人工智能起源于计算机技术，本质是解放生产力、提高技术研发效率，从而取代人的部分重复性工作。

　　但是现在一些诸如换脸AI软件的人工智能应用，虽说用的也是深度学习，但仅仅停留在浅层，勉强达到弱人工智能。这些离强人工智能，还有很远的距离。

　　强人工智能为什么如此难？数据、算法、算力三要素的共同作用下，人工智能才有可能形成硬件、框架、应用等完整的产业体系。

　　对于目前人工智能的产业和商业应用上的现状，人工智能在图像识别、视频监控、人脸识别、智能客服等应用场景中的应用已经非常成熟，而这些都依赖于数据、算法、算力三者共同发展，带动应用平台系统的完善。

　　数据

　　数据是人工智能发展的基础，图像识别、视频监控等都需要庞大的数据支撑下去进行模型训练和深度学习，数据集有良好的表现并不能保证其训练的机器学习系统在实际产品场景中表现良好。许多人在构建人工智能系统时常常忘了构建一个新人工智能解决方案或产品最困难的部分不是人工智能本身或算法，通常最困难的地方是数据收集和标注。标准数据集可以作为验证或构建更优良解决办法的良好起点，可以说没有数据库，人工智能是无法向前发展的。

　　算法

　　算法是人工智能发展的框架，算法框架能够极大地提高人工智能学习效率。一方面，算法框架降低了深度学习的难度，提供进行深度学习的底层架构、接口，以及大量训练好的神经网络模型，减少用户的编程耗时。另一方面，大部分深度学习框架具有良好的可扩展性，支持将复杂的计算任务优化后在多个服务器的CPU、GPU或TPU中并行运行，缩短模型的训练时间。

　　算力

　　算力伴随着人工智能出现一直都在提升和发展，相辅相成。从1956年感知机研发开始，到2019年互联网终端数突破了 20 亿，每月超过 20亿的注册访问量，人工智能的蓬勃发展带来了算力需求的指数增长。

　　如何提升算力成为各国研究的重点，光电计算被提上日程，以三维受控衍射传播实现全并行光速计算为例，这是一个颠覆，采集与计算无缝衔接，突破了存算分离速度制约，速度提升至少千倍，计算频次 1 THz，远超 GHz 电子计算。

　　三大基础层是人工智能产业的基础，主要是研发硬件及软件，如AI芯片、数据资源、云计算平台等，为人工智能提供数据及算力支撑；三大基础层技术的不断研究深入发展，带动技术层和应用层不断发展壮大，形成成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。

　　但眼考勤云系统运用人工智能技术，通过云计算和强大数据库，将SDC/SDK视觉算法技术赋能摄像头，捕捉人、物特征，与数据库中图像进行特征提取识别，实现无感打卡软硬件一体化的考勤系统。