前言：中文期刊網精心挑選了人工智能在醫療診斷的應用范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能在醫療診斷的應用范文1
人工智能不是一項單一的科技產業，而是將其他行業進行融合的工具，例如將機器人和保姆結合產生的“看家機器人”，將導航和汽車結合產生的“車聯網”等。在人工智能技術逐步成熟的當下，誰率先在應用上實現突破，誰就有可能在智能時代的競爭中占據優勢。
目前，從醫療健康的監測診斷、智能醫療設備，到教育領域的智能評測、個性化輔導、兒童陪伴，從電商零售領域的倉儲物流、智能導購和客服，到應用在智能汽車的自駕技術，都能看到人工智能的身影。
中國在過去的一年里，長虹、TCL、創維等家電企業都紛紛人工智能家電產品，希望借助人工智能打破家電行業的銷售難題。
不久前，搜狗公司2016全年財報，搜狗借助人工智能技術實現了較大的業績增長。
近年來，百度先后成立了大數據實驗室、深度學習實驗室和硅谷人工智能實驗室，并通過架構調整全面發力人工智能。2016年百度世界大會上，推出“百度大腦”，該項目將對語音、圖像、自然語言處理和用戶畫像、無人駕駛等領域進行重點關注和研發。
人工智能技術的重大突破必將帶來新一輪科技革命和產業革命'對社會經濟和人類生活的方方面面將產生深遠的影響。
人工智能將為現代化發展更換“發動機”。咨詢公司埃森哲研究了美國、芬蘭、英國等12個發達國家并作出預測，到2035年，人工智能將幫助這些國家生產率提高40%左右。
對于中國而言，人工智能帶來的好處將是多方面的。就經濟來說，借助人工智能新技術實現自動化，將極大提高生產率，節省勞動成本；優化行業的現有產品和服務，提升其質量和勞動生產率；通過創造新市場、新就業，將促進市場更加繁榮，開拓更廣闊的市場空間。
在產業升級方面，中國的傳統制造業大而不強的問題亟待克服，人工智能恰恰為制造業轉型升級提供了便利和動力，一是這些企業擁有行業海量的數據和大量資金；二是在生產力水平急需提升、傳統人口紅利逐漸消失的情況下，傳統企業有迫切的意愿來改造升級自己的工廠、業務，提高收益，降低企業成本。因此，制造業既是人工智能可以大有作為的領域，也是中國發展人工智能的優勢領域。
《全球人工智能發展報告2016》顯示，中國人工智能專利申請數累達到15745項，列世界第二；人工智能領域投資達146筆，列世界第三。
人工智能在醫療診斷的應用范文2
了解，到2020年，我國的人工智能市場規模將接近百億。而人工智能在醫療領域的應用關鍵體現在與醫療相結合的“算法+有效數據”，其中，有效健康數據是人工智能應用的基礎。
一項調查表明，美國的醫學影像數據年增長率為63%，放射科醫生數量年增長率卻僅為2%。同樣的情況也發生在中國，面對中國龐大的人口基數，醫生的數量將遠遠跟不上醫學影像數據的增長，而人工智能的到來可以有效彌補缺口。
最近，創業邦（微信搜索關注：ichuangyebang）了解到一家創業公司――匯醫慧影，這家公司在2015年創立，從醫療影像角度切入并結合了人工智能，選擇用長鏈條的方式布局影像行業。
“我們希望通過新技術、新服務跟各個機構共同建造一個新的生態。”匯醫慧影CEO柴象飛說道。
匯醫慧影目前已獲數千萬元A輪融資，合作醫院超過400家，已獲得11個軟件著作權，4個發明專利，今年已申請2個國家自然科學基金以及2個省級自然科學基金和2個科技部的重點專項。
云平臺實現“三端互聯”
匯醫慧影利用人工智能打造智慧影像平臺，用以提高醫生診療效率與準確度，解決部分地區醫患資源不匹配的問題。目前其產品已經覆蓋影像云平臺、放療云平臺、電子膠片、常規閱片外包服務、疑難大病專家會診及醫生集團等六大模塊。其中，常規閱片外包服務可幫助影像中心實現影像線上診斷，從而實現分級診療。
從IT的云系統出發，平臺已實現醫生端、患者端、醫療機構端的“三端互聯”。所有的功能都可在手機、電腦、平板電腦端實現。
醫生端，平臺會為其提供病例管理、醫生在線討論、專家學習等服務。柴象飛說，平臺已經實現電子化膠片，可以直接把數字化的信息還原給患者。
患者端，可讓患者向專家進行咨詢并獲得實時解答，平臺還會為患者提供影像共享和健康管理服務。
醫療機構端，可以通過平臺對接專家資源、存儲并備份影像、跟蹤用戶并享受增值服務。
相比于影領、iDoctor、銳達影像等平臺，匯醫慧影的優勢在于利用了分布式云平臺。其利用壓縮、TCP優化等技術，讓平臺的云技術實現了同傳同看的效果。讀寫分離、分布式部署等實現了全國各地上傳、閱片。
據柴象w介紹，平臺對胸部X光片表現出的氣胸、肺結核、腫塊的自動診斷準確率已經達到95%，對腦核磁影像表現出的腫瘤的自動識別率超過85%，對胸部CT影像表現出的肺結節的識別率超過85%。
擴充數據維度，讓AI在醫學影像領域得到更好的應用
柴象飛曾在美國斯坦福大學癌癥中心、荷蘭癌癥研究所和比利時魯汶大學放射科三家世界頂尖的醫學影像機構學習和就職，具有豐富的臨床知識，掌握了醫學影像的分割、存儲、壓縮和管理的核心技術。
他認為，醫學影像是人工智能與醫療領域結合中最可行且是可能最先走出來的領域。
具體到實踐中，醫學影像基本需要做三件事：一是需要優化深度學習的方法，二是積累大量的優質數據，三是高性能的計算環境?！叭绻吲潺R，就會讓訓練模型達到一個相對自我學習和不斷提高的狀態。”柴象飛告訴創業邦（微信搜索：ichuangyebang）。
所以在技術層面上，匯醫慧影將影像云、閱片服務以及智能診斷相結合，通過閱片獲取結構化的數據，提供給深度學習引擎進行計算，并且將計算機學習后的結果使用在醫生的閱片流程中。當計算機出現誤判時，醫生會糾正診斷結果并將結果反饋入系統，讓系統進行二次學習?！巴ㄟ^這樣一個在線學習的閉環，我們將持續更新有效數據，持續提高算法的精度?！辈裣箫w說。
除了數據量上的增加，數據維度的擴充也是匯醫慧影正在做的事。
人工智能在醫療診斷的應用范文3
據一些經濟學家研究，20世紀下半葉以來的“信息技術革命”與蒸汽革命、電氣革命不可同日而語，并未真正大幅地提高人類的勞動生產率，互聯網技術更多是豐富了人類的生活方式，但人工智能革命將是真正改變生產力的革命。
這兩年人工智能在智能制造、智慧醫療上的應用可謂前途無量，政府部門、行業精英、科技巨頭都將其作為未來發展的重點。從2016年開始，人工智能已經成為各大財經峰會、科技論壇的主題，也頻頻占據各大媒體版面的頭條位置。從谷歌Master以60場完勝中日韓三國頂尖圍棋選手，再到李開復提出“人工智能將取代50%工作”引發廣泛議論，以及英國的新工業政策、微軟的人工智能新布局、人民日報機器人“小融”的推出，一時間人工智能的出現猶如雨后春筍一般?；鸬靡凰康娜斯ぶ悄苷谥鸩阶哌M我們的生活，將徹底改變人類的生活和工作方式。
人工智能概念。1956年在Dartmouth學會上首次提出了人工智能（Artificial Intelligence，AI）一詞。它是集研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統為一體的一門新的技術科學，是計算機科學的一個分支。它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。應避免一個誤區，就是認為人工智能就是機器人，實際情況是機器人只是人工智能的容器。機器人有時候是人形，有時候不是，但是人工智能自身只是機器人體內的電腦。
人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能是大腦的話，機器人就是身體，但這個身體不一定是必需的。人工智能的概念很寬，所以人工智能也分很多種，一般分成三大類：弱人工智能、強人工智能、超人工智能。
弱人工智能（ANI）： 弱人工智能擅長于單個方面的人工智能。它依賴于計算機強大的運算能力和重復性的邏輯，看似聰明，其實只能做一些精密的體力活。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，如果問它如何能更好地在硬盤上儲存數據，它就回答不了。另外在汽車生產線上也有很多是弱人工智能?？梢钥吹降氖牵谌跞斯ぶ悄馨l展的時代，對于一些重復性機械性的工作崗位來說，人類確實可能會迎來失業潮。
強人工智能（AGI）：人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創造強人工智能比創造弱人工智能難得多，百度的百度大腦和微軟的小冰，都算是通往強人工智能的探索，通過龐大的數據，幫助強人工智能逐漸學習。
超人工智能（ASI）： 牛津哲學家、知名人工智能思想家Nick Bostrom把超人工智能定義為“在幾乎所有領域都比最聰明的人類大腦聰明很多，包括科學創新、通識和社交技能。”超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。當人工智能學會學習，并及時自我糾錯之后，在加速學習過程中是否能產生意識，尚不能確定，但可以肯定其能力會得到極大的提高。比如，阿爾法狗會根據棋手的棋路調整策略就是最淺層的創新體現，普通手機版的圍棋棋路其實就是固定的幾種模式。
人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大?，F階段人類對弱人工智能的掌握比較多，弱人工智能無處不在。但更高一階的研究更加吸引人類的探索。人工智能革命是從弱人工智能開始，通過強人工智能的過渡，最終到達超人工智能的過程。這段旅途到底會給人類帶來更好的未來還是災難，無法簡單判斷。但是無論如何，世界將會因此變得完全不一樣。
人工智能涉及領域。人工智能在某些領域的研究距離我們的生活似乎依然非常遙遠，但經歷了數十年的研發和探索，這項技術已經催生出了不少有趣的應用方向，它們已經開始在我們的生活中帶來實實在在的便利。當前人工智能的應用領域：（1）計算機視覺。主要利用計算機來判斷圖像數據當中是否包含特定的物體、特征或行為。舉個例子，當偵察機拍攝到一張圖像之后，專家們會對其進行分析以找出當中是否存在敵區；警察可以使用計算機來尋找符合罪犯畫像的照片；醫生也可以利用該系統去診斷病人。還有現在廣泛應用的面部識別系統也同樣利用到了計算機視覺技術。（2）語言識別。語言識別系統需要經過一段時間的訓練和熟悉才能達到足夠高的準確率。早在20世紀90年代，計算機語言識別就已經在一些特定的應用方向中達到了使用水平。而現在，這項技術已經被廣泛應用在了手機和汽車等日常工具當中。對于日益流行的虛擬助手而言，語言識別也是不可或缺的基礎。（3）私人助手。蘋果、谷歌和微軟已經為各自的移動平臺開發了虛擬私人助手，旨在幫助用戶處理一些基本的日常事務，比如發短信、查地圖和制定日程表，等等。它們和鋼鐵俠的JARVIS相比可能顯得非常呆板和原始，但的確給我們的日常生活帶來了便利。（4）智能機器人。智能機器人可以被應用在工廠的自動化投遞、管道檢查、拆彈和危險/位置區域探索當中。它們可長時間工作而無需休假，維護費用低于工人工資，同時精準度更高。Pepper是風靡日本的一款智能人形機器人。它或許無法被應用于工業生產，但卻非常健談。它的主要應用領域是企業、零售和客戶服務，不過你也可以把它放在家里作為家庭伴侶，煩悶時和它聊聊天。Pepper之所以可以被稱作是一部智能機器人，主要是因為它擁有來自IBM Watson人工智能計算機的技術支持。在后者的幫助下，Pepper具備了圖像、文字和視頻分析能力，這也使其能夠去理解更多類型的問題。
人工智能在醫療診斷的應用范文4
關鍵詞：智能Agent；人工智能；中醫診療；醫案
中圖分類號：R2-03 文獻標識碼：A 文章編號：1673-7717(2009)05-0965-03
人工智能(arificiM intelligence，AI)是當前科學技術發展中的一門前沿科學。1956年，人工智能作為新興學科被正式提出。利用人工智能技術取得的成就已經引起人們能高度關注，有人把它與空間技術、原子能技術一起譽為20世紀的三大科學技術成就。
有學者認為人工智能是繼3次工業革命之后的又一次革命，并且指出：前3次革命延長了人手的功能，把人從繁重的體力勞動中解脫出來，而人工智能則是延伸了人腦能功能。實現腦力勞動的自動化。人工智能技術在研究中取得了許多重要的成果，在機器人、自然語言理解、專家系統、圖像識別、地質勘探、石油化工、軍事、醫療診斷等領域應用十分廣泛。
作為人工智能的關鍵技術成分，智能Agent技術經過十幾年的理論建模，目前已開始初級應用。許多IT企業，如：微軟、IBM、Oracle等都對Agent的開發投入了極大的熱情，這在一定程度反映了Agent技術的廣闊前景。本文搞針對智能Agent技術的起源、發展和未來前景進行初步闡述和探討。
1 Agent概述
1.1 Agent的定義 目前學術界尚無一個公認的對Agent的定義，在國內多將其譯為智能。M.Wooldridge和N.T.Jennlngs于1995年提出的：“Agent是滿足特定設計需求的計算機(硬件或軟件)系統，它位于特定的環境當中。具有高度的靈活性和自治性。”。這是Agent目前普遍被人們認可的定義。
1.2 Agent的特性 學術界通常認為Agent具有以下一些的特性。
自主性：Agent具有屬于自身的計算資源和局部對自身行為控制的機制，能在無外界直接操縱的情況下，根據其內部狀態和感知到的環境信息，決定控制自身的行為。
智能性：Agent能夠從用戶瀏覽的網頁中提取出網頁特征或鏈接信息，與知識庫中的信息進行比較，將最接近的知識應用到該網頁上，自動將網頁中的信息抽取出來并反饋給用戶，能夠根據用戶查詢信息的行為進行判斷和分析，以提高查詢準確度。
適應性：智能Agent能夠從用戶日常的查詢、瀏覽等行為中學習用戶的興趣點，推理用戶的需求，為每個用戶建立，個性化的用戶框架，根據用戶反饋對獲取的知識和用戶框架進行修正，以適應用戶興趣點的變化。
協作性：Agent可以通過某種Agent協作語言與其它Agent進行多種形式的交互，有效地與其它Agent協作工作，可以共享交流信息，實現協作式的信息查詢，提高了信息查詢的效率。
移動性：Agent能夠在互聯網上跨平臺漫游，以幫助用戶搜集信息，它的狀態和行為都具有連續性。
安全性：Agent能夠主動避免惡意的Agent對計算機環境造成破壞。
由于Agent技術具有以上諸多特性，這就決定了其在其它領域中的應用具有廣闊的探索空間。醫者作為診療過程中的主體，其認知具有經驗性、靈活性、自主性、協作性等諸多特點，由此可見，Agent技術在這一方面也具有相似甚至相同的特征。在針對醫者認知過程的研究中，智能Agent技術是否可以充當記錄、模擬甚至傳播的載體，都是值得研究者們共同探討的課題。
2 智能Agent在醫療活動中應用可能具有廣闊的前景
2.1 智能Agent信息檢索系統將是醫生獲取知識的得力助手筆者認為，隨著智能技術的發展，未來應用于醫療活動中的智能Agent，將能夠根據醫生的個人需要提供動態、實用、指導性強的醫學信息。近年來，互聯網得到了迅速的發展和廣泛的應用，網絡已經成為現代人獲取信息和知識的重要途徑。網上信息資源日益膨脹，搜索引擎只是初步解決了如何索引和查詢Intemet浩瀚無垠、零亂分散的信息資源的技術難題。相對于用戶希望的“花最少的時間能得到最相關的查詢結果”的愿望來看，還存在很大的差距。因此對專業領域定的用戶群提供專業的、量身定造的信息服務，使用戶在盡可能短的時間內有效的找到最需要的信息內容是大家普遍關注的一個問題。在醫學領域，我們面臨著同樣的尷尬：醫學領域是一個時效性、交流性極強的學科范疇，往往在短時間內，臨床工作者、科研人員就需要及時、準確的對應信息。網絡資源雖具有紙介質媒體無法匹敵的信息資源，但分散、冗長的信息交錯混雜，為科研工作增添了無謂的負擔。缺乏專業、針對性強、靈敏的搜索引擎是科研人員亟需解決的問題。
目前，信息技術和網絡技術已經在科研和醫療方面得以不同程度的應用。在科研方面，世界各國建立起了大量的醫學、藥物數據庫為研究者提供信息服務，如包含9000余種美國處方和非處方藥物信息的“藥物信息庫”，癌癥數據庫Cancerlit，有關艾滋病臨床、藥物研制及文獻的AIDSDatabases，向醫患人員提供的臨床實驗信息數據庫Clinical-Trials.gov，包括健康指南、評價和消費者指南信息的全文數據庫HSTAT，補充和替代醫學資源NCCAM Resource，醫學文獻檢索系統Medline等醫學信息數據網絡資源，諸如此類的網絡資源極大的方便了醫學科研工作者。在醫療方面，許多世界發達國家都在斥巨資、投入大量人力物力建設國家衛生信息系統，英國的衛生服務信息系統、美國的衛生服務信息框架HII(Health Information Infrastructure)、加拿大的電子健康系統(e－Health)和澳大利亞的電子健康網絡(Health Online)，各種已經應用的醫院管理信息系統HIS、RIS、和PACS等，信息技術已經在醫療管理方面發生了深刻的變化。
我國衛生信息化建設起步較晚，醫院層次的電子病歷研究探索剛剛起步，與真正的信息化、網絡化還存在較大的差距，中醫藥方面的網絡資源包括中醫藥文獻數據庫檢索系統、中國中草藥大典、中藥基本信息數據庫、醫學數據庫大全、名老中醫、中華藥膳等，但由于中醫藥理論的自然哲學特點，信息化僅僅實現了文字的超文本化和圖片的數字化。
有學者指出，基于智能Agent的個性化信息檢索系統是一個具有個性化智能化的多Agent信息檢索系統，它以用戶為中心，挖掘用戶的真實意圖進行WWW搜索。
2.2 多Agent是學術交流的平臺 由于Agent具有協作性
的特點，可以與多個Agent進行協調合作，共同完成復雜問題的求解，而傳統的醫學學術交流和解決疑難問題時，多采用專家會診討論的方式進行。因此，二者在問題解決模式上具有相通之處，甚至，Agent技術可以實現控制和協調遠程醫療系統中的信息共享和交流，在醫療活動及醫療信息資源的廣度和深度上實現系統的整合。
與傳統模式相比，Agent技術為領域專家，提供了更廣闊、更專業的智能信息平臺，真正實現了跨地區、跨醫療單位的綜合問題求解及疑難醫學問題探討，對于醫療資源的進一步共享，公平分布，甚至學術交流提供了更為廣闊的空間。
3 中醫診療智能化的探索
在過去幾十年中，利用人工智能技術探討中醫診療過程已經取得了一部分成果。自1979年關幼波肝炎診治系統的出現，為中醫診療與人工智能技術的結合揭開了嶄新的一頁。隨后，陸續出現了一些旨在快速有效解決問題的醫療專家系統，但這些專家系統更注重專家診療經驗與智能技術的結合，對于醫者的認知在診療中的決策作用尚未進行深入探討和挖掘。隨著人工智能技術的發展，有學者嘗試運用人工神經元網絡的方法，在中醫領域建造了第二代專家系統的外殼。發揮神經元網絡的特點彌補了知識獲取和深層知識推理的不足。這些研究成果雖然并未在醫療活動中得到廣泛的推廣和使用，但在中醫診療智能化研究進程中有著不可磨滅的貢獻。
在未來的智能Agent中醫診療平臺中，作為一種理想，是要做到人與計算機之間形成同伴關系，即關鍵之處、需要經驗知識之處必須靠人，至于可以形式化的處理的地方則靠計算機，兩者密切結合，使得在求解問題的過程中，甚至難以判斷所使用的知識究竟是來自計算機的還是來自人的。這個理想將徹底改變人隨機器運行方式進行思考的被動局面。筆者認為，如何建立更適合醫生診療操作、群體交流和能激發醫者靈感涌現的智能Agent平臺，一方面有賴于智能技術的不斷發展，另一方面，醫案不妨作為理論研究模型構筑的切入點。
清代醫家周學海認為：“宋以后醫書，唯醫案最好看，不似注釋古書之多穿鑿也。每部醫案中，必有一生最得力處，潛心研究，最能汲取眾家之所長。”現代名醫惲鐵樵所云：“我國汗牛充棟之醫書，其真實價值不在議論而在方藥，議論多空談，藥效乃事實，故造刻醫案乃現在切要之圖。”通過對醫案的學習和研究，了解中醫各名家的學術思想和臨床辨證論治的特色，并對其進行歸納和總結上升為共性的診療規律，以便于更好的為臨床服務。
然而，醫案方面的書籍眾多，這為臨床工作者在面臨疑難問題求解是造成了很大的困難，傳統方式的研讀多是從名家醫案入手，從中獲得寶貴的診療經驗，在臨床上實踐，根據病人病情的變化用心思索，調整治療方案。經過不斷的學習、實踐和思索，實現經驗積累，同時也在診療過程也是形成新的醫案資料的過程。用計算機和專家系統整理古籍醫案工作已經開展了多年，在取得成果的同時，也存在錯檢、漏檢、統計結果呆板，功能不全等問題。如何能從醫案人手，發揮計算機技術在醫案整理中數據完整，記憶準確的長處；發揮智能Agent技術在構建人機界面時對診療思維的啟發性和使用的便捷性；發揮醫者在診療過程的主動性。有待于進一步探索。
人工智能在醫療診斷的應用范文5
據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。
2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。
如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。
第一部分人工智能行業發展概述
1.人工智能概念及發展
人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。
自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。
人工智能發展歷程
2.人工智能產業鏈圖譜
人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。
A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。
B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。
C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。
人工智能產業鏈
資料來源：創業邦研究中心
第二部分人工智能行業巨頭布局
巨頭積極尋找人工智能落地場景，B、C 端全面發力。
資料來源：券商報告、互聯網公開信息，創業邦研究中心整理
第三部分機器視覺技術解讀及行業分析
1.機器視覺技術概念
機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。
機器視覺的兩個組成部分
資料來源：互聯網公開信息，創業邦研究中心整理
2.發展關鍵要素：數據、算力和算法
數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。
深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。
3.商業模式分析
機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。
（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口
這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。
此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。
國內外基礎算法應用對比
資料來源：互聯網公開信息，創業邦研究中心整理
（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口
軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。
4.投資方向
（1）前端智能化，低成本的視覺解決模塊或設備
從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。
機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。
（2）深度學習解決視覺算法場景的專用芯片
以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。
（3）新興服務領域的特殊應用
前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。
（4）數據是爭奪要點，應用場景是著力關鍵
機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。
第四部分智能語言技術解讀及行業分析
1.語音識別技術
（1）語音識別技術已趨成熟，全球應用持續升溫
語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流
語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。
（3）語音識別技術發展瓶頸與趨勢
低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。
麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。
在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。
2.自然語言處理（NLP）發展現狀
（1）多技術融合應用促進NLP技術及應用的發展
深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。
深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。
（2）NLP主要應用場景
問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題?；竟ぷ髟硎窃诰€做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。
圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。
機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。
對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。
（3）創業公司的機遇
1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。
2)應用于垂直領域的自然語言處理技術
避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。
第五部分人工智能在金融行業的應用分析
人工智能產業鏈包含基礎層、技術層、應用層三個層面?；A層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。
人工智能在金融行業的典型應用情況
資料來源：創業邦研究中心
第六部分人工智能在醫療行業的應用分析
1.人工智能在醫療行業的應用圖譜
人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。
圖 人工智能在醫療行業的應用圖譜
資料來源：創業邦研究中心
2.人工智能在醫療行業的具體應用場景
醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。
虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。
第七部分智能駕駛行業分析
1.智能駕駛行業產業鏈
智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。
產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。
智能駕駛產業鏈圖譜
資料來源：創業邦研究中心
2.智能駕駛市場分析
伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。
按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。
根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。
第八部分中國人工智能企業畫像分析
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。
地域分布
全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。
行業分布
從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。
從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。
收入情況
收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。
最新估值
企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必
選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)
第九部分典型企業案例分析
1.Atman
企業概述
Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。
目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。
企業團隊
創始人&CEO：馬磊
清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。
Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。
核心技術與產品
技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。
Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。
機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。
知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。
2.黑芝麻
企業概述
黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。
目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。
企業團隊
團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。
創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。
核心技術和產品
在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。
3.乂學教育
企業概述
乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。
企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。
主要產品
學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。
智適應學習人工智能系統
智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。
業務模式
線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。
4.云從科技
企業概述
云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。
云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。
企業核心團隊
創始人
周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。
周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。
核心技術團隊
云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。
技術優勢
全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。
云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。
在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。
正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。
行業應用
目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。
5.Yi+
企業概述
北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。
旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。
目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。
企業團隊
團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。
創始人&CEO：張默
北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。
核心技術與產品
技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。
公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：
行業解決方案
針對營銷、安防、相機和電視的不同特點，推出相應解決方案。
營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。
智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。
電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。
相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。
新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。
6.擎創科技
企業簡介
擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。
核心團隊
擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。
主要產品
“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。
“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。
“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。
商業模式
目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。
核心優勢
人工智能在醫療診斷的應用范文6
若干年前，很難想象一項技術是由人工智能驅動的。
若干年后，很難想象任何技術的背后沒有人工智能的影子。
云計算與日俱增的強大威力、運行于深度神經網絡的強力算法/豐富多樣且來源廣泛的數據積累，在這三股強大動力的交織驅動下，我們如今終于有能力實現人工智能的夢想。
把人工智能帶給每個人
最近，人工智能開始為大眾所關注，但對于科技巨頭來說，卻早已開始布局。微軟在人工智能上的投入由來已久，甚至在業內還被稱為人工智能的“黃埔軍校”。二十多年以前，微軟就已經在構建人工智能的基礎，在機器學習、語音識e、計算機視覺、圖像識別這些領域中不斷地積累起非凡的成就，再加上從云到端涵蓋不同行業的廣泛的數據研究， 微軟今天在人工智能領域的發力，可以說是厚積薄發，水到渠成。
近日，在第九屆中國云計算大會上，微軟公司資深副總裁、大中華區董事長兼首席執行官柯睿杰（Alain Crozier）表示：“人工智能正在重新定義微軟。今天，微軟的每一件產品和服務都在融入人工智能，從 Xbox 到 Windows，從必應搜索到 Office。作為一家平臺與生產力公司，微軟提出了一個明確的目標，人工智能全民化（Democratizing AI） ―― 將先進的人工智能技術轉化為每個人觸手可及的工具、平臺和服務，予力全球每一人、每一組織，成就不凡?！?/p>
“人工智能擁有無窮的潛力，它有能力顛覆任何現有的垂直行業，比如銀行或者零售業，還有任何單一的業務流程，比如銷售、市場或者人力資源和獵頭。這樣發展下去，人工智能終有一天將有能力為人類的聰明才智錦上添花――增強人類已有的能力，并且幫助人類獲得更強的生產力。”微軟大中華區副總裁兼市場營銷及運營總經理康容在采訪中表示。
Azure讓人工智能觸手可及
兩年前，當微軟CEO薩提亞 ? 納德拉第一次提出“構建微軟智能云”時，很多人問，Azure究竟智能在什么地方？
柯睿杰表示：“微軟智能云Azure是微軟面向未來的三大遠見（重塑生產力和業務流程、構建智能云平臺、創造更個性化的計算）中至關重要的一環。它既是孕育和發展人工智能的平臺和基礎，同時也在以多樣化的云服務的形式，為全球開發者和企業提供觸手可及的人工智能平臺與工具。”
康容解釋道，微軟的想法是希望將人工智能相關的技術和功能完全整合到產品和服務中。微軟把人工智能看作是一種底層技術，而不是一個產品?？等荽蛄藗€比喻，人工智能不是一盤菜，而是一個食材，每一盤菜里都可以放的食材。微軟所有的產品線和服務，都會有人工智能的影響力。
“云像是靈魂，但是需要端的軀體，‘云+端’才能真正體現云服務或者人工智能的潛能?！笨等荼硎尽?/p>
運行在微軟智能云Azure上的微軟認知服務，是微軟最具代表性的人工智能服務，是微軟在人工智能領域20多年研究成果的集大成者。微軟認知服務所提供的智能API接口增加到了29個，成為業界數量最多，同時也是唯一允許用戶自行定制的人工智能服務。微軟認知服務覆蓋視覺、語言、語音、搜索、知識5個主要應用場景的29項人工智能服務，集成為29個API接口開放出來，讓開發者只需要幾行代碼，就能借助微軟的人工智能平臺，開發出自己的跨平臺人工智能應用。
無論是大型企業還是創業公司，如果使用微軟智能云Azure平臺，最快一周、最多兩周的時間，就可以實現一個完整的技術上的Proof of Concept（POC，即概念驗證），然后，加入微軟這些人工智能技術，如人臉識別或者語音識別，就可以將這些智能應用加入到任何應用場景中，直接利用現成的功能或者通過定制加工，來打造自己的智能應用和機器人體驗。
據了解，自2015年以來，已經有來自60多個國家和地區的超過56.8萬名開發者注冊使用了微軟認知服務。
康容介紹，人臉識別、情緒識別、計算機視覺，這三個微軟認知服務的API已經在去年9月在中國提供了預覽服務，目前有多家國內客戶、開發者和合作伙伴將這些API用于不同的應用場景，并且陸續開發出了成熟的產品。
此外，運行在微軟智能云Azure上的Cortana 智能套件，就是一套通過發掘數據智能，幫助企業預測未來發展動向的大數據智能解決方案，它囊括了微軟小娜智能助理、大數據管理、數據分析與機器學習、Power BI洞察呈現等眾多微軟產品和服務。
以云端智能增強生產力
潛移默化間，人工智能正在給各行各業帶來顛覆性的變革。
國內知名的云內容加速分發服務商白山云科技有限公司（以下簡稱白山），利用微軟認知服務的視頻內容識別功能，開發出了一套為視頻直播平臺提供實時內容審核功能的智能化解決方案。
白山合伙人兼產品及解決方案副總裁、美國子公司總經理趙鵬表示，白山是國內第一個引入云鏈服務的企業，主要面向云后市場，為客戶提供數據應用服務。面對互聯網時代日益激烈的競爭，白山不再滿足于提供內容分發服務，而是希望通過引入先進的平臺和技術，為客戶提供更多附加價值。
趙鵬介紹，白山基于微軟智能云Azure的認知服務接口，對客戶的視頻和圖片內容進行識別，規避違規風險。基于微軟強大的人工智能技術，白山還在不斷發掘新的應用場景，如在監控系統基礎之上，不再局限于簡單的圖片識別，而是對人群的年齡、情緒等信息都進行識別，進而將這些數據整合，用于客戶咨詢、大數據營銷，以及內部整體業務決策等。未來，白山還期待與微軟能夠在區塊鏈、物聯網等領域合作，打造一整套基于云端的完整解決方案。
“成立兩年多的時間，白山成長速度非?？欤谝粋€完整財年白山實現了2億元營收，今年大概增長三倍，做到6億元營收。”趙鵬表示，白山是站在巨人的肩膀上，才得以如此快速地發展。因為，微軟為白山提供的不僅僅是簡單的技術支持，更多的是微軟構建的龐大生態系統，這都將為白山帶來更多的技術資源和客戶資源。
聯想依靠微軟智能云Azure上的機器學習服務，實現了對PC產品出貨量的準確預測。
聯想CIO部門戰略變革總監高汪軍表示：“聯想在Azure機器學習平臺上構建的市場需求數據模型，可以針對全球不同區域市場中龐雜的參考數據進行清洗、篩選、比對和驗證，能夠在短時間內同時運行多個數據模型，并快速篩選出最優模型和最佳結果。”
目前，該數據模型針對全球大部分PC市場進行的季度出貨量預測的準確度，都已經達到甚至超過了專業市場分析機構的預測水平。對聯想來說，每一個百分點的市場變化，就意味著數百萬臺PC的出貨量。因此，準確的數據分析和預測就意味著提升效率、降低成本。
說到看病，去醫院找醫生看病是我們的常識。醫生，通過自己的專業技能來看病也是常識。結果如何，全靠醫生的判斷。如果有了人工智能的應用，會怎樣？
有一家中國醫療智能創業企業Airdoc就利用深度學習提升醫療影像診斷的準確度和效率。
對于創業初衷，Airdoc創始人兼CEO張大磊介紹：“一開始并沒有想成立一家企業，這是因為身邊很多人被‘漏診’了，后來發現這樣的事在全世界普遍存在，我們就在想可不可以用人工智能、深度學習的算法去解決這些問題。就好像養一個小孩，把他派到最牛的專家那里學習，讓他學會最牛的專家是如何看片子、看病理、判斷疾病，之后把他學會的變成一個簡單的算法服務，讓所有的醫生，包括邊遠山區的醫生都能用上?！?/p>
一開始，Airdoc使用了云和機器學習的框架，但性能上總達不到要求。設想一個病人在醫生那兒拍了一個CT，如果傳到網上后臺識別引擎，后臺識別引擎要20分鐘才能出結果，那病人只能干等。所以，需要做到實時。
“我們了解到微軟亞洲研究院正在做微軟認知工具包的新版本升級。Airdoc提出了需求，微軟通過全球協作為我們提供了全方位的技術支持，Airdoc從原有的深度學習平臺遷移到微軟認知工具包只用了4天時間就完成了全部遷移工作，Airdoc算法的運行效率提升了近40%。”張大磊表示。
借助微軟智能云Azure、微軟認知服務和認知工具包，Airdoc能夠協助醫生更快速、準確地完成糖尿病性視網膜眼底病變（DR）的篩查和分析，顯著改善了DR早期確診率低的問題。
據了解，微軟在開源平臺的2.0版本的微軟認知工具包（Microsoft Cognitive Toolkit），其主要用于生產級和企業級的深度學習工作負載，并簡化了深度學習過程，能夠與更廣泛的人工智能生態系統實現無縫整合。
