人工智能以云计算和大数据为基础，被广泛应用于工业制造等10个领域中。但由于各方向处于不同的发展阶段，因此发展程度并不相同。但驱动发展的先决条件主要体如今感知能力、理解能力、学习能力、交互能力四个方面。
云计算和大数据作为人工智能的基础，在工业制造等众多场景中得到了广泛应用，比如很多工场都在传送带上加装了传感器，将压力、温度、噪音和其他一些参数实时传到云端，将工场真正连上网络，然后利用人工智能的算法对这些数据进行比对，由此提前为工场提供预警和远程检测服务。这种将生产流程及产品通过物联网连接到云端，然后利用算法进行大数据分析的模式，将在更多的行业被广泛应用。
目前人工智能主要有10个应用子领域，分辨是机器学习、计算机视觉、智能机器人、虚拟个人助理、自然语音处理、实时语言翻译、情感感知计算、手势抑制、推荐引擎及协同过滤、视频内容自动识别。各方向处于不同的发展阶段，发展程度有高有低。但驱动发展的先决条件主要体如今感知能力、理解能力、学习能力、交互能力四个方面。
1感知能力
目前人工智能的感知主要通过物联网来实现，它提供了计算机感知和抑制物理世界的接口与手段，可以采集数据、记忆，分析、传送数据，进行交互、抑制等。比如摄像头和相机记录了关于世界的大量图像和视频，麦克风记录了语音和声音，各种传感器将它们感受到的世界数字化。这些传感器就如同人类的五官，是智能系统的数据输入，是感知世界的方式。
2理解能力
智能系统不同于人脑，没有数以千亿的神经元，对事物问题的理解在现阶段还很大程度上依赖于处理器的计算分析能力。近年来，基于GPU（图形处理器）的大规模并行计算异军突起，拥有远超CPU的并行计算能力。从处理器的计算方式来看，CPU计算使用基于x86指令集的串行架构，符合尽可能快的完成一个计算任务。而GPU诞生之初是为了处理3D图像中的上百万个像素图像，拥有更多的内核去处理更多的计算任务。因此GPU具备了执行大规模并行计算的能力。云计算的出现、GPU的大规模应用使得集中化数据计算处理能力变得空前强大。
3学习能力
学习能力的培养类似人类需要教材和训练。据统计，2015年全球产生的数据总量达到了十年前的20多倍，大数据的发展为人工智能的学习和发展提供了相当好的基础。机器学习是人工智能的基础，而大数据和以往的经验便是人工智能学习的书本，以此优化计算机的处理本能。不可忽视的是近年来科技巨头为了提前布局AI生态，纷纷开源平台工具，极大地丰富了机器训练的素材和手段。如google发布了新的机器学习平台TensorFlow，所有用户都可以利用这一强大的机器学习平台进行研讨，被称为人工智能界的Android。IBM宣布通过Apache软件基金会免费为外部程序员提供SystemML人工智能工具的源代码。微软则开源了分布式机器学习工具包DMTK，可以在较小的集群上以较高的效率完成大规模数据模型的训练，并于2016年7月推出了开源ProjectMalmo项目，用于人工智能训练。
4交互能力
与科幻世界里的自主意识相比，现实世界可以实现自主交互本身便是很大的技能突破，深度学习算法是实现自主交互最重要的核心技能。它基于多层神经网络，融入自我学习，从大量的样本中逐层抽象出相关观念，然后理解，最后做出判断和决策。2006年，GeoffreyHinton教授发表论文《Afastlearningalgorithmfordeepbeliefnets》，他在此文中提出了深层神经网络逐层训练的高效算法，让那时计算条件下的神经网络模型训练成为了可能。之后，深度学习算法模型也履历了一个快速迭代的周期，DeepBeliefNetwork、SparseCoding、RecursiveNeuralNetwork，ConvolutionalNeuralNetwork等各种新的算法模型被不时提出，而其中卷积神经网络（ConvolutionalNeuralNetwork，CNN）更是成为图像识别最炙手可热的算法模型。
当然人工智能的发展还存在很多瓶颈，比如尚未变成完备的语义体系，无论抽象的观念还是具体的事物都需要统一整合到一个语义网络中才能实现真正意义上的交流。在自然语言处理和计算机视觉发展成熟后，如何将这两个领域统一同来，实现对语言和图形同步的深入理解，进而将听觉、触觉和运动做进一步整合。
只管不同操作系统的编程语言以及芯片、单片机等核心硬件发展迅速，但未来人工智能的发展之路不能只停留在数据和指令操作层面，而要有“自我意识”，唯有自我意识的产生，才能衍生出其他概念，实现真正交互。勿庸置疑，人工智能不但会成为驱动家当发展的巨大力量，更会在不远的未来给人类的生活带来颠覆性的改变。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，有兴趣的朋友，可以查阅多智时代，在此为你推荐几篇优质好文：
1.人工智能时代，AI人才都有哪些特征？
http://www.duozhishidai.com/article-1792-1.html
2.大数据携手人工智能，高校人才培养面临新挑战
http://www.duozhishidai.com/article-7555-1.html
3.人工智能，机器学习和深度学习之间，主要有什么差异
http://www.duozhishidai.com/article-15858-1.html