人工智能，简称AI，自诞生以来，已经发展了60多年。近年来，AI在全球范围内大热，成为学界、业界创新研究的对象，创业公司风起云涌，巨额投资不断涌现，科技巨头也不断加码，科研、资本和人才在AI上的投入也越来越多。然而各方面的助力，是否给AI带来了发展的契机，AI技术发展了六十年却迟迟不见成熟又是什么原因？到底是什么在阻碍着AI 的发展。

　　在今天回看，2017年或许是中国人工智能发展的一个重要节点。2017年，“人工智能”首次被写入全国两会政府工作报告，与此同时，2017年乌镇围棋峰会上，AlphaGo以3：0的总比分战胜排名世界第一的世界围棋冠军柯洁，引发全民关注。“人工智能是否已全面超越人类”，“人工智能会不会取代人类”等问题也成为热点话题。

　　也是从2017年开始，人工智能风起云涌。一夜之间，仿佛所有的公司都变成了人工智能公司。资本、人才向人工智能领域快速涌入。“人工智能”成为科技界、学界、企业界最热门、最受追捧的词汇之一。各大互联网公司都大力加码推进人工智能研发。

　　从以上来看，人工智能可以说已经迎来一个非常好的时代，但是热闹背后也存在着问题。比如这股热潮更多是产业界、投资界推动的，而学界和基础研究领域上并没有进行变革，人才缺口问题也没有得到解决。

　　同时，AI在实际应用与落地中还面临着非常多的挑战，尤其是数据问题。AI研究需要的各类数据分散在不同企业中，人们口中常说的理想状况的“大数据”并不存在。

　　目前，人工智能的创新成果在各领域已有落地应用，推动了各行各业的技术进步、效率提升和商业模式变革。其中，金融行业是最被看好的AI应用领域之一，AI+金融是“智能+”的重中之重。

　　一方面，金融行业的信息化建设起步较早，且行业内极其重视数据的标准化和规范化采集，因而拥有大量累积数据，这些数据为人工智能的应用提供了坚实的基础；另一方面，以银行、保险、证券公司为例，金融业的主要业务都是基于大规模数据展开的，大量繁琐的数据处理工作，急需自动化和智能化的变革来解放人力；此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。

　　数据的复杂性、孤立性和隐私安全等问题，是困扰和制约AI深化发展和应用落地的关键因素。如何解决这些数据难题，打破数据孤岛，建立真正的“大数据”，同时更好地保护数据隐私和安全，成了当下AI发展必须解决的问题。

　　面对这些难题，AI新一代的机器学习算法框架，应该以保护隐私、安全合规为出发点，进行合理的解释，用透明的推理机制来保障人工智能的健康发展。

　　那么，中国AI的未来前景又怎样?多位专家学者都曾表示，中国在AI方面的应用会是全世界规模最大的，前景非常好，但在基础研究方面仍需持续努力。当然，AI生态的建设与大数据的构建还需要不同的企业、学者、研究机构联合起来，共享技术、分享数据、团结力量，共同解决数据孤岛和用户隐私问题。