2.4 新技术新应用

随着人工智能、大数据、5G等新技术的发展，大量科技企业从特定场景出发，提供差异化新产品和新解决方案，形成丰富新应用生态，成为智能经济快速发展的重要推手。从产品到服务，新技术与传统行业加速融合，已经在医疗、交通、家居、制造等各领域落地生根。

2.4.1 智慧医疗迎来高速发展

智慧医疗指通过建立综合医疗信息平台，结合最先进物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。2016—2018年，全球智慧医疗服务支出年复合增长率约为60%，当时预估2019年该产业规模达到4000亿美元^[21]。

1.智慧医疗模式改变传统医疗

（1）健康管理方式。随着手机等现代电子设备的普及，健康管理的效率得到提升，成本显著降低，催生了新型的健康管理系统。

（2）挂号、问诊和购药方式。患者由前往医院就诊并在取得医生许可后凭单购药，转为重症患者在线预约、轻症患者看病线上化，如在线问诊、在线购药等。

（3）医患生态。诊疗过程线上化可以显著减少医患直接接触，在不影响信息交换的前提下，减少医患矛盾的产生。

（4）智能医疗设施应用。基于人工智能技术开发的临床决策支持系统（CDSS）、人工智能眼底筛查系统等智能化软件与设备，能够辅助基层医生更好地完成诊断工作。此外，在面临重大公共卫生事件时，智能医疗设施的部署使用，能有效地提升突发性、流行性疾病的防治效果。以2020年抗击新冠肺炎疫情为例，各国智能化线上诊断系统能够同时对接病房和医护中心，医疗专家不必进入隔离区即可为患者诊治，避免了病毒对医护人员的感染。

2.智慧医疗的应用场景

（1）影像辅助诊断。2019年7月，美国人工智能辅助系统QuantX获得美国食品药品监督管理局批准。QuantX以人工智能软件增援放射科医生，对核磁共振成像（MRI）进行分析，以确认或质疑医生的诊断，该系统经临床研究证明，能使癌症漏诊减少39%和整体准确率提高20%。2020年6月，中国“天医智”的颅内肿瘤磁共振影像辅助诊断软件通过了国家药品监督管理局（NMPA）三类医疗器械审批。

（2）疾病风险预测。通过基因测序与检测，提前预测疾病发生的风险或通过运用各种生化、影像、日常行为大数据来预测疾病发生情况。2020年5月，人工智能公司DeepMind和Google Health开发了新的人工智能医学系统，用于检测年龄相关性黄斑变性（AMD）。该系统利用两个神经网络，分析2795个病例的3D眼睛扫描结果和标记信息训练学习，预估早期患者未来6个月内的病情发展结果与人类专家的判断结果相当，而效率远高于人工。

2.4.2 智能交通应用逐步推广

智能交通是将先进的人工智能、信息通信、传感与控制等技术有效地应用在地面交通管理系统中，实现大范围、全方位、实时、准确、高效的交通管理。相关公开数据显示，智能交通能够提高道路使用效率，减少交通堵塞约60%，提高现有道路通行能力2～3倍。车辆在智能交通管控体系内行驶，停车次数可减少30%，行车时间减少15%～45%，车辆使用效率提高50%以上^[22]。预计到2025年，全球智能交通市场规模将达到2621亿美元，复合年均增长率为18.68%^[23]。随着市场逐步走向成熟，行业正在由基础铺垫转入高质量发展阶段。

1.智能交通发展的四大趋势

（1）自动驾驶。

（2）基于大数据的MaaS一站式出行服务。

（3）道路系统的交通云脑、智慧路网管控。

（4）交通安全的主动防控、轨道交通智能运维与健康管理、城市停车的精细化治理、自主式交通系统等。

其中，自动驾驶汽车作为智能交通管控体系的重要组成部分，是实现车路协同、提升人们出行体验的重要载体。传统汽车厂商以及新兴互联网企业分别凭借各自汽车安全技术积累和智能化技术的优势，推动自动驾驶逐步实现L3级。截至目前，全球范围内至少有25个国家和地区的城市正在测试自动驾驶汽车。

2.人工智能在交通领域的应用场景日益广泛

（1）在自动驾驶方面的应用。主要应用于车辆的自动驾驶模式，从车辆感知到决策，以及定制化的预测与维护功能，可增加机动性、降低交通事故的发生率、减少城市停车位的需求量。

（2）在城市交通方面的应用。借助人工智能的软件与硬件系统、传感器、影像系统、交通的远程通信与监控系统，获得实时交通状态，并依据实时交通状态而改变交通号志，减少交通堵塞现象与碳排放量，借以提高行人安全、改善生活质量。

（3）在停车方面的应用。借助人工智能与云端数据分析以驱动应用程序，进行路线图的选择、停车位的匹配，以提供车辆辨识空闲的停车位置。

（4）在高速方面的应用。在车联网以及无人驾驶、应急预案匹配、无感支付、逃费稽查、智能交互式客服、行为监督、智能路径规划和交通诱导等方面逐步得到应用和发展。

2.4.3 智慧家居多样化发展、企业竞争激烈

智能家居利用人工智能、物联网技术集成家居生活有关设施，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。智能家居将人们从传统使用家电模式脱离出来，更加强调智能化和自动化。

1.全球智能家居市场正在快速增长

市场研究公司Strategy Analytics发布的数据显示，2019年，消费者在智能家居相关硬件、服务和安装费用上的支出达到1030亿美元，并以11%的复合年均增长率增长到2023年的1570亿美元。智能音箱、智能电视等多媒体娱乐设施，以及照明控制设备和家庭监控/安全系统将占据智能家居市场的最大份额。亚马逊、苹果、谷歌、三星、ADT、霍尼韦尔、博世、亚萨合莱、ABB、英格索兰、通用电气是全球智能家居行业的主导者，总计占据全球智能家居40%～45%的市场份额^[24]。

2.智能家居的应用场景

智能家居一方面以语音接口作为应用接入，另一方面通过整合家电构建综合的生态体系。智能音箱是语音接口的实际应用产品，是家庭消费者用语音进行上网的一个工具。例如，用于点播歌曲、上网购物，或是了解天气预报；它也可以对智能家居设备进行控制，例如，打开窗帘、设置冰箱温度、提前让热水器升温等。2019年，以谷歌助手、苹果Siri以及亚马逊Alexa为代表的语音助手成为时下的科技热点，越来越多的外部软件和硬件产品正在植入语音助手，让消费者使用自己的声音轻松操控家居设备。另外，Google Home和亚马逊Alexa允许第三方进入其语音服务的生态体系。

2.4.4 智能制造加速产业升级

智能制造将新一代信息通信、人工智能技术与先进制造技术深度融合，帮助制造业从机械化、电气化、自动化向数字化、互联化及智能化方向升级。其中，数字化指将工业信息转换为数字格式，通过计算机管理；互联化对应万物互联，在生产者-机器、机器-机器、消费者-生产者间构建连接；智能化是通过大数据分析和人工智能技术实现数据的自由流动和各种场景的智能决策。

智能制造已成为制造业重要发展趋势。相关统计数据^[25]显示，2020年，全球智能制造市场规模将达到2147亿美元，2025年这一数据将达到3848亿美元，期间复合年均增长率为12.4%。随着3D打印、模拟分析、工业物联网等技术在制造业的渗透，汽车、航空航天、国防工业在智能制造领域已实现领先增长，能源和装备制造等行业将保持较高增速。全球各国智能制造水平可分为四大梯队：第一梯队是掌握先进技术、专利以及品牌的引领型国家，以美国、日本、德国为代表；第二梯队是中国、韩国、英国、瑞典等为代表的先进型国家，它们拥有部分核心技术和大规模集成能力，可生产关键元件；第三梯队是核心技术较少、以零部件加工为主的潜力型国家；第四梯队是提供原材料、发展劳动密集型制造业的滞后型国家。

---

[1] 数据来源：全球超算“TOP 500”榜单，2020年6月，见https://www.top500.org/lists/2020/06/。

[2] 数据来源：高德纳（Gartner）发布的统计报告——Marker Share：Semiconductors by End Market，Worldwide，2019。

[3] 数据来源：高德纳（Gartner）发布的统计报告——Marker Share：Semiconductors by End Market，Worldwide，2019。

[4] 原名东芝存储，2019年10月正式更名为“铠侠”。

[5] 数据来源：Statcounter.Mobile Operating System Market Share Worldwide-August 2020[ol].https://gs.statcounter.com/os-market-share/mobile/worldwide

[6] 数据来源：Statcounter.Desktop Operating System Market Share Worldwide-August 2020[ol].https://gs.statcounter.com/os-market-share/desktop/worldwide

[7] Wu S,Rupprecht C,Vedaldi A.Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.2020:1-10.

[8] Chen Z,Tagliasacchi A,Zhang H.Bsp-net:Generating compact meshes via binary space partitioning[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.2020:45-54.

[9] Habermann M,Xu W,Zollhofer M,et al.Deepcap:Monocular human performance capture using weak supervision[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.2020:5052-5063.

[10] Lan Z,Chen M,Goodman S,et al.ALBERT:A Lite BERT for Self-supervised Learning of Language Representations[C]//International Conference on Learning Representations.2019.

[11] Wu Z,Chen Y,Kao B,et al.Perturbed Masking:Parameter-free Probing for Analyzing and Interpreting BERT[J].arXiv preprint arXiv:2004.14786,2020.

[12] Horace He,The State of Machine Learning Frameworks in 2019[OL],The Gradient,2019.

[13] 数据来源：Towards Data Science.Deep learning framework power score[OL].https://towardsdatascience.com/deep-learning-framework-power-scores-2018-23607ddf297a

[14] 量子体积（Quantum Volume）是由IBM公司提出的指标，用于测量量子计算机的强大程度，具体含义为在给定的空间和时间内完成的量子计算的有用量。

[15] Xie N,Liu S,Fang H,et al.Three-dimensional molecular transfer from DNA nanocages to inner gold nanoparticle surfaces[J].ACS nano,2019,13(4):4174-4182.

[16] Pandarinath C,Ali Y H.Brain implants that let you speak your mind[J].Nature,2019,568(7753):466-468.

[17] Benabid A L,Costecalde T,Eliseyev A,et al.An exoskeleton controlled by an epidural wireless brain-machine interface in a tetraplegic patient:a proof-of-concept demonstration[J].The Lancet Neurology,2019,18(12):1112-1122.

[18] Ganzer P D,Colachis 4th S C,Schwemmer M A,et al.Restoring the Sense of Touch Using a Sensorimotor Demultiplexing Neural Interface[J].Cell,2020.

[19] Abbasi-Asl R,Keshavarzi M,Chan D Y.Brain-Computer Interface in Virtual Reality[C]//2019 9th International IEEE/EMBS Conference on Neural Engineering (NER).IEEE,2019:1220-1224.

[20] Zhao H,Wang Y,Liu Z,et al.Individual Identification Based on Code-Modulated Visual-Evoked Potentials[J].IEEE Transactions on Information Forensics and Security,2019,14(12):3206-3216.

[21] 百度，中国发展研究基金会，《新基建，新机遇：中国智能经济发展白皮书》，2020年6月。

[22] 资料来源：中国发展研究基金会发布的《新基建，新机遇：中国智能经济发展白皮书》，2020年6月。

[23] Smart Thermostat Market-Growth,Trends,and Forecast (2020—2025),Mordor Intelligence.

[24] Fortune BusinessInsights,Smart Home Market Size,Share&Industry Analysis 2019-2026[ol].https://www.fortunebusinessinsights.com/industry-reports/smart-home-market-101900.

[25] 数据来源：国务院发展研究中心发布的《新基建，新机遇：中国智能经济发展》白皮书，2020年6月。