2025 年自动驾驶利润达 800 亿美元 物流率先应用
6 、 人工智能终端化
人工智能技术快速迭代，正经历从云端到终端的过程 ， 人工智能终端化能够更好更快地帮助我们处理信息，解决问题 ， 我们舍弃了使用云端控制的方法，而是将 AI 算法加载于终端设备上(如智能手机，汽车，甚至 衣服 上)。英伟达( NVIDIA )，高通( Qualcomm )还有苹果( Apple )等诸多公司加入了对终端侧人工智能领域的突破和探索， 2017 和 2018 年是众多科技公司在人工智能终端化进入快速发展期的两年，同时他们也在加紧对人工智能芯片的研发。但 AI 依然面临着储存和开发上的困境，亟需更丰富的混合模型连接终端设备与中央服务器。
7 、 人脸识别
从手机解锁到航班登机，人脸识别的应用范围愈发广泛 ， 各国对于人脸识别的需求逐渐升高，不少创业公司开始关注这一领域 ， 利用该技术， 可以 通过脸部特点从而还原蒙面嫌疑犯完整的人脸。但人脸识别仍有待改进 。 这一技术仍会对人脸真假存在误判 。 人脸识别中所包含的数据远比我们想象要多，其中的安全问题也应引起我们关注。
8 、 语言处理
自然语言处理( NLP )是人工智能的一个子领域，对于翻译技术而言， NLP 就像一个潘多拉魔盒——除了丰富的市场机会，还有巨大的挑战。机器翻译就是其中一个等待开发的宝库，从后台自动化，客户支持，到新闻媒体，其应用广泛。人机共生也是翻译领域未来的大方向，不少初创公司也期待从中分一杯羹 ， 但要完成基于自然语言处理工作的翻译系统并不容易，单单中文里的各种方言和书面语就能把众多科技公司难住 ， 据相关数据显示，除了热门的高资源语言，如中文，..语，欧洲语言等，低资源语言和少数民族语言的开发和应用依然存在缺口。
