一、人工智能發(fā)展概述
　　1.1 人工智能技術(shù)流派歷史簡析
　　1.2 全球人工智能產(chǎn)業(yè)發(fā)展概覽
　　　　1.2.1 全球人工智能產(chǎn)業(yè)快速發(fā)展
　　　　1.2.2 我國人工智能技術(shù)進(jìn)展顯著
　　　　1.2.3 我國人工智能產(chǎn)業(yè)進(jìn)入發(fā)展快車道
　　1.3 我國人工智能發(fā)展的政策環(huán)境分析
　　　　1.3.1 國家人工智能政策簡析
　　　　1.3.2 地方人工智能政策

二、基于深度學(xué)習(xí)的人工智能技術(shù)現(xiàn)狀
　　2.1 深度學(xué)習(xí)技術(shù)體系總覽
　　2.2 深度學(xué)習(xí)算法發(fā)展概況
　　　　2.2.1 算法的主要任務(wù)
　　　　2.2.2 出現(xiàn)各類新的算法
　　2.3 軟件框架是工程實(shí)現(xiàn)的核心
　　　　2.3.1 開源軟件框架百花齊放各具特點(diǎn)
　　　　2.3.2 巨頭以開源軟件框架為核心打造生態(tài)
　　2.4 編譯器解決軟硬件的適配問題
　　　　2.4.1 網(wǎng)絡(luò)模型編譯器解決芯片和框架間適應(yīng)性問題
　　　　2.4.2 中間表示層解決模型可移植性問題
　　2.5 計(jì)算芯片提供算力保障
　　　　2.5.1 深度學(xué)習(xí)對計(jì)算芯片的需求
　　　　2.5.2 典型深度學(xué)習(xí)計(jì)算芯片的現(xiàn)狀
　　2.6 大量數(shù)據(jù)解決算法模型的基礎(chǔ)資源不足的問題

三、基于深度學(xué)習(xí)的典型技術(shù)基礎(chǔ)應(yīng)用
　　3.1 智能語音技術(shù)改變?nèi)藱C(jī)交互模式
　　　　3.1.1 智能語音技術(shù)概述
　　　　3.1.2 智能語音技術(shù)的應(yīng)用方向
　　　　3.1.3 智能語音產(chǎn)業(yè)發(fā)展情況及典型場景概述
　　3.2 自然語言處理成為語言交互技術(shù)的核心
　　　　3.2.1 自然語言處理技術(shù)概述
　　　　3.2.2 自然語言處理技術(shù)的應(yīng)用方向
　　　　3.2.3 自然語言處理產(chǎn)業(yè)發(fā)展情況及典型場景概述
　　3.3 計(jì)算機(jī)視覺技術(shù)已在多個(gè)領(lǐng)域?qū)崿F(xiàn)商業(yè)化落地
　　　　3.3.1 計(jì)算機(jī)視覺技術(shù)概述
　　　　3.3.2 計(jì)算機(jī)視覺技術(shù)的應(yīng)用方向
　　　　3.3.3 計(jì)算機(jī)視覺產(chǎn)業(yè)發(fā)展情況和典型場景概述

四、人工智能技術(shù)存在的問題與趨勢展望
　　4.1 當(dāng)前人工智能技術(shù)存在的問題概述
　　4.2 人工智能發(fā)展趨勢展望
　　　　4.2.1 基于深度學(xué)習(xí)的人工智能技術(shù)發(fā)展趨勢
　　　　4.2.2 人工智能基礎(chǔ)應(yīng)用趨勢
　　　　4.2.3人工智能產(chǎn)業(yè)發(fā)展趨勢

五、總結(jié)

圖目錄
　　圖1 全球人工智能企業(yè)分布
　　圖2 全球/中國人工智能企業(yè)增長趨勢
　　圖3 全球人工智能投融資規(guī)模
　　圖4 全球人工智能專利申請量
　　圖5 中國主要省份人工智能企業(yè)數(shù)量
　　圖5 國內(nèi)典型企業(yè)投融資金額
　　圖7 各省、自治區(qū)、直轄市政策梳理
　　圖7 基于深度學(xué)習(xí)的人工智能技術(shù)應(yīng)用架構(gòu)圖
　　圖8 生成對抗網(wǎng)絡(luò)計(jì)算流程與結(jié)構(gòu)
　　圖9 遷移學(xué)習(xí)
　　圖10 語音識別技術(shù)發(fā)展歷史
　　圖11 語音識別技術(shù)框架圖
　　圖12 自然語言理解技術(shù)發(fā)展歷史
　　圖13 計(jì)算機(jī)視覺識別發(fā)展歷史

表目錄
　　表1 國務(wù)院和各部委與人工智能相關(guān)政策梳理
　　表2 人工智能主要算法分類
　　表3 人工智能新算法不斷提出
　　表4 NNEF及ONNX的主要差別對比
　　表5 計(jì)算芯片分類
　　表6 CPU和GPU差異對比
　　表7 FPGA和ASIC差異對比
　　表8 全球部分人工智能公共數(shù)據(jù)集梳理情況