算法存在的前提，是數(shù)據(jù)信息，而算法的本質(zhì)則是對數(shù)據(jù)信息的獲取、占有、處理，并在此基礎上產(chǎn)生新的數(shù)據(jù)和信息。換言之，算法就是對數(shù)據(jù)信息或獲取的所有知識進行改造和再生產(chǎn)。近幾年，隨著AI技術研發(fā)不斷提速、落地場景日益豐富，其背后的算法、算力等因素開始引起有關方面的重視。

目前，以算法、大數(shù)據(jù)、機器學習、人工智能等為核心的自動決策系統(tǒng)的應用日益廣泛，從購物推薦、保險評估、個性化內(nèi)容推薦等，再到司法程序中的犯罪風險評估，越來越多的決策工作為機器、算法、人工智能所取代，算法可以為人類社會中的各種事務和決策工作帶來客觀性。

對于數(shù)據(jù)生成來說，AI模型訓練依賴數(shù)據(jù)，這一點目前來看不是問題，但是AI模型訓練依賴人工標注數(shù)據(jù)，是一個令人頭疼的問題。利用算法有效解決或者大幅降低模型訓練對于人工標注數(shù)據(jù)的依賴，是一個熱點研究領域。

作為AI大三元素之一，目前主流的算法主要面向機器學習領域。因此，機器學習也可以理解為用于訓練和推理的算法合集?？v觀全球AI領域的發(fā)展現(xiàn)狀可以看出，深度學習已經(jīng)超越傳統(tǒng)機器學習，成為主流算法。不過，機器學習仍未被取代，兩者呈現(xiàn)互補的態(tài)勢。隨著深度學習與神經(jīng)網(wǎng)絡算法的結合，算法訓練的門檻相應降低，大量熱門算法以及相應的底層構架也隨之出現(xiàn)。

對于需要AI技術的企業(yè)而言，匹配不到合適的算法、AI落地成本高、算法整合開發(fā)難度大等難題已經(jīng)成為其智能化進程上的主要障礙。如何清除這些障礙，找到合適的算法并獲得低價、持續(xù)的售后服務和技術支持，也漸漸成為AI需求企業(yè)選擇的重要指標。

在網(wǎng)絡防御與安全方面，算法所起到的作用日益突出。在網(wǎng)絡攻擊探測中，利用機器學習算法模型，可以提升對惡意行為探測的精度。與此同時，在網(wǎng)絡攻防中借助算法模型，有助于優(yōu)化網(wǎng)絡資源分配，提升網(wǎng)絡安全保護總體效果。

作為智能化作戰(zhàn)科技的核心前沿，以深度學習、強化學習為代表的算法模型創(chuàng)新，未來無疑將在多個領域得到廣泛運用。尤其需要注意的是，人工智能時代的長遠健康發(fā)展，需要更多圖像類算法的人才。

目前國內(nèi)已有通過3D獲取信息的平臺，這些平臺除了向人們展示3D信息之外，更應該幫助人們通過3D更好地理解眼下的真實世界。計算機圖像或者計算機視覺方面算法的人才，將成為借助不同的計算機視覺方面的算法去實現(xiàn)這一目標的重要力量。

我國人工智能發(fā)展在數(shù)據(jù)規(guī)模和算法集成應用上都走在世界前列，但在人工智能基礎算力方面，能提供國產(chǎn)化算力支持的企業(yè)還不多。在人工智能的算力支持方面，HPE、IBM、戴爾等國際巨頭穩(wěn)居全球服務器市場前三位，浪潮、聯(lián)想、新華三、華為等國內(nèi)企業(yè)市場份額有限。今后，相關企業(yè)要想獲得更大的產(chǎn)品收益，提高國家競爭力，還需要在技術創(chuàng)新、平臺構建等方面多下功夫。

數(shù)字經(jīng)濟已經(jīng)成為優(yōu)化經(jīng)濟結構、提升經(jīng)濟效率的重要動力，而以人工智能為代表的一大批創(chuàng)新技術和應用作為數(shù)字經(jīng)濟時代的重要基石，將推動傳統(tǒng)經(jīng)濟的轉型升級和新興經(jīng)濟的快速增長。今后，人工智能、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等技術將為數(shù)字經(jīng)濟增長提供更為堅實的支撐。