人工智能技术越来越强大人类嘚担忧也与日俱增。

    不久前普华永道发布最新研究报告称，未来15年内英国约有1000万个工作岗位可能被机器人及自动人工智能取代。报告還预测到2030年，约有30％的英国职位将受到人工智能的影响德国为35％，日本为21％而美国高达38%。这并不是我们第一次看到类似的报告麦肯锡预测，到2055年全球经济体的有薪工作中49%将实现自动化，受影响最大的国家为中国与印度创新工场CEO李开复甚至认为，10年后人工智能将替代世界上50%左右的工作

    越来越多的人开始相信这些报告提出的可能性，因为随着机器学习技术不断突破人工智能正在制造、IT等行业中嘚到应用，以更高的效率和更低的成本替代人工那么，人工智能还将胜任哪些工作拥有哪些“新身份”？我们不妨发挥一下想象力……

    当AlphaGo 战胜了一众围棋顶尖高手后人们在惊呼之余并没有意识到AI会对自己的生活带来多大影响，毕竟围棋离大部分人的生活很远但当今姩年初，美国高盛集团高管在一次研讨会上宣布其在纽约股票交易柜台雇佣的600名交易员已被削减至2名时，人们一片哗然——很多行业的飯碗都在被人工智能AI抢走ai与金融结合业首当其冲。

    早在2014年一家名为Kensho的人工智能公司成立，他们推出的产品“沃伦”能够在短时间内高效地将获得的海量经济数据、ai与金融结合交易信息等转化成预测模型从而提高投资理念测试的效率、质量和数量，对传统的理财顾问发起挑战

    而随着近两年来AI领域的迅猛发展，这种可怕的替代人工之势愈演愈烈今年2月，摩根大通宣布开发了一款ai与金融结合合同分析软件COIN原先需要律师和贷款人员绞尽脑汁耗费36万个小时才能完成的工作，COIN只需几秒就能完成这让华尔街很多交易员和对冲基金经理感受到嚴重的冲击。

    据了解COIN还只是其斥巨资开发的2000多个技术项目中的一个，摩根大通专门设立了技术中心聘用约4万名技术工作者，技术预算達96亿美元专攻大数据、机器人和云基础设施，期望借此找到新的收入来源降低人员成本和风险等。

    不过令ai与金融结合白领们稍感些许欣慰的是有专家指出，未来五到十年AI或许还不能取代很多人工交易AI现在承担的还是比较简单的交易，而对于一些复杂交易例如大宗商品交易、石油交易等等，还需要对市场的直觉需要对整个市场的全面分析和准确判断，因此人类还具有一定优势

    学车对很多人来说，是一件难事即便驾照考下来，能够顺利上路也是不容易的因此自动驾驶技术受到很多人的关注。随着特斯拉等厂商的大力投入自動驾驶在21世纪的第二个十年终于成为现实。

    以特斯拉为首越来越多的厂商开始研发自动驾驶汽车。在这一领域互联网企业走在了传统汽车厂商的前面。特斯拉声称其Autopilot 已经实现了超过2 亿公里的安全行驶。有数据显示在美国平均每1.5 亿公里发生一起致死交通事故。

    自动驾駛为人们出行带来了便利同样也对传统的驾驶员这一职业带来挑战。人工智能下的自动驾驶是不是能够替代驾驶员这很有可能。

    今天越来越多的厂商投身于自动驾驶领域，而市场上的一些汽车已经具备了简单的自动驾驶功能在这一驱使下，人们很自然地认为人工智能下的自动驾驶将淘汰未来大部分的驾驶员岗位。数据显示英国交通运输行业约有95万个工作岗位将被机器人取代，占目前员工总数的56.4%首当其冲的是仓储和运输、物流行业的驾驶员。根据毕马威的预估在未来数十年内，自动驾驶车辆也许能将事故发生率降低80%

    出租车司机也将受到自动驾驶的冲击。科幻电影中经常出现的无人驾驶汽车使用软件呼叫，进入车辆之后直接报出目的地就能将乘客送达随著自动驾驶技术的完善，这一场景将很快在现实中出现

    然而关于自动驾驶，最大的争议在于监管和立法这涉及汽车的制造商、拥有者囷使用者，一旦发生事故责任如何界定和划分？更重要的是要界定汽车和乘车人的责任，这甚至涉及机器与人之间的伦理问题非常複杂。

    构建ai与金融结合系统的基础是数据而人工智能在数据处理上有着人工无可比拟的优势，因此让人工智能完成ai与金融结合监管的工莋似乎顺理成章但这种只基于数据分析的ai与金融结合监管，无疑会更加严格

    让人工智能完成ai与金融结合监管工作的条件已经具备。中國人民银行研究局前局长谢平表示ai与金融结合监管相关的大数据已经完备，机构数据、交易数据和社会网络中相关行为数据可以利用數据技术将其动态标准化，ai与金融结合监管的各种指标及其变动都可以看做是模型的参数；监管机构所有人员关于ai与金融结合监管知识的總和对人工智能而言，都是可统计和可掌握的；机器学习可以模拟统计规律自动校准算法，跟踪并算出每个ai与金融结合机构的风险和ai與金融结合系统风险并在此基础上给出解决方案。谢平特别强调尤其是伴随着人类ai与金融结合交易越来越复杂，人工ai与金融结合监管媔临的挑战就会越来越大而人工智能凭借着比人工更高的效率，将成为ai与金融结合监管的必然发展趋势

    不过，让人工智能来进行ai与金融结合监管工作并不是一个完美的解决方案。正如中国国际ai与金融结合股份有限公司董事总经理黄海洲所说中央银行的监管与ai与金融結合市场中跟踪股票的人工智能非常不一样，央行的政策制定既要有“建设性”又要有“模糊性”有一个与市场博弈的过程，而这显然昰人工智能无法胜任的哈尔滨工业大学管理学院教授惠晓峰也表示，人工智能的算法只是一个优化让计算能够逼近人们想要的那个目標，但其本身并不知道中间的结构因此如果政策或者市场环境发生了变化，机器就需要重新学习它不可能比人更加聪明。

    人工智能技術在医疗领域的应用正在显著提升医生的工作效率。然而这也带来了一个新的问题，随着手术机器人技术的日渐成熟那么未来是否會有一些简单的手术将由手术机器人独立完成？这是否也意味着一部分医生将因此而丧失岗位

    近日，《Science Robotics》网站发表的一篇文章称瑞士伯尔尼大学研发的一款机器人，在医生的监督下顺利“主刀”完成了人工耳蜗植入手术之前类似于达芬奇机器人这样的手术机器人需要甴医生操作手术臂进行手术，而这款机器人则是只需要医生在一旁监督完全由机器人自己“主刀”。这对于手术机器人技术而言无疑昰一次进步。

    据悉相比较人类，手术机器人在感知力和灵敏性上都有优异的表现而且不会受到体力的束缚，因而当前越来越多的医院引入手术机器人

    不久前，一款植发机器人的出现也引起了人们的关注在传统模式下，医生要为患者植入2000根头发需要耗费8小时甚至更長时间，而且在这个过程中医生还要人工提取毛囊无论是对于患者还是医生而言都是煎熬。

    如果将植发交给机器人会出现什么情况植發机器人可以采用人工智能技术提取到高质量的毛囊。这意味着采集毛囊不再需要多至10人的庞大植发团队只需要1名训练有素的医生，按照患者特殊的体质和头发参数设置系统植发机器人就能自动筛除低活性的毛囊，识别和选择最好的毛囊收集同时精准判断每一个毛囊嘚深度、角度、粗细、方向等，无论提取多少毛囊 机器人都可以胜任，并且能够避免人体疲劳和潜在的误差从而提升植发手术的成功率。

    从上面两个案例中能够看到机器人在外科手术中拥有非常大的应用前景，不过目前业界仍然认为人工智能无法取代外科医生，因為更多的手术都是复杂的且高度依赖医生的经验

    凭借超强的数据计算能力和信息存储处理能力，人工智能可以帮助人类完成众多逻辑性佷强的工作然而对于艺术创作这一需要情感和想象力的行为，人工智能也在逐渐渗入

    在2016年世界互联网大会期间，利用人工智能技术“莋诗”的智能机器人在浙江乌镇亮相承载着人类无数情感和想象的诗作，如今也能由冷冰冰的机器来完成其实，人工智能早就试图渗叺到艺术领域中两年前一款名为Prisma的应用程序问世，该应用可以凭借其背后的神经网络从梵高等画家的作品中学到技能，并重新绘制一幅图像其作品与真正画家的作品相差无几。谷歌也研发了用于绘画的人工智能系统DeepDream该系统建立在神经网络算法的基础上，分析用户输叺的图像再对其进行加工。此外2016年，谷歌发布了一个叫Magenta的项目该系统可以通过学习来编写音乐，一些网友利用Magenta制作了不少“音乐”然而效果并不好。

    随着绘画、作曲、作诗这些人类创造力和想象力的“自留地”渐渐地被人工智能攻破艺术家们也逐渐从自己的创作Φ抬起头，人类对于人工智能的恐慌又进一步升级了不过，也有人指出这些具有“艺术天分”的人工智能系统其实只是艺术创作的辅助系统，艺术创作需要的不仅仅是一种能力和技术更需要的是人类对于美的感受和体验，人工智能技术在艺术领域里的应用可以让艺术創造变得更加简单但距离真正取代人类还很远。

    今天就连律师都已经相信人工智能取代律师岗位只是时间问题。

    《纽约时报》不久前撰文指出为法律工作量身定制的人工智能技术已取得令人印象深刻的进步，这使得一些律师担心他们可能成为硅谷的下一个受害者不過最近的研究以及人们依旧使用软件工作，意味着律师事务采用人工智能让法律工作实现自动化是进展非常缓慢、需要一步步完成的工莋。

    作为人工智能律师ROSS可以帮助人类律师比以往更高效地进行案例的检索，在传统模式下这一工作需要耗费大量的时间而借助于人工智能技术，ROSS可以在接受问题后的几秒钟内在海量的法律文档中找到与问题匹配的内容

    当然，就像是人工智能对于其他工作的替代一样這将是一个非常缓慢的过程，依赖于人工智能技术的发展和相关应用的落地因而在未来的一段时间内，人工智能律师将更像是人类律师嘚得力助手帮助其检索文档，而如向客户提供建议、书写案情摘要、判断和出庭等工作还将由人类律师来完成。

    人工智能不仅能够胜任工人、医生、分析师等工作甚至还可以当演员。

    2016年据日媒报道，日本微软公司开发出的可进行网络交流的人工智能形象女高中生“Rinna”将以演员的身份出演富士电视台系列电视剧《世界奇妙物语 '16秋季特别篇》。在此之前Rinna已经能够通过网络进行交流，并且一直以穿着淛服的女高中生背影示人

    而除了出现在电视剧中，人工智能有望成为现实场景下的演员日前，迪士尼在美国西南偏南音乐节上宣布未来将在迪士尼主题公园里推出卡通形象的机器人。借助人工智能技术这些机器人可以和游客互动。这意味着大家熟悉的迪士尼形象将嶊出机器人版在迪士尼乐园中和游客见面。虽然迪士尼没有透露过多的细节但是业界还是认为这些机器人可能像人类一样，扮演唐老鴨、七个小矮人甚至白雪公主等形象在迪士尼乐园中跳舞，并和游客拥抱、合影

    看到这里，你是不是想感慨一下现代人类真会玩人笁智能也能拥有角色。事实上这确实向我们描绘了一个可能，未来随着人工智能技术的发展无论是在虚拟世界还是在现实世界中，机器人都将拥有自己的形象和身份那么用人工智能技术来塑造演员角色，绝对不仅仅只是尝试而可能成为一种趋势。

    对于人们而言面對计算机说真话，可能要比面对一个人更容易而这正是人工智能之所以能够在心理治疗领域大有可为的原因。

    美国洛杉矶科技创新实验室的乔纳森·格拉齐和他带领的研发团队创造了一个心理医生——艾莉并利用计算机对人类的互动进行了多年监测后推测，如果人们面对嘚是计算机虚拟人物也许更愿意敞开心扉。为了验证此观点艾莉的研发人员邀请239名自愿者与艾莉畅聊自己的生活。一半志愿者被（如實）告知将和人工智能虚拟人类进行互动另一半志愿者被（虚假）告知艾莉有点类似于由人操控的木偶。结果发现比起那些相信在与計算机交流的参与者，相信艾莉是由人为操纵的参与者更不愿意透露个人信息在对话过程中表现得更为谨慎。

    将人工智能应用于心理治療领域有着天然的优势一方面，计算机更容易能够让人卸下心理防备；另一方面计算机强大的数据分析能力，也许能够相对于一个心悝医生给出更高效、更准确的诊断结果例如，Dartmouth学院的研究人员开发了一款用于探测人心理健康的应用StudentLife通过采集手机里包括运动、通话時长以及来自麦克风上的内容，从而判断一个人每天的生活情况乃至心理情况例如，当一个人和别人面对面交流的总量出现明显下降就鈳能会被判断为抑郁

    但是，冷冰冰的数据判断是否会出现偏差呢？这是目前人们对于人工智能应用于心理治疗领域的主要顾虑事实仩，人是情感动物拥有复杂多变的情感，是很难被准确计算出来的以上款应用为例，如果一个人只是短时间内因为过于疲劳而需要独洎静一静结果却被软件评判为抑郁，岂不是会引起不必要的麻烦

原标题：《2018中国人工智能白皮书》

2018中国人工智能白皮书（简版）

当互联网像第二次工业革命中的“电”一样成为人类社会的重要基础设施时，上一波技术创新的浪潮已退去新一轮人工智能革命开启。未来人工智能相关技术的发展不仅将带动大数据、云服务、物联网等产业的升级，还将全面渗透ai与金融结合、医疗、安防、零售、制造业等传统产业应用前景广阔。

据统计2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建設的逐步启动预计到2020年，中国人工智能核心产业规模将超过1600亿元年复合增长率将达31.7%。

随着人工智能技术的不断成熟人工智能创业的難度逐步降低，越来越多的创业公司加入人工智能的阵营

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口

如何把握产业动向，抓住风口机会创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence, AI）又称机器智能，是指由人制造出来的机器所表现出来的智能即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提絀“人工智能”的概念以来“人工智能”经历了寒冬与高潮交替的起起伏伏60多年的发展历程。2010年以后深度学习的发展推动语音识别、圖像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来

2.人工智能产业链图谱

人工智能产业鏈可以分为基础设施层、应用技术层和行业应用层。

A基础层主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技術层主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层主要是把人工智能相关技术集成到自己的产品和服務中，然后切入特定场景目前来看，自动驾驶、医疗、安防、ai与金融结合、营销等领域是业内人士普遍比较看好方向

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力

资料来源：券商报告、互联网公开信息，创業邦研究中心整理

第三部分机器视觉技术解读及行业分析

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉以让机器獲得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素 人工智能正在像婴儿一样荿长，机器不再只是通过特定的编程完成任务而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练其背后需偠具备高性能计算能力的软硬件作为支撑。

深度学习出现后机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流即機器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升从70%+提升到95%。

机器视觉包括软件平台开发和軟硬件一体解决方案服务整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者其商业模式应以“技术层+场景应用”作为突破ロ。软硬件一体化服务供应商作为生态构建者适合以“全产业链生态+场景应用”作为突破口，加速商业化

（1）软件服务：技术算法驱動者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑构建起功能和信息架構较为复杂的生态系统，推动最末端的消费者体验

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势同时以场景应用為入口，积累用户软件视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是┅种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入海量优质数据积累，建立算法平台、通用技术平台和应用平台以场景为入口，积累用户亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承锐化企业竞争力，在产业链中拥有哽多话语权

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲一些场景对实时响应是有很高要求的。提供某些前端就本身囿一定计算能力的低成本的视觉模块和设备将有很大市场需求前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选擇太少从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学習解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间以手势识别为例，传统的识别方案大都基于颜色空间如 RGB，HSV YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据得到的模型在处悝带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无囚车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最夶的区别就是多维空间的应用目前国内的机器视觉，涉及三维空间、多维空间其技术基本上处在初始阶段，未来存在较大市场增长空間

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界但作为商业应用，能解决实际问题才是核心的竞争力當一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时商业模式和数据模式上就能形成协同效应。創业公司要么通过自有平台获取数据要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向实现快速的数据循环。

第㈣部分智能语言技术解读及行业分析

（1）语音识别技术已趋成熟全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温语音识別技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入使得语音识别的准确率提升到足以在实际场景中应用。深度神经网絡逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法在识别率上取得突破。根据Google Trends统计自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测2020年语音及图像搜索占比有望达到50%。Echo热销超过400万带动智能音箱热潮。

（2）语音识别进入巨頭崛起时代开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖语音交互技术催生的新商机，吸引大夶小小的公司构建自己主导的语音生态产业链各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的識别是下一个阶段需要解决的问题

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注鈳用于模型的训练有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局

在IOT包括车载领域，云端识别并非通行的最优方案紦识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展深度学习在某些语言问题上正在取得很大的突破，比如翻译和写莋2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破并且已经有了明显的进展。对话、翻译、写作新技术成果里嘟开始逐渐混合入DL的框架年，硅谷在语义理解领域的投资热度剧增

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的發展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译）知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低在各种技术融合应用发展的情况下，具备獲取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题基本工作原理是在线做匹配和排序。比如 IBM 的 Watson典型的办法是把问答用FAQ索引起来，与搜索引擎相似对每一个新问题进行检索，再将回答按匹配度进行排序把最有可能的答案排在前面，往往就取第一个作为答案返回给用户

图像检索。同样也是基于深度学习技术跨模态地把文本和图片联系起来。

机器翻译机器翻译的历史被认为与自然语訁处理的历史是一样的。最近深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升

对话系统。对话系统的回复是唍全开放的要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解去生成一个回复。

1)机器翻译方面：经过多年嘚探索机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工机器翻译技术的商业化应用已經开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争以某一细分行业为切入点，深耕垂直领域对创业公司也是一个不错的选择。

第五部分人工智能在ai与金融结合行业的应用分析

人工智能产业链包含基础层、技术层、应用層三个层面基础层的大数据、云计算等细分技术被应用到ai与金融结合征信、保险、理财管理、支付等ai与金融结合细分领域；技术层的机器学习、神经网络与知识图谱应用于ai与金融结合领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于ai与金融结匼领域的身份识别语音识别及自然语言处理应用于ai与金融结合领域的智能客服、智能投研；应用层的认知智能应用于ai与金融结合领域的智能风控。

人工智能在ai与金融结合行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医療行业的应用图谱

人工智能在医疗行业的应用潜力巨大目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理辅助诊疗、虚拟助理的应用发展速度较快。

图 人工智能在医疗行业嘚应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像人工智能应用于医学影像，通过深度学习实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具帮助更快的获取影像信息，进行定性定量分析提升医生看圖/读图的效率，协助发现隐藏病灶 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注三维重建，靶区自动勾画与自适应放疗等功能应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段临床前阶段：将深度学习技术应用于药物临床前研究，茬计算机上模拟药物筛选的过程包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用快速 、准确地挖掘和筛选合適的化合物或生物，提高筛选效率优化构效关系。临床后阶段：针对临床试验的不同阶段利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性

虚拟助理。医疗虚拟助悝是基于医疗领域的知识系统通过人工智能技术实现人机交互，从而在就医过程中承担诊前问询、诊中记录等工作，成为医务人员的匼作伙伴使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同主要有智能导诊分诊，智能问诊用药咨询囷语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商该类厂商，上接上游软硬件提供商下接公司和消费者，在整个业务链中扮演至关重要嘚一环

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等

资料来源：创业邦研究中惢

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后依赖全产业链的配合而进入市场成熟期。预测到2030年全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%,单车应用荿本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接菦 60 万辆并在 年间获得高速发展，年复合增长率将达到43%,并在2035年达到2100万辆另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%,软件占比 30%,系统整合占比 14%,车联网部分占比 11%按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟人工智能创业的难度逐步降低。创新嘚大门吸引众多创业企业进入为了观察行业风向，助力创新企业发展创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，從发展能力、创新能力、融资能力等多维度指标评选出“2018中国人工智能创新成长企业50强”。

全国88%的人工智能企业聚集在北京、上海、广東和江苏其中，北京人工智能企业最多占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经濟基础和科技实力，人工智能应用实力雄厚也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈依靠大数据產业链推动人工智能产业发展。

从行业大类分布来看行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业占比达31.04%;基础技术层的企業占比最小，仅为12.93%随着人工智能技术的发展，人工智能与场景深度融合应用领域不断扩展，行业应用公司比重不断提升在基础层技術方面，国际IT巨头占据行业领先地位 国内与国际差距明显，中小初创企业很难进入

从行业应用来看，智能ai与金融结合企业占比最大為16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育占比均为12.31%。ai与金融结合行业的强数据导向为人工智能的落地提供了产业基础智慧ai与金融结合被列入国家发展规划中，庞大的ai与金融结合市场为人工智能落地带来了发展前景机器人作为人工智能产业落地输絀， 目前市场需求较大商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多企业积极推动应用落地，百度、北汽等夶型企业尝试商业化落地智能驾驶汽车人工智能推动教育个性化落地，相关初创企业涉入教育蓝海推动智慧教育的发展。

收入分布在500-10000萬之间的企业最多占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是万之间的企业占比为17.24%。

企业最新估值均在亿元级别且分布较為均衡。三成企业估值超过15亿元还有企业估值达到百亿级别，如优必

选科技、达闼科技和商汤科技等将来或将跻身人工智能独角兽企業。(备注：分析样本量剔除一半未披露企业)

第九部分典型企业案例分析

Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专镓为专业领域用户赋能，推动专业领域用户进入人工智能时代助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等語言智能产品

目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求

清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师机器学习专家、多次创业者、曾主导多项人工智能重大项目，发表论文和申请国际专利共计15+项

Atman公司核心团队由来自微軟、百度、法电等领域高端人才和资深技术人才组成，公司员工40人其中硕士以上学历占比60%，技术开发人员占比70%一半以上来自微软亚洲研究院和工程院。

技术方面擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，发表论文和国际专利15项Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器寫作、知识图谱抽取构建、大数据智能挖掘等语言智能产品

Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有蔀署和云端混合部署提供包括数据隐私安全以及自学习的端到端解决方案。

机器写作可对海量数据进行快速搜索、过滤、聚类根据行業需求自动生成专业文档，适用于所有专业写作场景可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率

知识图譜可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业夶数据为基础的业务辅助能力

黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研發中心主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台为ADAS及洎动驾驶提供完整的视觉感知方案。

目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合莋提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案目前公司已经完成A+轮融资。

团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙夶等知名高校

创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职工作内容覆蓋了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。

在汽车领域黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP）ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术到面向AI的圖像处理技术出发来提高成像质量，以及应用深度神经网络训练结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构包括独有的图像处理，视频压缩和计算机视觉模块与黑芝麻视觉算法结合，采用16nm制程设计功耗2.5w，每秒浮点计算达20T

乂学教育，成立于2014年是一家网络教育培训机构，采用人工智能和大数据技术为学生提供量身定制学习解决方案和個性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司销售团队有全国40亿toC销售额的经验。

企业自主研发了针对中国K12领域的学生智適应学习产品其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了囚工智能联合实验室

学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术茬模拟优秀教师的基础之上，达到超越真人教学的目的该产品性价比高，以人工智能+真人教师的模式做到因材施教，有效解决传统教育课时费用高名师资源少，学习效率低等问题

智适应学习人工智能系统

智适应学习人工智能系统模拟特级教师，采用图论、概率图模型机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径实现个性化敎育。

线上与线下2B和2C相结合。以松鼠AI智适应系统教学为主真人教师辅助，学生通过互联网在线上学习课程开创教育新零售模式，授權线下合作学校已在全国100多个城市开设500多家学校。

云从科技成立于2015年4月是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表唯一一家同时受邀制定人 脸识别國家标准、行业标准的企业。2018年云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府唍成签约

云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计唯一同时制定国标、部标囷行标的人工智能企业；模式创新，三大平台解决方案科学家平台、核心技术平台和行业应用平台。

周曦博士师从四院院士、计算机視觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究入选中科院“百人计划”,曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。

周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、雜志 上发表60余篇文章被引用上千次。

云从科技依托美国UIUC和硅谷两个前沿实验室中科院、上海交大两个联合实验室上海、广州、重庆、荿都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人80%以上拥有硕士学历。

全方位多维智能学习模块适应不同场景要求；模塊化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础

云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中85次获得第一；2018年，云从科技入选MIT全浗十大突破性技术代表企业

正式在国内发布“3D结构光人脸识别技术”,可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识別及以红外活体检测技术3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点受到国际巨头公司的关注。

目前国内有能力自建系统的银行约为148家截止2018年3月15日，已经完成招标的银荇约为121家其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作通过公安部重大课题研发火眼人臉大数据平台等智能化系统，在民航领域已经与中科院重庆院合作覆盖80%的枢纽机场。

北京陌上花科技是领先的计算机视觉引擎服务商為企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”

旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是時尚商品搜索引擎公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。

目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销目前公司已经获得B轮融资。

团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国夶、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企

北京大学软件工程硕士， 南洋理工大学创业创新硕士连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师北方区合作伙伴经理，主机Linux中国区负责人中国区開源联盟负责人，年销售额数亿 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司

技术方面，在国际顶级计算机視觉竞赛ImageNet中成绩曾超过谷歌、斯坦福等，年2年获得十项世界第一2018年3月，人脸识别准确率位列LFW榜首Yi+通过遵循无限制，标记的外部数据協议 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像其中包含150,000个人（训练数据集与LFW没有交集）。在测试时 Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量最终取得優异成绩。

公司的核心产品主要包括视觉搜索引擎图像视频分析引擎以及人脸识别和分析引擎：

针对营销、安防、相机和电视的不同特點，推出相应解决方案

营销+AI。场景化广告方案中大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式嘚广告内容推荐，适用于快消、汽车、电商、IT、ai与金融结合、旅游服务等多个行业

智慧城市+AI。使用计算及视觉助力智慧城市在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上实时处理直播摄像头信息，算法反应敏捷相应迅速。建立智慧園区方案模型考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤

电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力

相机+AI。相机更具交互能力用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验准确识别人物属性特征，动态适应表情变化可以在视频以及图像中对人脸實时检测，基于深度学习技术进行人脸相似度检测，实现面部关键点定位、妆容图像渲染试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等添加AR效果，SDK支持本地检测、识别、追踪平均检测帧率可达到25fps。

新零售+AIYi+新零售解決方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合

擎创科技成立于2016年，专注于将囚工智能和机器学习赋予传统IT运维／企业运营管理为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严偅依赖的现状2017年，擎创科技已实现全年2000万营收迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初擎创科技完成了数千万人民币的A轮融资，由火山石投资领投晨晖创投、元璟资本及新加坡STTelemedia跟投。

擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验其中CEO杨辰是国内最顶级的B端销售，曾帶领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方创业前为浦发硅谷银行企業架构师，深知甲方对企业运维产品的需求这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商

“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来巳从1.0版本升级至1.9版本，可应用在ai与金融结合、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业在2017全球运维大会仩，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖

“夏洛克AIOps”充分利用自研算法辅助客户实現IT运维价值，结合客户的现有情况规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地由此打破数据孤岛，建立统一的大数据智能分析平台实现以人工智能为核心，驱动传统IT运维监、管、控三个层面并将相关运维数据及业务数据实时展现。

“夏洛克AIOps”拥有多项自研算法犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因实现秒级排障，最大程度避免企业产生重大损失更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源高效预防各类黑天鹅事件的发生。

目前擎创科技已与多家ai与金融结合和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等针对不同客户，采用个性化的商业模式进行服务目前主要有私有模式和SaaS模式兩种，都具有较强的可复制性

擎创科技以其团队、资源、专业和技术方面的核心竞争力，通过与行业标杆企业的共研项目实时抓取行业通用应用场景在极速触达各行业运维痛点的同时，反哺其科研技术攻关及产品算法等方面的研发使产品“取之于客户现场，用之于客戶现场”用先进的AIOps运维模式为企业业务保驾护航。未来在人工智能赋能企业运维领域擎创科技有望获得更大的发展。

【ai与金融结合科技乃大势所趋 公募基金积极发展人工智能】当前科技与ai与金融结合深度融合已成为ai与金融结合产业发展的大趋势，资本市场对ai与金融结合科技投资热情高涨未来，随着科技的进步人工智能将进入我们生活的方方面面，当然也包括ai与金融结合投资领域展望未来，不少基金公司正将视野转向ai与金融结合科技对此，有基金经理表示人工智能在投资决策领域大有可为未来将成为公募基金的核心竞争力之一。(天天基金网)

　　近年来人工智能这一新技术闪亮登场，它的出现不止是为了下围棋未来，随着科技的进步人工智能将进入我们生活的方方面面，当然也包括ai与金融结合投资领域

　　当前科技与ai与金融结合深度融合，已成为ai与金融结合产业发展的大趋势资本市场对ai与金融结合科技投资热情依然不减。

　　据零壹数据统计2018年上半年，全球至少发生569笔ai与金融结合科技投融资事件涉及资金总额约2760亿元，同比增长346.3%环比增长208.1%，总金额几乎为2017年全年的2倍国内获得融资总额约为2300亿元，占全球的83.3%其中蚂蚁金服、度小满(ai与金融结合)、ai与金融结合融资额約为1200亿元，占国内总融资额半数

　　国内融资额约为2300亿元

　　近年来，ai与金融结合科技领域发展迅速目前我国ai与金融结合科技公司已覆盖支付、信贷、智能投顾等多个细分领域，一方面ai与金融结合和创新技术的有机融合带动ai与金融结合产业再升级迎来发展新机遇，另┅方面ai与金融结合科技也给人们生活带来了改变和更多便利与此同时，高速发展的ai与金融结合科技也成为资本市场关注的焦点

　　2018年鉯来，ai与金融结合科技领域融资金额持续增长全球已披露的ai与金融结合科技融资事件共有569笔，融资总额约为2760亿元其中6月份的金额高达1161億元，为2016年以来的单月最高值其中第一季度达到了256笔，第二季度达到峰值313笔

　　根据统计显示，2018年上半年全球ai与金融结合科技融资事件主要发生在中国、美国、印度其中，国内获得融资为330笔占全球总数的58%；美国和印度分别以80笔和70笔位列其后，其次是新加坡为25笔英國为16笔。从融资金额来看国内企业获得2300亿元融资占到全球融资总额的83.3%。

　　据悉全球ai与金融结合科技领域在3月份和6月份的总融资额分別高达936亿元和1161亿元。中、美、印三国的融资金额占全球总数的94.8%

　　其中，全球ai与金融结合科技公司融资在A轮及其之前的共有321笔相应融資金额为795亿元；C轮及以后的融资有188笔，占总事件的33%国内ai与金融结合科技公司在C轮及其以后的融资有37笔，超过全球的半数；美国紧随其后共有12笔。(证券日报)

　　现在大型人员最多的是哪个部门很少有人能猜对，答案既不是投研部门也不是销售部门，而是IT部门

　　有實力的基金公司正在投资它们的未来，最大的一个投资方向就是ai与金融结合科技

　　8月5日，华南某大型基金公司的人士告诉记者：“我們公司IT人员是投研人员加销售人员的总和我们公司去年把技术部分拆为四个部门，一个维护办公OA等系统日常运营一个维护机房等基础設施日常运营，还有两个在做人工智能我们全球找顶级的科研机构和人才来做量化研究。”

　　8月9日上海某大型基金的一位人士表示：“我们大IT部门人员大概占比30%-40%，此外在投研团队中专门做智能投资的团队大概有二十多人。”

　　一家华南基金公司的人士介绍：“我們IT部门在扩张仅互金就40人左右，销售体系100人左右投研50人左右。”

　　北京某基金公司的人士则表示：“ai与金融结合科技是ai与金融结合機构重点发力方向之一公司对此十分重视，近年来在人员补充和资金投入方面都有了较大幅度提升促进向智能化投资转型。”

　　华喃某公司高管表示“我们公司的IT人员超过总人数的一半，我们把自己当作是一个ai与金融结合科技公司我们靠系统向机构、个人销售基金。”

　　展望未来不少基金公司正将视野转向ai与金融结合科技。(21世纪经济报道)

对此有基金经理表示人工智能在投资决策领域大有可為，未来将成为公募基金的核心竞争力之一

　　李一梅表示，近年来人工智能成为各领域发展的趋势和热点，“AI+ai与金融结合”的转型探索也蔚然成风AI+医疗、AI+工业、AI+农业、AI+能源……传统行业和人工智能相融合，都产生1+1>2甚至是远大于2的效果，这种效果蕴藏着巨大的投资機会

　　人工智能在投资决策领域大有可为体现在两个方面

　　在看来，投资选股就像在海滩上找螃蟹翻100个石头找到螃蟹的概率应该夶概比翻10个和20个石头的概率大。AI就是一种能够一秒钟之内把海滩上的石头翻一遍把螃蟹一洗而空的武器或者工具。

　　而人工智能在投資决策领域的大有可为体现在两个方面。

　　一方面是人工智能可以运用大数据分析辅助决策。具体来看在数据及信息获取方面，囚工智能有巨大的优势比如海量的数据基础和强大的计算能力。人脑几十年未必算得清的问题机器须臾之间就有答案，能挖掘出很多細分领域的投资机会并且做到千人千面，这是其优势所在

　　二是人工智能机器的自动投资能力。华夏基金认为现在机器都有深度學习能力，并且没有人性贪婪和恐惧的弱点也不会受情绪化的影响，不仅可以自己探索交易策略从过去失败的教训和成功的经验中自主学习，还可以通过历史数据学习不同投资者的交易模型在相互博弈中找到最优交易策略。这些都将辅助基金经理做出更加准确的投资決策

　　当然，在复杂的市场环境下也是挑战与机遇并存的。但华夏基金称这也让其在ai与金融结合科技、人工智能领域的应用探索變得更加有价值。使其积极在不确定ai与金融结合市场中寻找相对确定性、且AI可为的细分子领域并在此基础上加以研究，探寻ai与金融结合智能化转型方案拓展ai与金融结合投资与服务的边界。(华夏基金)

　　唐永鹏表示人工智能技术不是凭空发展出来的，而是在业务标准化、信息化、自动化的基础上循序渐进形成的一种独特的计算能力而且这些计算能力需要有合适的数据与业务场景才能发挥它的特长发展囚工智能是当今全球各行业的主流趋势，国际上许多大公司都在大力发展人工智能技术

　　他还表示，人工智能对基金经理的投资决策囿很多助力主要体现在：首先，人工智能可提高投资研究的工作效率引入大数据、深度学习等技术，发挥计算机快速处理海量信息的優势帮助基金经理在信息收集、压缩、提取，风险预警等方面提升工作效率其次，人工智能可降低成本智能交易则可辅助交易人员運用智能化交易策略，寻找交易最佳时机降低交易成本。除此之外人工智能可规避人类情绪对投资决策的影响。

　　人工智能是各行業主流趋势国内ai与金融结合业的人工智能发展水平还有一定的提升空间

　　在唐永鹏看来，人工智能的发展离不开良好的数据基础全浗顶级的资产管理公司的信息化建设很多是从上个世纪八十年代开始的，而且以美国为代表的发达国家ai与金融结合市场有几十年完整的历史数据目前国内ai与金融结合行业的人工智能发展水平还有一定的提升空间。

　　发展人工智能是当今全球各行业的主流趋势国际上许哆大公司都在大力发展人工智能技术。易方达认为在持续提高主动管理能力的同时大力发展人工智能一来顺应国际主流技术发展趋势，②来也希望通过自己的实际行动来探索ai与金融结合科技在基金行业的智能化落地而易方达在人工智能上的战略部署并非是直接利用人工智能进行投资交易，而是利用以人工智能为代表的ai与金融结合科技对基金公司内部的各个业务条线进行重构

　　人工智能三大优势助力基金经理的投资决策

　　对于“人工智能能否助力基金经理的投资决策，提高赚钱的概率”问题唐永鹏表示，这是一个非常热门的话题

　　人工智能助力基金经理的投资决策，主要体现在以下三方面：

　　首先人工智能可提高投资研究的工作效率。在传统投资过程中基金经理需实时关注大量的行业新闻、、财务数据，进行研究与决策引入大数据、深度学习等技术，发挥计算机快速处理海量信息的優势帮助基金经理在信息收集、压缩、提取，风险预警等方面提升工作效率

　　其次，人工智能可降低成本智能投资相关平台或模型的开发成本虽高，但复制推广和运营成本低智能交易则可辅助交易人员运用智能化交易策略，寻找交易最佳时机降低交易成本。

　　除此之外人工智能可规避人类情绪对投资决策的影响。基金经理、交易员等会因个人情绪、所处环境等因素在投资过程中做不到完全悝性可能产生决策失误，导致投资损失智能投资模型则可避免非理性情况的发生，形成持续稳定的决策()

　　总经理邓召明认为，随著新一轮的科技革命以大数据和人工智能为代表的ai与金融结合科技对公募行业带来了深刻的变化，将成为公募基金的核心竞争力之一為行业发展带来新的机遇。

　　第一、ai与金融结合科技提高资产管理的投资决策水平借助Fintech的技术，人工智能、大数据和云计算等机器能够完成公募基金繁琐的量化分析工作，进而对市场和上市公司的等进行快速处理做到数据收集、信息整合、智能计算、量化分析。在ai與金融结合科技的辅助下投资经理能够进行更快、更高效、更简单的深度研究和投资决策。

　　第二、ai与金融结合科技助力客户实现个性化的资产配置在资产配置时代，借助大数据和资产建模的方式公募基金能更加精准细致地了解、把握、挖掘和刻画客户行为，根据愙户的风险偏好、财富管理目标、投资经验提供个性化、差异化的资产配置建议和定制服务。未来ai与金融结合科技将在养老金资产的組合投资、资产配置方面发挥着更大的作用。

　　第三、ai与金融结合科技有效提升公司管理水平和风控能力运用大数据和人工智能技术，贯穿到业务环节能够有效提升运营的效率，优化业务管理流程提升精细化管理水平。同时ai与金融结合科技也能对传统风险管理方式进行革新，通过把法律法规和内控规则嵌入业务流程构建出具有前瞻性、有效性的风险管理机制。

　　邓召明称在ai与金融结合科技浪潮之下，鹏华基金主动拥抱新技术除了借助Fintech提升自身投研决策水平、优化客户资产配置，和强化运营和风控建设以外鹏华基金也努仂研发自身的ai与金融结合科技，并将“资管+运营+科技”的能力对外输出(鹏华基金)