人工智能抗击疫情产品分析

人工智能技术多面渗透抗击疫情各环节。

机器人、温测大数据分析为抗疫使用热产品。

“看”-AI 体温检测系统提供智能识别。

AI体温检测的关键在于红外体温。测温精度不足，仅可对人员进行初筛；受环境因素影响较大，远距离测温无法解决；测温精度修正成为AI未来的突破重点；相关技术和产品亟需制定标准规范。AI技术在复杂环境下的远距离红外测温方向上仍需深耕。

AI测温系统产能不足，核心部件较国外存在差距。

“看”-AI看片，辅助医生诊断看片。当前医学影像处理中，肺结节检测等L域已经十分成熟，也是AI企业重要研究方向之一。得益于前期的积累，相关算法能够快速迁移应用于新G肺炎疫情中。但是问题也很显然，各个医院的数据无法打通，且缺少有效标注数据；肺部影像辅助诊断发挥的实际效用有限，无法指导治疗环节。

肺部影像分析系统

主要技术

目前医学影像L域算法快速突破，算力持续增长，算法快速迭代，如何获取足够丰富且G质量的医疗数据成为提升诊断准确度的关键因素。得益于深度学习算法的进步，图像识别能力不断提G，2015年Resnet算法识别错误率已经低于人眼的识别错误率，标志着算法在图像L域已经达到初步实用阶段。GPU作为G性能计算机集群协处理器，峰值性能优于FPGA，在医学影像L域应用也越来广泛。随着运算量的大幅度增加，为医疗影像商业化应用提供了强有力的支撑。G质量数据获取和标注能力是AI医学影像公司的核心竞争力。

我国医疗数据有数据量大、数据种类多、数据价值密度低等特征，但G质量数据获取难度大，G质量影像数据集中在少数三甲医院，缺乏有效的数据共享机制。过往医学影像数据，特别是影像所对应的临床诊断报告信息，没有以正确的标准化的形式记录甚至缺失的问题，对数据质量造成较大影响。数据标注成本G，数据处理中80%的时间都是在做数据预处理工作，标注的准确性关乎结果的准确性，训练的每张图片都需要经过专业人员标注，未来2-5年小样本学习在理论层面或将有所突破，但是短时间内数据的标注仍然需要耗费大量的精力。影像数据的获取能力与标注能力已经成为AI医学影像公司的核心竞争力之一。国内外公司基本都处于收集影像数据的阶段，以不断丰富病种多样性和扩大影像数据规模，从而优化影像智能诊断的准确度。“AI+医疗影像”期待大数据引爆。

“AI+医疗影像”市场百花齐放，产业目前仍处于发展期，尚未出现占据J对优势地位的L跑企业。无论是国内还是国外，互联网巨头们都已经加快了在医疗人工智能L域的布局速度。在国外，IBM、谷歌和微软都已经布局多年。Facebook、苹果、亚马逊等巨头在人工智能L域也已经有长远考虑，不过他们还是主要布局在各自有竞争优势的行业，对于跨界应用于医疗行业的人工智能项目较少。在国内，BAT和科大讯飞为的互联网巨头更看重医疗人工智能的市场，并且他们更倾向利用自身平台特点与优势的互联网技术来进行布局。挑战与前瞻：1）缺标准：CNDA尚无一例过审产品。目前已经有多项医学人工智能产品向药品监督管理局（CNDA）进行申报三类器械，但没有一个被批准；2）少人才：医疗人工智能发展亟需复合型人才。人工智能人才现在是短板中的短板，既懂医疗，又懂技术的复合型、战略型人才尤其短缺；3）基础差：技术与数据两大基石尚待巩固。一方面，医疗影像设备市场仍然被J少数的国际巨头所垄断着，仅仅西门子、通用电气、飞利浦三家就占据着75%的市场份额，而在G端L域，这一比例甚至超过80%之多。另一方面，在当前的医疗系统中，没有统一标准的临床结构化病历报告、医生手写病历不规范、临床用药、检查等细节缺失、患者离开医院后失访率G等各种原因造成健康医疗数据“误入误出”。

“听、说、写”-智能外呼/在线机器人可以减少工作量。

AI+NLP，具备认知能力方能更懂用户所言所想，层J划分如图18所示。国内总体呈现出重应用/轻创新的问题，AI+NLP“基础建设”设施不全。优劣势明显。优势有：1）技术链齐备：在基础层/技术层/应用层上均有所布局；2）中文NLP技术：技术多面，对话系统、关键词识别、语义理解效果提升明显；3）数据资源丰富：收益于庞大的用户群，可通过社交媒体收集相关文本、对话、翻译数据。劣势有：1）AI基础层技术储备不足；2）G度依赖国外计算硬件，GPU、AI芯片等；3）模型算法自主研发能力欠缺，G度依赖国外开源技术；4）数据标注和技术评价缺少统一的标准和规范。

AI+NLP趋于化，技术/市场/数据各方因素利好数据各方因素利好。智能客服，以对话系统技术（见图19）为核心的典型产业生态齐全，呈现出百花齐放态势。

AI+NLP化趋势明显，国内技术成熟/市场庞大/数据丰富，客服产业迈在前列。麻省理工学院报告，在接受调查的90%的公司已将AI整合到客户服务和互动中，使得人工客服能够专注处理更G层次的任务。顾问Gartner研究：2020年，约有280万的美国客服坐席将发生重大改变，超过85%的客户互动将会在没有人工坐席的情况下处理。跨境零售集团玛莎百货运营人工智能迅速 处理客户投诉，该项技术已 投入到集团所有的英国商店及它们的13家呼叫中心。迪拜国民银行采用亚马逊网络服务AWS，用自然语言处理技术与客户进行交互，开发个性化的零售客户银行体验。

疫情影响下，人们对机器人的接受度和需求进一步升G。一方面这些机器人在开放环境下的能力仍然有限；随着使用增多，不可避免的安全性应该引起注意。对智能防控服务机器人产业链进行分析。智能防控服务机器人属医疗机器人子类医疗服务机器人类别。有配送运输，清扫消毒；移动跟随，引导带路；咨询问诊，对话传话等功能；有广泛采用新一代信息技术，集成了丰富的智能传感器，拟人化的活动交互能力等特点。随着智能服务机器人市场潜力加速释放，大量企业加入到激烈的市场竞争中，传统机器人厂商、科研院所、软件/科技巨头，智能机器人公司等多股力量开始向服务机器人L域汇聚。

智能防控服务机器人产业链主要包括上游的关键零部件、中游的软件与操作系统以及下游的产品集成与应用，如图21所示。在产业链上游，目前国外企业占据主导地位，国内厂商继续发力，核心零部件国产化的趋势逐渐显现。在产业链中游，主要为机器人提供核心软件，包括操作系统和AI核心技术。国内AI核心技术较为L先，智能语音语义、计算机视觉技术较好，操作系统和AI核心技术是提升用户体验，拉开产品差距的关键要素，在整个产业链中处于核心地位。在产业链下游，主要是集成上游提供的关键零部件和中游的核心技术，为机器人提供应用场景和服务能力，目前服务场景有限，有待进一步挖掘刚需市场。产业链开始往上游-下游模式过渡，下游企业在应用集成过程中也在不断创新发展，通过对AI核心技术的突破逐渐向产业链中游上探，中游企业也在往集成应用下探。

AI赋能协同办公系统，如图22所示，提升办公软件性能。AI技术主要是让在线办公系统更加智能，提供更出色的用户体验。网络质量预测。用于动态调整网络拓扑、编码方式等，保证通信质量。人脸识别技术验证身份，提升会议系统的安全性。对视频质量进行动态改善，提升交流体验。利用语音识别和翻译技术，实现会议字幕生成和翻译。AI在协同办公软件中可发挥的作用有待进一步挖掘。

国内在线办公起步较晚，但发展迅速且产业链条完整，如图23所示。国外在线办公软件起步较早，用户付费意愿较G。受到疫情影响，国内在线办公受到热捧，有望培养用户习惯，并形成可持续的商业模式。据国外机构Apps Run The World数据，2018年排名前10位的协作软件供应商占协作整体市场的55.7%，其中微软以占L20.8%的市场份额L跑市场，其次是思科、谷歌、LogMein和Slack。我国协同办公市场规模也呈逐年扩大趋势，据不完全统计，国内提供协同办公产品的企业约有500余家，2019年产业规模达到459.5亿元。即时通讯：国内互联网公司技术和市场成熟；微信、钉钉、飞书、蓝信等处于L先地位。音视频会议：Zoom和思科Webex占据龙头地位；国内飞书、钉钉等集成了会议功能，也有专注视频会议的随锐、全视通等。文档协同：微软凭借office软件在占据着先发优势；金山得益于WPS office 的深耕，市场占有率逐步提G。办公OA：国内办公OA历史较长，主要企业包括用友、SAP、金蝶、金和、致远互联、泛微等。适应国内习惯和需求，本土企业优势明显。

人工智能抗疫产品仍然面临问题。由于缺乏规范标准的引导，产品总体质量良莠不齐，存在着较G的应用风险，如AI体温测量误差过大可能导致病例漏检，服务机器人识别和推荐信息不准确，会发生误导用户采取错误防疫措施的危险。一方面部分优秀产品由于宣传不到位未能得到有效关注；另一方面企业扎堆推出大量同质化产品，忽视了部分场景下的需求。市场中缺少可供双方对接需求的权威平台。人工智能技术在有数据、有积累的场景能够快速形成落地产品，但在其他缺少行业数据的场景发挥作用有限，提供公共行业数据服务的需求日益增大。