AI行业应用大全

AI行业应用大全

 

书虫掌柜是周掌柜咨询负责书摘的小掌柜，每天为朋友们分享商业故事。

 

在AI浪潮如火如荼的当下，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。

 

关于人工智能在各行业的具体应用，麦肯锡全球研究院跨越14个行业、10个国家，对3073名企业高管进行了调查，并分析了160个案例，发布了《人工智能：下一个数字前沿？》报告，其中，报告详细描述了5个应用案例：

 

1、零售：连接消费者，改善购物体验

 

图像识别、机器学习和自然语言处理等技术等发展使得智能服务机器人能够轻松与顾客打招呼、交流，可以预测订单，提供引导。

 

通过机器学习，可以根据消费者的个人资料进行个性化促销; 在顾客浏览店铺商品时，店内的信标（Beacon）也可以通过手机向他们发送优惠信息。

 

基于深度学习的计算机视觉技术，可以识别购物者打包的商品; 加上传感器所获取的数据，AI使得自动结帐和付款成为可能。

 

使用深度学习技术的无人机快递完成了零售业务链最后一英里的交付，能够实现避障并处理收货人不在的状况。

 

2.电力：更少的电站，更智能的电网

 

通过传感器和机器学习系统，可以通过对风力条件的实时调整，最大限度地提高发电效率。

 

通过机器学习可以预测电力的供需峰值，从而最大限度地利用间歇性可再生能源

智能电线与机器学习的结合，可以实现实时的电力调度，改善电网负载。

 

无人机和小型机器人可以在不关停电路的情况下，检测和预测设备故障。

 

机器可以替代人工自动记录数据并检查设备状态，从而减少对技术人员的需求数量，使他们可以花更多时间解决其它问题。

 

3、医疗：更快的诊断，更好的治疗

 

机器学习程序可以通过可穿戴设备远程分析患者的健康状况，并将数据与其医疗记录进行比较，提供健康建议并预警疾病风险。

 

使用机器学习和其他相关的AI技术，设备可以进行自主诊断并帮患者做简单的体征指标检查，而无需人力辅助，从而减轻医生和护士的工作压力。

 

根据患者的历史医疗数据和记录，基于AI的诊断工具可以更准确地诊断疾病。

 

根据医疗和环境等因素，AI算法可以预测患者行为和疾病的概率，从而优化医院运营、排班计划和库存管理。

 

4、制造：更智能、更灵活

 

对于工程和研发人员而言，人工智能工具的使用意味着更快的周转时间和更少的迭代次数，效率得到大大提升。

 

获取全球各地的供应商信息，降低采购过程中的成本，更好地管理供应链，使得收益最大化。

 

项目经理可以使用基于人工智能的高级分析，从而提高审查流程的有效性。

 

AI可以帮助企业重新审视制造流程和生产线，并针对性地进行优化和调整，从而以降低成本、减少资源浪费，加快企业上市速度。

 

制造商可以利用AI技术为客户提供更优质的售后服务。

 

工作人员与工厂的生产线必须更好地进行协同作业，从而挖掘AI的全部潜力，实现其中的价值。

 

5、教育：不断优化教学形式和效果

 

解决教育资源分布不均的问题，并根据市场需求帮助政府机构不断优化教育制度，提高人才与市场的匹配度。

 

为学生提供更有针对性的教学计划，改善学习成果，并帮助学校不断改进课程组合，提高毕业生就业率。

 

通过自适应学习系统，在合适的时间以最佳方式向每个学生提供适当的内容，打造个性化教学。

 

自然语言、计算机视觉和深度学习可以帮助教师回答学生的常规问题或担任教学助教，使得教师可以把更多的时间花在更具价值的教学环节中。

 

越来越多的企业CEO开始重视人工智能技术的影响，并亲自主导相关项目的开展。

 

据IBM商业价值研究院在17年6月份发布的一项调查结果显示，73%受调查的企业CEO认为，人工智能将为企业的未来起到重要的作用，其中，50%的CEO计划在2019年前采用相关技术。

 

基于人工智能的战略意义重大，我国国务院也印发了《新一代人工智能发展规划》，规划认为人工智能作为新一轮产业变革的核心驱动力，必须与各行各业融合才能发挥作用，形成真正有效的行业智能，以此来助力传统行业转型升级，加快人工智能应用落地。规划涉及9个行业领域：

　　

一、制造

　　

智能制造，是在基于互联网的物联网意义上实现的包括企业与社会在内的全过程的制造，把工业4.0的“智能工厂”、“智能生产”、“智能物流”进一步扩展到“智能消费”、“智能服务”等全过程的智能化中去，只在这些意义上，才能真正地认识到我们所面临的前所未有的形势。人工智能在制造业的应用主要有三个方面：首先是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备。其次是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容。最后是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式。虽然目前人工智能的解决方案尚不能完全满足制造业的要求，但作为一项通用性技术，人工智能与制造业融合是大势所趋。

　　

二、家居

　　

智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的家居生态圈。用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。智能音箱不仅是音响产品，同时是涵盖了内容服务、互联网服务及语音交互功能的智能化产品，不仅具备WiFi连接功能，提供音乐、有声读物等内容服务及信息查询、网购等互联网服务，还能与智能家居连接，实现场景化智能家居控制。

　　

三、金融

　　

人工智能的产生和发展，不仅促进金融机构服务主动性、智慧性，有效提升了金融服务效率，而且提高了金融机构风险管控能力，对金融产业的创新发展带来积极影响。人工智能在金融领域的应用主要包括：智能获客、身份识别、大数据风控、智能投顾、智能客服、金融云等，该行业也是人工智能渗透最早、最全面的行业。未来人工智能将持续带动金融行业的智能应用升级和效率提升。

　　

四、零售

　　

人工智能在零售领域的应用已十分广泛，正在改变人们购物的方式。无人便利店、智慧供应链、客流统计、无人仓/无人车等等都是的热门方向。通过大数据与业务流程的密切配合，人工智能可以优化整个零售产业链的资源配置，为企业创造更多效益，让消费者体验更好。在设计环节中，机器可以提供设计方案；在生产制造环节中，机器可以进行全自动制造；在供应链环节中，由计算机管理的无人仓库可以对销量以及库存需求进行预测，合理进行补货、调货；在终端零售环节中，机器可以智能选址，优化商品陈列位置，并分析消费者购物行为。

　　

五、交通

　　

大数据和人工智能可以让交通更智慧，智能交通系统是通信、信息和控制技术在交通系统中集成应用的产物。通过对交通中的车辆流量、行车速度进行采集和分析，可以对交通进行实施监控和调度，有效提高通行能力、简化交通管理、降低环境污染等。人工智能还可为我们的安全保驾护航。人长时间开车会感觉到疲劳，容易出交通事故，而无人驾驶则很好地解决了这些问题。无人驾驶系统还能对交通信号灯、汽车导航地图和道路汽车数量进行整合分析，规划出最优交通线路，提高道路利用率，减少堵车情况，节约交通出行时间。

　　

六、安防

　　

安防领域涉及到的范围较广，小到关系个人、家庭，大到跟社区、城市、国家安全息息相关。目前智能安防类产品主要有四类：人体分析、车辆分析、行为分析、图像分析；在安防领域的应用主要通过图像识别、大数据及视频结构化等技术进行作用的；从行业角度来看，主要在公安、交通、楼宇、金融、工业、民用等领域应用较广。

　　

七、医疗

　　

当下人工智能在医疗领域应用广泛，从最开始的药物研发到操刀做手术，利用人工智能都可以做到。眼下，医疗领域人工智能初创公司按领域可划分为八个主要方向，包括医学影像与诊断、医学研究、医疗风险分析、药物挖掘、虚拟护士助理、健康管理监控、精神健康以及营养学。其中，协助诊断及预测患者的疾病已经逐渐成为人工智能技术在医疗领域的主流应用方向。

　　

八、教育

　　

通过图像识别，可以进行机器批改试卷、识题答题等；通过语音识别可以纠正、改进发音；而人机交互可以进行在线答疑解惑等。AI 和教育的结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率的学习方式，但还不能对教育内容产生较多实质性的影响。

　　

九、物流

　　

物流行业通过利用智能搜索、推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人操作。比如利用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。目前物流行业大部分人力分布在“最后一公里”的配送环节。

 

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。

 

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%。

 

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。 

 

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。 

 

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。