人工智能，簡稱AI（ArtificialIntelligence），他的起源很早，在1956年夏天的美國漢諾斯小鎮，有一群對計算機之父圖靈提出的圖靈測試非常感興趣的科學家和熱衷人士（圖靈測試是指如果有超過30%的被測試者認為和自己交流的是人而非機器，那么就可以說是機器通過了測試），他們集聚在小鎮上想通過這次集會討論和解決關于人工智能的事情，但是經過會議的一兩個月的討論后，他們發現人工智能并沒有他們想的那么簡單，并且會議結束后也沒有什么實質性的進展，那一年就是著名的人工智能元年。

但這群熱衷者并沒有放棄對人工智能的追求，而人工智能是一門隨著計算機的發展而發展的科學，前期計算機的發展就好像是在為人工智能做鋪墊一樣。

隨著計算機的發展，人工智能的發展歷經了幾次寒冬和高潮。在這個過程中人們因為看到人工智能的前景而歡呼，卻因為它的技術天花板以及它的遙遠變現而對它丟失關注度。

2016年，google的人工智能機器“阿爾法狗”（AlphaGo）以總比分4：1戰勝圍棋世界冠軍李世石，自此人工智能開始被社會大眾所熟知，人工智能的熱浪開始一浪接一浪。到2018年開始依賴Data-Driven的深度網絡的技術開始窺見天花板，純AI企業的技術落地和商業變現能力日漸困難，技術和場景需要融合，沒有使用場景，和配套服務流程的AI企業逐漸被淘汰，很多大企業在使用場景方面占據很大優勢，比如海康監控，因為人工智能的加持，更是占盡行業優勢。但是大企業也有大企業的煩惱，人工智能的研究投入是非常浩大的，但是為了市場先機和企業的估值，企業不得不為人工智能繼續燒錢。

人工智能行業似乎進入了一個僵持期，接下來它該何去何從呢？要想打破人工智能技術和變現困難，就應該針對當前工業的發展，讓人工智能逐步落地。比如隨著5G的發展，世界似乎又進入了一個全新的發展里程。這個時候人工智能應該好好結合和利用5G這塊基石，對其進行產業“賦能”，所謂的“賦能”就是要找準自己在行業里的定位。要想生存，必須回歸盈利，畢竟能抓到老鼠的才是好貓。

要想回歸盈利，那么人工智能終將應用于工程實踐。在實踐的工程里，具體用什么樣的人工智能技術則要看工程的需求，以解決實際問題為主，往往需要將各種學術界的成果結合起來使用。在這個過程中，會不會用到某一種人工智能技術，決定因素非常多樣，要看該技術能否支持需求解決以及公司資源的支持匹配。

人工智能在學術研究領域，最注重的是算法，但是在工程實踐里，需要重新定位，所有的工程需求才是第一位，為了解決工程需求，能提供多個可實施的人工智能方案變得更至關重要。

2020年3月國家又放開了100所可以培養人工智能專業方向人才的大學，并發布了《關于 “雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》的通知，從人工智能需要深入學習研究的方面來看，這似乎有悖培養優秀人才的宗旨，畢竟人工智能是一門復雜的交叉科學，需要有強大的工科知識背景支撐，才能作出更好的研究成果，但是新公布的大學都不是傳統工科強勢的重點大學。如果你再深入思考，你將不難發現，其實在工程實踐方向上，更注重的是解決方案，是各個行業的解決方案，如果將有各個行業的知識的人培養出來，去從事人工智能，反而比專攻工科的研究方向的人才更有優勢。