可以推测“AI将是继智能手机后的下一个庞大市场商机，它正在重新定义商业模式和经济型态，人们的生活也将随之发生变化。”

预估至2025年复合成长率高达45％

根据研调机构IDC的预测，2017年全球AI产值（含软件、硬件与服务）将达125亿美元，而到2020年将以54％的年复合成长率来到460亿美元。富邦证券更预估，2020～2025年间AI的应用市场规模，将以38％的年复合成长率达到2，300亿美元水平，合计2017～2025年期间年复合增长率更达到45％。

富邦证指出，虽然现阶段AI算法理论模型、关键运算系统，以及各项技术处理模块，集中在美国、中国为主导的科技巨头范畴，但实际上AI不仅以深度学习即可涵盖，还需要许多技术辅助，并与相关软硬件业者合作，才能打造完整的AI架构与生态体系，预期将有更多商机会出现在各种应用场景，例如交通运输、工业制造、零售销售、家居生活、医疗照护，以及金融财务等各大产业。

实现AI需要突破哪些关键技术？

现如今，人工智能（AI）已经逐渐发展成一门庞大的技术体系，在人工智能领域，它普遍包含了机器学习、深度学习、人机交互、自然语言、机器视觉等多个领域的技术，下面进行这些人工智能中这些关键技术的介绍。

1、机器学习

机器学习是一门多领域交叉学科，涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域。通过研究计算机怎样模拟或实现人类的学习行为， 以获取新的知识或技能。通过知识结构的不断完善与更新来提升机器自身的性能，这属于人工智能的核心领域。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。阿尔法Go就是这项技术一个很成功的体现。

根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。根据学习方法可以将机器学习分为传统机器学习和深度学习。

2、深度学习技术

深度学习可以有人监督（需要人工干预来培训基本模型的演进），也可以无人监督（通过自我评估自动改进模型）。深度学习是指机器学习各项技术中发展最旺盛也是最成功的一个分支。我们常说的人工神经网络是机器学习中的一种算法。机器学习的其他算法包括聚类算法、贝叶斯算法等。在量化交易、智能投资和智能风控中，往往会应用机器学习技术。

3、人机交互

关于人机交互，它最重要的方面研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。

4、自然语言

自然语言泛指各类通过处理自然的语言数据并转化为电脑可以“理解”的数据技术。自然语言处理一方面可以辅助财务共享服务中心进行客户服务；另一方面，结合自然语言技术，便利知识管理和智能搜索。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。

5、人工神经网络

人工神经网络在机器人定位与导航中的应用。人工神经网络具有融合多元信息资源的功能，在人工智能中扮演着重要的角色，特别智能机器人定位和导向环节具有较高的应用频率。

6、机器视觉

机器视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

未来，人工智能（AI）发展需要重点突破以下三个重要技术：

第一是在算法上，要实现不用大量的数据训练就能自主学习，走向通用人工智能；

第二是把脑科学和数学建模的方法结合起来；

第三是确保人机相互协作，帮助人类提高效率。