人工智能+的行业分析

esc0rp

本文重点介绍人工智能结合教育、医疗、金融及工业这四大行业进行分析，探讨人工智能在这几个行业中的应用及典型案例。

1.1 人工智能+教育：因材施教，培养新型人才1.1.1 AI+教育的定义“AI+教育”是人工智能在教育行业中创新应用的技术、模式与实践的集合，可划分为“计算智能+教育”、“感知智能+教育”和“认知智能+教育”，即AI+教育正从“能存会算”向“能听会说与能看会认”发展，最后实现“能理解与会思考”。

1.1.2 为教育现代化建设打造智能引擎在教育产业其中，校外教育向在线化发展，校内教育向信息化发展。校外教育方面，在线化教育的的用户体验粗糙且教育效果模糊，用户对新技术的接受周期较长，更加智能化的制品值得探索。另外，校内师生的信息素养不高，且信息化设备运用频率较低，均引起核心教育数据缺失，最后加大了教育数据挖掘分析的难度，因此呢亟待智能化处理方法的落地实施。

1.1.3 AI+教育行业的应用场景

从教育教育活动的方向来看，当前的教育场景可划分为教、学、管、考。其中，“教”和“管”的主体是教育者，前者负责执行教育任务，重点工作包含教研、备课、授课、答疑、出题、阅卷等，工作内容繁琐，核心需要是减轻包袱，实现精细化教育。后者负责统一教务环节，重点工作包含教职工招募、师生督导、招生、分班排课、校园建设等，决策环节思虑原因较多，核心需要是提有效率，实现科学化管理。“学”与“考”的主体是受教育者，“学”的场景下，学生的重点任务包含预习、听课、看书、做作业、复习、考试、实习等，因为学生个体差异大，核心需要是自适应，实现个性化学习。“考”的场景下，重点面向大规模标准化测试，组卷阅卷的工作庞大，部分测评环节劳动力密集且效率底下，核心需要是保准准确性的前提下，实现自动化评阅。

1.1.4 AI+教育的应用：AI课堂

（1）进入弱人工智能周期，AI模式识别能力点缀教育环节自2011年起，“智慧课堂”制品就起始在市场上热起来，这一时期强调的是基本数据整合、利用大数据分析学生错题状况，兼有基本的语音朗读和评测能力；2016年之后，通用AI语音、视觉等模式识别能力起始进入课堂，AI课堂质量监测起始诱发关注，到2019年已基本实现了在课堂场景下的可用；将来，为了进一步弥合课堂教育改革的需要，发扬“互动课堂、翻转课堂”等教育模式的优良，AI课堂将继续进阶，下一周期AI辅助实现的策略化点播和发散性学习将是重点突破功能，在更远的将来则可能帮忙教师实现真正的千人千面教育。

（2）公立校V.S.教培公司AI课堂的产业链与商场模式

公立校和教培公司都在关注AI课堂，但AI课堂在两类公司的应用差异很大。公立校延续智慧课堂的建设方式，重点经过改造多媒介教室，在实验教育中运用AI课堂（学生轮班上课），需要引入的内容包含：教育资源及其系统和本地安排的服务器，授课与备课系统，及支持AI功能的教、学平板电脑终端，通常由教育类ISV经过途径商完成当地教育局或学校招标的商场模式进行；教培公司对AI课堂的运用又划分为线下和线上，线下由教培公司将处理方法投放进直营校和加盟校，利用AI边缘设备和硬件传感采集设备进行课堂信息实时采集，建设完成的AI课堂会常态化运用，况且常常与“双师”模式结合应用，由AI负责录播课过程中的课质监测、学生个性化关注，从而把控授课进度与难度；线上则利用AI关注录播课中学生实时反应，供给差异化辅导；教培公司AI课堂在商场模式上重点收取销课费、加盟费。

1.1.5 中国AI+教育行业将来趋势日前AI+教育行业仍处在初级周期，AI技术与制品的开发消耗巨大，区别发展周期的市场玩家将采取区别的市场竞争策略，总体上仍然是以教育机构来主导全部产业升级的过程。针对成熟的教育机构而言，AI中台战略已初见端倪。此类机构教育业务多元，教育场景丰富，各业务线拥有各自的数据贮存，AI中台可促进各分部数据互通互融，基于各个场景搭建独立的算法模型，最后经过业务数据的增长来反哺业务分部。针对初创的教育机构而言，自研某一细分行业的数据引擎可创立相应的竞争优良。就语音识别与合成行业而言，儿童语料库与成人语料库差异很强，全行业在儿童语料库的累积上仍存不足，教育场景强调交互体验，但日前的语音合成技术还没法做到抑扬顿挫的表达，实质教育体验较差，值得初创企业探索。

1.2人工智能+医疗：大夫省力，病人无忧我国人工智能已进入快速成长时间，医疗健康作为重点应用方向

1.2.1 人工智能广泛应用在医疗各细分行业，对医疗行业形成颠覆性变革

AI医疗，也叫作为”AI医疗”或“医疗人工智能”，泛指人工智能技术在医疗行业的应用及赋能。

日前，人工智能技术广泛应用在我国各个医疗细分行业，重点报告医疗影像、辅助诊断、药品开发、健康管理、疾患危害预测、医院管理、虚拟助理、医疗设备人和医学科研平台等。从技术层面来讲，人工智能做为一种技术创新，改变了医疗行业的供给端，对传统医疗公司运作方式带来变革；从市场层面来看，人工智能技术为现有医疗工作带来流程改进与效率提高，催生巨大增量市场。

1.2.2 发展驱动力

（1）供需矛盾明显

需要端：人口老龄化加剧，慢性疾患数量增加，形成海量医疗需要

按照国家统计局数据表示，我国2018年65岁以上老人为1.6亿人，约占中国人口总数11.9%，我国人口老龄化程度愈发加剧。在人口老龄化社会下，现代生活节奏加快，慢性疾患数量亦随之增多，我国糖尿病和高血压2016年发病率分别为5%和18%，预计到2026年将分别增多至14%和28%，随之催生海量医疗需要。

供给端：优秀大夫及医疗资源不足，且医疗资源分布不均

从供给方面来看，优秀大夫及医疗资源不足，且资源分布不均，难以承受快速增长的医疗需要。供给与需要矛盾明显，是我国医疗行业的基本问题。

我国医师与人口比例约为1:70000，而在美国这一数字为1:2000，我国每十万名病人持有医师数量与美国相比差35倍。我国独立上岗大夫培养周期长达8年，较长的培养周期将会带来医疗人力成本加强，难以满足连续增长的医疗需要。

据统计，2018年我国医院数量超3.2万家，三级医院仅占总数量19%，却承接了全国49.8%的医疗需要。我国优秀大夫资源多分布在一二线城市三级医院，基层医院大夫素质参差不齐，优秀大夫资源短缺是困惑医疗发展的痛点之一。

（2）技术驱动

大数据累积和深度学习算法进步使得医疗人工智能发挥功效，按照IDC预测，到2020年全世界医疗数据量将达到40万亿GB，是2010年的30倍，数据生成和共享速度快速增长，其中80%为非结构化数据。在数据方面，我国持有得天独厚的优良，我国人口众多，数据基数大，同期多样性丰富，为大数据分析供给了丰富的数据源自，亦为人工智能持续训练与优化算法模型供给了广泛数据集。

1.2.3 医疗应用举例：AI医疗影像

我国临床需要增多，专业大夫缺口大，AI医疗影像市场需要迫切

“AI医疗影像”，指的是将人工智能技术应用于医疗影像诊断中。现代医学创立于循证医学的基本之上，医疗影像是临床大夫一项重要的诊断依据。重点对病人的影像资料进行定性和定量分析，区别周期历史比较等。日前，AI医疗影像已作为我国AI医疗行业最为成熟的细分行业。

从诊断路径来看，人工智能基于图像识别和深度学习技术功效于医疗影像，在临床诊断中重点可分为两个周期：其一，图像识别周期，应用于感知环节，对影像进行读取和梳理，从中获取有价值的信息；其二，深度学习周期，应用于学习和分析环节，经过对海量影像数据和诊断数据的输入，对神经元网络进行深度学习训练，使人工智能把握诊断能力。

从临床需要来看，我国专业大夫缺口大，工作繁琐重复，诊断效率较低，服务模式亟待创新。日前，我国医疗影像数据以每年30%的速度连续增长，而影像科大夫的年增速仅为4%，加之大夫培养周期较长，大夫资源流失率较高，我国每年培养60万医学生，仅有10万人走上临床岗位，远不可满足临床实质医疗需要。以宁波大学附庸医院（三甲医院）为例，影像科大夫平均每日需要完成80-100份CT，或60-80份磁共振，或120-150个超声部位的影像诊断。即使每份报告只用七八分钟，亦需要10个小时才可完成。

人工智能用以处理病灶识别与标注等多种医疗影像需要。

AI重点处理三种影像需要：

1）病灶识别与标注。针对X线、CT、MRI等影像进行图像分割、特征提取、定量分析和对比分析，识别与标注病灶，帮忙大夫出现肉眼难以发觉的病灶，降低假阴性诊断出现率，加强大夫诊断效率；

2）靶区自动勾画与自适应放疗。针对肿瘤放疗环节进行影像处理，帮忙放射科大夫对200450张CT片进行自动勾画，时间缩短到30分钟一套；在病人15-20次上机照射过程中持续识别病灶位置变化以达到自适应放疗，减少射线对病人健康组织的辐射与损伤。

3）影像三维重建。基于灰度统计量的配准算法和基于特征点的配准算法，处理断层图像配准问题，有效节约配准时间，在手术环节有重要应用。

头部企业一般针对某一病种，在病灶识别与标注功能基本上，按照医学诊断路径研发其他功能，真正为大夫诊断决策供给帮忙。以肺结节为例，系统识别结节后，将筛查结果生成结构化报告，并对比分析，自动搜索历史影像资料，对比区别时期结节变化。

1.3 人工智能+金融：风投更安全，理财更科学，服务更到位

金融行业数据密集、资本密集、巨额盈利的特征为人工智能的应用供给了大显身手的机会。人工智能和金融融合，能够为人们的金融生活带来更加多方便，让风投更安全、理财更科学、服务更到位。

从整体来看，人工智能+金融的服务包含六大类，分别是智能投顾业务、智能金融投研业务、智能金融信贷业务、智能金融咨询服务、智能金融监管业务以及金融保险业务。

1.3.1 技术支撑在人工智能与金融场景的深度融合中至关重要人工智能+金融行业的起源和基本的发展，还是取决于计算机科学的技术层面，亦便是计算机科学的层面，突破点在于怎样将人工智能技术与金融场景更好地融合。人工智能已然能够贯穿于金融活动的全部业务过程其中，包含海量的数据分析、针对金融政策的诠释、自动生成报告、意外金融事件的预测以及与金融关联的信息搜索，与这些业务过程相对应的人工智能技术如图所示。

1.3.2 AI金融典型案例分析

（1）腾讯：人工智能即服务，打造腾讯金融云

面对新时代智能化的变革，腾讯金融正在加快自己的技术发展，提出了“人工智能即服务”的观点，致力于打造腾讯金融云。

腾讯金融云的客户数量已然超过5000家，包括了四大银行、各大股份制银行、城市商场银行、农村商场银行、民营银行、互联网金融保险机构、传统保险机构、证券机构、基金机构等各类金融公司，是国内金融科技企业运用最广泛的平台之一。

在智能金融到来之际，腾讯金融云总经理胡利明认为：“采用云架构、链接、数据智能、Reg Tech（监管科技）是当前金融科技发展的新趋势。”

第1，采用云架构能够为金融企业带来更大的业务弹性和更快的响应速度，让互联网金融得到更好的场景适应性，在新场景显现时亦更易得到安全性和合规性。第二，链接是互联网时代的基本，是行业公司与客户相互沟通的前提。第三，利用人工智能技术挖掘数据背面的价值，能够让金融企业变得更加智能。第四，Reg Tech（监管科技）的应用符合金融监管趋于严格的发展趋势。

腾讯金融云在人工智能行业已然蓄力20数年。提出“人工智能即服务”战略后，腾讯金融云在多个层面供给了新的人工智能开放服务层。在人工智能的三大核心能力（即计算机视觉、智能语音识别和自然语言处理）上，腾讯金融云为金融企业供给了25种人工智能服务，如智能客服、智能投顾、智能风控等，助力金融企业构建智能金融生态。

华夏银行已然与腾讯金融云签约，双方将以创建联合实验室等方式进行合作，一起深化人工智能技术在金融行业的应用，推动腾讯金融云为金融行业做出更加多贡献。

腾讯金融云亦和中国金融认证中心签署了合作协议，为金融安全、认证等增多安全保证。将来，中国金融认证中心供给的数字证书、安全控件等制品将基于腾讯金融云在人工智能方面的优良，以云服务的方式供给给互联网用户，增多金融业的安全合规性能。腾讯金融云“人工智能即服务”战略推动着金融行业打造智能金融生态圈，助力金融行业的安全合规与升级。

（2）蚂蚁金服：Techfin（科技金融）在《财富》杂志发布的“2017年50家改变世界的机构”榜单上，蚂蚁金服便是其中之一。另外，蚂蚁金服还入选了《MIT科技评论》的“最聪明50家机构”榜单，亦是该榜单上独一一家金融科技企业。《MIT科技评论》对其评论道：“蚂蚁金服正在探索运用人工智能进行信贷业务。”

蚂蚁金服财富事业群总裁樊治铭曾暗示，“蚂蚁金服的优良不是金融，而是科技”，这亦是蚂蚁金服定义自己为Techfin（科技金融）而非Fintech（金融科技）的原由。做为一家科技机构，蚂蚁金服的核心关键词便是“人工智能”，其致力于经过人工智能技术驱动机构的所有业务，同期亦正在加速向其他公司赋能。

支付宝的智能客服“小蚂答”是蚂蚁金服的人工智能技术应用。人工智能的应用使客服变得更加有效，“小蚂答”平均每日能够处理200万～300万条客户咨询，客户满意率比人工客服高出3个百分点。

倘若用户需要经过tel进行咨询，“小蚂答”能够经过语音识别技术帮忙用户直接转相应服务，无须等待提示音的指示。除此之外，“小蚂答”还能够充当“保镖”的角色。“小蚂答”在检测到用户的账户存在危害时会自动起步一键挂失功能，冻结账户；在用户遇到诈骗的状况时，“小蚂答”还可帮忙用户做到一键报案，减少损失。

人工智能技术亦让支付宝变得越来越智能。因为支付宝的支线应用较多，有些功能入口“藏”得比较深。在结合人工智能技术后，用户能够经过语音查询的方式直接转进入关联页面。另一，人工智能做为蚂蚁金服的核心技术，还供给了如交易风控、基金举荐、贷款准入等一系列业务服务。

蚂蚁金服的科技金融在中国取得出色的成绩后，加快了在其他国家，尤其是发展中国家的推进步伐。蚂蚁金服董事长彭蕾介绍说，蚂蚁金服在中国推动无现金社会的同时，亦在世界其他国家积极推动无现金社会。按照统计表示，蚂蚁金服具备18种货币结算能力，经过持续输出技术和帮忙，已然在全世界200多个国家和地区为用户供给了普惠金融服务。

1.4人工智能+工业：有效、安全、方便化

针对繁杂的制造业来讲，互联网的定位更应该在“助力者”而非“颠覆者”，帮忙制造企业加快转型升级的步伐。

1.4.1 “人工智能+制造”，本质是追求人机协同

人工智能做为一类信息技术，诞生于上世纪50年代，几乎与计算机同步。60数年来人工智能触及的技术和派系众多，学界并无一个知道的定义。针对大都数公众而言，从其发展目的的方向，能够简单将其理解为“与人类同样聪明的人造设备”。

将这个聪明的“设备”放入制造业中，重点的功效便是使设备能够“达到乃至超过人类技工水平”，以实现企业生产运营效率的提高。这个放入“人工智能”的“智能化”过程，与过去制造业追求“自动化”的过程实质上有本质的差异。“自动化”追求的是设备自动生产，本质是“设备替人”，强调大规模的设备生产；而“智能化”追求的是设备的柔性生产，本质是“人机协同”，强调设备能够自主协同要素变化和人的工作。

因此呢，“人工智能+制造”将来所追求的，不该是简单粗暴的“设备替人”，而应是将工业革命败兴极度细化、乃至异化的工人流水线工作，重新拉回“以人为本”的组织模式，即让设备承担更加多简单重复乃至危险的工作，而人承担更加多管理和创造工作。

1.4.2 “人工智能+制造”，必然走向平台模式

制造业是一个庞大的产业，繁杂而割裂是它的历史特征。同一个厂房里，可能有好几种来自区别厂家的生产设备，这些设备常常采用各自的技术和数据标准，彼此之间并不可直接连通和交互。区别的工厂、乃至区别的制造业企业，差异就更大了。这般的差异使得传统制造业信息化难度大、效率提高有限。

互联网的普及和发展催生了“平台模式”，平台内信息传播的速度大大增多、交易成本大大降低，有效促进了经济效率的提高。近几年，互联网的这个模式逐步扩展到了各行各业。针对制造业而言，这个模式便是“工业互联网平台”。

将来“人工智能+制造”的实现的重要基本便是这个平台，由这个平台为产业供给通用的算力（工业云计算和边缘计算）、算据（工业大数据）和算法（工业人工智能）能力，从而推动全部产业的转型升级。按照调研机构MarketsandMarkets的数据表示，这三部分表率的全世界工业互联网平台市场规模占整体“人工智能+制造”的比例，将从2016年的24%增长为2025年的36%，达到2.6千亿美元。

1.4.3 互联网助力“人工智能+制造”的三类典型场景

互联网经过数十年发展，已作为信息革命的中坚力量，亦是当前人工智能技术发展的领航者。其连接、数据、云、算法和安全等五方面的经验与累积，能够有效支持其推动人工智能与各产业结合落地。对“人工智能+制造”而言，日前互联网助力的典型场景重点有三类：

（1）制品注智，从软件到硬件的智能升级。

互联网能够将其人工智能算法，以能力封装和开放方式嵌入到制品中，从而帮忙制造业生产新一代的智能制品。如谷歌研发出专用于大规模设备学习的智能芯片TPU、腾讯AI开放平台对外供给计算机视觉等AI能力、亚马逊推出内嵌人工智能语音助手的智能音箱echo等；

（2）服务注智，加强营销和售后的精细水平。

互联网可将利用其人工智能算法，为制造企业供给更精细的增值服务。一是售前营销，以人工智能进行用户侧需要数据的多维分析，实现更实时、精细的宣传信息传递，如谷歌为制造业专门研发了精细宣传平台；二是售后守护，以物联网、大数据和人工智能算法，实现对制造业制品的实时监测、管理和危害预警。如三一重工结合腾讯云，把分布全世界的30万台设备接入平台，实时采集近1万个运行参数，利用大数据和智能算法，远程管理庞大设备群的运行情况，有效实现故障危害预警，大大提高了排障效率并降低守护成本。

（3）生产注智，加强设备自主生产能力。

互联网可帮忙制造企业，将人工智能技术嵌入生产流程环节中，使得设备能够在更加多繁杂状况下实现自主生产，从而全面提高生产效率。日前重点应用在：一是工艺优化，即经过设备学习创立制品的健康模型，识别各制造环节参数对最后制品质量的影响，最后找到最佳生产工艺参数，如腾讯云帮忙亿纬锂能提高1.5%良品率、阿里云帮忙保利协鑫提高1%良品率等；二是智能质检，即借助设备视觉识别，快速扫描制品质量，加强质检效率。如腾讯云帮忙福耀玻璃实现质检工序替代80%人力、并且不良品检出率达到90%以上。

1.4.4 典型人工智能工厂举例：德国西门子安贝格智能工厂

做为工业中的龙头企业，西门子在建设智能工厂方面一样处在领先地位。在西门子的安贝格工厂（Electronic Works Amberg，EWA）中，仅有1/4的工作需要人工完成，3/4的工作都由设备和计算机自主处理。德国总理默克尔曾亲临EWA，并对这项成果暗示了极重的赞赏。

自建成败兴，安贝格工厂的生产面积无扩大，生产人员的数量亦无太大变化，然则产能却加强了8倍。安贝格工厂平均每一秒就生产一个制品，制品的合格率高达99.9985%。无论生产速度，还是生产质量，全球无一家同类工厂可与之匹敌。

在安贝格工厂出色的生产成绩背面，有以下三个重要特点。

（1）全面数字化

安贝格工厂的核心特点是实现了全面数字化，其生产过程是“设备掌控设备的生产”，而这正是工业4.0所期盼达到的目的。安贝格工厂生产的制品是SIMATIC可编程规律掌控器（PLC）及关联制品，这些制品本身就具有类似CPU的掌控功能。利用全方位数字化，制品和生产设备之间实现了互联互通，保准了生产过程的自动化。

在安贝格工厂的生产线上，制品能够经过制品代码自动掌控、调节自己的制造过程。经过通信设备，制品能够告诉生产设备自己的生产标准是什么、下一步要进行的工序是什么。利用制品和生产设备的通信，所有生产流程实现计算机掌控并持续进行算法优化。除了生产线的自动化，安贝格工厂的原料配送亦实现了自动化和信息化。当生产线上需要某种物料时，系统会通知工作人员。工作人员经过扫描物料样品的二维码，将信息传输到自动化仓库，物料就会被传送带自动传输到生产线上。

在从物料配送到制品生产的全部流程中，工人所需要做的大约只占全部工作量的1/4。在全面数字化的影响下，安贝格工厂的生产路径持续优化，生产效率持续加强。

（2）员工不可或缺

尽管工厂的生产流程已然实现高度的数字化和自动化，但员工在安贝格工厂中依旧是不可或缺的。除了平常巡查车间，检测自己所负责生产环节的进度，员工最重要的工作是持续为工厂提出配送生产过程中需要改进的意见。在对安贝格工厂的生产力拥有促进功效的各个原因中，员工提出改进意见的原因占40%，这显然不可小觑。

为了鼓励员工持续提出改进意见，安贝格工厂对提出了改进意见的员工发放相应的奖金。安贝格工厂曾发放了一共220万欧元的奖金给提出意见并得到采纳的员工。

（3）大数据转变为精细数据

智能工厂的关键便是将工厂生产过程中持续产生的大数据经过挖掘、分析和管理，让数据变得更符合智能工厂的生产需要，员工亦能更好地运用这些数据。安贝格工厂每日处理的数据量已然超过了5000万，利用人工智能的智能分析手段和归类推送给员工的方式，安贝格工厂将大数据转变为了精细数据，让数据变得更有用。

7wu1wm0

楼主的文章深得我心，表示由衷的感谢！

nykek5i

“BS”（鄙视的缩写）‌

nykek5i

外贸网站建设方法 http://www.fok120.com/

j8typz

外贸B2B平台有哪些？