作者：21世纪经济报道
出版社：浙江出版集团数字传媒有限公司
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
人类会爱上人工智能吗？(《21世纪经济报道》深度观察)试读：
人类会爱上人工智能吗？21世纪经济报道 著版权信息人类会爱上人工智能吗？
21世纪经济报道 著
非经书面授权，不得在任何地区以任何方式反编译、翻印、仿制或节录本书文字或图表。● 编者按● 一、中国人工智能现状● 大数据+人工智能挺进“城市医保系统”调查■ 数据标准化输入瓶颈待解■“ 旧观念”的局限与突破● 广深大手笔资金加码人工智能、高端制造 破解核心技术“卡脖子”难题■ 政府大手笔加码创新投入■ 重点发力人工智能、高端制造● 专访安永技术分析与咨询全球主管Beatriz Sanz Saiz：人工智能改变咨询业 构建产业互联网平台提供咨询服务● 人工智能落地新零售 “刷脸支付”步入成熟商用■“ 刷脸支付”落地■“ 刷码”还是“刷脸”？● 瓦里安全球CEO魏思韬： 加强中国放疗人才培养 推动人工智能应用■ 短板明显■ 助力人才培养●“ 人工智能第一股”科大讯飞：扣非净利降7成 “春播秋收”业绩拐点隐现？■ 大投入仍在持续■ 业绩拐点显现？● 二、人工智能对其它行业的影响● 人工智能对保险行业的挑战与展望■ 一、挑战■ 二、展望● 企业级人工智能平台兴起 需求大但应用存挑战■ 传统企业智能转型需求大■ 智能平台应用存挑战● 腾讯机器人实验室首曝光 攻坚“通用人工智能”■ 打通虚拟和现实■ 深耕AI+医疗● 后起猛追 南沙人工智能产业一年驶上快车道■“ 在白纸上作画”■ 政策叠加 价值洼地■ 短板如何变强项？● 加强与香港合作、产学研融合 深圳积极打造人工智能产业的全球高地■ 落地效率高为产业创新提供原动力■ 加强与香港合作提高竞争力● 从“猜画小歌”看谷歌AI：人工智能“布道”任重道远■ AI+社交■ 加速落地● 安联全球企业及特殊风险首席运营官Bettina Dietsche：人工智能或影响 金融业23%的岗位■ 人工智能将改变企业人力现状■ 自建代理人模式或逐步退出市场● 酒店“非典型”场景革命：人工智能如何引领“造梦空间”？■ 黑科技来袭■ 投入产出效益■ 机遇和挑战● 人工智能赋能下的定制旅游：效率与资源的争夺战■ AI提效■ 资源之战● 人工智能驱动金融科技：市场规模或超2000亿■ AI将充当重要角色■ 市场规模巨大● 投资人热议风口：医疗健康、人工智能受青睐■ 投资应拥抱长期趋势而非追风■ 医疗健康、人工智能广受青睐● 解码超算：自主化迭代 打开基于人工智能的应用空间■ 自主研发迭代■ 应用扩围AI● AI赋能农业机械 中联重科牵手人工智能■ 升级农业装备制造产业■ 农业智能化● 三、人工智能前景● 人工智能商业化提速 创新奇智瞄准三大场景万亿市场■ 告别“博士创业”时代■ 聚焦三大场景● 人工智能课进高中：现在不做，两年后就来不及了■ 人工智能课教什么■ 重点是加强编程教育● 电子信息产业外贸额占比超三成 人工智能或引领新“爆发点”■ 编者按■ 从不足1亿美元到1.36万亿美元■ 内外部挑战凸显■ 寻找下一个“爆发点”●“ 服务机器人第一股”上市半年考：科沃斯净利增逾三成 布局人工智能产业链■ 逐鹿“服务机器人”市场■ 上市半年考● 人工智能变革客服行业 未来或与机器“无感知”对话■ 阿里输出客服能力■ 强化人机协作● 两万亿不良资产待处置 AI结合人工可提高催回率超10个百分点■ 大数据、人工智能提效催收■ 小额不良最为受益■ 金融科技应用仍存瓶颈● 人工智能未来风向： 耦合脑神经科学 渗透垂直行业■ AI+脑科学■ 垂直渗透● 科技公司扎堆共建大学实验室：人工智能既是前沿科学又是前沿产品■ 一个系有6个校企实验室■ 高校产学研合作新突破● 人工智能迈向2.0时代： 部分技术进入生产成熟期 全球化趋势明显■ 技术成熟度不一■ 全球化提速● 人工智能时代的科学治理：伦理准则雏形初现■ 挑战重重■ 道德准则● 人工智能时代的安全博弈：与黑产进行攻守对抗■ 系统漏洞■ AI“双刃剑”■ 平衡发展编者按
人工智能的巨大能量，带动了从微观至宏观的各种智能化需求，进而催生一系列新的技术、产品、业态与模式。
根据中国信通院与Gartner联合发布的《2018世界人工智能产业发展白皮书》（以下简称“白皮书”）显示，1999年至2017年，全球人工智能领域中图像识别、生物特征识别、语音识别、语音合成、自然语言理解、机器学习等关键技术分支的发明申请及授权专利数量（合并同族后）超过10万项。
伴随技术的密集而生，是相关企业数量的暴涨。根据中国信通院数据研究中心全球ICT监测平台实时监测的数据，截至2018年上半年，全球范围内共有4998家人工智能企业。其中，美国人工智能企业数量2039家，位列全球第一，其次是中国（不含港澳台地区）1040家，之后依次是英国392家、加拿大287家、印度152家。
然而，这一轮人工智能热潮的源头，来自2006年Geoffrey Hinton提出的基于深度信念网络可使用非监督学习的训练算法，使深度学习持续升温。那么，除了当前的深度学习之外，人工智能还将如何向前发展？还拥有怎样的解决方案？
接下来的文章将为您分解。一、中国人工智能现状大数据+人工智能挺进“城市医保系统”调查
去年以来，一座西部城市卫健委部门负责人王刚（化名）告别了相对休闲的生活。
每个月他都会约见3-4家金融科技平台业务主管，了解他们借助大数据与人工智能技术提升医保监测效率，遏制医保报销领域跑冒滴漏、过度医疗、浪费滥用、套刷套药等灰色操作现象的具体成果。“事实上，传统医保监测解决方案存在不少弊端，的确到了需要改革的地步。”他坦言。在他看来，这些弊端主要表现在两大方面，一是打不通临床数据、做不好数据标准化归集处理、无法落实数据应用等，导致当地卫健委难以实时掌握医保报销领域存在的灰色操作具体状况，无法做到“对症下药”有效治理；
二是现有的医保监测解决方案，风控规则是事先设计好的，对医疗行为的判读往往是“事后”的，不能及时监管医生在诊疗过程中的异常行为，做到事中审核杜绝过度医疗行为。“要借助金融科技平台的大数据分析与人工智能技术，彻底解决当前医保监测解决方案的弊端，要走的路还漫长。”王刚向记者坦言，一方面当地政府部门考虑到医保基金数据的安全性，不大会与外部系统联网相关数据；另一方面不少地方政府部门人士认为当前医保业务自成体系，未必需要引入外部系统，反而增加数据外泄的风险。
更重要的是，仅在各类医疗数据标准化归集处理一项，多数金融科技平台所谓的大数据分析与人工智能技术，未必能达到相关政府部门的要求，更别提通过上述技术对医疗数据进行实时分析，在事前、事中环节有效遏制过度医疗、跑冒滴漏、套刷套药等灰色操作同时，逐步完善医院的绩效考核机制。“其实，不少金融科技平台也对此给出了自己的成功案例，包括与地方政府医保系统开发了基于互联网+大数据分析+AI智能治理的医改监测平台，但它们是否适合我们当地医改医疗运作状况，仍是未知数。”王刚坦言。这也是当前大数据+人工智能技术在医保系统应用雷声大、雨点小的主要原因之一。数据标准化输入瓶颈待解“尽管不少金融科技平台都标榜自己的大数据与人工智能技术很厉害，但仅数据标准化归集一项，我可能会过滤掉80%的潜在合作机构。”王刚向记者表示。
在他看来，当前医保系统的数据标准化归集处置所面临的挑战并不少：一是医院覆盖面广，需要接入数据的医疗机构较多，导致数据对接方案相当繁琐；二是接入后的数据质量较差，缺乏统一的数据目录标准，需要金融科技平台投入大量时间、人力和技术用于数据治理。比如部分医院医生习惯性地在病人病历卡上写“不舒服”，但在数据输入时，“不舒服”需要与当时病人所患疾病一一对应，用专业的医学术语解释“不舒服”的具体状况及相应病症，因此金融科技平台需要核实大量医院医疗数据与患者病历，才能做出准确的数据标准化归集治理。
在数据标准化治理过程，金融科技平台还会遇到不少的烦恼——若金融科技平台遵循传统的数据输入操作模式，即先线下整理所谓的数据目录标准，再植入系统，设计不同类型数据的映射关系，将导致相关操作效率低下，每一次原始医疗数据的更迭，都会对已植入系统的目录标准构成影响，甚至需要对目录标准进行更新。比如某个病人病症的不舒服状况起初归咎于“头疼”，但后来数据审核发现他是因为“胃疼”导致不舒服，那么相关数据需要重新更迭归入新的目录标准，导致相关数据输入工作不得不推倒重来，重新开始。“因此，金融科技平台能否确保所有数据都能得到准确的标准化治理归集，某种程度影响到未来医保监测大数据分析的精准性。”他指出，目前多数金融科技平台坦言自己还无法在数据标准化治理归集环节做到100%精准，令他担心引入金融科技平台合作，可能会出现“一步错，步步错”的局面。
但他也发现，个别金融科技平台通过研发基于人工智能和大数据技术的数据智能治理模型，有效解决了上述痛点。具体而言，他们一方面在数据标准化接入方面，先制定医院数据统一接入规范，约束医院杂乱无章的数据结构；一方面在数据标准化治理方面，优先建立疾病、药品等基准目录，再在目录基础上建立标准化和结构化模型，从而将大量医院原始医疗数据进行内容标准化处理，有效提升数据治理效能同时降低人工维护成本。“光靠它，还不足以吸引不少地方卫健委与金融科技平台围绕提升医保监测效率开展合作。”王刚直言。比如他所在的地方政府部门对医保监测系统改革，有着更高的期望值，包括地方卫健委能通过基于大数据与人工智能的医改监测平台，对辖区内公立医院临床医疗数据进行实时接收和监管，对关键数据（尤其是医保费用数据）开展分析，实现提前预警和事后审核，有效遏制医疗机构人员不合理用药所带来的过度医疗现象；此外当地卫健委还希望能以此构建一整套新的科学、客观的数据分析工具，包括拓展处方点评、DRG绩效管理、医院等级评审等功能，对当地公立医院进行全面的绩效评估，提升医院管理效率同时，解决医疗数据不能自动化处理，数据共享联动和深度价值挖掘能力不足等问题。
记者多方了解到，目前部分金融科技平台已将大数据与人工智能技术应用到这些领域，包括研发DRG支付风控等智能化技术，不断优化医改监测平台风控规则与智能审核流程，从而满足地方政府部门的上述要求。“但是，相关实践效果不一。”一位涉足地方医保系统技术合作的金融科技平台负责人向记者透露，部分金融科技平台提供的基于大数据与人工智能的医保监测解决方案，的确让当地监测异常的辅助用药和高值耗材采购价直接下降10%-30%、人均出院费用同比下降5%-6%，但多数金融平台给出的相关解决方案效果不够明显，当地医院以药养医，人均治疗费用依然居高不下。
在他看来，其实这些医保监测解决方案的实施效果高低，很大程度取决于地方政府的监管执行力度。包括对不良执业和不合理用药行为的医院与医生采取较严的处罚力度，通过构建全面专业的DRG绩效管理与医院等级评审制度，“迫使”当地医院持续提升临床治疗质量与成本核算管理的考核，从而逐步有效遏制医保报销领域跑冒滴漏、过度医疗、浪费滥用、套刷套药等灰色操作现象。“这取决于当地政府卫健委等医保管理部门的监管尺度松紧。”这位金融科技平台负责人坦言。目前他接触了不少地方政府医保管理部门负责人，感觉地方针对医保监测系统弊端的改革决心都很大，但由于旧观念的局限，令相关技术合作进展相对缓慢。“旧观念”的局限与突破
在王刚看来，所谓的旧观念局限，其实是地方政府针对大数据与人工智能技术在医保领域应用的一大顾虑，即担心地方医保数据可能出现外泄风险。“很多金融科技平台都认为自己拥有足够的数据保护技术，确保这些医保数据不会外泄，但我们不怕一万，就怕万一。”他向记者指出。因此地方政府相关部门内部对金融科技平台合作有着一条不成文的准入门槛，即国企或大型持牌金融机构下属的金融科技平台优先考虑。
在他看来，正是这种顾虑，让他在过去一年不大敢与金融科技平台深入探讨现行医改监测方案弊端的解决方案，以及要求他们量身定制新的方案。
一位地方政府部门人士向记者坦言，其实不少地方政府部门与金融科技平台的合作，也是基于形势所迫。此前一个中西部地区大型城市，在全国医改推动效果检查过程处于全国落后水平，令当地政府决心落实健康医疗大数据行动方案，彻底改变现行医保监测解决方案的诸多弊端，比如打不通临床数据、做不好数据标准化、无法落实数据应用等。如今在金融科技平台量身定制基于大数据与人工智能的医保监测平台后，当地医改监测工作的实时动态程度迅速提升，已经位列全国前列。“目前我们也在观察这个城市的新型医保监测平台是否能持续遏制医保报销领域的各种灰色操作现象，以及持续提升医院绩效管理水准。”他直言，毕竟，即便是基于大数据与人工智能的医保监测平台，很多风控审核规则也都是事先设计好的，一旦出现新的灰色操作模式且医改监测平台未能及时发现，就容易造成新的过度医疗现象，令医保监测效果大打折扣。“我们也注意到这个问题。”上述涉足地方医保系统技术合作的金融科技平台负责人向记者透露，为此他所在的金融科技平台开始引入深度学习技术，一方面基于数据分析研发新的方法，以此更快地适应医疗数据更新对现有风控规则造成的各类影响，另一方面打造新的风控模型，更快速地识别医疗过程所形成的“异常内容”，杜绝新的医保报销领域灰色操作现象滋生。“不过，要让地方卫健委等医保管理部门相信我们的智能风控技术一直在与日俱进，可能需要相当长时间的实践效果检验。”他直言。作者：陈植发布时间：2019-02-20广深大手笔资金加码人工智能、高端制造 破解核心技术“卡脖子”难题
2月4日，央视春晚深圳分会场大量运用并展示柔性屏、机器人、4K和5G等先进技术和产品，以“科技未来之城”的形象亮相。无独有偶，2016年春晚广州分会场也是主打高科技元素。
一直以来，广深都有借力科技推动产业提升的雄心。近年广州提出要加快建设科技创新强市，深圳则要建成全球创新创意之都。其中，至关重要的是科技创新能力不足的短板急需加快补齐。
对此，近期广州和深圳均启动了以2019年为起点的针对性的破解计划。广州准备实施重点领域研发计划，2019-2023年广州市区两级财政预计将为此投入100亿元左右；深圳则出台了一系列加强基础科学研究的政策，并布局一批基础研究机构。
两市有着一致指向，均聚焦新一代信息技术、人工智能等前沿科技领域，谋求通过突破一批前沿性、引领性关键核心技术促进战略性新兴产业发展。
分析人士认为，这是广深经济转型升级再推进、把握新一轮科技革命和产业变革机遇的必由之路，而粤港澳大湾区国际科技创新中心的建设亦要求两市加快提升创新能力。政府大手笔加码创新投入
2019年新年伊始，广州和深圳均在大手笔布局科研创新。
2月11日，广州宣布即将启动实施重点领域研发计划，以加强重点产业领域关键核心技术攻关，具体将组织实施若干重大科技专项，力争通过3-5年左右时间突破一批前沿性、引领性关键核心技术。
为此，广州将加大相应的财政支持力度。按广州官方测算，2019-2023年该市的市、区两级财政预计将投入100亿元左右用于该计划的研发项目、重大平台建设以及国家和省重大项目配套。同时，还明确将大幅提高项目支持强度，单个项目的财政支持经费将达到1000万元以上。
深圳的力度也不弱。今年1月1日，《深圳市关于加强基础科学研究的实施办法》正式实施，这份颇具纲领性的文件显示，深圳将“三步走”，到2022年基本建成现代化国际化创新型城市，到2025年基本建成国际科技产业创新中心，到2035年建成可持续发展的全球创新创意之都。
深圳也强调要加大对科研的投入支持，上述3个时间节点，深圳全社会研发投入占GDP比重要分别达4.28%、4.5%和6.0%，并且基础研究经费占R＆D经费的比重还要分别达4.1%、5.0%和10%。今年深圳政府工作报告还专门强调，要确保基础研究投入比例不低于财政科技专项资金的30%。
深圳已推开相应部署。1月6日，深圳启动生命信息与生物医药广东省实验室建设，并为9家基础研究机构授牌。按深圳的计划，这些基础研究机构未来将作为深圳自主建设的高水平科研平台，与落户该市的广东省实验室共同构成深圳基础研究的四梁八柱。
深圳副市长王立新早前表示，这些研究机构将由科学家和企业家组成，模式大致是“企业觉得哪些关键技术、哪些核心零部件需要突破，给出题目，政府也将投入资金来支持研究解决”。
今年的深圳市政府工作报告也提出，将设立深圳市自然科学基金，实施一批重大科技专项，并将推进重大科技基础设施建设，全年新增国家、省重点实验室等各类创新载体100家以上，而针对2018年已启动的芯片、医疗器械等10项关键零部件重点技术攻关，深圳亦强调今年要加快突破。
广州和深圳两市政府正谋求在创新驱动发展中扮演更为积极的角色，解决企业面临的诸多“卡脖子”问题。“这是一个日渐明显的趋势，政府推动经济发展的着力点正从产业政策转向创新政策。”广东省社科院副研究员万陆对21世纪经济报道分析，这背后是行政资源配置逻辑随着发展阶段而演变。
万陆进一步分析，从广深两市当前的发展状态来看，加强基础科研以突破关键核心技术的重要性不言而喻，但对企业而言，往往不愿或无力进行大量而持续的基础研发投入，需要政府承担相应职责，从国外经验看往往也由政企合力推进。广深两市加大基础科研投入，并在平台、制度等方面进行基础性、系统化布局，不仅能直接提高各自城市的创新能力，也将吸引更多企业参与和投入。重点发力人工智能、高端制造
进一步来看，此番广深“加码”科研创新有多方面现实考量。
首先，尽管作为一线城市、珠三角核心城市，广深两市在经济总量和发展质量上处于国内领先，但是其创新能力仍有明显短板。
2019年深圳政府工作报告就坦言，该市一些核心技术还没有做到真正自主可控，一些关键零部件和重大装备仍需依赖进口，基础研究水平还比较薄弱，源头创新能力还不足。
中国（深圳）综合开发研究院金融与现代产业研究所所长刘国宏告诉21世纪经济报道，基础研究一直是深圳科创体系的一大突出短板，补齐这一短板对提高深圳经济发展质量至关重要，并且从近期深圳一系列政策举措中所释放的信号来看，深圳正将其视为一大发展痛点，加大解决力度。
万陆分析，一直以来，珠三角应用研究能力强但基础研究能力弱，许多关键核心技术受制于人，这一问题近年随着产业不断升级而加速暴露，因为“产业层次越高，对基础研发能力要求也越高”。
其次，近年广深都瞄准科技前沿，希望大力引进和培育战略性新兴产业以加快产业转型升级，这也要求两市自身要有更为坚实的科研创新能力作为支撑，否则无法吸引、承接和转化。
21世纪经济报道也注意到，此番两市在布局关键核心技术攻关和基础科研能力计划提升时，就都有明晰产业指向。比如，广州拟聚焦新一代信息技术、人工智能、生物医药、新材料等重点领域；深圳则敲定了高端装备制造、绿色低碳、数字经济、海洋经济等七大战略性新兴产业。
万陆认为，这些前沿科技产业的培育和发展不同于过去的传统产业，一个城市能否率先在技术层面占据优势，决定了竞争中的胜负。这些领域的技术积累和突破并不容易，但一旦做出来了，往往能带来诸多根本性转变。从这一点看，广深谋划的是下一阶段的产业可持续发展。
刘国宏也表示，当前珠三角经济正处于关键的换挡期，经济在稳的同时，还应进一步加速以高质量发展为方向的转型探索，关键是通过科技创新为长远发展进行必要的潜力积蓄。
另一方面，当前粤港澳大湾区建设正进入实质性加速推进阶段，而大湾区的一大战略定位是要建设成为国际科技创新中心，这也被认为是推动广州、深圳加快创新能力提升的关键因素。
对此，万陆认为，这一过程中广深肩负多重任务，一是与港澳实现高水平协同创新，并吸引和对接全球创新资源；二是实现自身产业升级，并有效辐射带动珠三角升级；三是完善科技创新体系，并探索走出一条创新驱动路子，为全国提供经验，比如市场应该如何高效驱动，行政怎样才是有为和合理。作者：杜弘禹发布时间：2019-02-14专访安永技术分析与咨询全球主管Beatriz Sanz Saiz：人工智能改变咨询业 构建产业互联网平台提供咨询服务
在以大数据和人工智能为基础的产业互联网时代，传统的咨询公司正变得越来越像互联网软件公司。
假设你是一个工厂主，登录你在安永智慧工厂（Smart Factory）的账户，只需要拨拨手指就可以看到全球厂房的即时讯息：不管是当日的即时交货订单、能源消耗或是转运操作，不论工厂在杭州还是越南，所有可能影响到生产的消息都以结构化的方式呈现在数据库中。
这个云端数据库的提供者并不是像Salesforce这样的SAAS企业，而是拥有超过百年历史、以会计起家的咨询公司。“我们正在与云服务商一起，开发一个个基于产业的云端软件平台，而智慧工厂就是我们和 SAP共同合作推出的一个项目。”安永技术分析与咨询全球主管 Beatriz Sanz Saiz在《麻省理工科技评论》举办的EmTech China 2019全球新兴科技峰会期间向本报记者表示。
在这个虚拟的掌上工厂里，登录就可以即时浏览全球各地工厂的生产仪表版，还能展开任何一座工厂的产线机台分布图，例如在北京的主管可以在iPad上检视休士顿工厂每一座机台的最新生产状态，若某座机台发生问题就会显示红色灯号，还会列出问题工单进一步揭露更多产能延误的细节。也能检视每一张工单的处理情况，甚至可以列出每一台机台的维修记录，分析这座机台的生产效能以供后续维修计划的参考。
除了实时掌握工厂的一线信息，平台更列出销货收入年增增长率、能源消耗、即时交货订单、未受伤天数、首次通过率、产能利用率等商业情报信息，同时做出模拟预测，例如改变营收增长率来看业绩变化。
在接受21世纪经济报道专访时，Beatriz Sanz Saiz表示，安永很早就意识到，大数据和人工智能是真正改变行业的一种基础性力量，而公司正在将多年垂直的行业咨询经验融入到产业物联网和互联网的平台中。“通过与科技公司合作，我们正在根本改变此前的咨询业务形式，给业界提供结合大数据的SAAS服务，数据分析服务（Analytics as a Service）以及AI服务（AI as a service）。”Beatriz Sanz Saiz向21世纪经济报道表示。《21世纪》：从GE的Predix开始，全球产业、科技巨头都在抓紧建立自己的产业互联网平台，我们不但看到海尔COSMOPlat这样的大企业主导的平台，也看到阿里商业操作系统等平台。为什么咨询公司也要进行这样的尝试？
Beatriz Sanz Saiz：我们认为，AI将是数字化转型的核心，数据将会是企业非常重要的资产，预计到2022年，90%的公司战略就会直接以数据为驱动力。 在以IT为基础的产业互联网时代，具有数据分析能力、AI能力的物联网平台，是运用大数据和AI的最好的一个载体。
作为咨询公司，长期以来我们就以数据驱动，为企业决策提供有依据的全方位参考。我们帮助产业和物联网提供商提供了很多增值，包括多年垂直产业经验以及完整的多年大数据，以及我们咨询的行业智力，为企业带来全方位的服务。帮助他们定制以产品为中心、以客户为中心的解决方案。安永相关专家并非单纯只谈AI，而是把AI嵌入或者是融合到各个不同的业务领域。《21世纪》：能不能简单介绍一下这种智能服务的模式是怎么样的？你们也会自己开发软件吗？咨询模式是否要从一对一的咨询付费变为云端软件的月付这种形式？
Beatriz Sanz Saiz：我们并不是一个软件公司，核心在于我们对行业的理解和多年来的咨询经验。除了智能工厂（Smart Factory）外，我们还和霍普金斯医院共同搭建医疗平台。我们基本的模式是与产业和科技公司合作，包括SAP、微软等等，在平台的架构上注入对行业的理解。
具体来说，就像登录Salesforce一样，客户登录的是一个云端软件平台，上面有各种功能，包括大数据、人工智能，机器学习。《21世纪》：我们知道，不管是PASS还是SAAS，付费模式都是一个很大的难题，这也是Predix在多年的运营后，遭到出售的一个核心原因。目前安永的平台的付费模式是怎样的？
Beatriz Sanz Saiz：对我们来说，服务模式的改变确实是一个很大的变化。因为平台上的服务不同，有些客户选择只用一部分服务，有些需要用到机器学习，有些用到之前的历史数据库和分析。我们运用不同的模式，其核心都是以为客户提供的真实价值为基础的。《21世纪》：在你看来，中国的人工智能做得怎么样？
Beatriz Sanz Saiz：我们看到，中国在大数据和人工智能运用上有非常强的驱动力。
我们会觉得提到生产力的发展肯定不是一蹴而就的，但是我始终认为，未来人工智能对经济增长的推动肯定比我们现在看到的会更大，因为未来该领域的规模会发生巨大的改变。中国将是未来全球人工智能聚焦中心地之一，希望中国能够建立全球视野的AI实践。
从安永来看，我们建立了专门的数据网络中心和创新中心，其中一个中心就设在了中国上海。作为融合创新思维和数字化技术的实体空间，wavespace是安永“咨询互联”战略的重要组成部分，包括上海在内，安永全球wavespace旗舰中心已增至18家，分别位于纽约、旧金山、柏林、迪拜、伦敦、巴黎等城市，且均有针对不同城市和客户需求所定制的核心服务领域。
落户上海的wavespace旗舰中心成立初始阶段将着重打造人工智能、区块链、物联网等前沿技术服务，并根据行业发展动态调整服务重点。作者：张涵发布时间：2019-01-29人工智能落地新零售 “刷脸支付”步入成熟商用
人工智能落地零售场景，比预料中提早了一点。
12月13日，支付宝宣布推出刷脸支付产品“蜻蜓”，其外形如同一个台灯，取代灯泡的是一块刷脸显示屏。将它接入收银机，顾客对准摄像头就能完成刷脸支付。值得注意的是，“蜻蜓”的体积仅为原先自助刷脸机器的十分之一，也无需改造商家ERP系统，即插即用。“收钱码大幅推动了移动支付的普及，而这款产品的使命，就是让刷脸支付像收钱码一样，走进每一个普通的小店。小商贩的确是我们的重点目标群体，但是它还可以有更多的场景应用。”12月13日，蚂蚁金服支付事业群IoT事业部总经理曹恺在接受21世纪经济报道记者采访时表示，在底层大技术平台下，支付宝内部的人脸识别应用，与开放给外部的技术一致，但是不同场景和需求，也会带来不同的挑战。
早在8月15日，支付宝宣布，其刷脸支付已经具备了商业化的能力，将面向各种商业场景普及刷脸支付的解决方案，零售行业成为首个落地的领域。
艾媒咨询集团CEO张毅在12月13日接受21世纪经济报道记者采访时认为，扫脸支付是阿里巴巴长久以来的战略布局。人脸识别这个事情本身不新鲜，应用于支付领域是一个比较大胆的尝试。但是，支付宝能否做到百分之百准确识别，依然有待考验。“刷脸支付”落地
据了解，“蜻蜓”采用了3D结构光摄像头，相比以往的刷脸支付机器更准确。通过新的智能引擎，在熟悉的环境下，用户无需输入手机号也可完成付款。不过，21世纪经济报道记者通过体验发现，在收银环节，人脸识别设备仍然会要求用户输入十一位数的手机号码。
曹恺透露，这是系统自动识别的结果。“我们在APP里面去做刷脸，更多是一个纯软件技术。但是你到线下的时候，商家的设备对安全要求更高，还要解决软硬一体化的集成技术。手机里花20秒去识别是很正常的，但是你在购物的时候，不可能花十几二十秒去识别一个人，商家对技术效率的这种容忍程度要求非常苛刻。”
事实上，阿里巴巴试水“人脸支付”技术已有时日。2015年的德国汉诺威展上，马云首次演示了刷脸支付技术。阿里巴巴对于人脸识别技术，始终抱以热情。12月10日，有报道称人脸识别公司旷视科技拟筹集6亿美元资金，其中主要投资者包括阿里巴巴和蚂蚁金服。
不过，阿里巴巴相关人士对21世纪经济报道记者否认了这一消息。但实际上，早在2017年10月，旷视科技就完成了C+轮4.6亿美元融资，由蚂蚁金服领投。无独有偶，2018年4月，人脸识别公司商汤科技完成6亿美元C轮融资，由阿里巴巴集团领投。
10月，阿里巴巴集团、商汤科技成立的香港人工智能及数据实验室在香港科学园落地，双方进一步就包括人脸识别等技术进行合作。而另一家机器识别企业依图科技，虽然未获阿里集团投资，但阿里系云峰基金参与了其3.8亿元的C轮融资。
随着技术的成熟，商用试点悄然展开。2017年9月1日，支付宝在杭州肯德基餐厅首个刷脸支付机器落地。截至目前，全国已经有11个城市23家门店试行刷脸支付。不仅在肯德基，在商超、药店等线下零售场景，全国上百个城市已开始试用刷脸支付。
在曹恺看来，是整个行业的推动才有了今天人脸识别的发展。“过去四年我无法想象人脸识别会像现在这么普及，那时候还面临种种挑战，基本上准确率只有50%。但是现在已经远远不止这个数字，且已经成熟到商用了。”
不过，针对外界关心的刷脸准确率，蚂蚁金服官方并没有透露更多信息。“刷码”还是“刷脸”？
目前，二维码为主体的支付技术仍是市面上的主流。易观咨询数据显示，2018年第一季度，中国第三方移动支付市场交易环比增长6.99%，总交易规模达到了4.03万亿元人民币，其中微信与支付宝市场份额达92.71%。
不过，在二维码主导的市场中，多种支付方式开始渗透。艾瑞咨询数据显示，2017年我国NFC支付市场规模达到48.9亿元，2018一季度NFC支付规模达29.4亿元。2017年，中国出货量排名前5的品牌是华为、OPPO、vivo、小米和苹果，占市场份额75.7%。这5个品牌拥有NFC功能的手机占比为17.1%，2017年增长到了31.3%。
除了NFC以外，新兴的手机POS机与人脸支付也开始兴起。10月，中信银行在业内率先推出银联“人脸支付”。其推出的银联“人脸支付”，通过持卡人在微信公众号预先绑定支付账户信息，从而可以实现刷脸即付。
12月4日，银联联合各商业银行和华为、小米等手机厂商启动了手机POS产品首批试点。“目前二维码依旧是移动支付市场的主要支付方式，这一点毋庸置疑。事实上，目前整个移动支付市场，主要还是由支付宝与微信所占领。”张毅认为，虽然人脸支付、手机POS机逐渐兴起，但在很长的一段时间中，二维码依旧将是移动支付市场的主流。
安全和效率决定了零售商家的选择。放在零售场景下，更像是一次新零售与物联网的结合，以此推动线下商家的数字化转型。以首家接入支付宝刷脸支付的卜蜂莲花超市为例，该公司市场部助理副总裁袁林化告诉21世纪经济报道记者，在使用了刷脸支付后，一个收银员可以维护三台自助收银机，整体收银效率提升了50%。按照收银员3200元的平均工资计算，每年可以节约1344万元的综合成本。
蚂蚁金服希望持续降低商户使用刷脸支付的成本，未来的硬件设备商，可以免费拿到这整套刷脸识别、信用识别和视觉识别的软件技术。一名AI行业技术人士分析称，人脸识别技术提取人像的特征点，然后利用统计学的原理建立数学模型。再将人脸模型与被测者的脸进行特征对比。这就要求用户上传清晰的照片，平台在后台建立一个庞大的照片数据库。相较于人工智能公司要求用户先下载APP、再上传图片，阿里巴巴拥有支付宝庞大的用户群体，因此容易实现从“刷码”到“刷脸”的过渡。
此外，现阶段，人脸识别算法的困境，集中在人脸照片角度与光线等复杂环境影响下，如何提高识别率。而零售场景都处室内，光线照射基本不变化，识别的准确性相比安保领域更高效与准确。
不过，人脸支付的安全性依然是行业最为关注的问题，尤其是在大规模支付商用后，是否会出现盗刷的漏洞，都有待验证。而曹恺对此信心满满，他认为这项技术的安全性并不比扫码支付低，甚至会更加安全。作者：陶力，秦元舜发布时间：2018-12-14瓦里安全球CEO魏思韬： 加强中国放疗人才培养 推动人工智能应用“在中国，癌症病人接受放射治疗的比例只占总体癌症病人的23%，而在欧洲和美国是大概50%~60%。”12月10日，瓦里安CEO魏思韬指出，在肿瘤放射治疗可及性方面，中国与欧美的差距比较大。
对此，魏思韬向21世纪经济报道记者表示，目前在中国的东部沿海地区，越来越多的癌症病人在癌症治疗过程中接受放疗。虽然放疗与其他的治疗癌症手段相比性价比较好，但发展放疗也面临诸多挑战，在设备方面需要有足够的资金来建设，而且所需的专业医疗人才在中国也相对缺乏。
据了解，放射治疗需要放疗医师、物理师等多方配合，其中放疗医师主要负责方案制定设计，物理师则负责落实方案的具体操作环节，包括确保放疗中能准确杀死靶区肿瘤细胞、设备能完好运转等。
为了更好地促进中国放疗人才发展，包括瓦里安在内的企业等都在积极对基层进行培训，并提供相关教学软件及硬件设备等。瓦里安医疗全球副总裁、大中华区总裁张晓介绍称，人工智能在放射医疗中已经有很好的应用，可以帮助医生更好地做决策，如瓦里安RapidPlan软件可以积累学习其他癌症病人治疗的经验，然后应用在下一个使用这套软件的同类肿瘤患者身上。短板明显
目前，放射治疗是公认的肿瘤治疗的有效手段之一。国家癌症中心副主任、中华医学会放射肿瘤治疗学分会主任委员王绿化教授在一次行业会议上指出，放疗在恶性肿瘤治疗中存在巨大需求。
WHO（世界卫生组织）统计报告显示，从1998年至2013年，不同治疗方式对恶性肿瘤的治愈率变化情况为：手术治愈由22%升至27%，放疗治愈由18%升至22%，化疗治愈由5%升至6%。
另据了解，60%~70%的恶性肿瘤患者在治疗过程中需要放射治疗。其中根治性放疗，可以取得和手术类似疗效，但保存了器官和功能，目前恶性肿瘤放疗治愈率较高的有鼻咽癌、前列腺癌、喉癌、宫颈癌、NT/T细胞淋巴癌、肺癌、肛管癌、食管癌、皮肤鳞癌等。
魏思韬介绍说，世界卫生组织建议50%-60%的肿瘤患者在治疗的不同阶段接受放疗，中国仅23%肿瘤患者会接受放疗。
之所以中外差距较大，魏思韬解释说，主要是由于人才与资金问题。
精准有效的放射治疗需要放射治疗医生、医学物理师等紧密合作，团队作战。资料显示，我国目前拥有放射治疗医生约16000名，只有约3600名医学物理师，比例是4.8：1，而发达国家早在2011年就已达到2：1甚至是1：1，缺乏医学物理师就无法制定放疗计划、保障治疗的质量和规范，从而制约了我国肿瘤放射治疗的全面发展。
另据了解，中国放疗资源仍比较匮乏。WHO建议每百万人口应配置3-4台直线加速器，中国目前仅为每百万人1.12台。并且资源分配尚不均衡，仅有11.8%分布在县级医院。目前在中国的东部、沿海地区，放疗的普及率实际上是越来越高，但是还有一些地区缺少可用的放疗设备，尤其是在中国的中西部，以及农村地区。
魏思韬认为建设放疗中心的相对成本比较昂贵，即在设备方面要有足够的资金来建设。“但是在建成之后的每一个病人的治疗成本，相对来说比较低。我们现在有很多中心，每天可以接待100到150名患者，包括建筑成本、设备成本，分摊到每一个病人身上的话，成本相对是比较低的。所以放疗是相对性价比非常理想的一种疗法。”魏思韬向21世纪经济报道记者分析称。
瓦里安医疗全球副总裁、大中华区总裁张晓进一步解释称，与手术、化疗、生物靶向治疗相比，放射治疗性价比是较好的。“从肿瘤治疗而言，放射治疗与手术等手段根治率基本都是在30%左右，但手术费用大概是放疗的三四倍左右，化疗甚至可能是七八倍左右。”助力人才培养
对于上述短板，瓦里安方面也在与政府及相关机构一起合作进行克服。如在11月27日向中国癌症基金会捐赠1000万元人民币，面向基层进行相关培训；11月28日又在泰山医学院启动公益项目，捐赠了20套肿瘤软件教学版及相关硬件设备，总价值超过200万美元。
上述肿瘤学软件20套中，包括10套Eclipse™ 治疗计划系统教学版，该系统综合全面，为实现更快的速度、更全面的控制以及更先进的治疗而设计。除此之外，还包括10套ARIA® 肿瘤信息系统，该系统是综合的信息和影像管理、解决方案，可以全方位掌控患者肿瘤治疗的信息，实现对患者从确诊到治疗后随访的全流程管理。Eclipse™ 治疗计划软件和ARIA® 肿瘤信息系统多年来一直被业界权威KLAS报告评为其所属类别的行业先锋。“我们的软件套件中，有一个叫RapidPlan的人工智能软件，这个软件最大的优点就是可以积累学习为其他癌症病人治疗的经验，然后应用在下一个使用这套软件的同类肿瘤患者身上。如有人患有前列腺癌，人工智能系统就会找到类似的癌症病例，来帮助设计出治疗方案。”魏思韬举例说。
另据张晓介绍，北京肿瘤医院已经在应用RapidPlan人工智能软件，它能帮助医生迅速作出计划及方案。“比如说鼻咽癌，实际上唯一的治疗方法是放疗，过去鼻咽癌需要四天时间才能做出一个比较好的治疗计划，但是，现在通过人工智能软件10分钟就出来了，且质量超过80%医院的平均水平。”
据介绍，自2008年在北京设立亚太教育中心以来，瓦里安为广大肿瘤医生、医学物理师、技师以及维修工程师提供贴近临床的专业培训，已经累计为中国放疗界培养了超过3500名专业人才，临床应用团队还为超过5000名一线临床工作人员进行了约15000人次的系统性实操培训。目前，瓦里安在中国安装700多台放疗直线加速器，每年为超过50万中国癌症患者提供治疗。
与此同时，瓦里安也在积极推动中国基层放疗的发展。上述瓦里安医疗向中国癌症基金会的捐赠，主要针对人口超过80万以上的县级公立医院，以及部分缺乏放疗能力的地市级医院，面向基层医院院长、放射肿瘤学基层医生和医学物理师进行培训，以提升中国基层医院的肿瘤放射治疗水平，确保基层医院放射治疗的规范化，提高肿瘤放射治疗的普及率。
瓦里安于1983年进入中国市场，并于2007年在北京经济技术开发区建立中国工厂及大中华区总部，每年为超过50万中国肿瘤患者提供放疗治疗。据《中国医疗设备》杂志统计，在2017年中国放疗、核医学类设备领域的市场中，瓦里安占到了41%的份额。“在2007年，我们开始北京工厂的投入，当时生产能力已经规划到了15年之后，2008年我们的生产设施建设完毕，现在，已经基本上产能饱和了。我们今年已经扩建了工厂，2019年产能将增加30%，也在考虑未来要继续扩大扩建，增加产能。”魏思韬向21世纪经济报道记者表示。作者：朱萍发布时间：2018-12-12“人工智能第一股”科大讯飞：扣非净利降7成 “春播秋收”业绩拐点隐现？
在经历了3月份股价的大幅跳水之后，8月14日，科大讯飞（002230.SZ）交出了中报成绩单：实现营业收入32亿元，同比增长52.68%；实现净利润1.3亿元，同比增长21.74%；实现扣非净利润2020万元，同比下降74.39%。
对于头顶国内“人工智能第一股”光环的科大讯飞来说，这样的成绩略低于市场预期，主要的质疑还是来自于大量投入和产出效益的不成正比。
对于营收与净利润呈现的剪刀差，科大讯飞在半年报中解释，主要是研发投入以及重点赛道布局的投入。相应地，公司上半年员工规模较去年同期增长近3500人，直接导致上半年扣除非经常性损益的净利润下滑较多。
不过，与大规模投入相对应的，是科大讯飞在教育、司法、智能硬件、智慧城市等领域的业务的持续拓展。随着前期渠道铺设逐渐完成，市场也在期待，其业绩改善的拐点能够早日到来。大投入仍在持续
报告显示，科大讯飞上半年实现毛利16亿元，但扣非净利润仅为2020万元。钱都花在哪里？
从具体投入来看，2018 年上半年科大讯飞研发费用总额达5.87亿元，较上年同期增长63.84%；销售费用总额达7.33亿元，较上年同期增长77.10%；管理费用8.2亿元，较上年同期增长65.55%。
对上述费用的增长，报告解释称，当前正值人工智能产业爆发的关键窗口期， 公司持续加大人工智能相关领域的研发投入、生态体系构建的投入以及在教育、政法、医疗、智慧城市等重点赛道的市场布局投入。
8月14日，科大讯飞公司副总裁、董事会秘书江涛在业绩报告会上进一步表示，“科大讯飞目前几个主赛道的建设都需要渠道下沉，下沉到学校、社区、医院、基层法院等，这就需要很多贴身服务的工作。这个阶段是一个比较艰苦的阶段，在产品成熟度不够高的情况，人员投入增长较快，形成的产出需要一定周期。”
相应地，新增人员带来当期薪酬、费用的增加，直接导致上半年扣除非经常性损益的净利润下滑较多。数据显示，2018年上半年科大讯飞员工规模较去年同期增长近3500人。
一方面，投资者抱怨科大讯飞研发投入高企未带来相对应的产出；另一方面，认为其靠政府补助提升净利润的质疑声也不绝于耳。
半年报显示，上半年公司非经常性损益金额为1.1亿元，较上年同期增长288.52%。
主要原因是科大讯飞在国家新一代人工智能开放创新平台的建设，以及安徽省、工信部围绕科大讯飞要打造中国声谷。上述政策支持正以政府补助等多种形式逐步落地。
具体来看，其上半年政府补助达到4442万元。这笔补助是科大讯飞上半年扣非净利润的两倍。
但是，华安证券袁晓雨认为，不能以此说明科大讯飞的净利润依赖政府补助。“无论从占营收的比重，还是占毛利的比重，这都是比较少的一部分。科大讯飞本身还是有业务支撑的，只能说收入端和投入端都增长很快。”业绩拐点显现？
科大讯飞32亿元的营收离不开“平台+赛道”的战略推进。从报告来看，平台的规模正在快速增长，各赛道也在持续发力。
上半年，科大讯飞开放平台已开放近百项AI能力和场景方案，开发者数量达80万，同比增长114%；日均服务次数达46亿次，同比增长53%；AI大学已承载23万学员的在线学习需求。
教育、司法、智能硬件领域的业务，成为科大讯飞盈利的重要支撑。上半年，前述业务的毛利率分别达到了61%、68%和49%。
其中，教育是科大讯飞的一大重要板块。财报显示，2018上半年教育营收6.58亿，同比增长16.35%。其教育营收呈现逐年上涨态势，且增速均维持在20%以上。2017年科大讯飞教育营收占比超60%。
不过，科大讯飞今年上半年教育业务的增速较往年有所放缓。
江涛解释称，很大的原因是4月份互联网教育信息化规范2.0版本的推出。规范推出后，系统进行了调整，导致原本可以签约的订单交付有所延迟。
总的来看，上半年科大讯飞的To C业务也在呈现快速增长。
数据显示，To C业务上半年实现营业收入10.84亿，同比增长129.69%；实现毛利5.98亿，同比增长86.79%；To C业务在整体营收中占比达33.76%，毛利占比达37.32%。
有了上述业务的支撑，对于科大讯飞下半年的业绩增长，分析人士普遍持看好态度。
国泰君安在点评中表示，预计公司将实现C端和重要赛道B端双轮驱动，推进公司收入持续高增。“利润将于下半年迎来拐点。”
袁晓雨也认为，“科大讯飞的渠道铺设在2015年开始，3年差不多铺设完毕，之后销售的渠道费用应该能降到比较低，而研发增速也在下降。目前来看，各个赛道增长都很快，加上下半年不会有大规模人员流入，费用的拐点有望来到。”
科大讯飞也在分析中称，上半年度毛利增幅超过营业收入的增幅，而且从历史上公司业务收入的季度分布特点来看，大部分收入主要在下半年，2017年上半年和下半年的收入比例为1：1.6。
在半年报中，公司对前三季度业绩的预告为净利润增长为0-50%，归属于上市公司股东的净利润1.7亿元-2.5亿元。
但就在科大讯飞半年报发布之际，股价却在下跌。8月14日，科大讯飞股价报收30.12元，下跌2.02%。作者：张赛男发布时间：2018-08-15二、人工智能对其它行业的影响人工智能对保险行业的挑战与展望一、挑战
人工智能的发展对保险行业的影响无疑是巨大的。近几年来，越来越多的保险公司正加大对人工智能技术的研发投入力度，希望实现智能化的个性服务，以提高运营效率和用户体验等。但就目前情况来看，人工智能在保险领域的发展过程中还存在不少的挑战。（一）真智能VS伪智能
在保险领域上，有不少保险科技初创企业以人工智能为噱头开发手机应用，表示能针对用户需求自主设计、推荐产品，实则只是事先制定几个类型的产品，然后针对用户的信息选择性的推送。
所谓真智能是能够结合环境的变化，利用计算的算法模型和大数据的深度学习，去建立一种概率判断网络，实现一个给定的目标函数。（二）传统保险业务的市场危机
当人工智能发展到较为完善时，市场上人为因素引起的事故必将减少，而这也将使得保险业面临市场份额受蚕食的问题。如当前无人驾驶汽车技术的出现，一个普遍的观点是其会对财险市场产生较大冲击。（三）技术和人才成熟度问题
人工智能作为一个处于发展中的新兴技术，到目前为止和保险行业的结合还不够成熟。例如，我们目前所能看到的大部分系统还停留在规则的引擎阶段，人工智能最大的优势在于深度学习，需要大量的案例和经验来对人工智能系统进行训练，这就需要相关的人才，但就当前来看，精通软件的工程师不了解保险行业日新月异的规则，而保险企业又缺少精通人工智能的软件工程师。（四）数据缺乏和割裂性严重
在保险领域，诸如保险智能顾问、产品精准营销等人工智能技术，都需要海量的用户数据。而对于新成立的保险初创企业来说，其所拥有的数据远远不够应用层面所需要的量。此外，由于数据一直以来都被认为是核心机密，共享性较弱，即便是从已经有多年业务历史的传统保险公司层面看，依旧存在着割裂性的问题，几乎没有哪家公司拥有完整的用户数据。（五）产品运作责任问题
由于目前科技的不完全可靠性以及智能系统可能存在先天设计的缺陷，人工智能产品在运作过程中容易产生责任归结的纠纷，这会使得对应承保产品的理赔过程变得更加复杂。（六）保险行业的应对缓慢
从国外保险公司看，尤其是大型的国际保险机构已经在人工智能领域进行布局，而我国传统保险公司的行动较少。
就目前来看，国内保险科技所获得的资金投入主要来源于风险资本，而相较于非保险业的私募和风投资本，保险公司对整个保险行业的价值链和业务流程更为熟悉，因此其对保险科技尤其是人工智能技术在应用领域上的投资，更加精准也更加重要。（七）社会伦理问题
现代人工智能作为互联网技术在大数据驱动模式下的进一步发展形式，其主要还是建立在大量数据的积累之上，而隐私问题一直以来都是数据资源开发和利用的头号威胁，因此人工智能也不能很好避免这一社会伦理问题。
此外，从某种意义上来说人工智能在保险领域运用得越充分，对疾病较多、理赔率越高的弱势群体，如老年人群体，越不利。这些行为在商业领域的确属合理的盈利模式运用，但从社会伦理角度看其公平性是值得商榷的。二、展望
随着国内政策红利的浮现，行业对新技术的关注度不断提升，同时资本的加速涌入也推动着技术的高速发展，在可预见的未来，人工智能将在保险领域大放光彩。（一）政策红利支持，行业关注度提升
中国对人工智能的运用与发展高度重视，有关人工智能的宏观政策数量逐年增长。（二）人工智能技术高速发展
人工智能的概念从提出到现在已有几十年的光景，但最近这几年，该技术实现了爆发式的增长，这主要得益于大数据、云计算等数字技术的快速发展，其核心在于数据和算法的进步。（三）克服传统保险业痛点，提升运作效率
人工智能的引入将帮助传统保险公司解决困扰多年的行业痛点。例如，传统模式下投保人购买一份保险，往往需要诸多环节，不仅时间冗长，而且透明度不高，用户难以直接了解自身投保情况。而人工智能的出现，可以很好地解决这一系列问题。（四）资本助力人工智能在保险领域发展
近期随着人工智能热潮的崛起，资本对其的关注度也不断提升。虽然当前国内传统保险公司对人工智能投入不如国外发达国家，但呈现出一个加速趋势，这无论是对人工智能在保险领域的开发还是应用都起到了很好的推动作用，预计未来随着国内保险公司重视度的提升、资金研发投入力度的加大，这一趋势将更加凸显。（作者系复旦大学风险管理与保险系主任）作者：许闲发布时间：2018-12-11企业级人工智能平台兴起 需求大但应用存挑战
伴随人工智能的发展与应用逐步成为世界各国的发展战略，AI技术已经进入了历史性拐点。其中，从企业应用层面看，AI技术是企业提升运营效能、应对市场竞争的重要工具，各行各业的企业都有着向智能化升级的强烈需求。
然而，对于大部分传统企业以及中小型企业而言，距离人工智能技术的真正落地应用并且创造价值，还需克服许多障碍。以人才的短缺为例，德勤在今年10月发布的《企业AI应用报告》（State of AI in the Enterprise）表示，69%的企业在寻找人工智能技术人才时都面临着“中等、主要或极端”的挑战。
由此，应用企业级AI平台或许成为了各传统企业和中小企业迈向未来的新方向。12月7日，在“联想企业级人工智能平台发布会暨联想机器智能中心四周年庆典”上，联想企业级人工智能平台LeapAI正式发布，其支持AI各种技术，具备自动化模型开发过程，有助于降低企业AI应用门槛和技术投入，缩短企业开发AI的进程。
然而，企业级AI平台在应用过程中仍面临挑战。记者获悉，从市场端看，企业级AI平台并不适用于所有企业，如企业想要在纵深领域深度应用AI技术，这样的平台工具或无法支撑企业研发“杀手级”应用。此外，只有数据收集较多、质量较好的企业在应用企业级AI平台才能取得更好的效果。传统企业智能转型需求大
传统企业对智能化升级转型的需求十分明显。上述报告称，将AI技术应用到企业中，可使其现有产品更智能、优化内部运营和帮助企业管理者做出更好的决策，来改进现有产品或服务。
尤其对于传统行业企业而言，AI技术的应用能够推动行业变革。如在电力行业，采用计算机视觉技术，利用巡检无人机对电力设备进行检测，巡检覆盖率可超过85%，降低了操作人员风险，提升效率，降低成本。12月7日，联想集团副总裁、首席研究员、大数据事业部总经理田日辉举例称，在新能源的应用上，大数据和AI技术可以有效对风能、太阳能等能源的供应量和用户用电需求量两方的数据进行整合和分析，从而自动进行价格优化。“这些都是人工智能非常典型的应用场景，会对整个社会效率有巨大的提升。”
然而，目前企业在部署AI时主要面临几大挑战：首先，AI全周期应用链涉及多个环节，使用门槛极高，处在爆发期的AI技术快速迭代演进，对人员技能有很高的要求。“制造业对AI新技术的投入没有那么多，我们人员的储备和新技术是缺乏的。”长飞光纤光缆股份有限公司CIO汪华表示。
同时，大规模技术研发投入也成为企业应用AI技术的一大障碍。2017年，百度CEO李彦宏便表示，百度每年把15%的营收（约合15亿美元）用于研发，并表示所有投入都与AI相关；三星也称在未来三年会继续投入220亿美元来提升AI技术，并将会组成一支多达1000人的工程师团队。
由此，联想认为，赋能传统企业和中小企业，为其提供AI开放平台，有利于降低企业应用AI技术的门槛，助力企业构建自身AI能力体系，实现从“授人以鱼”到“授人以渔”的转变，从而加速企业人工智能的业务化应用，进而推动全行业的人工智能应用。智能平台应用存挑战
企业级AI平台的愿景很美好，但其对企业是否有足够吸引力？12月7日，联想创投大数据及物联网业务总经理吴越在接受21世纪经济报道记者采访时便表示，目前从市场来看，在企业级AI平台方面的竞争还不是特别激烈，“现在一部分企业提供的AI平台服务集中在某一领域，比如语音识别、人脸识别等。而我们的观察是，比如汽车企业，当它们想探索自动驾驶技术时，它们有一定的可选择的合作伙伴，但如果它想在企业生产经营管理链条上应用人工智能技术就非常困难。企业级AI平台就是作为一个工具，为企业解决一部分问题。”
不过，企业级AI平台并不适用于所有企业。虽然企业级AI平台可以为企业提供不同类型的算法，满足各个行业不同的数据分析需求，但企业可提供的数据质量也决定了算法结果的精准度。以LeapAI平台为例，其目前最理想的行业客户便是泛工业企业。12月7日，联想机器智能中心负责人罗军便表示，生产过程已高度智能、传感器较多的企业收集的数据质量非常好，此外，银行电子交易数据就比人工手工记录的数据更准确，有利于提升平台效果。
从需求端看，企业对AI这一技术的投资回报也存疑。尤其是对于一些想要把AI技术在某个业务中进行纵深应用的企业，企业级AI平台也许并不能满足其需求。对此，吴越坦言：“我们认为，企业级AI平台更偏向于平台侧、工具侧，是为了拉低AI技术的应用门槛，如果企业只是想解决某一个问题，那么这个平台客观来说不是企业最佳的选择。”
即使在企业成功应用平台后，无论是企业还是平台本身都仍面临着挑战。算法需与企业运行机理相结合，而在应用企业越多、行业覆盖越广的情况下，企业级AI平台需要更准确地实现定制化算法、提供更稳定和延续的服务。从技术层面看，LeapAI平台在服务延续上则会遵循企业级的软件规则，“比如如果有后续的延续服务出现、新的算法技术出现，我们会把它作为增强包和选件提供给客户。”吴越对21世纪经济报道记者说道。
除了从技术层面优化服务以外，和企业加强合作沟通也是企业级AI平台服务不断优化的重要保障。田日辉对21世纪经济报道记者表示，企业级AI平台的确注重解决的是行业共性的问题，而一些行业内部也有其特定的模型和分析方式。“对于我们原先没有覆盖的分析方法，企业可以作为我们的共同开发者，一起做行业模型图，这是一个比较好的模式。”
试读结束[说明：试读内容隐藏了图片]