人工智能技術全面滲透抗擊疫情各環節。

機器人、溫測大數據分析為抗疫使用最熱產品。

“看”-AI 體溫檢測系統提供智能識別。

AI體溫檢測的關鍵在于紅外體溫。測溫精度不足，僅可對人員進行初篩；受環境因素影響較大，遠距離測溫無法解決；測溫精度修正成為AI未來的突破重點；相關技術和產品亟需制定標準規范。AI技術在復雜環境下的遠距離紅外測溫方向上仍需深耕。

AI測溫系統產能不足，核心部件較國外存在差距。

“看”-AI看片，輔助醫生診斷看片。當前醫學影像處理中，肺結節檢測等領域已經十分成熟，也是AI企業重要研究方向之一。得益于前期的積累，相關算法能夠快速遷移應用于新冠肺炎疫情中。但是問題也很顯然，各個醫院的數據無法打通，且缺少有效標注數據；肺部影像輔助診斷發揮的實際效用有限，無法指導治療環節。

肺部影像分析系統

主要技術

目前醫學影像領域算法快速突破，算力持續增長，算法快速迭代，如何獲取足夠豐富且高質量的醫療數據成為提升診斷準確度的最關鍵因素。得益于深度學習算法的進步，圖像識別能力不斷提高，2015年Resnet算法識別錯誤率已經低于人眼的識別錯誤率，標志著算法在圖像領域已經達到初步實用階段。GPU作為高性能計算機集群協處理器，峰值性能優于FPGA，在醫學影像領域應用也越來廣泛。隨著運算量的大幅度增加，為醫療影像商業化應用提供了強有力的支撐。高質量數據獲取和標注能力是AI醫學影像公司的核心競爭力。

我國醫療數據有數據量大、數據種類多、數據價值密度低等特征，但高質量數據獲取難度大，高質量影像數據集中在少數三甲醫院，缺乏有效的數據共享機制。過往醫學影像數據，特別是影像所對應的臨床診斷報告信息，沒有以正確的標準化的形式記錄甚至缺失的問題，對數據質量造成較大影響。數據標注成本高，數據處理中80%的時間都是在做數據預處理工作，標注的準確性關乎結果的準確性，訓練的每張圖片都需要經過專業人員標注，未來2-5年小樣本學習在理論層面或將有所突破，但是短時間內數據的標注仍然需要耗費大量的精力。影像數據的獲取能力與標注能力已經成為AI醫學影像公司的核心競爭力之一。國內外公司基本都處于收集影像數據的階段，以不斷豐富病種多樣性和擴大影像數據規模，從而優化影像智能診斷的準確度。“AI+醫療影像”期待大數據引爆。

“AI+醫療影像”市場百花齊放，產業目前仍處于發展期，尚未出現占據絕對優勢地位的領跑企業。無論是國內還是國外，互聯網巨頭們都已經加快了在醫療人工智能領域的布局速度。在國外，IBM、谷歌和微軟都已經布局多年。Facebook、蘋果、亞馬遜等巨頭在人工智能領域也已經有長遠考慮，不過他們還是主要布局在各自有競爭優勢的行業，對于跨界應用于醫療行業的人工智能項目較少。在國內，BAT和科大訊飛為首的互聯網巨頭更看重醫療人工智能的市場，并且他們更傾向利用自身平臺特點與優勢的互聯網技術來進行布局。挑戰與前瞻：1）缺標準：CNDA尚無一例過審產品。目前已經有多項醫學人工智能產品向國家藥品監督管理局（CNDA）進行申報三類器械，但沒有一個被批準；2）少人才：醫療人工智能發展亟需復合型人才。人工智能人才現在是短板中的短板，既懂醫療，又懂技術的復合型、戰略型人才尤其短缺；3）基礎差：技術與數據兩大基石尚待鞏固。一方面，醫療影像設備市場仍然被極少數的國際巨頭所壟斷著，僅僅西門子、通用電氣、飛利浦三家就占據著75%的市場份額，而在高端領域，這一比例甚至超過80%之多。另一方面，在中國當前的醫療系統中，沒有統一標準的臨床結構化病歷報告、醫生手寫病歷不規范、臨床用藥、檢查等細節缺失、患者離開醫院后失訪率高等各種原因造成健康醫療數據“誤入誤出”。

“聽、說、寫”-智能外呼/在線機器人可以減少工作量。

AI+NLP，具備認知能力方能更懂用戶所言所想，層級劃分如圖18所示。國內總體呈現出重應用/輕創新的問題，AI+NLP“基礎建設”設施不全。優劣勢明顯。優勢有：1）技術鏈齊備：在基礎層/技術層/應用層上均有所布局；2）中文NLP技術：技術全面，對話系統、關鍵詞識別、語義理解效果提升明顯；3）數據資源豐富：收益于龐大的用戶群，可通過社交媒體收集相關文本、對話、翻譯數據。劣勢有：1）AI基礎層技術儲備不足；2）高度依賴國外計算硬件，GPU、AI芯片等；3）模型算法自主研發能力欠缺，高度依賴國外開源技術；4）數據標注和技術評價缺少統一的標準和規范。

AI+NLP趨于全球化，中國技術/市場/數據各方因素利好數據各方因素利好。智能客服，以對話系統技術（見圖19）為核心的典型產業生態齊全，呈現出百花齊放態勢。

AI+NLP全球化趨勢明顯，國內技術成熟/市場龐大/數據豐富，客服產業邁在前列。麻省理工學院報告，在接受調查的90%的全球公司已將AI整合到客戶服務和互動中，使得人工客服能夠專注處理更高層次的任務。全球顧問Gartner研究：2020年，約有280萬的美國客服坐席將發生重大改變，超過85%的客戶互動將會在沒有人工坐席的情況下處理�？缇沉闶奂瘓F瑪莎百貨運營人工智能迅速 處理客戶投訴，該項技術已 投入到集團所有的英國商店及它們的13家呼叫中心。迪拜國民銀行采用亞馬遜網絡服務AWS，用自然語言處理技術與客戶進行交互，開發個性化的零售客戶銀行體驗。

疫情影響下，人們對機器人的接受度和需求進一步升高。一方面這些機器人在開放環境下的能力仍然有限；隨著使用增多，不可避免的安全性應該引起注意。對智能防控服務機器人產業鏈進行分析。智能防控服務機器人屬醫療機器人子類醫療服務機器人類別。有配送運輸，清掃消毒；移動跟隨，引導帶路；咨詢問診，對話傳話等功能；有廣泛采用新一代信息技術，集成了豐富的智能傳感器，擬人化的活動交互能力等特點。隨著智能服務機器人市場潛力加速釋放，大量企業加入到激烈的市場競爭中，傳統機器人廠商、科研院所、軟件/科技巨頭，智能機器人公司等多股力量開始向服務機器人領域匯聚。

智能防控服務機器人產業鏈主要包括上游的關鍵零部件、中游的軟件與操作系統以及下游的產品集成與應用，如圖21所示。在產業鏈上游，目前國外企業占據主導地位，國內廠商繼續發力，核心零部件國產化的趨勢逐漸顯現。在產業鏈中游，主要為機器人提供核心軟件，包括操作系統和AI核心技術。國內AI核心技術全球較為領先，智能語音語義、計算機視覺技術較好，操作系統和AI核心技術是提升用戶體驗，拉開產品差距的關鍵要素，在整個產業鏈中處于核心地位。在產業鏈下游，主要是集成上游提供的關鍵零部件和中游的核心技術，為機器人提供應用場景和服務能力，目前服務場景有限，有待進一步挖掘剛需市場。產業鏈開始往上游-下游模式過渡，下游企業在應用集成過程中也在不斷創新發展，通過對AI核心技術的突破逐漸向產業鏈中游上探，中游企業也在往集成應用下探。

AI賦能協同辦公系統，如圖22所示，提升辦公軟件性能。AI技術主要是讓在線辦公系統更加智能，提供更優質的用戶體驗。網絡質量預測。用于動態調整網絡拓撲、編碼方式等，保證通信質量。人臉識別技術驗證身份，提升會議系統的安全性。對視頻質量進行動態改善，提升交流體驗。利用語音識別和翻譯技術，實現會議字幕生成和翻譯。AI在協同辦公軟件中可發揮的作用有待進一步挖掘。

國內在線辦公起步較晚，但發展迅速且產業鏈條完整，如圖23所示。國外在線辦公軟件起步較早，用戶付費意愿較高。受到疫情影響，國內在線辦公受到熱捧，有望培養用戶習慣，并形成可持續的商業模式。據國外機構Apps Run The World數據，2018年排名前10位的全球協作軟件供應商占全球協作整體市場的55.7%，其中微軟以占領20.8%的市場份額領跑市場，其次是思科、谷歌、LogMein和Slack。我國協同辦公市場規模也呈逐年擴大趨勢，據不完全統計，國內提供協同辦公產品的企業約有500余家，2019年產業規模達到459.5億元。即時通訊：國內互聯網公司技術和市場成熟；微信、釘釘、飛書、藍信等處于領先地位。音視頻會議：Zoom和思科Webex占據龍頭地位；國內飛書、釘釘等集成了會議功能，也有專注視頻會議的隨銳、全視通等。文檔協同：微軟憑借office軟件在全球占據著先發優勢；金山得益于WPS office 的深耕，市場占有率逐步提高。辦公OA：國內辦公OA歷史較長，主要企業包括用友、SAP、金蝶、金和、致遠互聯、泛微等。適應國內習慣和需求，本土企業優勢明顯。

人工智能抗疫產品仍然面臨問題。由于缺乏規范標準的引導，產品總體質量良莠不齊，存在著較高的應用風險，如AI體溫測量誤差過大可能導致病例漏檢，服務機器人識別和推薦信息不準確，會發生誤導用戶采取錯誤防疫措施的危險。一方面部分優秀產品由于宣傳不到位未能得到有效關注；另一方面企業扎堆推出大量同質化產品，忽視了部分場景下的需求。市場中缺少可供雙方對接需求的權威平臺。人工智能技術在有數據、有積累的場景能夠快速形成落地產品，但在其他缺少行業數據的場景發揮作用有限，提供公共行業數據服務的需求日益增大。