智東西（公眾號：zhidxcom）
編 | 十四
如果想收藏本文的報告原文， 點擊文末“瞭解更多”獲取下載位址， 密碼mytj。
2017年，
人工智慧徹底燥起來了：頂層設計相繼出臺，
科技巨頭紮堆佈局生態，
創投界狠下血本，
細分產業頻爆獨角獸。
那麼，
不說遠的，
不玩虛的，
當前技術發展的勢態如何？各個細分領域是怎樣收到影響的？巨頭和創企都在做啥，
怎麼做？
本期的智慧內參， 我們推薦來自渤海證券的人工智慧行業專題報告， 從通信（資料）、晶片兩大底層發展， 以及安防、金融、汽車、醫療四個細分領域盤點當下AI技術的影響力， 解讀投資熱點及其背後的邏輯。
以下為智慧內參整理呈現的乾貨：
*人工智慧分類與應用場景
從目前人工智慧的應用場景來看， 當前人工智慧仍是以特定應用領域為主的弱人工智慧， 如圖像識別、語音辨識等生物識別分析， 如智慧搜索、智慧推薦、智慧排序等智慧演算法等。
而涉及到垂直行業， 人工智慧多以輔助的角色來輔佐人類進行工作， 諸如目前的智慧投顧、自動駕駛汽車等， 而真正意義上的完全擺脫人類且能達到甚至超過人類的人工智慧尚不能實現。 預計隨著認知智慧技術的加速突破與應用， 運算能力、資料量的大幅增長以及演算法的提升， 人工智慧市場將加速爆發， 未來人工智慧+汽車、人工智慧+醫療等產業均將創在巨大的商業價值。
一、AI+通信：規劃海量資料一直以來， 由於通信產業的發展可以推動經濟增長， 通信產業是世界各國和地區高度重視產業，
*北美地區2888家物聯網相關企業， 融資1250億美元， 價值6130億美元
根據規劃， 5G服務將在2020年推出， 但是國內外多家運營商將加快推出5G業務技術。 物聯網方面，
*5G網路邏輯視圖
有分析認為， 2020年將有超過500億台機器和設備進行互聯， 超過2000億個聯網感測器產生海量資料。
大資料正式人工智慧的燃料， 而傳輸這些海量資料還是依靠5G等高速寬頻的通信技術。 5G邊緣計算將使機器人、自動駕駛汽車、可穿戴設備、無人駕駛飛機和其它對網路延遲敏感的系統， 比如 VR/AR 等， 自己成為一個微資料中心。
*5G邊緣計算：一旦實現，可帶來毫秒單位級別的網路延遲，使得海量資料即時處理成為可能
與此同時：面對越來越複雜的無線通訊網路系統，以往的設計與管理方式已經不能滿足，引入人工智慧可以説明通信行業進行分散式網路創新設計，不斷增強通信網路的性能和容量，用於説明電信運營商管理和優化其技術設施的工具和服務，如智慧化網路監測與維護、自動化管理和閉環優化、新型的網路規劃流程、網路自主安全防護等。
此外，對於通信行業，AI 技術可以最大限度地有效利用頻寬和資訊存儲和檢索的自動化，改進數位通信中過濾、搜索和語言翻譯等技術，將會極大的拓展未來通信技術的應用空間，為5G應用開闢一個新的藍海。
二、AI+晶片：技術競備場
*資料中心軟、硬體市場份額比例
資料是AI的燃料，那麼計算能力就是引擎了，人工智慧晶片是積體電路中的一個新興分支。2016年人工智慧晶片市場規模達到6億美金，預計到 2021年將達到52億美金，年複合增長率達到 53%。
*GPU 與 FPGA+CPU優劣勢對比
目前，GPU由於海量資料平行計算優勢，只需要進行高速運算而不需要邏輯判斷，在人工智慧晶片領域具有統治地位，佔有 36%的市場份額，而且有逐漸增長趨勢，2016 年營收同比增長 37%，歸母淨利潤同比增長 124%。
另外一個AI晶片設計方案是使用 CPU+FPGA 結構，利用 FPGA 動態處理資料的能力，資料中心就可以把單位功耗下的資料處理能力提高。全球有60多家公司先後斥資數十億美元研發FPGA，但最終成功的只有兩家：Xilinx與Altera（2015年被英特爾167億美元拍下）。FPGA 主要應用於通信、軍隊、工業、自動駕駛等領域，其中自動駕駛與資料中心將是未來增長的核心。
*人工智慧晶片一覽（援引招商證券）
除了目前主流的這兩種改善通用晶片用於半定制的深度學習演算法之外，業內也在積極研發麵向人工智慧應用的新的晶片，包括穀歌的TPU、我國中科院計算所的寒武紀（面向感知智慧技術，傳A輪融資1億美元，傳麒麟970晶片已搭載了寒武紀嵌入式IP），這類的針對特定演算法以及特定框架的全定制AI晶片，以及更近一步的，IBM 的TrueNorth這類的類腦晶片（BPU）。
*國內AI晶片相關政策檔一覽
三、AI+安防：穩增長 強需求
*安防政策匯總
受平安城市建設刺激，2016年我國安防行業市場規模已經達到總產值達到5400億元，同比增加9%。預計未來幾年，中國安防行業市場規模將從2015年的近5000億元增長到2020年的8759億元，年增長率在 11%以上。
市場結構方面，視頻監控在安防行業所占市場份額最大，占到了 50%，是構建安防系統中的核心；實體防護、樓宇對講占 25%；出入口控制占 13%；防盜報警占 8%；防爆安檢占 5%。
*智慧安防流程
安防未來發展趨勢將從事後追查升級到事前預防，這一升級的關鍵是人工智慧。目前智慧安防系統可以實現目標檢測（車牌識別）、人臉識別（屬性提取）、目標分類（車、行人）等功能。主要應用包括運動目標檢測、周界入侵防範、目標識別、車輛檢測、人流統計等方面。
*安防系統主要構成
*智慧安防中的主流AI晶片
安防系統主要由包括前段（感知）、傳輸、存儲、後臺顯示/控制、綜合管理平臺等構成。目前晶片主要應用于安防前端設備（SoC 晶片，包括CPU、圖像信號處理、視音訊編碼模組、網路介面模組等）與後端系統（GPU為主，利用深度學習和大資料技術進行大資料歸納，實現在複雜環境下人、車、物的多重特徵資訊提取和事件檢測）。
四、AI+金融：場景多 剛起步金融科技（Fintech）覆蓋一整個金融科技的生態圈，包括支付清算、融資、金融基礎設施建設、大資料、交易、保險以及投資管理等，其生態可歸類為智慧投顧（私人財富管理）、區塊鏈（比特幣）、監管科技、數位銀行、支付與清算以及其他多元金融七類，其中，智慧投顧、保險科技以及監管科技的發展較快。
*金融科技生態示意圖
根據巴曙松教授的《中國金融科技發展評估與趨勢展望》，金融科技有三個發展階段：
Fintech 1.0，金融行業通過傳統的IT軟、硬體的應用來實現辦公和業務的電子化、自動化，從而提高業務效率，這時候 IT 技術、IT 公司並沒有直接參與到公司的業務環節。
Fintech 2.0，主要是金融業搭建線上的業務平臺，利用互聯網或者移動終端的管道來收集使用者資訊，實現金融業務中的資產端、交易端、支付端、資金端的任意組合的互聯互通，本質上是對傳統金融管道的變革，實現資訊共用和業務融合，其中包括互聯網的基金銷售、P2P 互聯網借貸以及互聯網保險。
Fintech 3.0，金融業通過大資料、雲計算、人工智慧、區塊鏈這些新的 IT 技術來改變傳統的金融資訊採集來源、風險定價模型、投資決策過程、信用仲介角色，大幅提升傳統金融的效率，代表技術就是大資料征信、智慧投顧以及供應鏈金融。
* 截至2016年末，我國風投對Fintech企業不同輪投資額度占比
目前，國內Fintech多處於1.0末期，2.0初期，多為大資料調查、全金融產業鏈服務商和消費金融企業，未來發展空間較大。國務院發佈《十三五國家科技創新規劃》，規劃中稱，要促進科技金融產品和服務創新，建設國家科技金融創新中心等。此外，今年5月15日，央行發佈消息，中國人民銀行成立金融科技（Fintech）委員會。
五、AI+汽車：傳統與互聯網的兩種思路
*我國智慧網聯汽車發展目標及路徑
所謂“智慧汽車”，就是在普通車輛的基礎上增加了先進的感測器（雷達、攝像）、控制器、執行器等裝置，通過車載傳感系統和資訊終端實現與人、車、路等的智慧資訊交換，使車輛具備智慧的環境感知能力，能夠自動分析車輛行駛的安全及危險狀態，並使車輛按照人的意願到達目的地，最終實現替代人來操作的目的。目前，全球各國紛紛加快智慧汽車相關立法工作。
*汽車電子模組示意圖
根據汽車電動化、智慧網聯化趨勢以及消費升級，未來汽車電子配臵功能日益增多，成本占比將逐步提高。渤海證券預測，到2020年國內汽車電子市場規模將超 9000億元，2016-2020年複合增速超18%，而全球汽車電子市場規模2020年有望超2萬億元，市場空間巨大。
*ADAS主要功能及所需部件
*國外主流廠商ADAS產品及功能
從發展路勁來看，傳統車企與互聯網廠商在智慧汽車發展路徑存在差異：
傳統車企遵循從功能車-智慧車-自動駕駛汽車逐步發展的路徑，由易向難，從簡單到複雜，而互聯網廠商始終以顛覆式的姿態進入。整車廠商大多以輔助駕駛為核心，逐步試驗並裝配高級輔助駕駛系統，進而由輔助駕駛過渡到自動駕駛；
而互聯網廠商在整車製造、零部件製造等領域經驗尚淺，但在雲計算、大資料處理、人工智慧、高精度地圖等領域有較為明顯的優勢，以人工智慧和高精度地圖等“軟實力”為核心推出無人駕駛解決方案，從“軟”向“車”。
*主要汽車企業與自動駕駛公司合作情況（援引車雲網）
從目前發展情況看，豐田、富豪、寶馬、Tesla 等主流跨國車企無人駕駛技術主要從自動駕駛 1 級（個別功能自動）向自動駕駛 4 級（完全自動駕駛）橫向發展，遵循由易到難，由簡單到複雜的發展路徑，通過車聯網和ADAS著手，自建或共建高精度地圖系統，不斷豐富自動駕駛功能及內涵，循序漸進，最終實現真正意義上的無人駕駛。
*國外主要汽車企業無人駕駛技術發展概況
國內的情況是，無人駕駛汽車技術發展仍以汽車廠商為主導，整體上處於自動駕駛 1 級（個別功能自動）到自動駕駛 2 級（多種功能自動）的過渡階段，智慧網聯汽車已掌握了遠端遙控泊車、自動巡航、自動跟車、車道保持、換道行駛、自主超車等功能，根據各廠商規劃，2025 年多數廠商將有望實現高度自動駕駛功能。
*國內主要車企智慧汽車發展進展及規劃情況
六、AI+醫療：巨頭紮堆 前景龐大如何讓新藥研發更便宜
近年生物創新藥研發成功率的上升帶動了新藥研發總體成功率的提升，2012-2014 年間達到了 本世紀以來的高點11.6%，但是距離前期高點仍然有差距。研發成功率下降意味著費用不斷攀升，每種新藥的平均研發成本上升，通過降低研發成本來提高新藥收益率也成為了擺在醫藥行業面前的重要課題。
*不同年代新藥研發成本（百萬美元）
目前來看，無論是 IT 業還是醫藥行業，業內巨頭企業都已經注意到了人工智慧技術在創新藥研發領域應用的前景，紛紛展開佈局。
Google 與斯坦福大學的 Pande Lab 合作，利用大規模多工網路進行了藥物篩選，通過深度學習來處理巨大的資料庫，加快藥物的開發速度。IBM Watso也能夠幫助研究人員確定新的藥物靶點和發現現有藥物的新適應症，閱讀和理解大量的科學論文、專利、臨床試驗資料、電子實驗室筆記、毒理學報告和其他專有資料，發現資料之間的聯繫，目前已與國際多家知名藥企（以色列Teva、輝瑞製藥等）合作。
*與國際醫藥巨頭開展合作的人工智慧/新藥研發公司
*國內外AI+ 新藥研發企業
如何優化醫療服務
經過 30 多年的快速發展，醫療機器人已在神經外科、腹腔內科、胸外科、骨外科、血管介入、顱面外科等多個領域得到了較廣泛的應用。根據使用領域的不同可以分為手術機器人、外骨骼機器人、護理機器人和康復機器人等。目前市場上手術機器人和康復機器人商業化應用最為廣泛，其中手術機器人市場份額約60%，居首位。
*2014年全球醫療機器人市場分佈
據 IFR 統計，2004 年全球醫療機器人銷量為 386 台，2014 年達 1224 台（外科手術輔助機器人銷量 978 台，占比最高），年複合增速達 12.2%，預計 2018 年全球醫療機器人銷量達 4000 台，2014-2018 年期間複合增速為 34.4%。從市場規模上看，據波士頓諮詢測算，2016 年全球醫療機器人銷售額超 70 億美元，其中手術機器人占 60%左右市場，預計 2016-2020 年複合增長率能穩定在15.4%，至 2020 年全球醫療機器人規模有望達到 114 億美金。
*醫療機器人發展歷程中代表性產品
*106家醫療保健領域的新興AI企業
*2016年IBM Watson在醫療領域的大事記一覽
如何進行國民健康管理
人工智慧技術另一個可能得到廣泛應用的領域就是健康管理和養老。在國務院發佈的《新一代人工智慧發展規劃》中提出，要加強群體智慧健康管理，突破健康大資料分析、物聯網等關鍵技術，研發健康管理可穿戴設備和家庭智慧健康檢測監測設備，推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變。
*部分可穿戴設備功能介紹
*中國醫療器械市場規模 （億元）
如何進行醫保控費
城鎮基本醫療保險基金支出增速超過收入增速已成常態。近年，我國醫保基金支出水準增長迅猛，城鎮基本醫療保險基金支出增速在 2009、2010、2013 以及2014 年度均超過收入增速，醫保基金面臨的壓力越來越大，控費已刻不容緩。
*近年我國城鎮基本醫療保險基金收入與支出情況
隨著資訊技術特別是人工智慧技術的不斷發展，醫保監測逐步走向智慧化時代，即借助醫保資訊化系統而建立的一種更加科學的醫療保險監管體系，涵蓋事前、事中、事後的診療全過程，管理物件包括參保人、醫師、醫院和藥店，管理的處方內容包括藥品、檢驗檢查及醫用材料。
如果發生違規問題，監控系統會及時預警，醫療保險經辦機構會立即採取措施。醫療服務機構和醫師在服務過程中如果不按規則辦事，監控系統會立即警告或者制止，醫療保險經辦機構則會立即進行跟蹤管理。
*近年我國政府出臺的鼓勵醫保智慧監管的相關
醫療保險智慧監管改變了以往缺乏專業支持、手段單一、效率低下的審核模式，實現了醫保監管向智慧化、精准化、高效化轉變。除監管方式和工具方面的經驗外，在監管形式上，發達國家開始更多地運用資訊技術來對醫保基金使用的全流程進行監管。
智東西認為，正如第170期智慧內參指出的，人工智慧爆發的路線是場景化應用→萬物互聯→真·人工智慧。其背後的邏輯是，目前的技術水準僅支援特定需求的定制的弱人工智慧，更多的佈局傾向於感知技術，而非認知技術，因此，基於模式識別的身份認證、安防，以及輔助性的駕駛、醫療、金融（專業）資料分析將成為主要的落地產品。與此同時，各大科技巨頭也在積極佈局基礎層技術，包括通信（大資料的基礎）和晶片，以及面向專業領域的認知技術，在這些方面，國內確實略為遜色。
附：國內外巨頭的AI佈局
下載提醒：如果想收藏本文的報告，點擊下方“瞭解更多”獲取下載位址，密碼mytj。
*5G邊緣計算：一旦實現，可帶來毫秒單位級別的網路延遲，使得海量資料即時處理成為可能
與此同時：面對越來越複雜的無線通訊網路系統，以往的設計與管理方式已經不能滿足，引入人工智慧可以説明通信行業進行分散式網路創新設計，不斷增強通信網路的性能和容量，用於説明電信運營商管理和優化其技術設施的工具和服務，如智慧化網路監測與維護、自動化管理和閉環優化、新型的網路規劃流程、網路自主安全防護等。
此外，對於通信行業，AI 技術可以最大限度地有效利用頻寬和資訊存儲和檢索的自動化，改進數位通信中過濾、搜索和語言翻譯等技術，將會極大的拓展未來通信技術的應用空間，為5G應用開闢一個新的藍海。
二、AI+晶片：技術競備場
*資料中心軟、硬體市場份額比例
資料是AI的燃料，那麼計算能力就是引擎了，人工智慧晶片是積體電路中的一個新興分支。2016年人工智慧晶片市場規模達到6億美金，預計到 2021年將達到52億美金，年複合增長率達到 53%。
*GPU 與 FPGA+CPU優劣勢對比
目前，GPU由於海量資料平行計算優勢，只需要進行高速運算而不需要邏輯判斷，在人工智慧晶片領域具有統治地位，佔有 36%的市場份額，而且有逐漸增長趨勢，2016 年營收同比增長 37%，歸母淨利潤同比增長 124%。
另外一個AI晶片設計方案是使用 CPU+FPGA 結構，利用 FPGA 動態處理資料的能力，資料中心就可以把單位功耗下的資料處理能力提高。全球有60多家公司先後斥資數十億美元研發FPGA，但最終成功的只有兩家：Xilinx與Altera（2015年被英特爾167億美元拍下）。FPGA 主要應用於通信、軍隊、工業、自動駕駛等領域，其中自動駕駛與資料中心將是未來增長的核心。
*人工智慧晶片一覽（援引招商證券）
除了目前主流的這兩種改善通用晶片用於半定制的深度學習演算法之外，業內也在積極研發麵向人工智慧應用的新的晶片，包括穀歌的TPU、我國中科院計算所的寒武紀（面向感知智慧技術，傳A輪融資1億美元，傳麒麟970晶片已搭載了寒武紀嵌入式IP），這類的針對特定演算法以及特定框架的全定制AI晶片，以及更近一步的，IBM 的TrueNorth這類的類腦晶片（BPU）。
*國內AI晶片相關政策檔一覽
三、AI+安防：穩增長 強需求
*安防政策匯總
受平安城市建設刺激，2016年我國安防行業市場規模已經達到總產值達到5400億元，同比增加9%。預計未來幾年，中國安防行業市場規模將從2015年的近5000億元增長到2020年的8759億元，年增長率在 11%以上。
市場結構方面，視頻監控在安防行業所占市場份額最大，占到了 50%，是構建安防系統中的核心；實體防護、樓宇對講占 25%；出入口控制占 13%；防盜報警占 8%；防爆安檢占 5%。
*智慧安防流程
安防未來發展趨勢將從事後追查升級到事前預防，這一升級的關鍵是人工智慧。目前智慧安防系統可以實現目標檢測（車牌識別）、人臉識別（屬性提取）、目標分類（車、行人）等功能。主要應用包括運動目標檢測、周界入侵防範、目標識別、車輛檢測、人流統計等方面。
*安防系統主要構成
*智慧安防中的主流AI晶片
安防系統主要由包括前段（感知）、傳輸、存儲、後臺顯示/控制、綜合管理平臺等構成。目前晶片主要應用于安防前端設備（SoC 晶片，包括CPU、圖像信號處理、視音訊編碼模組、網路介面模組等）與後端系統（GPU為主，利用深度學習和大資料技術進行大資料歸納，實現在複雜環境下人、車、物的多重特徵資訊提取和事件檢測）。
四、AI+金融：場景多 剛起步金融科技（Fintech）覆蓋一整個金融科技的生態圈，包括支付清算、融資、金融基礎設施建設、大資料、交易、保險以及投資管理等，其生態可歸類為智慧投顧（私人財富管理）、區塊鏈（比特幣）、監管科技、數位銀行、支付與清算以及其他多元金融七類，其中，智慧投顧、保險科技以及監管科技的發展較快。
*金融科技生態示意圖
根據巴曙松教授的《中國金融科技發展評估與趨勢展望》，金融科技有三個發展階段：
Fintech 1.0，金融行業通過傳統的IT軟、硬體的應用來實現辦公和業務的電子化、自動化，從而提高業務效率，這時候 IT 技術、IT 公司並沒有直接參與到公司的業務環節。
Fintech 2.0，主要是金融業搭建線上的業務平臺，利用互聯網或者移動終端的管道來收集使用者資訊，實現金融業務中的資產端、交易端、支付端、資金端的任意組合的互聯互通，本質上是對傳統金融管道的變革，實現資訊共用和業務融合，其中包括互聯網的基金銷售、P2P 互聯網借貸以及互聯網保險。
Fintech 3.0，金融業通過大資料、雲計算、人工智慧、區塊鏈這些新的 IT 技術來改變傳統的金融資訊採集來源、風險定價模型、投資決策過程、信用仲介角色，大幅提升傳統金融的效率，代表技術就是大資料征信、智慧投顧以及供應鏈金融。
* 截至2016年末，我國風投對Fintech企業不同輪投資額度占比
目前，國內Fintech多處於1.0末期，2.0初期，多為大資料調查、全金融產業鏈服務商和消費金融企業，未來發展空間較大。國務院發佈《十三五國家科技創新規劃》，規劃中稱，要促進科技金融產品和服務創新，建設國家科技金融創新中心等。此外，今年5月15日，央行發佈消息，中國人民銀行成立金融科技（Fintech）委員會。
五、AI+汽車：傳統與互聯網的兩種思路
*我國智慧網聯汽車發展目標及路徑
所謂“智慧汽車”，就是在普通車輛的基礎上增加了先進的感測器（雷達、攝像）、控制器、執行器等裝置，通過車載傳感系統和資訊終端實現與人、車、路等的智慧資訊交換，使車輛具備智慧的環境感知能力，能夠自動分析車輛行駛的安全及危險狀態，並使車輛按照人的意願到達目的地，最終實現替代人來操作的目的。目前，全球各國紛紛加快智慧汽車相關立法工作。
*汽車電子模組示意圖
根據汽車電動化、智慧網聯化趨勢以及消費升級，未來汽車電子配臵功能日益增多，成本占比將逐步提高。渤海證券預測，到2020年國內汽車電子市場規模將超 9000億元，2016-2020年複合增速超18%，而全球汽車電子市場規模2020年有望超2萬億元，市場空間巨大。
*ADAS主要功能及所需部件
*國外主流廠商ADAS產品及功能
從發展路勁來看，傳統車企與互聯網廠商在智慧汽車發展路徑存在差異：
傳統車企遵循從功能車-智慧車-自動駕駛汽車逐步發展的路徑，由易向難，從簡單到複雜，而互聯網廠商始終以顛覆式的姿態進入。整車廠商大多以輔助駕駛為核心，逐步試驗並裝配高級輔助駕駛系統，進而由輔助駕駛過渡到自動駕駛；
而互聯網廠商在整車製造、零部件製造等領域經驗尚淺，但在雲計算、大資料處理、人工智慧、高精度地圖等領域有較為明顯的優勢，以人工智慧和高精度地圖等“軟實力”為核心推出無人駕駛解決方案，從“軟”向“車”。
*主要汽車企業與自動駕駛公司合作情況（援引車雲網）
從目前發展情況看，豐田、富豪、寶馬、Tesla 等主流跨國車企無人駕駛技術主要從自動駕駛 1 級（個別功能自動）向自動駕駛 4 級（完全自動駕駛）橫向發展，遵循由易到難，由簡單到複雜的發展路徑，通過車聯網和ADAS著手，自建或共建高精度地圖系統，不斷豐富自動駕駛功能及內涵，循序漸進，最終實現真正意義上的無人駕駛。
*國外主要汽車企業無人駕駛技術發展概況
國內的情況是，無人駕駛汽車技術發展仍以汽車廠商為主導，整體上處於自動駕駛 1 級（個別功能自動）到自動駕駛 2 級（多種功能自動）的過渡階段，智慧網聯汽車已掌握了遠端遙控泊車、自動巡航、自動跟車、車道保持、換道行駛、自主超車等功能，根據各廠商規劃，2025 年多數廠商將有望實現高度自動駕駛功能。
*國內主要車企智慧汽車發展進展及規劃情況
六、AI+醫療：巨頭紮堆 前景龐大如何讓新藥研發更便宜
近年生物創新藥研發成功率的上升帶動了新藥研發總體成功率的提升，2012-2014 年間達到了 本世紀以來的高點11.6%，但是距離前期高點仍然有差距。研發成功率下降意味著費用不斷攀升，每種新藥的平均研發成本上升，通過降低研發成本來提高新藥收益率也成為了擺在醫藥行業面前的重要課題。
*不同年代新藥研發成本（百萬美元）
目前來看，無論是 IT 業還是醫藥行業，業內巨頭企業都已經注意到了人工智慧技術在創新藥研發領域應用的前景，紛紛展開佈局。
Google 與斯坦福大學的 Pande Lab 合作，利用大規模多工網路進行了藥物篩選，通過深度學習來處理巨大的資料庫，加快藥物的開發速度。IBM Watso也能夠幫助研究人員確定新的藥物靶點和發現現有藥物的新適應症，閱讀和理解大量的科學論文、專利、臨床試驗資料、電子實驗室筆記、毒理學報告和其他專有資料，發現資料之間的聯繫，目前已與國際多家知名藥企（以色列Teva、輝瑞製藥等）合作。
*與國際醫藥巨頭開展合作的人工智慧/新藥研發公司
*國內外AI+ 新藥研發企業
如何優化醫療服務
經過 30 多年的快速發展，醫療機器人已在神經外科、腹腔內科、胸外科、骨外科、血管介入、顱面外科等多個領域得到了較廣泛的應用。根據使用領域的不同可以分為手術機器人、外骨骼機器人、護理機器人和康復機器人等。目前市場上手術機器人和康復機器人商業化應用最為廣泛，其中手術機器人市場份額約60%，居首位。
*2014年全球醫療機器人市場分佈
據 IFR 統計，2004 年全球醫療機器人銷量為 386 台，2014 年達 1224 台（外科手術輔助機器人銷量 978 台，占比最高），年複合增速達 12.2%，預計 2018 年全球醫療機器人銷量達 4000 台，2014-2018 年期間複合增速為 34.4%。從市場規模上看，據波士頓諮詢測算，2016 年全球醫療機器人銷售額超 70 億美元，其中手術機器人占 60%左右市場，預計 2016-2020 年複合增長率能穩定在15.4%，至 2020 年全球醫療機器人規模有望達到 114 億美金。
*醫療機器人發展歷程中代表性產品
*106家醫療保健領域的新興AI企業
*2016年IBM Watson在醫療領域的大事記一覽
如何進行國民健康管理
人工智慧技術另一個可能得到廣泛應用的領域就是健康管理和養老。在國務院發佈的《新一代人工智慧發展規劃》中提出，要加強群體智慧健康管理，突破健康大資料分析、物聯網等關鍵技術，研發健康管理可穿戴設備和家庭智慧健康檢測監測設備，推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變。
*部分可穿戴設備功能介紹
*中國醫療器械市場規模 （億元）
如何進行醫保控費
城鎮基本醫療保險基金支出增速超過收入增速已成常態。近年，我國醫保基金支出水準增長迅猛，城鎮基本醫療保險基金支出增速在 2009、2010、2013 以及2014 年度均超過收入增速，醫保基金面臨的壓力越來越大，控費已刻不容緩。
*近年我國城鎮基本醫療保險基金收入與支出情況
隨著資訊技術特別是人工智慧技術的不斷發展，醫保監測逐步走向智慧化時代，即借助醫保資訊化系統而建立的一種更加科學的醫療保險監管體系，涵蓋事前、事中、事後的診療全過程，管理物件包括參保人、醫師、醫院和藥店，管理的處方內容包括藥品、檢驗檢查及醫用材料。
如果發生違規問題，監控系統會及時預警，醫療保險經辦機構會立即採取措施。醫療服務機構和醫師在服務過程中如果不按規則辦事，監控系統會立即警告或者制止，醫療保險經辦機構則會立即進行跟蹤管理。
*近年我國政府出臺的鼓勵醫保智慧監管的相關
醫療保險智慧監管改變了以往缺乏專業支持、手段單一、效率低下的審核模式，實現了醫保監管向智慧化、精准化、高效化轉變。除監管方式和工具方面的經驗外，在監管形式上，發達國家開始更多地運用資訊技術來對醫保基金使用的全流程進行監管。
智東西認為，正如第170期智慧內參指出的，人工智慧爆發的路線是場景化應用→萬物互聯→真·人工智慧。其背後的邏輯是，目前的技術水準僅支援特定需求的定制的弱人工智慧，更多的佈局傾向於感知技術，而非認知技術，因此，基於模式識別的身份認證、安防，以及輔助性的駕駛、醫療、金融（專業）資料分析將成為主要的落地產品。與此同時，各大科技巨頭也在積極佈局基礎層技術，包括通信（大資料的基礎）和晶片，以及面向專業領域的認知技術，在這些方面，國內確實略為遜色。
附：國內外巨頭的AI佈局
下載提醒：如果想收藏本文的報告，點擊下方“瞭解更多”獲取下載位址，密碼mytj。