現在人們常常把2016年稱為“人工智能元年”，因為在這一年里，人工智能的發展迎來一波又一波的高潮。重要的標志性事件包括：
2016年3月，谷歌主導開發的人工智能程序AlphaGo以4：1大勝圍棋世界冠軍李世石。
2016年9月，谷歌、IBM、臉書、亞馬遜和微軟五家科技巨頭宣布組成人工智能聯盟“Partnership on AI”，致力于在人工智能的科研領域建立良性的競爭與合作關系。
2016年10月，美國白宮發布了題為《為人工智能的未來做好準備》和《國家人工智能研究與發展策略規劃》兩份重要報告。
不過2016年的一系列人工智能的熱點事件，基本都是由科技巨頭企業以及被科技巨頭企業影響的政府部門主導的，而人工智能真正給整個信息產業帶來沖擊，實際是從2017年開始的。
2017年3月，NEC公司的人臉識別技術在美國國家標準與技術研究院（NIST）組織的視頻人臉評估測試中獲得了最高的性能評估，其人臉識別技術以99.2%的匹配精度獲得第一名，0.8%的錯誤率比第二名錯誤率的四分之一還要低。
對于這一事件，可能公眾的認知不多，但對業界的震動卻非常大，這不僅僅是因為NEC公司的測試成績一騎絕塵，直接把競爭對手甩下了幾個身位，而更關鍵的是，其超過99%的正確識別率，直接把這項技術推到了可以進行規?；瘜嵱猛茝V的地步。這里面蘊含了大量中小科技企業都可以染指的巨大市場商機，所以意義非常深遠。
隨后，競爭對手們了解到NEC公司之所以能夠取得這么大的進步，正是因為引入了以“深度學習”為基礎的人工智能技術后，整個業界的研發重點就迅速轉到了相同的方向。各種模式識別技術（例如人臉、圖像、語音等）幾乎全都拋棄了之前一直堅持的自上而下的“專家系統”，放棄了傳統的人工智能算法研究，而直接切換到了深度學習的平臺上。
由于基于深度學習的人工智能技術并不神秘，有大量的且仍在不斷豐富的開源技術可供使用，所以在隨后的一兩年時間里，各家公司的人工智能平臺就都搭建了起來。而經過深度學習的訓練，在兩年后的NIST競賽中，各家公司的算法精度雖然還沒有趕上有先發優勢的NEC公司，但成績已經非常接近了，這似乎也說明，基于深度學習的人工智能，已經成為了人工智能領域事實上的“標準技術”。
不過，基于深度學習的人工智能技術能夠在短時間內被大量公司迅速掌握，這一現象同時也說明了，從技術上來說，其并不是一個特別新穎，特別高深，有較高壁壘的技術。事實上，基于深度學習的人工智能技術的出現，可以追溯到50年代的“感知機”，不過在2016年之前，算力不足、數據缺失以及技術慣性，嚴重制約著依賴于此的深度學習技術的實用化。而經過互聯網多年的積累，算力和數據都已經到位了，且谷歌的AlphaGo又做了一次成功無比的示范，因此“塵封”多年的深度學習技術終于“枯木逢春”了。
基于深度學習的人工智能也需要算法，但相比傳統的數學算法，從對算法工程師腦力的挑戰來說，其精巧度和復雜度要降級不少。不少以前的算法工程師都覺得“深度學習”好“傻”，好“暴力”。一種常見的套路是：設置框架，喂數據訓練，調參數，喂數據訓練，調參數…，如此循環往復。對于很多算法工程師來說，提高質量精度的方法，幾乎等同于給機器“更多的數據”和讓機器進行“更長時間的訓練”，而重點似乎并不在于算法本身的提高。
人工智能技術含量的降級直接導致了兩個后果：
第一：以深度學習為基礎的人工智能技術，在使計算機變“聰明”的同時，卻使算法工程師變得更“傻”。這種傻有三個緯度，一個是算法工程師的工作難度在降低，對其智力極限的挑戰在降低；二是算法工程師實際上并不知道機器到底學會了什么，他們只能看到“機器越來越聰明”這個結果，卻并不知道詳細的細節；三是大量的算法工程師的知識水平和技術能力都處于同一層級上，有極強的可替代性，甚至非計算機、數學、統計相關專業的畢業生，都能在較短的時間內成為一名“合格”的“算法工程師”。原來，算法工程師需要通過數學理論去精確控制機器的行為，是機器的“主人”；可現在，算法工程師在某種程度上已經淪為了機器的“保姆”，只需要為機器提供一些層次較低的保障性服務就夠了。
第二：由于大量公司能夠快速掌握相關技術，因此人工智能企業決勝的關鍵已經不再是算法和模型了，而是項目運作能力和工程實施能力。所以很多專注于人工智能技術的中小創業公司，隨著時間的推移，他們的算法水平已經逐漸被一些傳統的軟件公司甚至是系統集成公司追上了，但項目運作能力和工程實施能力又并不是這些創業公司的強項，這也直接導致了人工智能創業領域的退潮。
人工智能領域的技術含量降級，有喜有憂。
對于需要使用人工智能技術的企業用戶和各領域的城市管理者來說肯定是好事。產品越來越成熟，精度越來越高，體驗越來越好，實用性越來越強，而成本花費可能會越來越低，且確實能夠幫助企業用戶提升工作效率和經濟效益，幫助城市管理者優化城市運行效率。當人工智能從曲高和寡走入到大街小巷，企業用戶、城市管理者、以及老百姓都會是受益者。
但對于人工智能算法領域的求職者來說，就業形勢則似乎變得越來越嚴峻了。2017年時，從事人工智能算法的專業人才還比較稀缺，可從2018年開始，投遞人工智能算法崗位的應屆畢業生就開始激增了，除了計算機、數學、統計這些“科班”專業外，其它如自動化、電子信息、電氣工程等專業，也幾乎每個同學都會寫Python，會用 TensorFlow，對人工智能大致的技術趨勢也能信手拈來。此外，還有大量已經在職的軟件工程師希望轉行到人工智能算法崗位。在這樣人滿為患的情況下，如何脫穎而出？現實的情況是，技術大牛做理論研究和模型設計、技術小牛做框架選型和算法改進，而其他大量的技術人員其實只是在做技術成果的復現和應用。如果想成為前兩類人工智能頂尖人才，繼續拿高薪，那么天賦、機遇和努力缺一不可；而絕大多數的從業者，則應該放下身段，踏踏實實地理論結合實踐，做好工程實現，在人工智能的應用領域做出成績，為甲乙雙方企業創造出實際價值來，同時為自己積累下不可替代的項目實施經驗，這才是更為現實的目標。
