大數據的積累為人工智能發展提供燃料

大數據主要包括采集與預處理、存儲與管理、分析與加工、可視化計算及數據安全等，具備數據規模不斷擴大、種類繁多、產生速度快、處理能力要求高、時效性強、可靠性要求嚴格、價值大但密度較低等特點，為人工智能提供豐富的數據積累和訓練資源。

算法讓大量的數據有了價值

無論是特斯拉的無人駕駛，還是谷歌的機器翻譯；不管是微軟的“小冰”，還是英特爾的精準醫療，都可以見到“學習”大量的“非結構化數據”的“身影”?！吧疃葘W習”“增強學習”“機器學習”等技術的發展都推動著人工智能的進步。以計算視覺為例，作為一個數據復雜的領域傳統的淺層算法識別準確率并不高。自深度學習出現以后，基于尋找合適特征來讓機器識別物體幾乎代表了計算機視覺的全部圖像識別精準度從70%+提升到95%。由此可見，人工智能的快速演進，不僅需要理論研究，還需要大量的數據作為支撐。

數據處理技術推進運算能力提升

人工智能領域富集了海量數據，傳統的數據處理技術難以滿足高強度、高頻次的處理需求。AI芯片的出現，大大提升了的大規模處理大數據的效率。目前，出現了GPU、NPU、FPGA和各種各樣的AI-PU專用芯片。傳統的雙核CPU即使在訓練簡單的神經網絡培訓中，需要花幾天甚至幾周時間而AI芯片能提約70倍的升運算速度。

人工智能推進大數據應用深化

在計算力指數級增長及高價值數據的驅動下，以人工智能為核心的智能化正不斷延伸其技術應用廣度、拓展技術突破深度，并不斷增強技術落地（商業變現）的速度，例如，在新零售領域，大數據與人工智能技術的結合，可以提升人臉識別的準確率，商家可以更好地預測每月的銷售情況；在交通領域，大數據和人工智能技術的結合，基于大量的交通數據開發的智能交通流量預測、智能交通疏導等人工智能應用可以實現對整體交通網絡進行智能控制；在健康領域，大數據和人工智能技術的結合，能夠提供醫療影像分析、輔助診療、醫療機器人等更便捷、更智能的醫療服務。同時在技術層面，大數據技術已經基本成熟，并且推動人工智能技術以驚人的速度進步；產業層面，智能安防、自動駕駛、醫療影像等都在加速落地。

——騰訊煙臺新工科研究院