2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第1张


人工智能作为新一轮产业变革的核心驱动力,将催生新的技术、产品、产业、 业态、模式,从而引发经济结构的重大变革,实现社会生产力的整体提升。

人工智能产业链

总体来看,人工智能行业可分为基础支撑层、技术层和应用层。

 

基础层提供计算力,主要包含人工智能芯片、传感器、大数据及云计算。其中芯片具有极高的技术门槛,且生态搭建已基本成型。目前该层级的主要贡献者是Nvidia、Mobileye和英特尔在内的国际科技巨头。中国在基础层的实力相对薄弱。

 

技术层解决具体类别问题。这一层级主要依托运算平台和数据资源进行海量识别训练和机器学习建模,开发面向不同领域的应用技术,包括语音识别、自然语言处理、计算机视觉和机器学习技 术。科技巨头谷歌、IBM、亚马逊、苹果、阿里、百度都在该层级深度布局。中国人工智能技术层在近年发展迅速, 目前发展主要聚焦于计算机视觉、语音识别和语言技术处理领域。除了BAT在内的科技企业之外,出现了如商汤、旷视、科大讯飞等诸多独角兽公司。

 

应用层解决实践问题,是人工智能技术针对行业提供产品、服务和解决方案, 其核心是商业化。应用层企业将人工智能技术集成到自己的产品和服务,从特定行业或场景切入(金融、安防、交通、医疗、制造、机器人等)。未来, 场景数据完整(信息化程度原本比较高的行业或者数据洼地行业),反哺机制清晰,追求效率动力比较强的场景或将率先实现人工智能的大规模商业化。从全球来看,********、苹果将重心集中在了应用层,先后在语音识别、图像识别、智能助理等领域进行了布局。得益于人工智能的全球开源社区,这个层级的门槛相对较低。目前,应用层的企业规模和数量在中国人工智能层级分布中占比最大。

基础层

作为人工智能发展的基础,以芯片为载体的计算力是人工智能发展水平的重要衡量标准。从市场角度来看,对人工智能芯片的需求主要来自训练、云端和终端推断三个方面,由此形成了包括训练、云端和终端人工智能芯片市场。

• 通用类AI芯片:面向人工智能企业和实验室研发阶段。美国的英伟达的GPU占统治地位。谷歌也以其ASIC芯片和TensorFlow的软硬件结合构建了横跨训练和云端推断层的TPU生态。中国由于基础薄弱,在训练层市场上鲜有发展。

• 云端AI芯片:在云端推断方面,各大巨头纷纷在FPGA芯片+云计算上布局。FPGA芯片的主要玩家为英特尔、Altera。目前包括亚马逊AWS、微软Azure、IBM、********都采用了FPGA加速服务器。中国的云计算数据中心阿里云、腾讯云、百度云也布局了云端推断市场。

• 终端AI芯片:是高度定制化的终端推断设备。在终端推断方面,针 对智能手机、无人驾驶、计算机视觉、VR设备等相关的芯片公司包括苹果、Mobileye、Movidus、微软等。目前中国在终端人工智能芯片上也有了长足的发展。寒武纪、地平线和深鉴科技等中国芯片厂商都在终端人工智能芯片的商用上做出了成绩。

截至目前,全球人工智能的计算力主要是以GPU芯片为主。未来随着定制化芯片和类脑芯片的不断发展,如GPU等在内的训练层通用芯片增速将放缓或面临迭代。中国企业在GPU领域很难与巨头抗衡,AI专用芯片为中国企业提供另辟蹊径的可能。

技术层

从技术领域来看,主要包括了计算机视觉、语音识别、自然语言理解、机器学习等。据清华大学数据显示,计算机视觉,语音,自然语言处理是中国市场规模最大的三个应用方向,分别占比34.9%,24.8%和21%。

 应用层

广阔的产业及解决方案市场是中国人工智能发展的一大优势。以上优势的形成除了得益于大量的搜索数据、丰富的产品线以及广泛的行业提供的市场优势, 还因为各大国内外的科技巨头对开源科技社区的推动,帮助人工智能应用层面的创业者突破技术的壁垒,将人工智能技术直接应用于终端产品层面的研发。从行业来看,人工智能已经在医疗,健康,金融,教育,安防等多个垂直领域得到应用。

人工智能商业化应用篇

人工智能技术在过去5—10年快速发展,随着时间推移,技术渐渐为大众所知,摩尔定律的节奏逐渐放慢,人工智能商业化应用成为关注焦点。科技巨头纷纷布局垂直行业应用,创业企业需要找准切入点,深耕行业解决方案以打造护城河。根据德勤的研究报告,人工智能将在金融、医疗、汽车、制造以及零售行业多点开花,主要基于以下考量:

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第2张


金融:人工智能变革金融经营全过程

金融行业是人工智能最为理想的应用领域之一,这是由于金融领域保留着最为完善的历史数据,同时金融行业的最终目标也极易被量化,即最大化收益,而这都是极为依靠数据的人工智能技术所擅长的。

 

当前,人工智能技术与金融行业的融合已经涵盖了基础层、技术层与应用层。参与的企业可以大致分为人工智能企业、互联网企业与金融企业。人工智能企业凭借技术上的优势向传统金融机构提供硬件设备或软件系统,但在整体解决方案、数据获取等方面需要依赖其他企业;互联网企业拥有数据优势,在互联网金融领域也有所涉及,因而能够在传统金融机构变革的过程中提供经验及技术支持;传统金融机构也开始自建科技部门进行智能化重构,这主要是出于数据保密与安全的考虑。

人工智能在金融行业的应用改变了金融服务行业的规则。传统金融机构与科技公司共同参与,构建起更大范围的高性能动态生态系统,参与者需要与外部各方广泛互动,获取各自所需要的资源,因此在金融科技生态系统中,金融机构与科技公司之间将形成一种深层次的信任与合作关系, 提升金融公司的商业效能。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第3张


这种效能的提升主要表现在三个方面: 第一,传统金融模式下,往往存在信息不对称、金融风险大、借贷成本高等问题,创新技术应用于传统金融业务, 使整个金融行业的基础服务架构得到改善,从而降低业务成本,提升服务效率;第二,出现多种形态的创新金融科技公司,以创新技术为基础,根据客户需求提供定制化产品和服务,覆盖更多被传统金融服务“拒之门外”的长尾客户,使更多个体或者中小企业享受到更加便捷、高效的金融服务,覆盖更多、更广泛的客户。第三,吸引更广泛、更多元化的参与者融入生态圈,通过收集消费者大量消费、信贷数据对消费者信用进行评估,降低坏账等金融风险。

人工智能技术迅速改变了传统金融行业的各主要领域。围绕消费者行为和需求的不断变化,传统的金融服务行业参与者正面临着各领域各环节的重构。例如,随着消费者行为和偏好的不断变化,以技术驱动的精准营销和推送使消费者获得定制化的产品和服务,通过技术增强客户粘性,并使小商户融入更大范围的生态圈;人工智能机器人在一些服务领域逐渐取代人工客服,为客户提供咨询服务。


智能投顾

应用人工智能机器人提供投资理财咨询,财富管理方式更趋民主化,曾经成本高昂且劳动密集型的服务正在变成商品,科技正将金融服务扩展到传统富裕阶级以外的群体。例如陆金所为企业或个人投资者提供综合金融资产交易信息及咨询相关服务。

中国居民拥有巨额投资资产,预计到2020年将达到237万亿,这为智能投顾在中国的广阔发展空间奠定了基础。

智能投顾作为线上工具可以自动分析客户财务状况并利用大数据分析提供量身定制的建议,还可以管理投资组合投资优质产品。目前主要有以下两种模式: 金融机构,例如银行,提供的交易程序。一些机器人顾问只投资被动投资组合(如交易所交易基金),而且不允许客户修改投资策略。其他机器人顾问允许客户参与主动投资(如股票选择) 并对投资组合调整以及其他服务收取适当服务费用。如招商银行推出“摩羯智投”可提供投资理财咨询,2016年户均购买金额达3.69万元。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第4张


另一类是以社交平台为依托,供用户交流投资选项、策略和市场洞察。个人可构建投资组合与其他投资者分享。其中一类是零售算法交易,使只具备有限技术知识的投资者获得有效的投资算法并获益,只需从投资收益中分享部分利益给算法作者。例如Quantopian于2011年在波士顿成立,“激励全世界有才华的人写下他们的投资算法”。这其实意味着公司以网络社区平台为基 础,向科学家、开发者、学生提供资源及基础框架,供他们合作并使用金融数据、教育工具、研究资料等。根据提交的上千种投资算法,Quantopian依据 风险、回报、潜力及其他因素评选出 最佳方案。从其运行的最基本方式来看,Quantopian就像众包投资公司,算法作者允许平台使用他们工作中最有效的算法,并从设计投资算法中获得利益分成。

 

对于金融机构,这些趋势表明中产阶级市场被侵蚀。零售银行将面临竞争,新的市场进入者可提供门槛更低的理财产品,而在高净值市场中,个人理财规划师的作用更为重要。另外,零售银行可以自主提供自动化服务满足理财客户的大部分需求,但需要适应客户的投资偏好,因此理财经理可能需要修改价值主张以维持经营。

 

未来,咨询服务可能与产品相分离。客户转向了新兴、性价比更高的自动化顾问,通过自身咨询渠道出售的理财产品数量将变得更少。传统理财经理也将看到规模效益的优势减弱。越来越多的过程变成自动化,越来越多的客户使用虚拟渠道,而且新加入者会继续使用低成本基础架构。可预见未来传统理财经理收益减少,传统行业参与者在更专业领域或服务商的竞争加剧。

智能客服

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第5张


智能客服是指能够与用户机型简单问题答复,通过人机交互解决用户关于产品或服务的问题。自然语言处理技术成熟度在各类人工智能技术中成熟度较低, 但在客服领域中能够发挥较高的价值。人工客服存在培训成本高、服务效果难以统一以及流动性大的问题。以大数 据、云计算特别是人工智能技术为基础智能客服加速企业客服智能化,依靠知识图谱回答简答重复性问题,减少人工客服使用,提升客服效率及效果。客服机器人已替代40%—50%的人工客服工作,预计到2020年,85%的客服工作将依靠人工智能完成。

 

智能客服在金融行业的应用主要在银行、保险、互联网金融等细分领域。银行、保险等传统金融机构更加倾向于向IT服务企业购买本地解决方案,以确保数据信息安全性,规避潜在的泄露风 险。由于传统金融机构存在多样化的需求,因而IT服务企业提供的定制化的解决方案。互联网金融领域的智能客服主要以SaaS模式为主,使用企业以大型互联网金融公司为主。

 

以招商银行信用卡公司为例,通过智能客服每天为客户提供超过200万次以上的在线人机交互,能够解决99%的用户问题。智能客服不仅能提升客户服务效率,提供24小时不间断服务,提升用户体验,并且能大幅降低支出,更多的金融企业开始采用智能客服系统,并将其作为提供客户服务的主要途径。人工客服已经从主流转变为辅助形式,甚至随着人工智能技术的进步,未来将被完全取代。

智能风控

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第6张


现阶段中国个人消费支出高速增长,已经成为拉动中国经济增长的重要力量,借贷需求增加的同时金融欺诈数量也呈现上升态势。人工智能与大数据技术结合构建智能风控体系,通过对用户交易行为、信用状态、社交关系等多维度数据进行综合评判,从而得出最终评估结果。

 

利用人工智能进行金融风控的机构可以分为三类:综合类、技术采购类、自主研发类。

 

综合类一般是指的既具有研发能力又开展金融类业务的互联网巨头。例如蚂蚁金服推出的“蚁盾”“芝麻信用”,网易金融推出的风控系统“北斗”。这类企业推出智能风控产品的目的在于获取更多用户数据,从而为整体服务。

 

技术采购类是指向银行、保险机构、互联网金融机构等提供风控解决方案的技术企业。例如明略数据为银行创建知识图谱,依托银行多年全量数据,构建关联“企业、个人、机构、账户、交易和行为数据”的知识图谱平台,展现全行完整的客户关系网及资金流转全貌,从而完善银行整体风险管理能力,提升银行风控效率。同盾科技借将人工智能与应用场景结合,利用基于神经网络的深度学习算法,为金融机构和新金融企业提供图片文字提取、识别与核验等服务。

 

自主研发类是指通过组建公司内部的科技团队研发智能风控产品,为自身业务提供支持的金融机构。例如融360开发的“天机”大数据风控系统。

 

通过智能风控,金融企业可以以更加高效的手段明显降低交易欺诈、信贷风险管理、信用违约等传统金融行业的难 题。资损率是衡量金融企业风控能力的重要指标,通过智能风控,支付宝平均资损率为十万分之一,在全球都具备高竞争力。

制造业:人工智能应用潜力被低估

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数据,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。SAP通过对中国过去三年最大的300项人工智能投资项目进行分析,结果显示,23.4%的投资是在商业及零售领域,18.3%在自动驾驶,而制造业相关的人工智能投入不到1%。而制造业恰恰是人工智能应用场景最具潜力的区域。有研究发现,人工智能的使用可降低制造商最高20%的加工成本,而这种减少最高有70%源自于更高的劳动生产率。到2030年,因人工智能的推动, 全球将新增15.7万亿美元的GDP,中国就占7万亿美元;到2035年人工智能将推动劳动生产力提升27%,拉动制造业的GDP高达27万亿美元。

 

制造业将成为人工智能应用蓝海。全球人工智能及相关场景在制造业应用市场在2016年约为1.2千亿美元,这个数字在2025年有望超过7.2千亿美元,复合年均增长率预计可超过25%。

人工智能在制造业的应用场景主要分为三类,一、产品智能化研发设计和为产品注智;二、在制造和管理流程中运用人工智能提高产品质量和生产效率;三、供应链的智能化。

产品

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第7张


在产品研发、设计和制造中,人工智能的主要应用场景:生成式产品设计:根据既定目标和约束利用算法探索各种可能的设计解决方案。具体来说需要经过三个步骤:首先,设计师或工程师将设计目标以及各种参数(如材料、制造方法、成本限制等)输入到生成设计软件中。然后,软件探索解决方案的所有可能的排列,并快速生成设计备选方案。最后,它利用机器学习来测试和学习每次迭代哪些有效,哪些无效。一些航天公司正在利用生成式设计以全新的设计开发飞行器部件,如提供跟传统设计功能相同但是却轻便许多的仿生学结构。

智能产品:将人工智能技术成果集成化、产品化,制造出如智能手机、工业机器人、服务机器人、自动驾驶汽车及无人机等新一代智能产品。这些产品本身就是人工智能的载体,硬件与各类软件结合具备感知、判断的能力并实时与用户、环境互动。以智能手机为例, 除了AI芯片使手机运行速率、反应时间商更快之外,手机上的智能语音助手、生物识别、图像处理等AI应用也给用户带来多维度的智能体验。国产手机四大巨头Vivo、小米、华为和OPPO先后在2018年推出主打AI功能的旗舰机,显示智能产品的市场潜力不容小觑。

生产制造

人工智能嵌入生产制造环节,可以使机器变得更加聪明,不再仅仅执行单调的机械任务,而是可以在更多复杂情况下自主运行,从而全面提升生产效率。随着国内制造业自动化程度提高,机器人在制造过程和管理流程中的应用日益广泛,而人工智能更进一步赋予机器人自我学习能力。

结合数据管理,导入自动化设备及相关设备的联网,机器人通过机器学习分析,可以实现生产线的精准配合,并更准确的预测和实时检测生产问题。目前主要应用领域:

 

产品质检:借助机器视觉识别,快速扫描产品质量,提高质检效率。而且,因为这些系统可以持续学习,其性能会随着时间推移而持续改善。汽车零部件厂商已经开始利用具备机器学习算法的视觉系统识别有质量问题的部件,包括检测没有出现在用于训练算法的数据集内的缺陷。AI视觉技术企业波塞冬可以实现精度为0.1mm的汽车电镀件外观不良检测;阿丘科技将AI和3D视觉技术用于工业质检和分拣,于今年1月完成800万美元A轮融资;高视科技将AI视觉用于屏幕质检,已完成超过5000万元的A轮融资;瑞斯特朗则聚焦在纺织布料质检。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第8张


智能自动化分拣:无序分拣机器人可应用于混杂分拣、上下料及拆垛,大幅提高生产效率。其核心技术包括深度学习、3D视觉及智能路径规划等。矩视智能科技的NeuroBot解决方案可柔性地将物料在无序或半无序状态下完成分拣, 提高生产效率并节约成本。其核心技术分为三类:AI——通过采用深度学习技术,把人工的检测经验转化为算法,从而实现自动识别和检测;3D/2D视 觉——利用机器视觉完成物品的位姿估计,并辅以深度学习算法实现复杂场景的抓取点计算;嵌入式AI——采用嵌入式GPU(如Nvidia的TX2)为深度学习提供硬件支撑,保持算力充足。

 

预测性生产运维:制造企业会借助人工智能减少设备故障提高资产利用。利用机器学习处理设备的历史数据和实时数据,搭建预警模式,提前更换即将损坏的部件以避免机器故障。美国创业公司Uptake凭借大数据、AI等技术提供端到端服务,以工业设备故障预测分析、性能优化为主营业务。国内创业企业智擎信息的故障预测解决方案可以提前2~4 天预判故障,从而降低运维成本和备品备件库存成本,提升设备可利用率和整体运转性能。

 

生产资源分配:人工智能可以针对消费者个性化需求数据,在保持与大规模生产成本相当、甚至更低的同时,实现柔性生产,快速响应市场需求变化。阿迪达斯今年4月在美国开设全球第二家智能化工厂Speed Factory,按照顾客需求选择配料和设计,并在机器人和人工辅助的共同协作下完成定制。工厂内的机器人、3D打印机和针织机安由计算机设计程序直接控制,这将减少生产不同产品时所需要的转换时间。

 

优化生产过程:人工智能通过调节和改进生产过程中的参数,对于制造过程中使用的很多的机器进行参数设置。生产过程中,机器需要进行诸多的参数设置。例如,在注塑中,可能需要控制塑料的温度、冷却时间表、速度等。这些参与会后受到外部因素影响,如外界温度。通过收集所有数据,人工智能可以自主改进自动设置和调整机器的参数。

智能供应链

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第9张


需求/销量预测:需求预测是供应链管理领域应用人工智能的关键主题。通过更好地预测需求变化,公司可以有效地调整生产计划改进工厂利用率。人工智能通过分析和学习产品发布、媒体信息以及天气情况等相关数据来支持客户需求预测。一些公司还利用机器学习算法识别需求模式,其手段是将仓库、企业资源计划(ERP)系统与客户洞察的数据合并起来。

 

仓储自主优化:智能搬运机器人大幅提升了仓储拣选效率,减少人工成本。以搬运系统为例,系统根据生产需求下 达搬运任务,机器人会自动实现点对点的搬运,在工厂和仓库内运输物品的机器人会感应障碍调整车辆路线从而实现最佳路线。机器学习算**利用物流数据——比如材料进出的数据、库存量、零件的周转率等——来促进仓库自主优化运营。如算**建议将低需求的零件转移到更远的地方,并且将高需求的零件放到可以更快获取的附近区域。极智嘉科技以物流机器人及智能物流解决方案为重点,研发机器人拣选系统、搬运系统和分拣系统等,通过机器人产品和人工智能技术实现智能物流自动化解决方案。机器人搬运系统通过移动机器人搬运货架/托盘实现自动化搬运。有效提升生产柔性,助力企业实现智能化转型。实现自动进行路径规划及取放货架托盘动作,实现了工厂车间无人化的智能搬运。

 

人工智能仍处在其发展早期,技术突破及商业论证需要更长时间。另外,人工智能应用环境和基础设施的完善程度, 信息和安全法规、企业自身的能力都成为企业面临的主要挑战。对于尚未部署人工智能的制造企业来说,缺乏投资人工智能的商业论证、尚不具备建立和支持人工智能的系统能力、尚不明确部署人工智能的前提为主要挑战。

 零售:人工智能应用从个别走向聚合

受益于零售行业的数字化转型,人工智能已渗透到零售各个价值链环节。随着各大零售企业加入电商巨头和科技企业纷纷布局人工智能,人工智能在零售行业的应用从个别走向聚合,零售行业拉开利用人工智能转型的大幕。

 

人工智能零售行业应用落地在全球高速增长。据Gartner预测,到2020年,85%的消费者互动将通过人工智能实现自动化管理。Global Market Insights数据显示,2018—2024年间全球人工智能在零售领域应用年均复合增长率(CAGR)超过40%,应用市场规模在2024年达到80亿美元,其中亚太市场CAGR超过45%,主要由中国和印度市场带动。从技术领域来看,视觉识别/搜索技术相关应用CAGR 45%,机器学习相关应用CAGR超过42%。

 

人工智能在零售领域应用为绕人、货、场、链进行构建,不同场景面向不同: 面向消费者的需求预测、个性化营销、购买体验以及智能客服,主要诉求是持续有效的吸引消费者参与;面向货品应用主要有利用智能货架协助支付、盘 点、促销、定价等功能;面向门店的店铺选址、店内购物体验、无人店铺等, 主要诉求为实现店铺投资的效益最大化;面向供应链的智能定价、智能配送和仓储,主要诉求是效率的提升。

我们不妨先来看看顾客Jane在从进店到离店的过程中可能体验到哪些人工智能支撑的服务:

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第10张


持续有效吸引消费者参与

人工智能可以实现规模化、自动化和前所未有的精度,当用于超细微客户细分和上下文交互的时候,可推动客户体验。

 

用户画像。用户是谁?用户需要什么样的商品?需要什么服务?期望以什么价格购买?这些问题依然是零售商最关心的问题。商家在与顾客的互动中,产生大量数据,再通过不断的用户消费数据积累、机器学习,可以深入地分析和了解消费者偏好和需求,并为每一位顾客标注几十甚至上百个标签,如购买力、消费信用、品牌偏好、行为特征、社会关系等,从而形成对应的用户画像和知识图谱。用户画像是精准营销和大规模个性化推荐及服务建立基础。阿里智能推荐系统在去年“双十一”为用户生成专属货架567亿个,研究表明,个性化页面的销售转化率比传统页面提升20%。百分点的用户画像允许商家调整人群指标及权重值,选择适合的用户群开展营销。其某大型百货公司营销项目中, 有效提升其活动业绩,降低拉新成本, 平均获客成本减少70%以上,转化率提升超70%。支付作为消费的必备环节之一,蕴藏着大量的用户数据。聚合支付通过分析支付习惯偏好、支付习惯、频率等,为提高客户忠诚度、促销节奏推动提供参考。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第11张


多层次线上购物体验。以图搜图功能解决了文字搜索难以定义和准确描述的问题,为消费者提供更方便的搜索方式和准确性更高的搜索结果。码隆科技的ProductAI是一个人工智能视觉开放平 台,通过开放API为电商企业提供拍照搜索商品和商品属性识别服务。ProductAI 可以根据图片识别商品并对商品进行归类、匹配,通过深度学习多维度解析图像信息,提取识别商品品类、颜色、材质、价格等多重信息;还可以根据电商数据库搭建定制图像搜索引擎。极睿科技的AIFashion在线上为消费者提供包括以图搜图、商品自动归类标签化、社交媒体图片商品化等多层次购物体验;对于线下,则有智能试衣镜、个性化橱窗这样实现线上线下体验融合的功能;此外,还为服装设计师提供图片库,以及AI辅助设计服务。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第12张


智能客服体系。人工智能客服体系,从顾客提问开始进行语义理解与问题识 别,并对识别的问题进行大数据搜索, 分析顾客的问题含义,寻找知识图谱, 进行答案匹配与决策。人工智能客服 实现24小时客服在线,随时解答顾客 问题,提高客户满意度,也为节省商家人力成本,把人力从枯燥高压的工作中解放,去做更具价值的工作。阿里云智能客服机器人云小蜜可以实现基于知识库的知识咨询和问答,结合多轮对话 配置工具,可以将业务集成到机器人 会话中,如订单查询、物流跟踪、自 助退货机器人等。云小蜜每天能够为600万客户服务,问题解决率达到95%,拥有36个行业知识库,可以7*24小时提供多语言服务。智能一点的萝卜塔(ROBOTA)AI大脑通过机器自主学习和人机协同的方式,并基于用户意图的对话模型,结合行业知识图谱,提高售前导购的转化和复购。萝卜塔将运用在线上线下两大场景,线上场景推出售前导购机器人和售后服务机器人;线下场景则有智能硬件机器人、线下导购机器人、智能货架等。

智慧货品管理

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第13张


智能货架。智能货柜设备背后其实是 一个基于云后台的ERP,包括商品定价设置、自动捕获提醒、促销活动设计等等。图匠数据的智能货架洞察系统 包括APP、智能货架洞察系统、全国门店仪表盘三个层级组成部分。业务员通过APP拍摄货架商品,数据会上传到云端进行分析,并在几分钟内生成分析报告,包括上架商品的分销、陈列、促销、价格等关键货架KPI信息。管理人员可以通过“智能货架洞察系统”查看分析结果,掌握一线门店的销售执行情况。总部可以通过“全国门店仪表盘” 查看和掌握全渠道的真实情况,反馈整改要求,调整销售策略,优化渠道管 理。

重新定义门店

智能店铺选址。中国零售从线下走到线上,又从线上回归到全渠道发展服务客户的商业本质。线下零售的需求正在重启,商家开店的需求必将持续增长。人工智能选址通过结合各种数据,如历史销售数据,人口经济数据,到竞争者的距离等数据,可以把选址模型的颗粒度和数据相关性分析提到新高度。地段分析通过圈定商圈范围,实时查看预选店址周边人流量,以及区域内客流的变化趋势,评估是否能满足店铺客流量。选址对比可以实现用户同时预选3—5家店址,对比连锁总店、行业、不同时段人流等,计算分析最佳店铺地址。极海纵横信息技术利用地理大数据为零售企业提供新店选址与撤点选择服务,即机器学习基于位置的会员特征,并基于网点影响范围内人流属性、竞品店铺、商业企业共生资源、交通便利程度等对区域或网点进行加权评分,建立销售测算模型预测店铺营业效果。

智慧门店。门店通过店内传感器、摄像头、无线网络、电子价签等,将移动销售点(POS)与电子商务、社交型客户关系管理及库存管理系统相结合。视觉处理技术可以通过数字相机对特定区域或者特定消费者进行追踪和监控,人脸识别技术对消费者进行快速识别,针对不同身份和会员等级的消费者进行快速提醒以便进行针对**务。为消费者提供实时购物信息,让他们能更清楚地了解库存、价格变动、促销活动等情况。同时通过记录顾客的停留目标、停留时间、游走路线,客流量的大小以及最终购买情况, 帮助企业更精准了解客户需求。云从科技利用视觉识别技术,通过门口安装的摄像头,抓拍消费者人脸,当系统识别出该消费者是熟客之后,再通过App将包含人脸的熟客信息告知门店运营人员,使其为消费者提供个性化服务和营销,引导其消费行为,促使成单。京东的智能屏幕显示广告,可以根据屏幕前有无观众和观众的年龄、性别、甚至是否以前光顾过该商店,进行相应广告内容的更新和改变。通过这一技术,有效提高了广告的精准投放水平。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第14张


无人零售。目前中国无人零售由互联网龙头、创业企业、零售商三方主导。预计互联网巨头未来并不会在线下大规 模开设无人实体店,而旨在搭建生态系统,通过无人零售解决方案赋能传统实体。创业企业,以深兰科技、F5未来店为代表,且大部分已经获得天使轮或A 轮投资。深兰科技近期推出自动驾驶商用车为用户提供“移动零售”服务。经过改装的自动驾驶商用车在固定时间进入社区、商区,用户收到通知,只需在楼下等待,待自动驾驶车拉载的“便利店”抵达,通过手脉识别,便可直接进入车内选货,由此节省中间的交通、时间成本。实体零售巨头也纷纷布局,如天虹Well Go,苏宁体育Biu、居然之家EATBOX等。

智慧供应链

智能定价。在人工智能时代,零售企业利用数据驱动来进行智能定价无疑是重要的策略。大型零售商需要百万、千万级别的SKU,它们之间会有很强的关联性、互补性、替代性,以及季节因素或产品生命周期的因素。杉树科技通过分析这些因素并给出SKU定价。更复杂的应用还包括人工智能定价围绕零售企业日常价格变动信息以及相对应的销售数据,结合用户画像信息以及外部辅助数据信息,通过数据算法模型,自动生成零售企业商品的定价策略和建议,围绕收益管理目标要求,给出相应的决策建议,形成智能定价方案。阿里推出的改价机器人可以通过强化学习,去平衡成本和毛利,与竞品自动比价,进行动态调价,通过库存调控,实现销售额的最大化。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第15张


智慧物流。零售前端面向用户的是电商平台、淘宝店、超市等形态和场景,但后端是一套复杂的物流仓储体系,调配着商品以最快的速度向消费者流动。整个物流网络连接用户和商品的时效性越高,体验就越好,流转的效率越高,成本就越低。阿里机器智能团队与菜鸟网络的算法工程师共同研发了一套算法,能够在顾客下单的瞬间,迅速计算出需要包装箱的个数,商品在箱子里面如何摆放最节省包装,整个计算过程不足1 秒,而菜鸟网络的仓库较过去减少5% 以上的包装材料,相当于2015年天猫双11当天节省了2300万个包装箱。创业企业悠桦林在干线运输的调度、仓库选址与配送路径规划方案是运用机器学习, 让算法先向人工经验学习,在此基础上做运筹优化,从而增加结果的落地性和可执行性。杭州蓝芯科技专注于实现机器人智能感知和控制。在电商仓储中, 智能搬运机器人可以完成大宗货物的转移、进出库、拣货或补货作业。通过多机调度系统,实现搬运机器人大规模协同工作,以应对电商仓储高频次业务。

 

仓储管理。智能仓储机器人替代人工仓库出入库、分拣等工作,相比人工操作实现效率提升、出错率下降。同时由于机器对温度的适应性比人高(80度到零下40度),可以在特殊环境下进行操 作。有了人工智能作为超级大脑,机器人、无人机、无人仓将让存货情况更加精准,这类系统可以与现有存货管理系统整合,商品流通变的更加高效。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第16张


人工智能在零售行业各个环节加速渗透,未来人工智能在零售领域的值得关注的议题有:

• 人工智能加速线上线下融合。人工智能给予市场参与者更多的手段进行数字化的消费者关系管理,这将加速线上线下融合,在C端更好地满足消费者的个性化体验;在B端帮助商家进一步优化它的成本和费用结构,开源节流。

应用场景进入碎片化大规模实验期。人工智能在各个零售环节多点开花, 应用场景碎片化并进入大规模实验 期。有些应用还处于早期,如无人零售和店内使用机器人,并没有十分明确有效的提高客户体验和帮助成本缩减的商业实证出现。在应用场景尚不明朗的情况下,零售商还将与创业企业进行大量实验,寻找最佳切入点。

医疗:人工智能加速医疗技术革新

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第17张


在人口老龄化、慢性病患者群体增加、优质医疗资源紧缺、公共医疗费用攀升的社会环境下,医疗人工智能的应用为当下的医疗领域带来了新的发展方向和动力。随着人工智能技术在医疗领域的持续发展和应用落地,这个行业将极大简化当前繁琐的看病流程,并在优化医疗资源、改善医疗技术等多个方面为人类提供更好的解决方案。

从市场需求来看,由于中国医疗资源的短缺和分配不均,更加开放和高效的医疗解决方案成为了市场急迫的诉求。在技术发展上,随着中国在与医疗健康相关的计算机视觉、自然语言理解和数据挖掘等方面的长足进步,医疗人工智能在应用落地上有了更多的技术支持。

医疗领域的人工智能在快速发展的同时也受到了来自传统观念、技术、人才、监管方面的挑战。在传统观念方面,传统的“望闻问切”的诊疗模式已经根深蒂固,作为人工智能的医疗应用受众的医生和病患对于新技术的接受程度是考验智能医疗从业者的一个问题。从技术来看,智能医疗需要海量的数据和复杂的训练框架,同时拥有这两个技术实力的企业并不多,在对复杂学科的联合诊断等算法上存在技术瓶颈,此外智能 医疗行业技术和产品同质化明显。人才的短缺也是医疗人工智能市场的制约因素,在中国,既懂医疗,又懂技术的复合型、战略型人才尤其短缺。在监管方面,由于医疗行业是关乎人类生命安全的领域,涉及病患的医疗数据应该保证绝对的隐私和安全,并需要严谨的法律法规进行监管和保护。

 

截至目前,医疗人工智能技术已基本覆盖医疗、医药、医保、医院这四大医疗产业链环节。从应用场景来看,智能诊疗、医院管理、健康管理是三个率先尝试产品落地的领域。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第18张


智能诊疗

智能诊疗就是将人工智能技术用于辅助诊疗中,让计算机“学习”专家医生的医疗知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案。智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。

 

截至目前,智能诊疗已经在中国落地了多个项目,最具典型性的是IBM沃森智能诊疗平台等解决方案。沃森肿瘤专家(Watson for Oncology)是IBM研发的认知计算系统,应用于肿瘤医学领域并辅助肿瘤治疗。沃森智能诊疗系统结合医惠多学科会诊云平台,综合辅诊、会诊等多种诊疗协作方式,沃森认知运算技术作为核心能力,为医生讨论提供充分的临床实证支持,并协助病患数据传输、知识库建立、与院后随访功能,形成全程闭环管理。

智能医学影像

智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分:一是图像识 别,应用于感知环节,其主要目的是 将影像进行分析,获取一些有意义的信息;二是深度学习,应用于学习和分析环节,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, 促使其掌握诊断能力。

 

目前包括科大讯飞、腾讯均已进军智能医学影像领域。腾讯觅影的图像识别、深度学习等领先的人工智能技术,辅助医生对食管癌进行早期筛查,发现准确率高达90%,帮助患者更早发现病灶。国内还有健培科技、医渡云、智影医疗、睿佳医影RayPlus、迪英加等公司也致力于将人工智能与医学影像结合来服务于医疗。

智能健康管理

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第19张


智能健康管理是人工智能技术应用到健康管理的具体场景中,利用医疗传感器监测个人健康状况。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。随着人工智能的发展,大数据从个人病历、POCT设备、各类健康智能设备、手机APP中大量涌现。健康管理行业因其预防、调养的基调和个体化管理的特性,正在成为预防医学的主流。如杭州认识科技,产品设计方向聚焦在通过医疗信息学、临床医学知识及虚拟人技术的应用,为医疗行业提供虚拟医生院后随访服务。

健康管理存在巨大增长空间和抗经济周期的特点。数据显示,2017年中国互联网健康管理平台交易规模已达279亿元,在人工智能赋能下的在线管理平台预计2018年将突破400亿元。2020年 后服务家庭的综合平台和以家庭为单位的社区服务平台或将迅速发展,届时, 中国互联网健康管理交易规模有望逼近千亿。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第20张


对医疗领域的人工智能的企业而言,除了解决现实医疗行业切实的痛点和提升效率之外,还需通过商业落地以实现企业的长远发展。目前涉足医疗人工智能产业的企业大致可以分为三类:创业公司、互联网巨头和传统医疗相关企业。由于互联网巨头着眼产业链布局,且实力雄厚,目前并没有刻意的寻求变现模式。对于传统医疗相关企业而言,涉足医疗人工智能技术是希望其为自己的产品带来附加值效益,因此对于变现和商业模式也并没做过多的探索。目前,创业公司是医疗人工智能商业模式的主要探索者。

目前医疗行业的创业公司主要以提供技术服务解决方案软件为主。他们的服务对象为:病患、医院、政府、保险公 司、制药公司、器械厂商、体检机构、医疗科研机构。摸索中的主要盈利方式包括:出售产品功能收取年费,一次性出售产品权限,按使用次数收费。

以上的盈利方式从形式上看略显单一, 且目前对技术成熟度、使用效果、产品落地等方面尚在摸索中的初创企业来说仍然较难实现盈利。此外,现阶段医疗人工智能是否能进入诊疗收费项目名录中存在争议,这也制约了医疗人工智能商业化的速度。

综合外部和内部因素看,为了推进医疗类人工智能产品商业化以下四个问题急需解决:病患和医院对新技术的接受程度;国家药监局认证的周期;由于资金薄弱,创业公司较难实现规模效应;亟待提高的产品落地解决方案。

汽车:人工智能重塑汽车产业生态

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第21张


人工智能时代,与汽车相关的智慧出行生态的价值正在被重新定义,出行的三大元素“人”、“车”、“路”被赋予类人的决策、行为,整个出行生态也也会发生巨大的改变。强大的计算力与海量的高价值数据是构成多维度协同出行生态的核心力量。随着人工智能技术在交通领域的应用朝着智能化、电动化和共享化的方向发展,以无人驾驶为核心的智能交通产业链将逐步形成。

 

从用户的需求来看,作为出行的核心驱动,人们的生活已经离不开汽车,但随着汽车保有量的增加,事故、拥堵、 污染等负面影响逐渐显现,需要新技 术新方法提高交通的安全性、舒适性、经济性以及环保性。传统厂商寻求技术突破,主流厂家无论是技术端还是制造端对于跨界合作已经形成了一种共识, 数据和连接将会是智慧出行时代的关键词。技术公司已与有关部门、汽车制造公司展开跨界合作,实现资源的有效对接和合理配置。智慧出行首先需要强大的计算力与海量的高价值数据是构成多维度协同出行生态。

 

自2000年以来,关于汽车的智能化功能开始出现。GPS、传感器为无人驾驶的出现提供了数据和应用上的支持和准备。从GPS的推广开始,各科技和汽车厂商开始了大规模个人出行的数据积累,这些数据使人工智能得以通过海量数据学习驾驶要领。传感器在汽车中的应用使汽车具备了局部实时感应和判断的能力。例如汽车的ABS、安全气囊和ESC等都从功能上辅助了汽车舒适度和安全性的提升。真正的汽车智能化开始于21世纪的第二个十年,随着谷歌在人工智能技术上的率先发力,关于应用于汽车中的人工智能也相继出现。主要功能体现在车道变更,停车入库等多个方面。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第22张


从技术的发展来看,目前国内外智能驾驶技术多处于Level 2至Level 3的水平。虽然关于人工智能的系统和算法已经日趋成熟,但值得注意的是许多自动驾驶的测试环境仍然处于实验阶段。上路后的无人驾驶一旦出现事故将面临用户的信任危机。

目前,人工智能在无人驾驶领域即将落地的应用包括无人货运、无人共享汽车。

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第23张


无人货运

在物流领域,无人驾驶可以应用在长途卡车运输、封闭道路上的配送,以及同城运送上。无人驾驶技术的普及,能够在增加道路上卡车数量的同时,降低人为造成事故导致的死亡率,从而节约整体成本。其中,前两个领域已经有巨头和创业公司在布局,近期,近日苏宁和京东分别宣布在中国和美国硅谷测试了它们的L4级别的无人驾驶重卡。

 

无人货运技术的实施主要解决的是货车盲区大、机动性差、稳定性差和结构松散的特点。而通过人工智能的多传感器在线标定、多传感器融合、远距离感 知、精细化建模&控制、多目标优化决策等技术,将解决以上问题。

 

无人驾驶重卡一旦实现商业化,既能解放司机劳动力,又能实现企业节能减排目标,为应对全球气候变暖做贡献。但一切技术都是有限制的。由于重型货车的电耗巨大,长途运输中的电池续航在经济上尚不可行。

 

截至目前,中国已成为世界第一大公路运输市场,公路货运整体周转量为610亿吨公里,公路货运市场规模约9万亿元。中国当前的轻卡数量约在1400万 辆,市场规模在2.9万亿元,重卡数量 在500万辆左右,市场规模在6.1万亿左右,虽然在数量上低于乘用车1.2亿的保有量,但大于后者1.2亿的市场规模。

无人共享汽车

 2018 人工智能五大行业应用发展必读 人工智能资讯报道_AI资讯 第24张


无人共享汽车是未来无人驾驶的应用场景之一。目前国内个人私家车的的使用率仅5%,加之出门限行单双号等政策的不断推行,都市中的年轻人越来越倾向共享出行。根据中国公安部2017年公布的数据,国内有证无车的人群达到2.15 亿,并且每年新增3300万拿证人群,且拿证人数逐年递增。

 

而目前以人驾驶为中心的共享汽车行业存在着诸多问题,成本高、车位少、规模小、车况差、盈利难、安全性差。无人驾驶的出现可以解决目前共享汽车领域的诸多痛点,从过去的“人找车”, 变成了现在的“车找人”。用户只需通过手机APP预定,附近闲置车辆通过自动驾驶技术与使用者“汇合”,当用户结束行程之后,汽车可以自动返回到附近固定停车位,极为便捷。随着我国现在无人驾驶技术日渐成熟,一些企业已经完成了无人驾驶共享汽车的应用测试。

目前,百度开始测试其开源的阿波罗软件系统(Apollo,用于开放道路上的自动驾驶)。阿波罗已经被芯片制造商和小型初创公司应用于自动驾驶汽车,博世、戴姆勒和福特等传统车企相继关注。