深度学习其实是神经网络的一个升级换代的版本。随着计算能力的增强，我们可以把网络做得更深更宽，同时有足够的运算力、足够的存储，可以支持深度神经网络在可用的时间里训练出一个能够适应某个具体应用的模型。
现在我们发现深度学习特别适合处理图像数据，在过去几年里，计算机视觉识别的水平已经被推动到比人还好的地步，这也为我们带来了很强的对未来智能时代的预期。
我们有理由认为，人工智能在现在已经达到了爆发的临界点，后面还会有越来越强的计算能力，越来越多的数据以及算法的突破。预计到2020年，AI方面需要的计算力将增长12倍，而这12倍的计算力会给我们带来一个完全不一样的世界。
以英特尔所做的精准医疗为例，精准医疗需要做大量的运算，做基因组分析，分析医疗影像数据，以及实验室测试的数据等等。在人工智能技术的帮助下，原来需要几天才能做完的，未来可能只需要几个小时就能做完。
目前的人工智能处于一个技术升级的阶段，从技术升级跨越到产业升级才能实现真正的影响力。各行各业涉及很多具体的应用，每一个应用都会有专门的端到端的数据处理、分析、展现的要求，每一个应用实际上都需要不同的人来使用人工智能技术把它做好。宋继强提出了两个要求，一是人工智能的能力要增强，而且要加速适应到不同行业里去，二是要能够让更多人很方便地使用人工智能的技术。这两点也最为英特尔所看重，是AI民主化，或者说推进AI应用普及的重要因素。
