技術騰飛與應用拓展帶來人工智慧第三波浪潮。 目前人工智慧的技術領域的發展還在起飛期， 賽迪顧問從市場進入空間、價值爆發時間點、技術成熟度、產業投資回報率等四個方面進行評價。 通過綜合比較分析， 認為深度學習、機器視覺、服務機器人、智慧無人設備將是最具投資價值的四個領域。
從產業投資回報率分析
機器視覺值得投資
圖像識別的技術成熟度低於自然語言處理， 為新興企業從軟體技術為突破帶來了機遇， 在軟體圖像識別領域， 尤其以face++和格靈深瞳兩家為代表， 通過招攬優秀研發人員在短時間內迅速脫穎而出。
從技術成熟度分析
深度學習值得投資
前瞻性的對最具價值且臨近爆發期的技術點進行投資是回報率最高的， 深度學習作為2006年重新提出的神經網路演算法， 已經為人工智慧產業刮起了強勁颶風， AlphaGo的成功最核心的價值就歸功於它。 深度學習正處在面臨爆發的臨界點， 各大公司紛紛在跑馬圈地。
從應用和技術自主度分析
服務機器人和智慧無人設備值得投資
對於智慧工業機器人， 目前中國市場75%以上的份額依然被國外“四小龍”所分食：發那科、庫卡、ABB、安川電機。 以機器本體製造為主的伺服電機、減速器等核心部件仍然與國外有較大差距， 同時， 中國尚處於工業機器人的普及階段， 因此等到具備人機交互、環境感知的智慧工業機器人普及仍有待時日。 而對於服務機器人和智慧無人設備領域， 中國在軟體集成方面已經具備國際領先水準， 通過攻克相對較低的硬體研發門檻， 將能實現快速市場普及。
隨著機器學習的快速發展， 人工智慧產業在歷經60年的起伏之後， 如今已經在全球範圍形成新一輪的搶位發展態勢， 發達國家紛紛吹響探索大腦奧秘的號角。 中國的人工智慧產業在全球浪潮推動下， 也在快速發展， 當前， 產業發展亟待全面突破三大難點：
1、資料流程通和協同化感知有待提升
基礎設施層的資料支撐環節， 依然存在資料流程通法律法規缺失， 高價值資料難以得到有效利用的問題；在感知環節， 仿人體五感的各類感測器都有成熟產品， 但缺乏高集成度、統一感知協調的中控系統， 對於各個感測器獲得多來源資料無法進行一體化的採集、加工和分析。
未來的突破點將發生在軟體集成環節和類腦晶片環節。一方面軟體集成作為人工智慧的核心，演算法的發展將決定著計算性能的提升。另一方面，針對人工智慧演算法設計類腦化的晶片將成為重要突破點，不論是NVIDIA的Tesla P100，IBM的TrueNorth、穀歌的TPU，還是中科院的寒武紀，都試圖打破馮·諾依曼架構，依託人腦模式構建出更快更適用的新體系，而這將為人工智慧未來的良性發展奠定堅實基礎。
2、強人工智慧尚未實現關鍵技術突破
在技術研發層，目前取得的進度依然屬於初級階段，對於更高層次的人工意識、情緒感知環節還沒有明顯的突破。人腦智慧的產生原理尚未研究清楚，“腦科學”研究還處於摸索階段。如中國科學院院士譚鐵牛所說：“當前，人工智慧的發展尚處於初級階段，難以超越人類，都存在著共通的局限性——有智慧沒有智慧、有智商沒有情商、會計算不會“算計”、有專才無全能”。例如AlphaGo主要依靠的就是其強大的運算能力，而在圖像理解、語言理解和知識理解等認知能力上，人工智慧還不能與人類相比。
賽迪顧問認為，未來的突破點將發生在腦科學研究領域。一方面需要通過深度學習對自然語言處理和圖像識別的準確度實現進一步提升，同時要在真正的分析理解的基礎之上進行進一步的研發，從大腦的進化演進、全身協調控制等領域實現突破。
3、智慧硬體平臺易用性和自主化存在差距
應用層的智慧硬體平臺，服務機器人的智慧水準、感知系統和對不同環境的適應能力受制於人工智慧初級發展水準，短期內難以有接近人的推理學習和分析能力，難以具備接近人的判斷力，不具備與人類同級別的視覺、聽覺、嗅覺和觸覺等感知力，難以可靠而經濟地步行或者跑步，難以具備人手級別的執行力。因此，服務機器人雖然發展快速，但需要進一步提高產業的易用性和功能性。
而在自主化方面，目前中國工業機器人的市場依舊被發那科、ABB、庫卡和安川電機“四大家族”所統治。在核心機器本體、減速器、伺服電機等領域的自主化程度落後，未來在發展智慧化工業機器人時，不僅需要在軟體系統層面實現快速突破，還要解決硬體製造環節的缺失，這也將是中國智慧工業機器人發展面臨的主要挑戰。
賽迪顧問認為，未來的突破點將發生在智慧無人設備領域。智慧無人汽車處於全球各大車企巨頭爭相佈局階段，每一次技術進步都吸引著各界的極大關注，百度、穀歌等互聯網企業的跨界競爭更加速了智慧無人車的商業化進程。另一方面，目前無人機市場已經快速啟動，而具備自動跟蹤、智慧避障的智慧化無人機使得性能上得到了跨越式提升。同時，中國民航局2016年1月發佈的《輕小型無人機運行（試行）規定》，在立法層面上已經消除了市場顧慮。從產品應用領域看，未來以農業、交通、遙感測繪、物流等行業為切入點，智慧無人設備將實現全面普及。
未來的突破點將發生在軟體集成環節和類腦晶片環節。一方面軟體集成作為人工智慧的核心，演算法的發展將決定著計算性能的提升。另一方面，針對人工智慧演算法設計類腦化的晶片將成為重要突破點，不論是NVIDIA的Tesla P100，IBM的TrueNorth、穀歌的TPU，還是中科院的寒武紀，都試圖打破馮·諾依曼架構，依託人腦模式構建出更快更適用的新體系，而這將為人工智慧未來的良性發展奠定堅實基礎。
2、強人工智慧尚未實現關鍵技術突破
在技術研發層，目前取得的進度依然屬於初級階段，對於更高層次的人工意識、情緒感知環節還沒有明顯的突破。人腦智慧的產生原理尚未研究清楚，“腦科學”研究還處於摸索階段。如中國科學院院士譚鐵牛所說：“當前，人工智慧的發展尚處於初級階段，難以超越人類，都存在著共通的局限性——有智慧沒有智慧、有智商沒有情商、會計算不會“算計”、有專才無全能”。例如AlphaGo主要依靠的就是其強大的運算能力，而在圖像理解、語言理解和知識理解等認知能力上，人工智慧還不能與人類相比。
賽迪顧問認為，未來的突破點將發生在腦科學研究領域。一方面需要通過深度學習對自然語言處理和圖像識別的準確度實現進一步提升，同時要在真正的分析理解的基礎之上進行進一步的研發，從大腦的進化演進、全身協調控制等領域實現突破。
3、智慧硬體平臺易用性和自主化存在差距
應用層的智慧硬體平臺，服務機器人的智慧水準、感知系統和對不同環境的適應能力受制於人工智慧初級發展水準，短期內難以有接近人的推理學習和分析能力，難以具備接近人的判斷力，不具備與人類同級別的視覺、聽覺、嗅覺和觸覺等感知力，難以可靠而經濟地步行或者跑步，難以具備人手級別的執行力。因此，服務機器人雖然發展快速，但需要進一步提高產業的易用性和功能性。
而在自主化方面，目前中國工業機器人的市場依舊被發那科、ABB、庫卡和安川電機“四大家族”所統治。在核心機器本體、減速器、伺服電機等領域的自主化程度落後，未來在發展智慧化工業機器人時，不僅需要在軟體系統層面實現快速突破，還要解決硬體製造環節的缺失，這也將是中國智慧工業機器人發展面臨的主要挑戰。
賽迪顧問認為，未來的突破點將發生在智慧無人設備領域。智慧無人汽車處於全球各大車企巨頭爭相佈局階段，每一次技術進步都吸引著各界的極大關注，百度、穀歌等互聯網企業的跨界競爭更加速了智慧無人車的商業化進程。另一方面，目前無人機市場已經快速啟動，而具備自動跟蹤、智慧避障的智慧化無人機使得性能上得到了跨越式提升。同時，中國民航局2016年1月發佈的《輕小型無人機運行（試行）規定》，在立法層面上已經消除了市場顧慮。從產品應用領域看，未來以農業、交通、遙感測繪、物流等行業為切入點，智慧無人設備將實現全面普及。