歷史的發展總是驚人的相似，人工智能的發展也是如此。

縱觀人工智能的發展，它已經歷了三次浪潮，從“跳棋”到“國際象棋”再到“圍棋”人工智能的每次發展都因“人機大戰”而被大眾所熟知。

70年代和90年代，由于算法結構及當時的計算能力因素，在當時行業的應用上、效果上，都沒有達到一個很有效的效果，所以前兩次浪潮都是潮起潮落。

直至目前，隨著深度學習技術的成熟，計算機運算速度的增長以及互聯網時代海量數據的支撐，才讓人工智能開始了一段與以往大為不同的復興之路。

以“領域應用”為主的人工智能

伴隨著計算機圖像識別準確率在ImageNet競賽中首次超過普通人肉眼識別準確率，人工智能的發展終于迎來了其新的里程碑。伴隨著人工智能在視覺領域、語音識別領域、自動駕駛領域等諸多應用場景的嶄露頭角，越來越多的人看到了人工智能產生的巨大價值。

正是在這樣的大背景下，人工智能完成了在產業層面的落地，一些科研成果也開始被應用到各主流商業領域，如銀行、保險、制造、交通運輸、醫療、教育、市場營銷等。

從某種程度上來講，此次的人工智能熱潮是以產業應用為導向的，是以解決商業問題為目的，商業模式層面的發展。

人工智能進化下的企業應對

當人工智能標準工程流程因深度學習進入“下一階段”而調整時，我們的企業應該做好相應的準備。

1. 做好企業人工智能摸底工作，當轉變來臨時，找準其所對應的階段；

2. 根據摸底情況，進行相應部署開發；

3. 將部署開發內容完成從測試環境到“生產環境”的轉變。

首先，在摸底階段要明確的理順企業人工智能所處的就緒階段，是以基礎為主還是運營為主，或者是進入了轉型期。不同的階段所考慮的核心因素也不同。

基礎階段：確定數據戰略和目標應用案例后，考慮部署用于人工智能概念驗證的基礎設施和接口。

運營階段：應建立恰當的管理和監管機制，以便持續開發人工智能解決方案。

轉型階段：優先考慮從人工智能獲取最大價值的能力。

摸底定位之后，接下來的重要工作就是進行部署開發。對所有的數據相關企業而言，其對數據的監管以及安全性的考慮永遠是放在第一位的。所以開發部署的重點就放在了對人工智能本身的安全性，以及相關算法、參數的保護上，除此之外，還要考慮外部環境以及相關漏洞帶來的影響。

前兩部分都準備好之后，最后則是從生產測試環境到生產環境的落地。這個過程中需要考慮很多素，是重新搭建一個更大的平臺，將現有數據、算法完全移植過去？還是對現有硬件設備的再利用？又或者是通過外部采購一次性解決方案或通過外包來解決交付工作？這些都沒有明確統一的答案，只能根據企業自身條件進行靈活選擇。