如今，新一代地人工智能技术已经不再是单一的学科门类，而是包含了从基础设施平台、大数据获取、机器学习算法、模式识别、人机交互等一系列细分领域。因此，不能笼统地说人工智能领域谁更强，而是要限定在不同的细分领域进行讨论。从狭义上看，不考率大数据获取和高性能计算技术，人工智能领域在不同细分领域的研究内容和领域巨头可以总结如下：
一、机器学习，机器学习指通过数据和算法在机器上训练模型，并利用模型进行分析决策与行为预测的过程。广泛应用在专家系统、认知模拟、数据挖掘、图像识别、故障诊断、自然语言理解等领域，目的是持续引导机器获取新的知识与技能，让机器更智能化。典型的领域巨头是谷歌和IBM，国内较好的阿里巴巴和腾讯。但是国内外横向对比上看，国内技术水平仍处于追赶期，主要差距体现在底层技术和实现原理上的研究创新能力上。
二、模式识别，模式识别是对各类目标信息进行处理分析，进而完成描述、辨认、分类和解释的过程。广泛应用在语音识别、指纹识别、人脸识别、手势识别、文字识别、遥感和医学诊断等领域。目的是通过与人工神经网络的结合，实现类人化的智能，即通过环境和行为的感知，产生基于认知的行为决策。典型的领域巨头包括谷歌、微软、科大讯飞、百度等。在模式识别领域，国内外研究水平基本处于同一起跑线，个人认为是得益于国内发达甚至领先的移动互联网基础，让应用创新带动了技术的革命和创新。
三、人机交互，人机交互技术赋予机器通过输出或显示设备对外提供有关信息的能力，同时可以让用户通过输入设备向机器传输反馈信息达到交互目的。目前广泛应用在地理空间跟踪、动作识别、触觉交互、眼动跟踪、脑电波识别等领域。目的是实现人机物交叉融合与协同互动。典型的领域巨头包括微软、索尼、三星等。国内较为领先的是百度、大疆等。
总之，在人机交互技术上，国内与国外发达国家相比仍有较大差距，主要体现在基于触控技术、可穿戴设备、物联网和车联网的基础设施建设，以及能够掌握包括计算机、数学、心理学、软硬设计等复合型人才的培养上。
