【财富空间】中国AI应用最新白皮书：金融、汽车、医疗和零售将受AI影响最大，或为参与者带来19000亿增益价值

文 | 李秀琴

来自雷锋网（leiphone-sz）的报道

雷锋网按：在第三次人工智能浪潮如火如荼之时，正确理解目前AI的应用能力、发展状态以及与市场预期之间的距离，显得尤为必要。

基于此，中国人工智能学会联合国外研究机构罗兰贝格梳理了人工智能在20个行业的80个具体应用场景，并对AI领域的初创企业管理人、各行业内企业经理人、AI研发人员进行了多方访谈，并于近日发布了《中国人工智能创新应用白皮书》（以下简称“白皮书”）。

白皮书指出，中国AI企业的发展势头良好，在全球处于优先地位；金融、汽车、医疗和零售将是受AI影响最大、同时最具成熟发展基础与市场应用潜力的传统产业，制造、教育和通信行业也值得关注。

报告原文，请关注“雷锋网”公众号，回复“AI白皮书”关键词，即可获取。

AI产业发展现状

根据中国人工智能学会、罗兰贝格统计，去年全球人工智能融资总额达49.68亿美元。预估2025年全球人工智能市场规模将达30610亿美元。

从技术方面来看，目前主攻AI方向的企业主要分为两类：专注于技术研发的通用型人工智能企业，如DeepMind、 Facebook AI Research、Google Brain与Baidu AI等； 专注于AI技术应用的专用型人工智能企业。 



从应用方向来看，目前，金融、医疗、汽车和零售行业的应用场景相对成熟，在这几块的融资热度也较高。

以自动驾驶领域为例，谷歌、百度、特斯拉、奥迪等科技和传统巨头纷纷加入；AI在金融领域的智能风控、智能投顾、市场预测、信用评级等领域都有了成功的应用；在医疗领域，AI算法被应用到新药研制，提供辅助诊疗、癌症检测等方面都有了突破性进展。

而从地域发展方面来看，全球领先的创新高点散落在各个国家，尤以美国（纽约和硅谷）、英国（伦敦）、以色列和中国（北上深）最为突出。



以中国在全球范围的状况为例，总体来看，中国AI企业的发展势头良好，在全球处于优先地位。中国的AI企业数量、专利申请数量以及融资规模均仅次于美国，位列全球第二。

依上表可知，在国内，计算机视觉、服务机器人和自然语言处理方向的AI企业占据了全国所有AI企业的一半以上，共占比55%。而北京、上海、深圳作为国内AI创新的高地，其相关企业数量占据企业总数的80%。

AI商业应用现状

跟据中国人工智能学会、罗兰贝格预测，从定量的角度来看，至2030年，AI将在中国产生10万亿元的产业带动效益。根据二者的估算，AI带来最大影响的传统产业将会是金融、汽车、零售和医疗。



具体来看四个行业未来将受AI影响的增益价值的增加情况：

在金融行业，通过AI技术在风险控制、资产配置、智能投顾等方向的应用，预计AI将带来约6000亿元人民币的降本增益效益。

在汽车行业，AI在自动驾驶上的技术突破将带来约5000亿元人民币的价值增益。

在医疗行业，通过AI技术在药物研发领域提高成功率、在医疗服务机构内提供疾病诊断辅助、疾病监护辅助等提高服务效率的应用，预计AI可以带来约4000亿元人民币的降本价值。

在零售行业，AI在推荐系统上的运用将提高在线销售的销量表现，同时更加精准的市场预测将降低库存成本，预计AI技术将带来约4200亿元人民币的降本与增益价值。 



为了进一步评估各个行业应用AI的准备程度，中国人工智能学会和罗兰贝格还对AI领域的初创企业高管、各行业企业经理人、AI研发人员进行了访谈。

此次访谈是基于各行业的组织结构基础，数据、工作流和技术基础以及人工智能应用基础三者基础之上，建立的评分体系。最终访谈结果可见上图。



从结果上看，金融、零售、医疗与汽车行业的发展基础最为扎实，应用潜力也高于其他行业。

金融行业拥有良好的数据积累，在自动化的工作流与相关技术的运用上也有不错的成型成效。医疗行业拥有多年的医疗数据积累与流程化的数据使用过程，因此在数据与技术基础上有着很强的优势。汽车行业已经开始利用AI技术布局自动驾驶、辅助驾驶技术，因此在组织基础与AI应用基础上有着很好的优势。零售行业在组织结构、数据积累、AI应用方面都有一定基础，处于相对均衡的发展状态。 

AI产业应用场景案例举例





1、AI在汽车行业的应用场景举例介绍

整车的智能营销

以美国的Automotive Mastermind公司为例，其是一家服务于汽车生产商和经销商的技术开发商和服务提供商。

在整车营销中，该公司将AI技术贯穿其中。具体的实施路径为：搜集社会人口学特征、社交网络、市场数据、产品生命周期等大数据；利用自有的行为预测评分算法对超1000个数据点进行清洗和分析；对消费者进行排名，筛选出目标消费者；梳理出消费者的关键驱动因素，包括金融预算、购买动机、产品性能、保障条款等；推荐对该消费者最有效的线上或线下营销手段；实现按需生产、销售。

数据表明，使用Automotive Mastermind公司服务的企业，销售收入提升了30%，客户留存率提高了16.7%。

数据驱动的产品优化 

利用各类感知设备收集的产品运营状态、事故率、 生命周期等数据，结合产品本身的生产、质量等方面数据，分析出最优的产品设计方案。

例如在特斯拉未来的理想情景下，“如果一辆特斯拉汽车因材料不够厚被撞 挂了，第二天所有的Model S都会自动变厚2英寸”。 

销量预测驱动的智能生产优化

结合机器学习预测模型对销量的预测和智能设备产生生产数据，通过云计算得出实时最优生产计划与节奏。

收集的生产数据包括：智能机器及时反馈的生产和闲置状况、智能仓库实时监测的库存情况、智能调研系统动态预测的整车和零部件需求等。

零部件的预测性维修

预测性维修是将状态监测、故障诊断、状态预测和维修决策多位合为一体的系统过程，通过收集大量运行状态信息和运用预测模型，来实现零配件的提前维修更换。

加拿大企业Ansik于2013年成立，旗下软件PitStop可预测零件故障。该公司向企业代理商和维修站销售一款接入汽车的插件和一个附属手机APP， 以此搜集实时发动机和传感器数据和其他监测信息，观测性能状况并推断汽车故障可能。

如果数据显示汽车将出现问题，会通知用户停车检修，同时提供来自维修站的修理建议。 

驾驶辅助系统

驾驶辅助系统是汽车人工智能领域目前最为火热的方向。在感知层面，其利用机器视觉与语音识别技术感知驾驶环境、备识别车内人员、理解乘客需求；在决策层面，利用机器学习模型与深度学习模型建立可自动做出判断的驾驶决策系统。 

按照机器介入程度，无人驾驶系统可分为无自动驾驶(L0)、驾驶辅助(L1)、部分自动驾驶(L2)、有条件自动(L3)和完全自动(L4)五个 阶段。

目前，技术整体处于多个驾驶辅助系统融合控制、可监控路况并介入紧急情况(L2)向基本实现自动驾驶功能(L3)的转变阶段。

2、AI在医疗行业的应用场景举例介绍

医美、齿科等机构基于购买预测的精准营销 

医美、齿科机构通过客户购物、浏览等轨迹和客户年龄、交易量、使用习惯等数据的智能匹配，可以从不同方面来了解潜在客户的情况。

以爱尔康为例，其通过建立采集数据的工具，整合和匹配老会员的数据，对会员的线上线下数据进行整合， 跟踪用户行为，深入挖掘数据，描绘出360画像， 取得了微信粉丝增长10083人、微博粉丝增长 10147人、粉丝互动140万次、提升4倍会员增长速度、会员活跃度由20%上升到78% 、线下会员增长占整体会员增长数量39%的成绩。 

数据驱动的辅助诊断 

 通过机器学习算法建立多种疾病辅助诊断模型， 人工智能辅助诊断系统会通过分析患者数据来识别病症，再根据大量学习的医疗知识及经验进行病情分析，提出诊断意见和疾病转归预测预警评估。

在AI+辅助诊疗的应用中，IBM Watson是目前最成熟的案例。IBM Watson可以在17秒内阅读3469本医学专著、248000篇论文、69种治疗方 案、61540次试验数据、106000份临床报告，还通过了美国职业医师资格考试，并部署在美国多 家医院提供辅助诊疗服务。

医疗图像分析 

AI在此的应用主要有两部分：在感知环节应用机器视觉技术识别医疗图像，减少医生读片时间；在学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练。

一个典型的例子为贝斯以色列女执事医学中心 (BIDMC)与哈佛医学院合作研发的人工智能系统。该系统对乳腺癌病理图片中癌细胞的识别准确率 可达92%，与病理学家的分析结合时，其诊断准确率可以高达99.5%。 

提高筛选生物标志物速度，进行药物有效性、安全性预测评估 

通过应用开发虚拟筛选技术，通过机器学习模型预测分析药 物构效关系，取代或者增强传统的高容量筛选过 程，可以大幅度提高生物标志物的筛选速度及成功率，显著缩短新药研发周期，降低新药研发的试错成本。

例如，美国硅谷公司Atomwise通过IBM超级计算机分析数据库，并用深度学习神经网络分析预测化合物的构效关系，于研发早期评估预测新药风 险。其超级计算机可以在几天之内评估出820万种药物研发的候选化合物。该公司也为制药、创业公司和研究机构提供药物预测服务。

3、AI在金融行业的应用场景举例介绍

预测性风控

在银行业，AI主要被应用于贷前准入、贷后跟踪、坏账预测等；证券业主要应用于合规、识别垃圾注册、异常交易监测等；保险业则主要应用于 反欺诈。 

目前，预测性风控已成为AI技术在金融行业应用最为广泛的场景，众多银行、信用卡中心、P2P 交易平台等都在运用这项技术降低逾期与坏账风 险。 

智能交易策略

智能交易的关键在于自主学习、推理和决策。其具有一致性和逻辑性，可减少人为疏漏和失误，并利用不断自我改进的模型和全市场内的产品充分分散风险。

以香港AI投资机构Aidyia开发的交易机器人为例，其能够从新闻、政策、社交网络在内的多渠道获取数据，并借鉴多种AI形式（如受遗传演化启发的计算、 基于概率逻辑的形式、深度学习、神经演化等)， 分析之后转化为买卖决策，能够完全自动识别和 执行交易。 

智能客服

智能客服可以进行简单问题的直接回复，从而帮助客服人员能够集中精力应对高净值业务。

目前，中国农业银行、中信银行、中国邮政储蓄银行、兰州银行、太平洋保险、广发基金、工银瑞信等银行及金融机构已经开始应用智能系统开展24小时客户服务。 

智能投顾

智能投顾是根据客户理财需求和资质信息、市场状况、投资品信息、资产配置经验等数据，基于大数据的产品模拟和模型预测分析等AI技术，输出符合客户风险偏好和收益预期的投资理财建议。

目前，银行系(如广发智投、招商摩羯智投)、基金系(如南方基 金超级智投宝、广发基金基智理财、天弘基金犇跑篮子)、大型互联网公司系(如百度金融、京东智投、同花顺)和第三方创业公司系(如弥财、 蓝海财富、拿铁财经)等都在智能投顾上有所应用。

4、AI在消费品与零售领域行业的应用场景介绍

精准营销与个性化推荐系统

通过分析用户的购买、浏览、点击等行为，结合各类静态数据得出用户的全方位画像，搭建机器学习模型可预测用户何时会购买什么样的产品，并进行相关产品推荐。

以天猫淘宝为例，其在2016年创造的一千亿人民币销售额的背后，就是有一套成熟稳定的个性化推荐系统。

智能店铺管理

通过机器视觉技术捕捉分析店铺客流量与路径、消费者货柜前行为（如表情和肢体语言、停留时间、拿货比货动作）等数据，指导店铺环境布局与设计优化、商品陈列和库存管理、店内营销和服务内容改善以及精准推送和交叉销售。 

例如万达通过收购飞凡自建技术团队、银泰选择同阿里巴巴合作获取数字化能力、华润大悦城选择猫酷作为第三方解决方案提供商，正式加入新零售战争时代。

产品销量预测与供应链优化

以Zara为例，其打造的极速供应链系统，可联通和协同从市场调研到设计、打版、制作样衣、批量生产、运输和零售整个环节的数据，实现产品柔性生产。

此外，Zara还设有全天候“数据处理中心”，可融合每一个零售网点追踪的销售数据，以获取顾客的动态消费特性。如果公司在商品上市初期发现畅销款或滞销款，能及时迅速做出增产或减产决策，从而保持很高的售罄率。 

 无人超市

亚马逊的Amazon Go是一个典型的无人超市案例，它通过自助检测与跟踪系统捕捉并追踪消费者在店内的所有行为，并在入场和消费者身份识别方面采用人脸识别确认用户亚马逊帐号身份。

在商品位置判断方面，通过货架上的红外传感器、压力感应装置、荷载传感器和摄像头图片对比检索判断货物是否被拿起/放回，以及是否在正确的位置。

在结算意图识别和交易方面，以室内定位技术(图像以及音频分析，GPS以及WIFI信号定 位)判断商品和人的关联，以绑定的信用卡等支付方式结算。 

人工智能的发展史

虽然全世界都在谈论AI，但鲜少有人熟知前两次AI浪潮遭遇“寒冬”的原因。就此，我们不妨来理一理人工智能的发展史。具体见下图。



如上图，我们可以清楚的看到，AI遭遇的第一次寒冬，是由于当时人类对AI未来失望、停止资金投入。第二次寒冬则与AI本身有关——缺乏实用和商业应用，研究领域陷入困境。

而来到第三次浪潮，数据、算法和计算机条件渐已成熟，大数据、物联网、云计算等技术也能为AI的发展打下良好的基础。具体驱动因素有以下五点：

高质量、大规模的大数据为AI技术的发展提供了原材料。据《白皮书》显示，1986至200年，全球单日信息交换量增长了约220倍，全球信息存储能力增加了约120倍。

计算力提升突破瓶颈，帮助AI模型可以在更大的数据集上运行。

机器学习算法取得重大突破。以多层神经网络模 型为基础的算法，使得机器学习算法在图像识别等领域的准确性取得了飞跃性提升。

社会理解与接受程度广泛提升。

物联网、大数据、云计算技术为AI发展提供了基础。

雷锋网结语

2030年，人工智能将在中国产生10万亿元的产业带动效益。其中，汽车、金融、医疗、零售这四大行业将优先享受AI带来的红利。

然而，这波红利能“吃”到多少，或者能“吃”多久，就看各家本事了。





人工智能赛博物理操作系统

AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS
OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS
OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS
OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS
OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS
OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；

制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；

重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；

开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和
人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS
OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS
OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。





长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”[b]、“智能驾驶”[/b]；新模式：“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”。



详细介绍，访问官网：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com