4月9日，CITE 2017第五届深圳国际电子信息博览会在深圳会展中心正式开幕，本届展会以“开启智能时代”为主题，集中展示包括人工智能、高端芯片、虚拟现实及增强现实、智能网联汽车、智慧家庭、电子竞技等代表电子信息产业未来发展的核心内容。
人工智能是本届博览会的亮点之一，会中，腾讯AI实验室主任张潼、科大讯飞董事长刘庆峰、英特尔全球数据中心产品和技术总经理陈葆立、华为智慧工程部长张宝峰、北京大学访问教授，博士生导师吴霁虹教授等发表了精彩演讲。
腾讯AI实验室主任张潼
张潼就“如何构建AI生态?、AI时代的关键要素、腾讯AI Lab的研究和应用方向”这三项内容进行了分享。
关于“如何构建AI生态”，张潼表示在AI Lab看来有以下三个因素：建立一个纵向的政产学研用合作机制，加快学校研究的产业化落地，为产品服务，打通上下游，形成一个可发展的闭环;开放心态，未来AI Lab和清华大学联合组织的开放平台，还可能会在腾讯云落地，为企业服务，降低AI的成本;法律法规和社会伦理的保障性，例如政府引导法律的制定，联合国去年发布了机器人伦理的初步稿案，此外，其余国家也在积极推出AI相关政策。也有些美国公司在进行关于AI伦理研究和发展规划。
如何推动国内人工智能的发展?张潼认为只要掌握了AI时代的四大关键要素即可，第一：丰富的业务场景，人工智能需要通过应用来服务用户，它能触及用户，能够产生商业价值，技术才可以持续积累应用;第二：海量的大数据，大数据对于提升人工智能也是必不可少的，中国在数据上有优势，人多、场景多、从而产生数据;第三：强大的计算资源;第四：优秀的人才，我国的应用型人才非常丰富，此外，还应该关心研究型人才，两者相互配合，才能使得中国人工智能在应用层面、研究层面保持领先地位。
随后，张潼解密了 AI Lab 的三大研究方向，AILab不仅看重底层和基础性技术研究，也非常重视应用，针对于程序的一些课题会做深入研究，主要提高下面三方面的能力：决策能力、创造力、理解能力。在腾讯的业务场景上，AI Lab提出了四大应用方向：游戏AI、社交AI、内容AI及平台工具型AI。
最后张潼透露，AI Lab会持续注重研究和合作交流，利用AI来优化产品和服务;其次，会保持开放心态，把研究结果分享给社会，形成AI生态。
科大讯飞董事长刘庆峰
“如果说2016年是人工智能的中国元年，那2017年就是它的应用落地之年。”刘庆峰指出，人工智能时代正在到来，而在这个时代中做好坚持源头技术创新、围绕源头技术创新建立标准和规范、打造真正的人工智能产业生态、配套的法律道德及人文引领将非常重要。
在人工智能代替了许多简单劳动和复杂脑力劳动的同时，社会将产生极大的变革，所以社会的保障体系也应同步跟上。
刘庆峰将自己在两会上提出的九条建议做了分享：人工智能要继续加大源头技术创新;成立人工智能产业联盟，打造人工智能的产业生态;推动行业的数据开放和共享;建立人工智能+时代的教育课程和设备培训体系;建立人工智能+时代的社会支撑，包括兜底保障机制以及法律体系;研究人工智能时代的人文研究和伦理引导，设立国家级软课题，设计专门的研究方向;制定人工智能+时代的全球人才引进计划;加强人工智能时代全球战略产业资源整合;设立人工智能产业应用示范区，以示范应用带动产业集群发展。
英特尔数据中心技术总经理陈葆立
当下各个行业在人工智能新的技术发展之下都有了很大的创新，陈葆立以互联网金融为例进行了阐述，现在华尔街最火的就是人工智能，怎么了解、利用人工智能来创造出更新的金融类产品，这是各大银行们或者投行们在专注的一个方向，而这个新的应用，需要比较复杂的算法，包括海量数据，这对IT行业带来的巨大的一个挑战和机遇，计算力需要有非常大的提升。
未来人工智能将在无人驾驶、精准医疗、智慧城市、智能制造和零售等领域发挥重要作用，但要实现人工智能的产业化，陈葆立指出需要更强的计算力、数据洪流以及创新的算法三个方面来推动。
计算力的提升离不开摩尔定律，众所皆知摩尔定律是英特尔创办人在50年前提出的定律，基本上每18个月，通过技术的提升，我们的计算机或者它的芯片的性能将会提升一倍，接下来的5到10年英特尔还会致力于推动摩尔定律，继续提升数据中心的计算。
而随着数据洪流的到来，从2016年到2020年专注于AI的计算力将会增加12倍，而这样的提升也将带动数据中心的创新。不同的智能环节，智能的场景会制造海量的数据，这些海量的数据将会有非结构化跟结构化的一些组成，这写都将会大大地提供给人工智能必须的一些数据，发展出新的算法。
华为智慧工程部长张宝峰
张宝峰认为2017年是人工智能产业化的元年，大家也都希望能把人工智能真正用在产品中去，真正带来实实在在使用体验上的提升和产品的价值。那么目前人工智能在产业化过程中面临什么样的挑战?人工智能发展有什么样的趋势呢?
张宝峰表示人工智能技术本身主要有四个大趋势：
可闭环、可成长的系统，“活”数据者赢天下，在构建AI过程中一定要构建一个闭环性系统，使它能够真正具备长期发展的学习能力。
炒作走向务实，搞定High Stake风险为规模应用，要想真正把人工智能产业化，就必须要发明或发现一种机制来控制偏差，能在异常情况时，不产生灾难性后果。有这样的基础，才有可能真正把AI决策系统用到非常敏感或者高危的行业中去。
监督学习走向非监督，小数据、自我学习成热点，在学习系统中我们需要寻找更低成本的方式完成现在的学习任务。
从规律发现走向推理决策，人机协同兴起，让机器去学习，让人去教育，使其变成当前阶段真正可以使用的系统。
北京大学访问教授，博士生导师吴霁虹
吴霁虹教授指出，人工智能可使企业换道超车，实现AI从技术到商业的落地，并利用Top-A价值规律，建立竞争优势，AI将成为新世界中最大也是最后的契机。
“我的研究发现AI从技术到商业至少要有八个最必要的要素，这八个要素从开源技术平台、核心技术创造、开放技术、平台技术操作、系统应用解决方案、商业应用、系统用户使用、场景到动态数据。此外，庆峰博士也指出其实还有一个重要要素——人才，我非常的认同，我相信人才贯穿所有的要素之中。”吴霁虹表示。
值得一提的事，场景的应用是AI产业化最关键的一点，任何一个场景下的应用都需要全新的商业模式。这样的商业模式会整合第五项应用解决方案，即一个全新驱动的运营体系，那么这个运营系实际上是有大脑的机器人。而有大脑的机器人是非常重要的两个创新点，一个是AI用户解决怎么样的智能交互系统，另一个是AI能为客户公司生态进行价值分配的智能系统。
当下，全球范围内AI产业正在进入到衣食住行用娱健教工保十大消费领域，衣食住行用不用说，娱就是娱乐，教就是教育，健就是健康，工就是工作，保就是保户，法律。
最后，吴霁虹说道：“AI是没有是与非、对与错、善与恶价值观的，它可以说是我们智人的游戏。因此很多人都在担忧的一个问题——AI产业发展和人类未来的商业文明到底是走向一个人的暴富，我个人认为很大程度上取决于今天的引领者。”