智东西内参| 企业( 九 )

文章插图
人工智能推动产业升级
人工智能与相关技术结合，可优化制造业各流程环节的效率，通过工业物联网采集各种生产资料，再借助深度学习算法处理后提供建议甚至自主优化。然而，相较于金融、商业、医疗行业，人工智能在制造业领域应用潜力被明显低估。我国制造业正加速智能化进程，未来巨大的市场潜力将逐步被释放。预计到 2025 年，中国制造业人工智能市场规模将达到 133 亿元，预测期（2018-2025 年）复合年增长率为 49.4%。制造业大数据技术的迅猛发展、自动化水平的不断提高以及人工智能应用的不断加强是推动中国制造业人工智能发展的主要因素。

文章插图
中国智能制造市场规模（亿元）
作为人工智能技术应用落地最快的领域之一，金融业与人工智能的结合已日渐深化，在创新智能金融产品、提升金融服务效率、加强风险防控能力等多个方面已有较成熟的应用路径和方法，并普遍应用于智能身份验证、智能反欺诈、智能支付、智能客服、互联网金融业务创新、客户洞察等领域。2019 年 8 月，中国人民银行发布的《金融科技发展规划（2019-2021 年）》明确提到，要深入把握新一代人工智能发展特点，统筹优化数据资源、算法模型、算力支持等人工智能核心资产，稳妥推动人工智能技术与金融业务深度融合。
从人工智能的基础设施平台来看，金融 AI 负载正在逐步从传统的数据中心、云平台向边缘端迁移。在网络边缘
与设备边缘部署的金融 AI 应用能够就近搜集并处理数据，减少数据上传到云端所带来的网络成本与延迟。例如，在银行大堂等区域部署的边缘人工智能系统可以通过计算机视觉、深度学习等方式对于业务动态进行实时洞察，进行人流统计、异常行为告警、环境控制（如动态调整灯光强弱、空调温度）等。部署于边缘端的轻量级风控算法能够支持金融用户通过深度学习特征提取框架，直接在终端对数据进行清洗、预处理、聚合、筛选，降低云或数据中心的数据处理压力，节省网络带宽，加快特定环境下的风控响应速度。
同时，由于敏感数据能够直接在边缘端进行处理、脱敏，从而降低了敏感数据在传输过程中泄露的风险。此外，越来越多的金融机构正在对于自助柜员机、交互屏幕、客户终端、安防监控等金融设备与系统进行智能改造，以增强对于金融业务的全局可视化与感知能力，并自动化、智能化地处理特定的金融业务，从而提升金融业务效率、改善用户体验。例如，通过在自助柜员机中融入人脸识别、智能语音交互等应用，能够将大量的业务从传统柜台转移到自助柜台，提升金融网点的服务能力，并减少排队等问题给客户所带来的负面影响。从金融服务来看，在 AI 技术应用的驱动下，我国金融行业呈现出产品个性化、管理精细化和服务普惠化三大发展态势。

文章插图
人工智能金融定制化应用场景
我国目前 AI 医疗市场处于发展初期，但规模高速增长。对人工智能医疗的需求主要基于几方面客观现实：一方面是优质医疗资源供给不足，成本高，医生培养周期长，误诊率高，疾病谱变化快，技术日新月异；另一方面，随着人口老龄化加剧、慢性疾病增长、对健康重视程度提高，医疗服务需求持续增加。
中国医疗人工智能的发展经历了早期以“数据整合”为特征的第一阶段、以“数据共享 + 较基础算力”为特征的第二阶段，而后发展到目前所处的以“健康医疗大数据 + 应用水平的 AI”为特征的第三阶段。人工智能医疗从走出实验室到实现商业化，面临的不仅仅是场景的变化，除了打磨产品、落地推广之外，还要跨过较高的准入门槛审评审批要求，刺中刚需、产生流水、实现盈利、形成稳定可持续的商业模式，我国医疗人工智能进入价值验证期。