本文接上篇聊聊人工智能行业应用与发展趋势。
一.行业应用
人工智能与行业领域的深度融合将改变甚至重新塑造传统行业，下面聊聊人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用
（1）智能制造
智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、 生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执 行、自适应等功能的新型生产方式。智能制造对人工智能的需求主要表现在以下 三个方面：一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及 数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建 模及自主无人系统等关键技术。二是智能工厂，包括智能设计、智能生产、智能 管理以及集成优化等具体内容，涉及到跨媒体分析推理、大数据智能、机器学习 等关键技术。三是智能服务，包括大规模个性化定制、远程运维以及预测性维护 等具体服务模式，涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机 器学习等关键技术。例如，现有涉及智能装备故障问题的纸质化文件，可通过自 然语言处理，形成数字化资料，再通过非结构化数据向结构化数据的转换，形成 深度学习所需的训练数据，从而构建设备故障分析的神经网络，为下一步故障诊 断、优化参数设置提供决策依据。
（2）智能家居
随着物联网技术的发展以 及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产 品，软件系统也经历了若干轮升级。智能家居以住宅为平台，基于物联网技术，由硬件（智能家电、智能硬件、 安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远 程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行 为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。例如，借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘 （窗户）、操控家用电器和照明系统、打扫卫生等操作；借助机器学习技术，智 能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐 给用户。通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等；通过大数 据技术可以使智能家电实现对自身状态及环境的自我感知，具有故障诊断能力。 通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通 过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。
（3）智能金融
人工智能的飞速发展将对身处服务价值链高端的金融业带来深刻影响，人工 智能逐步成为决定金融业沟通客户、发现客户金融需求的重要因素。人工智能技 术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策， 并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化 与智能化。智能金融对于金融机构的业务部门来说，可以帮助获客，精准服务客 户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性； 对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。人工 智能在金融领域的应用主要包括：智能获客，依托大数据，对金融用户进行画像， 通过需求响应模型，极大地提升获客效率；身份识别，以人工智能为内核，通过 人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、 银行卡等证件票据的 OCR 识别等技术手段，对用户身份进行验证，大幅降低核 验成本，有助于提高安全性；大数据风控，通过大数据、算力、算法的结合，搭 建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时 避免资产损失；智能投顾，基于大数据和算法能力，对用户与资产信息进行标签 化，精准匹配用户与资产；智能客服，基于自然语言处理能力和语音识别能力， 拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验；金融云，依托 云计算能力的金融科技，为金融机构提供更安全高效的全套金融解决方案。
（4）智能交通
智能交通系统（Intelligent Traffic System，ITS）是通信、信息和控制技术在 交通系统中集成应用的产物。ITS 借助现代科技手段和设备，将各核心交通元素 联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。 例如通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析 处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整可变车 道或潮汐车道的通行方向等，通过信息发布系统将路况推送到导航软件和广播中， 让人们合理规划行驶路线。通过不停车收费系统（ETC），实现对通过 ETC 入口 站的车辆身份及信息自动采集、处理、收费和放行，有效提高通行能力、简化收 费管理、降低环境污染。
（5）智能安防
智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别 安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化， 传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智 能判断，从而尽可能实现实时地安全防范和处理。
当前，高清视频、智能分析等技术的发展，使得安防从传统的被动防御向主 动判断和预警发展，行业也从单一的安全领域向多行业应用发展，进而提升生产 效率并提高生活智能化程度，为更多的行业和人群提供可视化及智能化方案。用 户面对海量的视频数据，已无法简单利用人海战术进行检索和分析，需要采用人 工智能技术作专家系统或辅助手段，实时分析视频内容，探测异常信息，进行风 险预测。从技术方面来讲，目前国内智能安防分析技术主要集中在两大类：一类 是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过不同的 规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等，例如： 区域入侵分析、打架检测、人员聚集分析、交通事件检测等；另一类是利用模式 识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到 对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测（人流统 计）等应用。
智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的 监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及 传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市 下的安防体系。
（6）智能医疗
人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常 有利的技术条件。近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、 药物开发等方面发挥重要作用。
在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升 一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语 音录入；利用智能影像识别技术，可以实现医学图像自动读片；利用智能技术和 大数据平台，构建辅助诊疗系统。
在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地 预测并防止疫情的进一步扩散和发展。以流感为例，很多国家都有规定，当医生 发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就 医，同时信息传达回疾控中心也需要时间，因此，通告新流感病例时往往会有一 定的延迟，人工智能通过疫情监测能够有效缩短响应时间。
在医疗影像辅助诊断方面，影像判读系统的发展是人工智能技术的产物。早 期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等 问题，从而未能得到广泛推广。影像组学是通过医学影像对特征进行提取和分析， 为患者预前和预后的诊断和治疗提供评估方法和精准诊疗决策。这在很大程度上 简化了人工智能技术的应用流程，节约了人力成本。
（7）智能物流
传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面 优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、 推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作 和高效率优化管理，提高物流效率。例如，在仓储环节，利用大数据智能通过分 析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化 与配置等。在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运 机器人（如搬运机器人、货架穿梭车、分拣机器人等）得到广泛应用，大大减少 了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度 提升。
二.发展趋势
从人工智能产业进程来看，技术突破是推动产业升级的核心驱动力。数据资源、运算能力、核心算法共同发展，掀起人工智能第三次新浪潮。人工智能产业 正处于从感知智能向认知智能的进阶阶段，前者涉及的智能语音、计算机视觉及 自然语言处理等技术，已具有大规模应用基础，但后者要求的“机器要像人一样 去思考及主动行动”仍尚待突破，诸如无人驾驶、全自动智能机器人等仍处于开发中，与大规模应用仍有一定距离。
（1）智能服务呈现线下和线上的无缝结合
分布式计算平台的广泛部署和应用，增大了线上服务的应用范围。同时人工 智能技术的发展和产品不断涌现，如智能家居、智能机器人、自动驾驶汽车等， 为智能服务带来新的渠道或新的传播模式，使得线上服务与线下服务的融合进程 加快，促进多产业升级。
（2）智能化应用场景从单一向多元发展
目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音 识别等都主要用于完成具体任务，覆盖范围有限，产业化程度有待提高。随着智 能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景，处理 复杂问题，提高社会生产效率和生活质量的新阶段。
（3）人工智能和实体经济深度融合进程将进一步加快
党的十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”， 一方面，随着制造强国建设的加快将促进人工智能等新一代信息技术产品发展和 应用，助推传统产业转型升级，推动战略性新兴产业实现整体性突破。另一方面， 随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的深度融合创新。