新一代人工智能产业呈现出持续、高速成长态势，得益于与生产方式领域、生活方式领域、社会治理领域等场景跨界融合程度不断加深，创造出巨大的社会经济效益。未来，新一代人工智能产业发展与各行业之间的相互融合会更加深入和充分，持续探索和分析新一代人工智能应用场景落地的关键因素，是推动新一代人工智能产业可持续发展和挖掘产业增长点的重要驱动力。

（一）紧抓通信网络环境的升级趋势，突破解决方案落地制约

以5G为代表的新一代网络的部署和商用，正在围绕虚拟化、云化融合的技术革命推动通信网络环境的重构与转型，其超高速的数据传输能力和万物互联的标识解析体系重新赋予了社会协作的智能化新模式。5G与新一代人工智能解决方案的结合，不仅可以深挖既有应用场景的智能化升级潜力，持续拓展和延伸应用场景的边界，同时由于社会协作模式的转变，将逐步激发和培育全新的新兴应用场景，催生出智能化新产品、新模式和新产业。5G将为新一代人工智能典型应用场景提供优质通道，提供更为海量的具备云端大脑能力的数据，提供更具针对性的定制化能力。密切关注通信网络环境的升级，将补齐制约新一代人工智能应用场景发展的短板。

（二）明确应用场景边界，精准锁定应用需求

现阶段，新一代人工智能技术尚未达到强人工智能水平，例如借助智能终端的人脸识别技术在绝大多数情况下比人眼识别的效果要好，但是在需要知识、想象力的特殊情况下，与人脑还是存在较大差距。目前以深度学习为代表的新一代人工智能技术并不善于解决通用性问题，人工智能技术要实现应用场景落地并形成商业价值，需要清晰其所能解决的特定领域问题，并明确应用场景边界，将人工智能的功能需求限定在有限的特定问题边界之内，这样得出的解决方案才能相对可行可靠，如借助视听传感器能够自主规划扫地方案的服务机器人等。

（三）完善智能化基础设施，加速行业大数据获取

新一代人工智能应用场景的智能化主要体现在决策智能和运营智能，其本质是将用户和行业数据抽取关键特征并输入深度学习神经网络，神经网络训练模型将用于对用户行为的预测，进而提高用户体验。目前新一代人工智能应用场景的落地主要受大数据获取因素的制约，广泛布局应用场景以智能化连接设备为载体的智能化基础设施，采集大规模高质量的行业数据，系统性地通过新一代人工智能算法进行模型训练，才能真正将技术与应用场景相结合，充分挖掘应用场景的智能化升级需求。

（四）开发定制化高性能硬件，提升计算能力

随着新一代人工智能应用场景前端智能化的不断普及，集成了定制多种视频、图像、语音的传感器和数据处理平台的嵌入式感知系统，将大量非结构化数据实时转化为便于进行决策分析的高质量结构化数据，需要匹配具有较高计算能力的硬件，CPU+GPU架构成为目前的主流选择，然而构建GPU集群的成本非常高昂，成为应用场景大规模落地的掣肘。围绕特定应用场景，聚焦智能手机、语音交互、VR/AR等终端设备的差异化需求，开发定制化、低功耗、低成本的高性能硬件，不仅大幅提升数据的整体分析效率，同时加速形成与需求匹配的智能化解决方案。