雷鋒網按：在第三次人工智能浪潮如火如荼之時，正確理解目前AI的應用能力、發(fā)展狀態(tài)以及與市場預期之間的距離，顯得尤為必要。

基于此，中國人工智能學會聯(lián)合國外研究機構羅蘭貝格梳理了人工智能在20個行業(yè)的80個具體應用場景，并對AI領域的初創(chuàng)企業(yè)管理人、各行業(yè)內企業(yè)經理人、AI研發(fā)人員進行了多方訪談，并于近日發(fā)布了《中國人工智能創(chuàng)新應用白皮書》（以下簡稱“白皮書”）。

白皮書指出，中國AI企業(yè)的發(fā)展勢頭良好，在全球處于優(yōu)先地位；金融、汽車、醫(yī)療和零售將是受AI影響最大、同時最具成熟發(fā)展基礎與市場應用潛力的傳統(tǒng)產業(yè)，制造、教育和通信行業(yè)也值得關注。

報告原文，請關注“雷鋒網”公眾號，回復“AI白皮書”關鍵詞，即可獲取。

AI產業(yè)發(fā)展狀況

根據(jù)中國人工智能學會、羅蘭貝格統(tǒng)計，去年全球人工智能融資總額達49.68億美元。預估2025年全球人工智能市場規(guī)模將達30610億美元。

從技術方面來看，目前主攻AI方向的企業(yè)主要分為兩類：專注于技術研發(fā)的通用型人工智能企業(yè)，如DeepMind、 Facebook AI Research、Google Brain與Baidu AI等； 專注于AI技術應用的專用型人工智能企業(yè)。 

從應用方向來看，目前，金融、醫(yī)療、汽車和零售行業(yè)的應用場景相對成熟，在這幾塊的融資熱度也較高。

以自動駕駛領域為例，谷歌、百度、特斯拉、奧迪等科技和傳統(tǒng)巨頭紛紛加入；AI在金融領域的智能風控、智能投顧、市場預測、信用評級等領域都有了成功的應用；在醫(yī)療領域，AI算法被應用到新藥研制，提供輔助診療、癌癥檢測等方面都有了突破性進展。

而從地域發(fā)展方面來看，全球領先的創(chuàng)新高點散落在各個國家，尤以美國（紐約和硅谷）、英國（倫敦）、以色列和中國（北上深）最為突出。

以中國在全球范圍的狀況為例，總體來看，中國AI企業(yè)的發(fā)展勢頭良好，在全球處于優(yōu)先地位。中國的AI企業(yè)數(shù)量、專利申請數(shù)量以及融資規(guī)模均僅次于美國，位列全球第二。

依上表可知，在國內，計算機視覺、服務機器人和自然語言處理方向的AI企業(yè)占據(jù)了全國所有AI企業(yè)的一半以上，共占比55%。而北京、上海、深圳作為國內AI創(chuàng)新的高地，其相關企業(yè)數(shù)量占據(jù)企業(yè)總數(shù)的80%。

AI商業(yè)應用現(xiàn)狀

跟據(jù)中國人工智能學會、羅蘭貝格預測，從定量的角度來看，至2030年，AI將在中國產生10萬億元的產業(yè)帶動效益。根據(jù)二者的估算，AI帶來最大影響的傳統(tǒng)產業(yè)將會是金融、汽車、零售和醫(yī)療。

具體來看四個行業(yè)未來將受AI影響的增益價值的增加情況：

• 在金融行業(yè)，通過AI技術在風險控制、資產配置、智能投顧等方向的應用，預計AI將帶來約6000億元人民幣的降本增益效益。

• 在汽車行業(yè)，AI在自動駕駛上的技術突破將帶來約5000億元人民幣的價值增益。

• 在醫(yī)療行業(yè)，通過AI技術在藥物研發(fā)領域提高成功率、在醫(yī)療服務機構內提供疾病診斷輔助、疾病監(jiān)護輔助等提高服務效率的應用，預計AI可以帶來約4000億元人民幣的降本價值。

• 在零售行業(yè)，AI在推薦系統(tǒng)上的運用將提高在線銷售的銷量表現(xiàn)，同時更加精準的市場預測將降低庫存成本，預計AI技術將帶來約4200億元人民幣的降本與增益價值。 

為了進一步評估各個行業(yè)應用AI的準備程度，中國人工智能學會和羅蘭貝格還對AI領域的初創(chuàng)企業(yè)高管、各行業(yè)企業(yè)經理人、AI研發(fā)人員進行了訪談。此次訪談是基于各行業(yè)的組織結構基礎，數(shù)據(jù)、工作流和技術基礎以及人工智能應用基礎三者基礎之上，建立的評分體系。最終訪談結果可見上圖。

從結果上看，金融、零售、醫(yī)療與汽車行業(yè)的發(fā)展基礎最為扎實，應用潛力也高于其他行業(yè)。

金融行業(yè)擁有良好的數(shù)據(jù)積累，在自動化的工作流與相關技術的運用上也有不錯的成型成效。醫(yī)療行業(yè)擁有多年的醫(yī)療數(shù)據(jù)積累與流程化的數(shù)據(jù)使用過程，因此在數(shù)據(jù)與技術基礎上有著很強的優(yōu)勢。汽車行業(yè)已經開始利用AI技術布局自動駕駛、輔助駕駛技術，因此在組織基礎與AI應用基礎上有著很好的優(yōu)勢。零售行業(yè)在組織結構、數(shù)據(jù)積累、AI應用方面都有一定基礎，處于相對均衡的發(fā)展狀態(tài)。 

AI產業(yè)應用場景案例舉例

1、AI在汽車行業(yè)的應用場景舉例介紹

• 整車的智能營銷

以美國的Automotive Mastermind公司為例，其是一家服務于汽車生產商和經銷商的技術開發(fā)商和服務提供商。

在整車營銷中，該公司將AI技術貫穿其中。具體的實施路徑為：搜集社會人口學特征、社交網絡、市場數(shù)據(jù)、產品生命周期等大數(shù)據(jù)；利用自有的行為預測評分算法對超1000個數(shù)據(jù)點進行清洗和分析；對消費者進行排名，篩選出目標消費者；梳理出消費者的關鍵驅動因素，包括金融預算、購買動機、產品性能、保障條款等；推薦對該消費者最有效的線上或線下營銷手段；實現(xiàn)按需生產、銷售。

數(shù)據(jù)表明，使用Automotive Mastermind公司服務的企業(yè)，銷售收入提升了30%，客戶留存率提高了16.7%。

• 數(shù)據(jù)驅動的產品優(yōu)化 

利用各類感知設備收集的產品運營狀態(tài)、事故率、 生命周期等數(shù)據(jù)，結合產品本身的生產、質量等方面數(shù)據(jù)，分析出最優(yōu)的產品設計方案。

例如在特斯拉未來的理想情景下，“如果一輛特斯拉汽車因材料不夠厚被撞 掛了，第二天所有的Model S都會自動變厚2英寸”。 

• 銷量預測驅動的智能生產優(yōu)化

結合機器學習預測模型對銷量的預測和智能設備產生生產數(shù)據(jù)，通過云計算得出實時最優(yōu)生產計劃與節(jié)奏。

收集的生產數(shù)據(jù)包括：智能機器及時反饋的生產和閑置狀況、智能倉庫實時監(jiān)測的庫存情況、智能調研系統(tǒng)動態(tài)預測的整車和零部件需求等。

• 零部件的預測性維修

預測性維修是將狀態(tài)監(jiān)測、故障診斷、狀態(tài)預測和維修決策多位合為一體的系統(tǒng)過程，通過收集大量運行狀態(tài)信息和運用預測模型，來實現(xiàn)零配件的提前維修更換。

加拿大企業(yè)Ansik于2013年成立，旗下軟件PitStop可預測零件故障。該公司向企業(yè)代理商和維修站銷售一款接入汽車的插件和一個附屬手機APP， 以此搜集實時發(fā)動機和傳感器數(shù)據(jù)和其他監(jiān)測信息，觀測性能狀況并推斷汽車故障可能。

如果數(shù)據(jù)顯示汽車將出現(xiàn)問題，會通知用戶停車檢修，同時提供來自維修站的修理建議。 

• 駕駛輔助系統(tǒng)

駕駛輔助系統(tǒng)是汽車人工智能領域目前最為火熱的方向。在感知層面，其利用機器視覺與語音識別技術感知駕駛環(huán)境、備識別車內人員、理解乘客需求；在決策層面，利用機器學習模型與深度學習模型建立可自動做出判斷的駕駛決策系統(tǒng)。 

按照機器介入程度，無人駕駛系統(tǒng)可分為無自動駕駛(L0)、駕駛輔助(L1)、部分自動駕駛(L2)、有條件自動(L3)和完全自動(L4)五個 階段。

目前，技術整體處于多個駕駛輔助系統(tǒng)融合控制、可監(jiān)控路況并介入緊急情況(L2)向基本實現(xiàn)自動駕駛功能(L3)的轉變階段。

2、AI在醫(yī)療行業(yè)的應用場景舉例介紹

• 醫(yī)美、齒科等機構基于購買預測的精準營銷 

醫(yī)美、齒科機構通過客戶購物、瀏覽等軌跡和客戶年齡、交易量、使用習慣等數(shù)據(jù)的智能匹配，可以從不同方面來了解潛在客戶的情況。

以愛爾康為例，其通過建立采集數(shù)據(jù)的工具，整合和匹配老會員的數(shù)據(jù)，對會員的線上線下數(shù)據(jù)進行整合， 跟蹤用戶行為，深入挖掘數(shù)據(jù)，描繪出360畫像， 取得了微信粉絲增長10083人、微博粉絲增長 10147人、粉絲互動140萬次、提升4倍會員增長速度、會員活躍度由20%上升到78% 、線下會員增長占整體會員增長數(shù)量39%的成績。 

• 數(shù)據(jù)驅動的輔助診斷 

 通過機器學習算法建立多種疾病輔助診斷模型， 人工智能輔助診斷系統(tǒng)會通過分析患者數(shù)據(jù)來識別病癥，再根據(jù)大量學習的醫(yī)療知識及經驗進行病情分析，提出診斷意見和疾病轉歸預測預警評估。

在AI+輔助診療的應用中，IBM Watson是目前最成熟的案例。IBM Watson可以在17秒內閱讀3469本醫(yī)學專著、248000篇論文、69種治療方 案、61540次試驗數(shù)據(jù)、106000份臨床報告，還通過了美國職業(yè)醫(yī)師資格考試，并部署在美國多 家醫(yī)院提供輔助診療服務。

• 醫(yī)療圖像分析 

AI在此的應用主要有兩部分：在感知環(huán)節(jié)應用機器視覺技術識別醫(yī)療圖像，減少醫(yī)生讀片時間；在學習和分析環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對神經元網絡進行深度學習訓練。

一個典型的例子為貝斯以色列女執(zhí)事醫(yī)學中心 (BIDMC)與哈佛醫(yī)學院合作研發(fā)的人工智能系統(tǒng)。該系統(tǒng)對乳腺癌病理圖片中癌細胞的識別準確率 可達92%，與病理學家的分析結合時，其診斷準確率可以高達99.5%。 

• 提高篩選生物標志物速度，進行藥物有效性、安全性預測評估 

通過應用開發(fā)虛擬篩選技術，通過機器學習模型預測分析藥 物構效關系，取代或者增強傳統(tǒng)的高容量篩選過 程，可以大幅度提高生物標志物的篩選速度及成功率，顯著縮短新藥研發(fā)周期，降低新藥研發(fā)的試錯成本。

例如，美國硅谷公司Atomwise通過IBM超級計算機分析數(shù)據(jù)庫，并用深度學習神經網絡分析預測化合物的構效關系，于研發(fā)早期評估預測新藥風 險。其超級計算機可以在幾天之內評估出820萬種藥物研發(fā)的候選化合物。該公司也為制藥、創(chuàng)業(yè)公司和研究機構提供藥物預測服務。

3、AI在金融行業(yè)的應用場景舉例介紹

• 預測性風控

在銀行業(yè)，AI主要被應用于貸前準入、貸后跟蹤、壞賬預測等；證券業(yè)主要應用于合規(guī)、識別垃圾注冊、異常交易監(jiān)測等；保險業(yè)則主要應用于 反欺詐。 

目前，預測性風控已成為AI技術在金融行業(yè)應用最為廣泛的場景，眾多銀行、信用卡中心、P2P 交易平臺等都在運用這項技術降低逾期與壞賬風 險。 

• 智能交易策略

智能交易的關鍵在于自主學習、推理和決策。其具有一致性和邏輯性，可減少人為疏漏和失誤，并利用不斷自我改進的模型和全市場內的產品充分分散風險。

以香港AI投資機構Aidyia開發(fā)的交易機器人為例，其能夠從新聞、政策、社交網絡在內的多渠道獲取數(shù)據(jù)，并借鑒多種AI形式（如受遺傳演化啟發(fā)的計算、 基于概率邏輯的形式、深度學習、神經演化等)， 分析之后轉化為買賣決策，能夠完全自動識別和 執(zhí)行交易。 

• 智能客服

智能客服可以進行簡單問題的直接回復，從而幫助客服人員能夠集中精力應對高凈值業(yè)務。

目前，中國農業(yè)銀行、中信銀行、中國郵政儲蓄銀行、蘭州銀行、太平洋保險、廣發(fā)基金、工銀瑞信等銀行及金融機構已經開始應用智能系統(tǒng)開展24小時客戶服務。 

• 智能投顧

智能投顧是根據(jù)客戶理財需求和資質信息、市場狀況、投資品信息、資產配置經驗等數(shù)據(jù)，基于大數(shù)據(jù)的產品模擬和模型預測分析等AI技術，輸出符合客戶風險偏好和收益預期的投資理財建議。

目前，銀行系(如廣發(fā)智投、招商摩羯智投)、基金系(如南方基 金超級智投寶、廣發(fā)基金基智理財、天弘基金犇跑籃子)、大型互聯(lián)網公司系(如百度金融、京 東智投、同花順)和第三方創(chuàng)業(yè)公司系(如彌財、 藍海財富、拿鐵財經)等都在智能投顧上有所應用。

4、AI在消費品與零售領域行業(yè)的應用場景介紹

• 精準營銷與個性化推薦系統(tǒng)

通過分析用戶的購買、瀏覽、點擊等行為，結合各類靜態(tài)數(shù)據(jù)得出用戶的全方位畫像，搭建機器學習模型可預測用戶何時會購買什么樣的產品，并進行相關產品推薦。

以天貓?zhí)詫殲槔?，其?016年創(chuàng)造的一千億人民幣銷售額的背后，就是有一套成熟穩(wěn)定的個性化推薦系統(tǒng)。

• 智能店鋪管理

通過機器視覺技術捕捉分析店鋪客流量與路徑、消費者貨柜前行為（如表情和肢體語言、停留時間、拿貨比貨動作）等數(shù)據(jù)，指導店鋪環(huán)境布局與設計優(yōu)化、商品陳列和庫存管理、店內營銷和服務內容改善以及精準推送和交叉銷售。 

例如萬達通過收購飛凡自建技術團隊、銀泰選擇同阿里巴巴合作獲取數(shù)字化能力、華潤大悅城選擇貓酷作為第三方解決方案提供商，正式加入新零售戰(zhàn)爭時代。

• 產品銷量預測與供應鏈優(yōu)化

以Zara為例，其打造的極速供應鏈系統(tǒng)，可聯(lián)通和協(xié)同從市場調研到設計、打版、制作樣衣、批量生產、運輸和零售整個環(huán)節(jié)的數(shù)據(jù)，實現(xiàn)產品柔性生產。

此外，Zara還設有全天候“數(shù)據(jù)處理中心”，可融合每一個零售網點追蹤的銷售數(shù)據(jù)，以獲取顧客的動態(tài)消費特性。如果公司在商品上市初期發(fā)現(xiàn)暢銷款或滯銷款，能及時迅速做出增產或減產決策，從而保持很高的售罄率。 

•  無人超市

亞馬遜的Amazon Go是一個典型的無人超市案例，它通過自助檢測與跟蹤系統(tǒng)捕捉并追蹤消費者在店內的所有行為，并在入場和消費者身份識別方面采用人臉識別確認用戶亞馬遜帳號身份。

在商品位置判斷方面，通過貨架上的紅外傳感器、壓力感應裝置、荷載傳感器和攝像頭圖片對比檢索判斷貨物是否被拿起/放回，以及是否在正確的位置。

在結算意圖識別和交易方面，以室內定位技術(圖像以及音頻分析，GPS以及WIFI信號定 位)判斷商品和人的關聯(lián)，以綁定的信用卡等支付方式結算。 

人工智能的發(fā)展史

雖然全世界都在談論AI，但鮮少有人熟知前兩次AI浪潮遭遇“寒冬”的原因。就此，我們不妨來理一理人工智能的發(fā)展史。具體見下圖。

如上圖，我們可以清楚的看到，AI遭遇的第一次寒冬，是由于當時人類對AI未來失望、停止資金投入。第二次寒冬則與AI本身有關——缺乏實用和商業(yè)應用，研究領域陷入困境。

而來到第三次浪潮，數(shù)據(jù)、算法和計算機條件漸已成熟，大數(shù)據(jù)、物聯(lián)網、云計算等技術也能為AI的發(fā)展打下良好的基礎。具體驅動因素有以下五點：

• 高質量、大規(guī)模的大數(shù)據(jù)為AI技術的發(fā)展提供了原材料。據(jù)《白皮書》顯示，1986至200年，全球單日信息交換量增長了約220倍，全球信息存儲能力增加了約120倍。

• 計算力提升突破瓶頸，幫助AI模型可以在更大的數(shù)據(jù)集上運行。

• 機器學習算法取得重大突破。以多層神經網絡模 型為基礎的算法，使得機器學習算法在圖像識別等領域的準確性取得了飛躍性提升。

• 社會理解與接受程度廣泛提升。

• 物聯(lián)網、大數(shù)據(jù)、云計算技術為AI發(fā)展提供了基礎。

雷鋒網結語

2030年，人工智能將在中國產生10萬億元的產業(yè)帶動效益。其中，汽車、金融、醫(yī)療、零售這四大行業(yè)將優(yōu)先享受AI帶來的紅利。

然而，這波紅利能“吃”到多少，或者能“吃”多久，就看各家本事了。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。