覃愛慶
大數據和機器學習是我的主要研究方向，我想我可以簡單的回答一下這個問題。
算法雖不是人工智能的六大組成部分（自然語言處理、知識表示、推理、機器學習、視覺、機器人學），但是確是人工智能的基礎，各大組成部分無不依賴於算法的設計和實現。所以算法一定是人工智能最先要取得突破的關鍵點，也是各個具體領域首先要解決的關鍵問題。
除此之外算法之所以能廣泛得到關注，還有以下幾個關鍵的原因：
大數據時代驅動下的必然結果。目前我們正處在第三次信息化浪潮當中，大數據則是第三次信息化浪潮的重點所在，而大數據的核心就是發掘數據的價值，發掘數據的價值就需要算法。所以在大數據得到廣泛應用的當下，算法必然會得到應有的重視。
目前大量的互聯網軟件平臺為算法的實際應用提供了基礎。無論是電商平臺還是出行平臺都積累了大量的多維度數據，這些數據正在慢慢產生價值，要想讓這些數據價值得到體現則需要藉助算法的幫助，所以各大互聯網平臺的商業驅動促使算法的研究和應用加速。
大量傳統行業助力算法的應用。金融領域、醫療領域、交通出行、餐飲服務，幾乎各行各業都在試圖提升自身的互聯網應用體驗，智慧理財、智能醫療等概念的出現也促使算法要應用到更多的領域，這為算法的發展提供了契機。
雖然目前人工智能在很多領域有大量的應用，但是我們身邊似乎能看到的智能設備最多的還是掃地機器人。目前在工業領域的機器人已經得到了大量的應用，比如機械手臂、移動機器人、服務機器人、特種機器人等等。
機器人學是人工智能發展的關鍵步驟，同時機器人也是拓展人工智能應用邊界的核心環節，但是機器人學涉及到的內容不僅僅有算法，還有機器控制等核心內容，涉及的領域更加廣泛和複雜，所以機器人的發展要遠遠滯後於算法的發展。
IT人劉俊明
其實當前階段講的人工智能更偏向於一個數據化智能處理系統，說的機器學習，深度學習，神經網絡，圖像識別，其實都是基於大數據實現的。機器人自動化，只是機械化的下一個進化階段，這部分其實是物理性能，不需要太多的數據訓練。
而對於企業而言，人工智能如何落地，才是最關鍵的。
技術如何商業化？
如果只做學術上的研發，產品和技術不能商業化，或者短期內不能商業化，那麼其實從商業角度來說這個技術和產品沒有價值，。既然研發出來的技術不能很快變現，那麼就不會有太多的人或者機構例如問題描述中提到的媒體去傳播，更沒有鼓吹的價值可言。
易雲智能
人工智能最重要的部分是大腦，算法就是模擬大腦，解決大腦的問題，大腦的問題解決了，現在有的硬件完全夠用，君不見波士頓動力的機器人都能夠後空翻和傳遞飲料了麼？
誰能解決大腦算法問題，誰就掌握人類世界的話語權。
