人工智能作為數據智能的模塊之一,在AlphGo 2017年成為新聞媒體焦點之后較大家熟知,此后更多在自然語言處理層面的人工智能蓬勃發展,但是數據智能在更高維度串聯行業和企業業務,將人工智能的算法優勢與業務結合,逐步解構和重構行業商業邏輯。
隨著大數據技術的持續發展,原來割裂的各個領域技術呈現出加速融合的趨勢,比如離線處理與實時處理的融合,事務數據存儲與數據分析的融合,基于云平臺和數據中臺打通數據孤島,這些技術的融合發展,對于突破對海量數據處理的性能瓶頸意義重大。此外,AI在數據價值挖掘方面的作用得到更多重視,AI平臺和大數據平臺的融合程度進一步增強。
政策是引導醫療健康行業前行的主要因素,近兩年我國在大數據、智慧醫院、AI醫療等層面共發布了50+的政策及細則,大力推動了數據智能在公衛及院端的應用。此外,技術是數據智能落地醫療行業的基石。然而,相比其他領域,醫療與新技術的融合相對緩慢,如云計算在三級醫院的滲透率僅為16%,在三級以下醫院僅為個位數。
在第四屆數字中國建設峰會“大數據論壇”上,國家工業信息安全發展研究中心副主任何小龍發布了《中國數據要素市場發展研究報告(2020~2021)》(以下簡稱“報告”)。
“十三五”時期是我國大數據產業蓬勃發展的階段,根據國家工業信息安全發展研究中心產值測算數據,截至2020年底,我國大數據產業規模已達萬億元。隨著我國大數據產業與實體經濟深度融合、產業發展不斷壯大,數據作為生產要素的屬性不斷凸顯。如何實現數據要素市場化配置,激活數據要素潛在價值,推動與實體經濟繼續深度融合,是“十四五”期間我國需要面臨的重要課題之一。
國家工業信息安全發展研究中心通過專家訪談、企業調研、案頭研究等方式開展數據要素市場相關研究,結合自有的逾5000家企業大數據案例庫對報告界定的產值規模進行了測算和分析,在報告中提出了數據要素及數據要素市場的邊界,梳理了國內外數據要素市場發展現狀,重點從市場概況、政策脈絡、產業圖譜及市場運行機制等角度,并結合相應的產值規模、技術水平、產品和服務、商業模式等情況,闡釋了我國數據要素市場的發展現狀,分析了現階段我國數據要素市場存在的問題及未來發展趨勢,提出了對策與建議。
2020年是國家全面建成小康社會目標實現之年,是全面打贏脫貧攻堅戰收官之年,是“十三五”目標完成與“十四五”任務開啟的承接之年,是數字經濟發展和新型基礎設施建設的重要機遇之年,區塊鏈作為一種數字技術,在新的機遇和挑戰面前,為國家社會經濟發展和智慧城市建設提供了重要保障。
為全面掌握我國區塊鏈產業發展整體態勢,加快推動區塊鏈技術創新應用,構建良好產業生態,推進區塊鏈產業健康發展。賽迪區塊鏈研究院從政策、規模、基礎設施、園區、企業等方面對我國區塊鏈產業發展進行了詳細梳理和總結,旨在為國家、各部委以及各地方政府布局區塊鏈產業發展方面提供良好的參考意見。
人工智能作為新一輪產業變革的核心驅動力,正在釋放歷次科技革命和產業變革的巨大能量。持續探索新一代人工智能應用場景,將重構生產、分配、交換、消費等經濟活動各環節,催生 新技術、新產品、新產業。作為數字經濟轉型升級的推動力和新一輪科技競賽的制高點之一,近年來人工智能被提升到國家戰略高度。
2017至2019年,連續三年的政府工作報告中均提及加快人工智能產業發展;2020年,人工智能更是與SG基站、大數據中心、工業互聯網等一起被列入新基建范圍。在 “新基建“ 背景下,人工智能將為智能經濟的發展和產業數字化轉型提供底層支撐, 推動人工智能與SG、云計算、大數據、物聯網等領域深度融合。
近年來,人工智能成為推動社會經濟發展的新動力之一,在提高社會生產效率、實現社會發展和經濟轉型等方面發揮重要作用。作為主導新一代產業變革的核心力量,人工智能在醫療方面展示出了新的應用方式,在深度融合中又催生出新業態。
從全球范圍來看,目前人工智能醫療產業仍處于發展早期階段,相比于傳媒、零售、教育等領域來說,商業化程度偏低。但隨著市場需求不斷擴大,向專業化細分領域深化發展,加之各國宏觀政策支持和技術進步等,人工智能醫療發展前景廣闊。美國靠早期的政策拉動醫療信息化和人工智能輔助醫院管理,積累了大量數據,具備先發優勢,屬于領先梯隊,目前已在藥物研發、醫療機器人、醫學影像、輔助診斷等方面全方位布局。其他國家如英國、德國、加拿大、日本等國則緊隨其后,各有側重,各有所長。
中國作為新興市場國家的領頭羊,人工智能醫療始終保持高速發展態勢。目前,我國人工智能醫療發展歷經計算智能階段,目前正處于從感知智能向認知智能過渡的發展階段,不同細分領域的技術發展情況和落地應用成熟度有所不同。AI醫學影像是人工智能在醫療領域應用最為廣泛的場景,率先落地、率先應用、率先實現商業化。手術機器人、藥物研發、精準醫療等領域已有部分落地應用,但因成本或技術原因,尚未實現規模化普及,未來增長空間較大。受2020年初新冠肺炎疫情影響,人工智能在公共衛生領域特別是傳染病的預防與控制方面發揮重要作用,傳染病大數據分析預警系統、疫情排查系統、智能測溫機器人、消毒機器人、語音服務機器人等在戰“疫”一線被廣泛應用。本研究報告立足于產業發展基本面,并結合當前人工智能醫療的最新發展與應用趨勢,對公共衛生、醫院管理、醫學影像、醫療機器人、藥物研發、健康管理、精準醫療和醫療支付共八大主要細分領域進行深入研究與分析,分析各領域所處的不同發展階段、發展特征與應用價值,并盤點市場主要參與者,力求描摹2020年互聯網醫療行業發展的新風向。
中國的人工智能醫療在政府與社會各界的共同投入與支持下,面臨政策、市場、技術、人才等多重因素疊加利好的重要發展機遇。項目組重點分析了中國人工智能醫療領域目前所具有的六大發展機遇:機遇一,頂層設計不斷加碼,產業發展政策環境持續優化;機遇二,市場增長迎來發力期,資方入局窗口已經打開;機遇三,市場需求日益旺盛,慢病管理等領域頗具增長空間;機遇四,新冠疫情的迫切需求為相關產業的發展打開了新局面;機遇五,5G、量子計算等新技術的增長為產業發展提供了新動能;機遇六,復合型人才厚度增加為產業厚積薄發創造新節點。
在行業發展重要機遇期,政府密集釋放相關利好政策,推動科技成果轉化,推動數據共享,持續完善行業標準規范體系。同時,“以患者為核心、切實滿足醫生臨床工作需求”的核心理念正在逐漸成為行業共識,人工智能醫療產品正在向覆蓋多病種、深入應用場景的方向發展。可以預見,人工智能醫療大規模落地應用的時代即將來臨。
人工智能本質是解決生產力升級的問題,人類生產力可以歸類為知識生產力和勞動生產力,人工智能走入產業后,可以分為感知智能、認知智能和行為智能,后兩者更與生產力相對應,NLP和知識圖譜是發展認知智能的基礎。
原始數據通過知識抽取或數據整合的方式轉換為三元組形式,然后三元組數據再經過實體對齊,加入數據模型,形成標準的知識表示,過程中如產生新的關系組合,通過知識推理形成新的知識形態,與原有知識共同經過質量評估,完成知識融合,最終形成完整形態上的知識圖譜。
在面對數據多樣、復雜,孤島化,且單一數據價值不高的應用場景時,存在關系深度搜索、規范業務流程、規則和經驗性預測等需求,使用知識圖譜解決方案將帶來最佳的應用價值。
2019年涵蓋大數據分析預測、領域知識圖譜及NLP應用的大數據智能市場規模約為106.6億元,預計2023年將突破300億元,年復合增長率為30.8%,其中2019年市場中以金融領域和公安領域應用份額占比最大。
隨著整體市場數據基礎的完善和需求喚醒,大數據智能領域規模持續走高,但在行業可落地性和理性建設的限制下,預計市場增速將呈現下降趨勢,期間咨詢性需求將會大量出現,從整體發展來看增速處于良性區間,對真正有價值的公司和產品有正向意義。
該白皮書對大數據與實體經濟融合發展情況進行了全景展現,報告顯示我國大數據融合發展已具備技術、產業、應用和政策基礎,大數據在制造業、農業、服務業等實體經濟各領域應用不斷深入,給經濟社會帶來的益處和價值日益顯現。此外,白皮書還對大數據與實體經濟融合發展機遇與挑戰進行了深入分析,對推動我國大數據與實體經濟融合創新發展提出了政策建議。
在新一代信息技術的引領下,數據快速積累,運算能力大幅提升,算法模型持續演進,行業應用快速興起,人工智能發展環境發生了深刻變化,跨媒體智能、群體智能、自主智能系統、混合型智能成為新的發展方向,人工智能第三次站在了科技發展的浪潮之巔。
近日,深圳前瞻產業研究院結合人工智能行業的產業鏈結構、市場發展現狀、投資情況及典型案例,對人工智能行業的發展前景和趨勢做出前瞻性分析,并發布《2019年人工智能行業現狀與發展趨勢報告》。