人工智能技术应用领域(人工智能就业前景堪忧)

2.3.5智能理赔

人工智能在保险理赔细分领域的应用，极大的提升了保险产品和服务质量、服务及理赔效率也得到了极大的提升。这是因为传统在投保、理赔、运营各个核心环节仍存在着投保操作繁琐、理赔难等诸多问题。随着一些保险公司将人工智能和大数据等技术运用到理赔服务端，图像识别等技术实现了快速定损和反欺诈识别等作用，即通过人脸识别、证件识别（还包括不属于图像的声纹识别）等方式进行身份认证，更重要的，图像识别还可以处理非结构类数据，比如将笔迹、扫描、拍照单据转换成文字，对视频、现场照片进行分类处理等等。

企业层面，自2016年开始国内大型保险公司便积极探索人工智能赋能保险领域。2016年，中国人保推出"心服务·芯理赔"的一站式服务及智能理赔一体化处理模式；紧接着，中国平安实现"智能认证"和"智能理赔"服务...人工智能技术在对查勘定损、欺诈识别及协助理赔等索赔管理程序进行自动化处理，提高理赔处理效率等各个方面正得到了越来越广泛的应用。

2.4 人工智能在客服领域的应用

前文金融领域中已经提到了智能客服的应用，当然智能客服不仅仅只限于金融行业，在其他行业也运用得越来越广。客户服务引入人工智能技术后，整体上节省了10%以上的运营成本。另外，通过对语音等非标准化数据的识别，企业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。而聊天机器人作为智能客户服务领域的热门技术，预计到2020年，85%的客户服务交互将由聊天机器人处理。

在该领域产业规模方面，据艾瑞咨询数据，2018年，国内智能客服业务规模达到27.2亿元，其中以智能客服机器人为代表的人工智能应用业务规模达到7.9亿元，预计2022年智能客服业务规模将突破160亿元，年复合增长率为56%，人工智能应用业务规模突破70亿元。

机器人

2.5 人工智能在医疗健康领域的应用

人工智能技术在医疗健康领域的应用主要表现在也逐渐成为影响医疗行业发展，提升医疗服务水平的重要因素。其应用技术主要包括：医疗影像辅助诊断、辅助阅片、药物研发、个人健康大数据的智能分析等方面。

2.5.1 医疗影像辅助诊断

人工智能在医疗影像的应用主要是通过计算机视觉技术对医疗影像进行快速读片和智能诊断。医疗影像数据是医疗数据的重要组成部分，人工智能技术能够通过快速准确地标记特定异常结构来提高图像分析的效率。

2.5.2 药物研发

人工智能助力药物研发，可大大缩短药物研发时间、提高研发效率并控制研发成本。目前我国制药企业人工智能技术主要应用在新药发现和临床试验阶段。传统制药方式是将小分子化合物组合成不同蛋白，通过高通量筛选发现合适的化合物，这个过程需要进行百万次试验，成本高昂，而如果利用人工智能机器学习取代高通量筛选，或用图像识别技术优化高通量筛选，都将降低研发成本。另外，人工智能技术可以从相关文献、组学数据、功能实验数据等这些散乱无章的海量信息中提取出能够推动药物研发的知识，提出新的可以被验证的假说，从而加速药物研发的过程。

当然，人工智能在药物研发领域的应用不只是上述阶段，还包括药物优化、临床测试等阶段。

2.5.3 个人健康大数据智能分析

当前，以运动、心律、睡眠等检测为主的移动健康医疗设备发展较快，比如一些运动手环等等。通过这些智能设备对人体进行检测，采集血压、心电、脂肪率等多项健康指标数据，并将这些数据上传到云数据库形成个人健康档案，并通过数据分析，结合个人生活习惯等建立个性化健康管理方案。

2.6 人工智能在零售领域的应用

人工智能在零售领域的应用已经十分广泛，包括无人便利店、智慧供应链、客流统计、无人仓储等细分领域。人工智能通过深度学习以及计算机视觉、图像智能识别、大数据应用等技术，使得工业智能机器人可通过自主判断和行为学习，完成各种复杂的任务，包括在商品分拣、运输、出库等环节实现自动化。另外，将人工智能技术应用于客流统计工作中，其通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。

2018年中国现代渠道主要零售商数字化建设投入为285.1亿元，其中人工智能投入约为9亿元，占比3.15%，据预测，到2022年其数字化建设投入将突破700亿元，人工智能投入将超过178亿元，占比超过25%，这主要得益于阿里巴巴、京东、苏宁等零售巨头的推动，以人工智能应用为代表的新零售概念处于增长的上升通道，未来两年将保持较高增速。

图：数据来源，艾瑞咨询

而以计算机视觉技术为核心的人脸识别和商品识别是主要建设方向，相关投入占整体的55%以上。另外，零售领域供应链的优化最为复杂，对人工智能算法的可用性要求最高，但更靠近零售业的核心点，未来可释放的增益价值也将最大。

2.7 人工智能在教育领域的应用

在线教育目前处在蓬勃发展的蓝海市场，据数据预测，2020年在线教育市场规模将达4538亿元，与人工智能技术相关的在线教育业务规模则将超过328.6亿元，到2022年这个市场规模将超过700亿元。

图：数据来源，艾瑞咨询

目前，人工智能在在线教育领域应用场景，主要体现在对教学体系进行反馈和测评、智能搜题、分层排课、口语测评、组卷阅卷、作业批改、作业布置、语言识别测评等方面。例如在语音识别测评方面，利用人工智能语音识别功能，某些英语学习App程序自动为用户的口语打分，帮助其不断提高口语水平。

当然，目前人工智能在教育领域的应用还只是停留在学习过程的辅助环节上，未来随着教育测量学和人工智能技术的进一步发展，人工智能有望逐步渗透到教育的核心环节，从根本上改进用户的学习理念和学习方式。

三、人工智能未来发展趋势

3.1 人工智能基础层和技术层将得到重视

目前，人工智能的研究及应用主要集中在基础层、技术层和应用层三个方面，其中基础层以AI芯片、计算机语言、算法架构等研发为主，技术层以计算机视觉、智能语音、自然语言处理等应用算法研发为主；应用层以AI技术集成与应用开发为主。而国内人工智能企业多集中在应用层，占比高达77.7%，技术层和基础层企业占比相对较小，分别只占有17.9%和5.4%。当然，未来随着5G的建设普及以及科技进步，人工智能除了在语音识别、计算机视觉技术的继续拓展和实地运用外，在人工智能芯片、机器学习、神经网络等方面也将引来增强趋势，人工智能也将在越来越多的领域得到应用落地。

芯片

3.2 智能制造渗透率将得到显著提升

制造业是一个国家的支柱产业，制造业代表着一个国家的先进程度和科技发展程度，2015年国家就提出了"中国制造2025"战略目标。目前，人工智能在制造业领域的应用场景，主要体现在产品智能化研发设计、智能质检、生产设备的预测性维护等方面。2018年人工智能在制造业的渗透率仅有0.17%。渗透率不足的主要原因：

1）制造环节数据难以被开发利用

人工智能与制造业的深度融合发展需要以大数据作为支撑，与消费环节相比，制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂，有接近一半的数据是没有相关性的。与此同时，制造环节的数据需要安装大量高精度传感器，这不仅需要投入巨额的资金，而且在后期维护上也会产生检修及人工成本等。

2）无法采用可复制的系统和整体解决方案

人工智能必须根据制造业的具体场景进行定制，简单照搬模版式的制造业人工智能解决方案是不可行的，而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。

3）人才严重缺乏

目前人工智能高端人才主要集中在互联网行业，而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确，因此难以支撑制造业企业智能化转型升级。

当然，随着技术积累、以及构建制造环节的工业数据库、加强智能制造领域人才培养等一系列措施，智能制造的瓶颈将被打开，智能制造的渗透率也有望得到大幅提升。

智能制造

3.3 AIoT将得到重点发展

未来，人工智能与物联网的结合（即AIoT）也将更紧密，人工智能的介入让物联网有了连接的大脑，使得万物互联互通成为现实，未来或将颠覆现有的产业模式。主要表现在，经济方面，助力产业价值链延伸，目前产业很难依靠既有技术与业务模式打破产业生命周期，AIoT通过设备感知与数据分析支撑新的产品形态与服务模式落地，开拓新的市场空间，产生新的发展周期。社会发展方面，数据价值得到挖掘，实现大量线下数据线上化，实现自动高效处理。

目前，国内外的科技巨头也早已开始积极布局AIoT，谷歌此前公开宣布计划用5000万美元收购物联网平台Xively，高调进军AIoT行业。微软2018年4月4日宣布，计划在未来四年内，向物联网相关的各种项目投资50亿美元，用以提供智能化服务。小米集团的战略目标也是“小米手机+AIoT两步走策略”....

当然，智能手机依然被看做是未来物联网的入口， AIoT也将为智能手机赋能，将智能装置、设备都联接起来，打造闭环生态模式。另外，AIoT也将促进智能家居的快速发展，其将智能应用、智能家居产品和智能平台串联，使得家居产品关联互动....