人工智能技術多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L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G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L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G質量的醫療數據成為提升診斷準確度的關鍵因素。得益于深度學習算法的進步，圖像識別能力不斷提G，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L域已經達到初步實用階段。GPU作為G性能計算機集群協處理器，峰值性能優于FPGA，在醫學影像L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。G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G質量數據獲取難度大，G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G，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J對優勢地位的L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L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L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J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G端L域，這一比例甚至超過80%之多。另一方面，在當前的醫療系統中，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G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J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：技術多面，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）G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，G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趨于化，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G層次的任務。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。跨境零售集團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G。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L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核心技術較為L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，提供更出色的用戶體驗。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G。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位的協作軟件供應商占協作整體市場的55.7%，其中微軟以占L20.8%的市場份額L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L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G。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G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。