近日，中国人工智能产业发展联盟组建成立。据介绍，联盟将快速推动人工智能技术在生产制造、健康医疗、生活服务、城市治理等场景的应用，提升产业发展能力与水平。同时，将整合全产业链资源，促进人工智能科技成果和资源的积累与转化。业内比较一致的看法是，人工智能产业链可分为基础层、技术层和应用层。对此，全球巨头立足自身核心技术进行扩散，积极进行布局。与此同时，中国人工智能产业链也已“显山露水”，20余家A股公司正在“抢滩”产业链。
基础层主要包括计算芯片、大数据、存储。微软的最新研究报告称，在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心，其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力，目前多以传统的国际IT巨头为主。
目前，在GPU领域，英伟达主打工业级超大规模深度网络加速，并推出了基于Volta、首款速度超越100TFlops的处理器Tesla;英特尔主要围绕FPGA构建产业，推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片，为自己的开源TensorFlow框架提供芯片支撑。此外，在这一领域还有众多的初创公司，如中星微、寒武纪以及西井科技等，但在产业布局能力和研发实力方面，还不能与上述巨头匹敌。
中国在类人脑芯片上的探索起步并不晚。2015年，由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料(CMOS)的支持脉冲神经网络(SNN)的类脑芯片——“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较，还有一定距离。
技术层包括算法平台、图像识别、自然语言识别处理和智能机器人。当前，国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中有代表性的企业包括科大讯飞、格灵深瞳、捷通华声(灵云)、地平线、SenseTime、永洪科技、旷视科技、云知声等。
中国科技战略研究院有关专家表示，“人工智能产业的发展离不开海量数据的支撑，数据训练量的大小影响着算法实现的成熟度。”阿里云iDST总监初敏表示，算法、数据、计算平台、用户、商业模式，用互联网的思维把这五个因素串起来，人工智能迭代才能非常快。以更快的速度使用反馈数据来更新模型，形成这样的正循环周期后，效果就会越来越好。哪怕就是算法不变，只要能不断地反馈数据并不断优化，过一两个月之后，它的能力也会好很多。
国内的曙光公司联合众多企业成立了航天星图、中科三清、曙光易通，锁定数据。航天星图专注于地理空间大数据处理、可视化应用，中科三清由曙光与中科院物理所合资，专注于大气、水以及土壤污染的预报、预警，治理评估和应急提供可行性的解决方案。除了传统IT企业在抢数据资源之外，事实上，中国也涌现了很多运营和经营数据的公司，比如数据堂、星图数据、百分点等，并涌现了更多公共数据开放平台。数据显示，2016年中国数据总量占全球数据总量的14%。据预测，到2020年，中国的数据总量将占全球数据总量的20%，届时中国将成为世界第一数据资源大国和全球的数据中心。