人工智能行业融合部分赛道发展现状分析

火石产业大脑

    声明:本文为火石创造原创文章,欢迎个人转发分享,网站、公众号等转载需经授权。
    1956年,在达特茅斯学院的一次会议上,计算机专家约翰·麦卡锡提出了“人工智能”这一词汇。此后,达特茅斯会议便被广泛认为是人工智能诞生的标志,最早的一批人工智能学者和技术开始涌现,开启了人工智能跌宕起伏的漫长发展史。
    
    图1:人工智能发展过程中的三次浪潮图资料来源:西南证券研究发展中心 
    01 人工智能概述篇
    人工智能,顾名思义,就是模仿人类智慧的一门技术学科,给机器赋予人的意识和思想,帮助、代替甚至超越人类的认知、决策与分析,最终实现让机器拥有人类的思维方式去作业这一目的。
    
    图2:人工智能三要素资料来源:火石根据公开资料整理
    如图,算力、算法和数据是人工智能的三大基本要素,并且共同推动人工智能往更高层次的感知、认知发展。
    (1) 算力:包含软件、硬件系统的开发,通过计算机、芯片等载体提供基本运算能力;(2) 算法:通过一系列人工智能算法,比如机器学习等,从海量数据中获得规律,并利用规律对位置数据某些特性进行预测与判断;(3) 数据:数据是提升AI算法识别率和精确度的核心驱动因素。数据越多越优,场景特点越丰富;算法性能越高,模型更高效。伴随着新兴技术的兴起,数据量正呈现着指数式增长。
    02 人工智能技术融合篇
    2.1人工智能+制造业
    “人工智能+制造业”,简称智能制造,指人工智能技术在制造业中的应用。传统的工业机器人,在执行指令时具有一定被动性,需要人工设置与干预。然而通过深度学习模型和海量数据训练后,实现了自主决策功能,赋予了机器学习能力,大大提升了生产效率并节约了人力资源。
    就融合路径而言,人工智能与制造业的融合发展主要涵盖研发设计、生产过程、园区物流、质量检验、计划排程、设备健康管理、营销服务、供应链管理等领域。传统的机器学习、专家系统等早期人工智能技术已经深入渗透在制造业各个领域,但比如深度学习、自然语言处理等新一代人工智能技术,由于规模化应用时间较短,仍在探索与突破阶段。人工智能技术在制造业各领域的应用表现如表1所示(用颜色的深浅代表该项技术在该环节中的应用程度,颜色越深代表应用程度越深)。
    表1:人工智能技术在制造业中的应用情况说明表
    
    来源:火石创造根据公开资料整理
    我国制造业不同行业所表现出来的数字化、自动化程度有很大不同,与人工智能技术融合程度也呈现出一定差异,如图3所示为AI技术在制造行业各领域渗透的特征(将细分行业划分为领军者、奋斗者、探索者三类,其中虚线圈为探索者,实线圈为奋斗者,实心圈为领军者)。
    
    图3:人工智能技术在制造业各领域融合情况图资料来源:国家工业信息安全发展研究中心
    由上图可以看出,计算机通信和其他电子设备制造业、家电制造业、机械设备制造业、汽车制造业等领军者行业与AI具有较高融合程度,并且这些行业产品迭代快、更加靠近消费者,具有更高的应用潜力。电气机械和器材制造业、仪器仪表制造业、医药制造业、纺织服装制造业、金属制品制造业、石油加工、炼焦和核燃料加工业、食品饮料制造业、冶金行业、化学纤维制造业,铁路、传播、航空航天和其他交通运输设备制造业、化学原料和化学制品制造业等奋斗者行业与AI具有良好的融合基础,未来发展空间很大。橡胶与塑料制品、非金属矿物制造、造纸包装及印刷业、文体娱乐用品制造业、木材加工及家具建造业正在积极的探索AI应用路径,该类行业数字化程度较低、智能化基础薄弱,所以导致与人工智能融合进行发展的赛道尚未成型。
    2.2人工智能+医疗业
    作为科技“战疫”先锋,人工智能技术在众多医疗场景下都发挥着不可或缺的作用。比如语音识别、自然语言处理、计算机视觉、机器人技术等都在抗“疫”效率方面“大展身手”,在医疗诊断辅助、药物研发、病毒研究、医院管理、公共卫生、医疗机器人、远程医疗等领域也有着强大影响力,在疫情监控、人流预测、舆情分析、病毒研究、智能测温等方面对疫情防控也起到了积极作用。图4为智慧医疗产业图谱。
    
    图4:智慧医疗产业图谱资料来源:火石创造根据公开资料整理
    我国将“AI+医疗”作为疫情防控的利器,应用到防控手段的各个方面,比如:分子研究、辅助诊断、疫情管控、公共卫生服务等。表2为人工智能技术助力抗疫的典型总结。
    表2:人工智能技术助力抗疫的典型总结
    
    来源:火石创造根据公开资料整理
    虽然AI技术在医疗领域试验成果颇丰,但要突破临床应用的考验仍然需要时间。由于临床症状的多样性,导致智慧医疗产品单凭人工智能技术很难解决医疗问题。另外,医疗训练数据和复合型人才也是智慧医疗领域面临的严峻问题。总结来说,目前,我国智慧医疗当面存在的挑战主要总结如下:
    (1) 医疗试验成果与临床场景的契合程度;(2) 临床症状的多样性与AI技术或者算法的匹配程度;(3) 医疗大数据与AI算法所需训练数据集的转化程度;(4) AI+医疗复合型人才的匮乏程度。 参考文献[1] 《“寒冬”or“拂晓”,捕捉AI企业上市潮机遇》西南证券研究发展中心计算机研究团队[2] 《“人工智能+制造”围绕三大方向加速落地发展》王淼、张振乾[3] 《疫情防控加速人工智能医疗应用落地》梁冬晗、厉欣林
    —END—    
    作者 | 火石创造 金丹 
    审核 | 火石创造 邵钱、殷莉等
    运营 | 火石创造 黄淑萍