2017年-亿欧智库_人工智能产业综述报告_61页_2mb.tmp1

亿欧智库人工智能产业综述报告（2017年4月）总结

核心内容概述

本报告围绕人工智能的发展路线、技术本质及其在具体市场的落地情况展开，重点分析了医疗、金融和出行这三个AI+应用领域。报告指出，人工智能正在从感知走向认知，深度学习技术在图像、语音、自然语言理解等方向取得显著进展，但其在实际应用中仍面临诸多挑战。报告旨在为人工智能的持续发展提供参考，同时指出其在现实落地过程中需克服技术、数据、监管等方面的障碍。

主要观点

1. 人工智能的发展历程

• 人工智能是模仿人类智能的学科，涵盖机器学习、深度学习等分支。
• 深度学习作为机器学习的重要分支，因多层神经网络结构和大数据、高性能计算的推动而兴起。
• 深度学习虽然在性能上优于传统方法，但存在理论创新不足、可解释性差、依赖大量数据等问题。

2. 人工智能技术的本质

• 人工智能技术主要包括计算机视觉、语音识别和自然语言理解三大方向。
• 计算机视觉是人工智能的基础，承担着识别、跟踪和测量等任务，其发展依赖于大数据和深度学习技术。
• 语音识别和自然语言理解在金融和医疗领域有广泛的应用，但其在认知层面仍难以完全替代人类。

3. AI+医疗、金融与出行的机遇与挑战

• 医疗：AI在医疗领域可帮助降本增效，尤其是在医学影像识别方面已实现部分自动化。但医疗资源不均衡、数据共享和标准化问题仍是制约AI全面落地的关键因素。
• 金融：智能投顾借助大数据、云计算和AI技术，为投资者提供情绪管理和投资建议。然而，AI在涉及认知层面的决策上仍无法完全替代人类，需与专业经验结合。
• 出行：无人驾驶技术是未来城市移动出行的重要趋势，但其商业化仍需突破监管体系和安全技术瓶颈。ADAS（高级驾驶辅助系统）和多种传感器（如激光雷达、毫米波雷达）是其技术支撑。

关键信息

1. 人工智能技术分类

• 计算机视觉：用于图像识别、场景分析，如医学影像、自动驾驶等。
• 语音识别：将语音转换为文本，应用于智能车载、语音助手等。
• 自然语言理解：用于搜索引擎和机器翻译，但依赖知识图谱和语义分析。

2. 人工智能在医疗领域的应用

• 医疗+AI企业主要分为：医学影像、基因测序、医疗大数据、医疗服务、健康管理、药品/器械研发、机构信息化。
• 医学影像被认为是AI在医疗领域最早落地的垂类，具备高标准化程度和高商业价值。
• AI在医学影像中可实现自动检测、辅助诊断等功能，但仍需结合医生经验。

3. 智能投顾的发展现状

• 智能投顾以数据搜索引擎、自动生成报告和辅助量化交易为主要形式。
• AI在投资策略中可辅助分析数据、优化资产配置，但情绪管理、风险识别仍需依赖人类判断。

4. 无人驾驶技术发展

• 无人驾驶技术依赖环境感知、定位导航、路径规划、决策控制等核心技术。
• 传感器包括摄像头、激光雷达、毫米波雷达等，其中激光雷达在环境建模中具有重要作用。
• 目前无人驾驶面临技术瓶颈和监管挑战，预计2025年实现部分商业化，完全无人驾驶需更长时间。

技术与市场挑战

• 数据共享与标准化：医疗领域因数据封闭、标准缺失，AI落地困难。
• 监管问题：无人驾驶技术在法律和责任认定方面仍需明确。
• AI的局限性：深度学习虽具强大性能，但缺乏可解释性，且在认知层面仍无法完全替代人类。

附录信息

• 附录中列出了亿欧智库收集的216位主要中国AI人才的图谱，为读者提供了AI行业人才分布的参考。

总结

人工智能作为一项降本增效、推动产业升级的技术，已在多个领域展现出潜力，但其落地仍需解决数据、技术、监管等多重问题。亿欧智库通过分析AI在医疗、金融和出行中的应用，揭示了其在现实场景中的机遇与挑战，为未来技术发展与产业应用提供了重要参考。