人工智能在醫療的具體案例精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能在醫療的具體案例主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工智能在醫療的具體案例范文
據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。
2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。
如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。
第一部分人工智能行業發展概述
1.人工智能概念及發展
人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。
自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。
人工智能發展歷程
2.人工智能產業鏈圖譜
人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。
A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。
B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。
C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。
人工智能產業鏈
資料來源：創業邦研究中心
第二部分人工智能行業巨頭布局
巨頭積極尋找人工智能落地場景，B、C 端全面發力。
資料來源：券商報告、互聯網公開信息，創業邦研究中心整理
第三部分機器視覺技術解讀及行業分析
1.機器視覺技術概念
機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。
機器視覺的兩個組成部分
資料來源：互聯網公開信息，創業邦研究中心整理
2.發展關鍵要素：數據、算力和算法
數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。
深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。
3.商業模式分析
機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。
（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口
這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。
此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。
國內外基礎算法應用對比
資料來源：互聯網公開信息，創業邦研究中心整理
（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口
軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。
4.投資方向
（1）前端智能化，低成本的視覺解決模塊或設備
從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。
機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。
（2）深度學習解決視覺算法場景的專用芯片
以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。
（3）新興服務領域的特殊應用
前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。
（4）數據是爭奪要點，應用場景是著力關鍵
機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。
第四部分智能語言技術解讀及行業分析
1.語音識別技術
（1）語音識別技術已趨成熟，全球應用持續升溫
語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流
語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。
（3）語音識別技術發展瓶頸與趨勢
低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。
麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。
在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。
2.自然語言處理（NLP）發展現狀
（1）多技術融合應用促進NLP技術及應用的發展
深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。
深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。
（2）NLP主要應用場景
問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。
圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。
機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。
對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。
（3）創業公司的機遇
1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。
2)應用于垂直領域的自然語言處理技術
避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。
第五部分人工智能在金融行業的應用分析
人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。
人工智能在金融行業的典型應用情況
資料來源：創業邦研究中心
第六部分人工智能在醫療行業的應用分析
1.人工智能在醫療行業的應用圖譜
人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。
圖 人工智能在醫療行業的應用圖譜
資料來源：創業邦研究中心
2.人工智能在醫療行業的具體應用場景
醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。
虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。
第七部分智能駕駛行業分析
1.智能駕駛行業產業鏈
智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。
產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。
智能駕駛產業鏈圖譜
資料來源：創業邦研究中心
2.智能駕駛市場分析
伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。
按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。
根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。
第八部分中國人工智能企業畫像分析
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。
地域分布
全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。
行業分布
從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。
從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。
收入情況
收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。
最新估值
企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必
選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)
第九部分典型企業案例分析
1.Atman
企業概述
Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。
目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。
企業團隊
創始人&CEO：馬磊
清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。
Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。
核心技術與產品
技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。
Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。
機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。
知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。
2.黑芝麻
企業概述
黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。
目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。
企業團隊
團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。
創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。
核心技術和產品
在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。
3.乂學教育
企業概述
乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。
企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。
主要產品
學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。
智適應學習人工智能系統
智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。
業務模式
線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。
4.云從科技
企業概述
云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。
云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。
企業核心團隊
創始人
周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。
周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。
核心技術團隊
云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。
技術優勢
全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。
云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。
在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。
正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。
行業應用
目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。
5.Yi+
企業概述
北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。
旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。
目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。
企業團隊
團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。
創始人&CEO：張默
北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。
核心技術與產品
技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。
公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：
行業解決方案
針對營銷、安防、相機和電視的不同特點，推出相應解決方案。
營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。
智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。
電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。
相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。
新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。
6.擎創科技
企業簡介
擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。
核心團隊
擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。
主要產品
“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。
“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。
“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。
商業模式
目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。
核心優勢
第2篇：人工智能在醫療的具體案例范文
社會醫療保險是一種“低水平，廣覆蓋”的保障，其最高“賠付金額”是當地上年社會平均工資的4倍左右，在全國大多數地區為2～5萬元，而重大疾病醫療費用一般高達10萬元以上，兩者之間存在較大缺口。
商業醫療保險的空間
建立完善的醫療保障體系已經是當務之急，從目前來看，利用商業醫療保險建立一個沒有漏洞的多層次的醫療保障體系是一個合理的選擇。就險種類別來看，目前上公眾急需的醫療保險、老年護理保險，屬于健康險的范疇，而目前我國還沒有一家專業的商業健康保險公司，健康險也只是作為壽險的附屬業務。盡管如此，我國近年來的健康險增長依然迅速，2000年度我國健康險保費達到27.69億元，占人身險總保費的2.77%；2001年健康險保費達到60.27億元，占人身險總保費的4.24%。這一成績較之成熟市場的1/4到1/3有較大距離，但較上年增長117.65%，遠遠高于同期42.6%的人身險保費增長率。在七月召開的中國保險行業協會健康保險工作部成立大會暨第一次工作會議上，專家們認為，由于國家基本醫療保險覆蓋面不足，保障程度相對不高，為商業保險公司發展健康保險留下了巨大的發展空間。較為謹慎的預測是，到2008年前后，我國健康保險的市場規模在1326億元左右，而較為樂觀的估計是在2837億元左右。這一切表明中國健康險市場充滿巨大的潛力。
商業保險公司的“苦水”
市場潛力巨大，老百姓又急需，這種兩全其美的事情，為什么得不到保險公司的熱烈響應呢？實際上，商業保險公司有其商業上的苦衷，多種因素制約了業務的順利開展。
賠付率居高不下
長期以來，各保險公司開辦的醫療保險都處于收賠相抵，甚至收不足賠的狀況，個別地方的賠付率甚至高達300%，這使保險公司的利潤微乎其微，不少公司對大力發展醫療保險的熱情不高。
管理難度較大
保險公司與醫療機構的合作關系難以建立，加上醫療制度的不完善，透明度不高，保險公司難以對醫療費用進行控制。保戶中存在著不少逆選擇投保的，而且一些道德風險和索賠欺詐風險大量存在，使保險公司難以拓展市場。
經營管理方法不先進
在美國普遍使用的風險管理技術，如復雜的費率厘定、承保選擇、次優要求、大案管理、非比例再保險保護等，在我國還鮮為人知。
專業化程度低
一方面，我國目前還沒有一家專業的商業健康保險公司，國內保險公司把健康險作為壽險的附屬，極大地影響健康險的經營戰略決策。另一方面，人才匱乏。醫療保險對保險人員的醫學知識要求較高，在核保、理賠、精算等方面都需要專業性較強的人才，而保險公司這方面的專業人才缺乏，影響了醫療保險業務的推廣。
適合健康險業務的系統缺乏
品種單調，個性化、多元化程度差。當前，公眾急需的是純粹的醫療保險、老年護理保險等，而市場上沒有老年護理保險，而一些險種又是以附加險形式隨主險開展且以統保形式承保的，難以滿足人們的需求；國際上成熟的商業健康險市場一般包含四大類產品：醫療費用給付類、失能收入損失補償類、長期護理保障類和疾病給付類。我國雖已有180多種健康險產品，但主要集中在第一類上，而且都是一年一保的短期產品。
癥結所在
健康險的癥結在于風險控制難度大、專業技術要求高。
第一，從管理上說，健康險對案件的管理不是結果管理，而是過程管理。它保障的不是“疾病發生”，而是“就醫事件”。“就醫事件”是一個完整的過程，它包括疾病發生、就醫、治療、痊愈及出院等步驟，每一個步驟不同的處理方式決定了案件結果的不同。這決定了醫療保險在精算、風險控制、核保理賠、醫療協調管理等各方面均不同于壽險和意外險。其次從協調管理上說，在我國商業保險公司、社會保障部門、被保險人和醫療服務提供者構成了健康保險的四方關系，在這四方關系中，醫療服務提供者對發生就醫的被保險人的住院時間長短、治療方案、是否發生醫療費用及發生多少醫療費用等起著重要作用，社會保障部門與商業保險公司在統一標準、信息共享方面有較強的合作需求。因此加強協調管理對合理施治和合理用藥方面的管理有著突出重要的意義。
第二，從風險控制上說，壽險的基礎是建立在大數法則上，依賴于“死亡事件”，而死亡是投保人或是被保險人較難人為控制的事件，是一種純粹風險。而對健康保險來說，其經營的是就醫事件和醫療費用風險，被保險人可能在醫療服務提供方的配合下，“無病看病、小病大看”。因此其道德風險要比壽險和意外險嚴重且不可控。其次，同傳統壽險相比，對被保險人的風險控制更為復雜。傳統壽險通常將被保險人的健康狀況及家族病史作為核保的重點，而對于健康險來說，被保險人保障水平、保險信用記錄、過度利用傾向、收入水平、職業情況以及定點醫療機構行醫記錄等信息也是風險評估的重要部分。
第三，從費率厘定上說，人壽保險主要考慮死亡率、費用率和利率，健康險所要考慮的不僅是疾病的發生率、就醫率和住院天數，更要考慮各地的經濟發展狀況、醫療消費水平、區域及城鄉差異、投保團體的情況、醫療環境和診療技術的變化等因素。由于醫療保險受免責期、等待期和免賠額的影響，其責任發生帶有一定的滯后性，在未到期責任準備金和未決賠款準備金的計提上又不同于財產保險和意外傷害保險。
智能化系統解決之道
健康險這些獨有的特性決定了傳統的業務系統將很難滿足健康險業務的發展，因此，一套能解決業務難點、滿足其特殊業務需求的智能化系統就成為了解決問題的關鍵。因為一套好的健康險智能化系統應具備有效的過程管理、強大的數據交換功能、全方位的風險控制和先進的人工智能技術，并且具有良好的擴展性。
智能化系統通過科學地監控疾病發生、就醫、治療、痊愈及出院整個“就醫事件”，從而實現有效的過程管理。由于健康險業務的復雜性、頻繁性和實時發生性，需要有效的過程管控系統，單純的業務流程管理將不能適應醫療保險業務發展和風險管控的需要。傳統的業務系統通常只能進行事后型的管理，即就醫事件結束后，被保險人持醫療費用帳單進行索賠時，業務系統才開始進行處理。在這種情況下要對就醫事件進行審核困難明顯加大，常常導致保險欺詐，由于對某些不合理的醫療費用的發生未進行事先控制，導致理賠時出現糾紛。通過過程管理，能夠有效地消除保險人、被保險人及醫療機構三者間的信息不對稱，使得保險人可以及時獲得被保險人的診療信息，并可在就醫事件出現不合理的情況下及時介入，防止不合理費用的發生。通過過程管理，結束了醫療費用的高低基本受控于醫療機構的情況，加強了保險人對醫療費用的控制力，極大地降低不合理醫療費用的發生率。
智能化系統可同醫療服務提供者、社保機構進行同步/異步數據交換，能夠及時地獲取各種信息，如：被保險人的醫療信息、藥品、診療項目、服務項目列表及給付比例等基礎數據。通過數據交換，為過程管理及風險監控提供了必要的數據，為保險公司協調管理社會保障部門、醫療服務提供者和被保險人提供了有力的支持，同時減少了工作人員的錄入量，增強了業務處理的自動化程度，使工作效率得到了極大的提高。
智能化系統擁有科學的風險評估體系。由于健康險業務的復雜性，在對被保險人進行核保時必須全方位的評估被保險人的風險，如：被保險人保障水平、保險信用記錄、過度利用傾向、收入水平、職業情況以及定點醫療機構行醫記錄等。通過科學地風險評估體系能夠準確全面地揭示被保險人的風險，為核保提供重要的參考信息，避免了被保險人逆向選擇等風險，從而減少了保險公司的損失。
智能化系能夠有效協調保險人、被保險人和醫療服務提供者三方關系，并能對就醫事件的整個過程進行監控，及時發現被保險人“無病看病、小病大看”，醫院過度提供醫療服務等風險。通過先進的人工智能判斷技術，增強了業務處理自動化的能力，可減輕核保、核賠業務人員的工作壓力，降低商業醫療保險費用；也可以提高工作效率。
智能化系統建成后，經過一定時期的運行，將積累大量的業務數據，通過數據挖掘技術，可從大量的數據集合中有效發現有價值的商業信息，同時因為有了足夠的樣本數據，從而為健康險的費率厘定提供重要依據。通過對業務數據進行數據挖掘，保險公司將逐步建立起自身的核心競爭力，智能化系統積累的經驗將成為其他公司唯一無法趕超的“信息壁壘”。
由于各地醫療服務水平、基本醫療保障、疾病發生率等存在一定的差別，因此不能按照同一種模式對各地的健康險業務進行統一的管理，智能化系統能對于不同類型的醫療服務、不同發展水平的地區，采取有針對性的管控，使得保險公司可以根據當地的具體情況，順利開展業務，擴大市場，提高了管理效率，節約成本。
在處理健康險業務時，不僅數據量大，而且還需要綜合不同類型的數據，例如：在理賠時，除需要知道被保險人的自身信息外，還需要知道就醫醫院，使用的藥品明細等信息。智能化系統能處理健康險大量數據要求，協調各種業務數據，從而提高了工作效率。
智能化系統實現了數據大集中，能夠處理日益顯著的人口流動問題，真正支持商業醫療保險產品“全國聯保”，實現“風險控制到人”。由于能更好地提供個性化的服務，從而提高了客戶的滿意度。從管理角度而言，數據集中充分體現了公司總部的監管作用，實現業務數據的實時收集，匯總和查詢，同時允許各分支公司在統一管理下的部分個性化。
此外，智能化系統必須具備良好的擴展性，由于健康險業務在中國發展得非常迅速，新的需求、保險產品、業務規則不斷出現，具備良好擴展性的系統可通過很少的調整，甚至是不作任何的調整就可以處理新的業務，從而極大地節省了保險公司的運營成本。
案例：
太平洋補充醫療保險方案
全國基本醫療保險辦法實施后，城鎮職工的基本醫療得到了保障。但是，由于基本醫療保險只能解決參保人員的基本醫療需求，而不能解決勞動者患重大疾病超過封頂線以上的醫療費用負風險；加之參保人員的住院費用是按比例報銷，職工個人負擔部分較重。因此，為化解參保人員患重大疾病的大額醫療風險，減輕其住院費用負擔，太保壽險在全國一些地區相繼推出了補充醫療保險。
有效監管面臨挑戰
太平洋保險壽險總公司希望用一套健康險業務系統來統一管理全國各分支公司的補充醫療保險業務。目前的情況是大部分的分支公司通過人工方式進行核賠理算，帶來的問題是顯而易見的，由于缺少自動化導致工作效率低，容易出錯，客戶從報案到得到理賠等待的時間長，客戶滿意度差。而有些分支公司使用簡單的系統進行業務處理，這些系統只針對當地的業務而開發，因此可擴展性差，無法滿足業務發展的要求，而且數據共享的難度大。由于各地健康險業務“各自為營”，導致總公司無法直接取得業務數據，因此很難進行有效的監管。
與此同時，要開發一套統一的、集中式的健康險業務系統面臨諸多挑戰。首先，業務存在地區差異。由于各地醫療服務水平、基本醫療保障、疾病發生率等存在一定的差別，太保各分支公司在開展健康險業務時必須要結合當地的實際情況，這使得各地協議書的內容存在一定的區別，因此系統必須有足夠的靈活度以覆蓋絕大部分的健康險業務。其次，各類基礎數據沒有統一標準。例如，針對同一種藥品，各地的命名可能是不同的，因此沒有一套標準來規范諸如藥品、疾病、診療項目、服務項目等基礎數據，導致數據交換無法進行。最后，建立數據接口存在客觀條件的限制。目前，同醫院建立數據接口由于客觀條件限制，無法實現。而同社保間的數據接口，由于各地社保的數據格式不一致，因此系統必須能處理各種不同的數據格式。
集中式解決方案
該系統是一套采用B/S結構的集中式系統，所有的數據都存放在太保壽險總公司，從而很好地解決了數據集中的問題，提高了管理效率。
該系統最大的四個特色是靈活的責任管理、標準化的醫療字典、強大的數據交互和復雜的業務邏輯。首先在本系統中通過責任管理，可以方便地設置、修改保險責任，并可針對保險責任設置對應理算公式。在新建保單時，可以靈活選擇與之相匹配的理算公式。其次，系統建立了標準化的醫療字典，包括：藥品、疾病、診療項目、服務項目、醫院信息、社保機構。根據太保健康險業務的實際情況，疾病使用ICD9編碼。藥品以上海市衛生局HIS系統標準代碼為基礎，編碼時將藥品分為化學藥品及中成藥兩大類，化學藥品以藥品用途分類為主，中成藥按藥理作用進行分類；所有藥品，以一物一碼為原則。診療項目、服務項目則使用太保提供的編碼。通過同各地的數據建立對應關系，實現了數據的交換。第三，系統同社保間建立了數據接口，方便地導入被保險人的醫療費用信息。通過其它的數據接口，實現批量導入客戶信息及藥品、疾病等基礎數據。實現了對被保險人醫療費用的監控，大大降低了工作人員的錄入量。最后，系統可處理復雜的業務邏輯，在案件內部的邏輯關系中，可實現在一個案件下的多次報案，多次立案，多次理算，多次給付。在協議書同保單的關系中，可實現一份協議書下對應多個保單，而每份保單又可對應一個投保人及多個被保險人。
此外系統記錄被保險人從報案、回訪、立案、資料處理、調查、理算到賠付的所有信息，實現了對被保險人就醫事件的監控。
理算時，系統根據一定的規則自動計算進入保險責任的理算金額，并根據影響理算的各種因素，如：基本醫療部分的理賠情況、免賠額等，自動計算出理算結果。降低了錯誤的概率，極大提高了工作效率。
為了能適應各類核賠流程，系統使用強大而靈活的工作流，通過設置核賠規則，實現自動核賠流程。
客戶收益
盡管該系統命名為補充醫療保險理賠系統，但由于設計合理根據太保健康險的實際情況，充分考慮系統的可擴展性，因此通過簡單調整即可適應80％的太保健康險業務。這樣一來，一方面實現了太保壽險總公司使用一套健康險業務系統來統一管理全國各分支公司的補充醫療保險業務，另一方面也為今后的擴展奠定了基礎。由于是一套集中式的系統，太保壽險總公司可以實時地取得業務數據，從而對健康險業務的監管更高效，更有力。
各地分支公司使用該系統后，工作效率大為提高，節約了人力成本，縮短了理賠時間，提高了客戶的滿意度。更為重要的是，該系統能幫助太保壽險更好地規范補充醫療保險的業務，使補充醫療保險能夠健康地發展。
個人健康管理系統
■肖樺
個人健康管理在國外的商業化應用已有20多年。由于醫療費用的不斷增加及人們對健康需求意識的改變，保險公司及企業紛紛采用此類服務，通過改善健康預防疾病來降低醫療費用。它不但能有效地調動個人在改善自身健康過程中的積極性，同時也能更準確地篩選高危人群從而增加預防措施的針對性。由此，保險公司可以更準確地衡量被保險人的風險，為厘定費率搜集基礎數據。被保險人一方面獲得了增值服務，另一方面也能有針對性地采取措施預防疾病從而降低醫療費用。版權所有
KYN是個人健康管理服務項目之一。它是英文knowyournumber的縮寫，即知道你的數字。KYN是根據美國及中國有關科研機構多年合作的成果，在美國成功經驗的基礎上，通過流行病學調研結合中國人群疾病發生的特點而設計的。其目的是通過收集生物學信息(包括身高、體重、年齡到血糖、血脂、膽固醇水平等各項實驗室指標，也包括食物攝入量、吸煙量、體力活動等生活方式有關的信息)，對慢性病進行危險評價。以控制危險因素為目標，從而達到減少疾病發生機率與控制疾病進展的目的。
KYN項目有三個組成部分：1、個人健康信息管理系統，即收集和管理個人健康信息，對服務對象目前和將來的健康及疾病的危險性進行評價、跟蹤并進行健康行為指導；2、個人健康評價系統，主要包括一系列的疾病危險性評價方法，用以確定個人患慢性疾病的危險程度及發展趨勢；3、個人健康改善的行動計劃及指南，即通過健康管理的辦法對不同危險因素進行控制，實施個人化的健康促進，最終達到預防及控制發病、改善健康、減少醫療費用的目的。
第3篇：人工智能在醫療的具體案例范文
[關鍵詞]醫院信息系統;循證醫學;大數據時代
[DOI]10.13939/ki.zgsc.2015.13.113
循證醫學概念的提出是人們對現代醫藥的單純根據病理生理機制指導臨床治療狀況的一種反思，它提倡的是最好的臨床研究證據與臨床實踐（臨床經驗、臨床決策）以及患者價值觀（關注，期望，需求）的結合。因此，今后的醫生，將不僅僅承擔著診治病人的職責，還將兼有醫學科學研究的重任。而如何高效快捷地獲得大量數據，科學準備地處理大量數據，使之為臨床科研提供實驗數據支持？當信息技術領域迎來大數據浪潮之際，醫院信息系統的發展也勢必將推動循證醫學步入大數據時代。
1循證醫學
1.1定義
循證醫學的主要創始人、國際著名臨床流行病學家DavidSackett曾將循證醫學定義為：“慎重、準確和明智地應用所能獲得的最好研究證據來確定患者治療措施。”根據這一定義，循證醫學要求臨床醫師認真、明確和合理應用現有最好的證據來決定具體病人的醫療處理，作出準確的診斷，選擇最佳的治療方法，爭取最好的效果和預后。循證醫學的最新定義為：“慎重、準確和明智地應用目前可獲取的最佳研究證據，同時結合臨床醫師個人的專業技能和長期臨床經驗，考慮患者的價值觀和意愿，完美地將三者結合在一起，制定出具體的治療方案。”顯然，現代循證醫學要求臨床醫師既要努力尋找和獲取最佳的研究證據，又要結合個人的專業知識包括疾病發生和演變的病理生理學理論以及個人的臨床工作經驗，結合他人（包括專家）的意見和研究結果;既要遵循醫療實踐的規律和需要，又要根據“病人至上”的原則，尊重患者的個人意愿和實際可能性，而后再作出診斷和治療上的決策。
1.2特征
循證醫學的核心思想是在醫療決策中將臨床證據、個人經驗與患者的實際狀況和意愿三者相結合。臨床證據主要來自大樣本的隨機對照臨床試驗（Randomized Controlled Trial，RCT）和系統性評價（Systematic Review）或薈萃分析（Meta-analysis）。
循證醫學的基本特征是：
第一，將最佳臨床證據、熟練的臨床經驗和患者的具體情況這三大要素緊密結合在一起尋找和收集最佳臨床證據旨在得到更敏感和更可靠的診斷方法，更有效和更安全的治療方案，力爭使患者獲得最佳治療結果。掌握熟練的臨床經驗旨在能夠識別和采用那些最好的證據，能夠迅速對患者狀況作出準確和恰當的分析與評價。考慮到患者的具體情況，要求根據患者對疾病的擔心程度、對治療方法的期望程度，設身處地地為患者著想，并真誠地尊重患者自己的選擇。只有將這三大要素密切結合，臨床醫師和患者才能在醫療上取得共識，相互理解，互相信任，從而達到最佳的治療效果。
第二，重視確鑿的臨床證據：這是和傳統醫學截然不同的。傳統醫學主要根據個人的臨床經驗，遵從上級或高年資醫師的意見，參考來自教科書和醫學刊物的資料等為患者制訂治療方案。顯然，傳統醫學處理患者的最主要的依據是個人或他人的實踐經驗。
2大數據
2.1定義
大數據（Big Data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。“大數據”這個術語最早期的引用可追溯到Apache Org的開源項目Nutch。當時，大數據用來描述為更新網絡搜索索引需要同時進行批量處理或分析的大量數據集。隨著谷歌MapReduce和GoogleFile System（GFS）的，大數據不再僅用來描述大量的數據，還涵蓋了處理數據的速度。對于“大數據”[1]研究機構Gartner給出了這樣的定義。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
2.2特征
大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。
大數據的4V特征：Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（精確）。
3醫院信息系統在循證醫學中的應用
醫院信息系統（Hospital Information System，HIS）是為了醫院的效益而建立的信息管理系統。美國著名的醫學信息教授Morris Collen的定義是：HIS的目標是用計算機和通信設備采集、存儲、處理、訪問和傳輸所有和醫院相關的病人醫療信息和管理信息，滿足所有授權用戶功能上的要求。其包括臨床診療部分、藥品管理部分、費用管理部分、綜合管理與統計分析部分、外部接口部分五個組成部分。藥房管理系統、公共衛生信息系統均是其重要組成部分。
3.1藥房管理系統
藥房管理系統有助于藥物經濟學的開展。藥物經濟學是衛生經濟學的一個重要分支，藥房管理系統通過計算機實時動態數據處理，對全院藥房提供動態的藥品數據，運用藥物經濟學（Drug Economic）的理論及研究方法，包括：最小成本分析（CMA）、成本效果分析（CEA）、成本效用分析（CUA）和成本效益分析（CBA）等，通過研究，運用循證醫學的思想，比較評價不同的用藥計劃、方案、方法的風險及效益，以求用最低的花費而獲得最佳的療效。隨著職工醫療保險制度的實施，開展藥物經濟學研究，對于節約衛生資源、減輕病人經濟負擔、降低醫藥費用有著十分重要的意義。
3.2醫學專家系統
醫學專家系統就是運用專家系統的設計原理與方法，模擬醫學專家診斷、治療疾病的思維過程編制的計算機程序系統，它可以幫助醫生解決復雜的醫學問題，作為醫生診斷、治療的輔助工具，同時也有助于醫學專家寶貴理論和豐富臨床經驗的保存、整理和傳播。將眾多醫學專家豐富的臨床經驗及大量病例資料存儲在計算機中，通過基于規則推理、基于案例推理、模糊數學推理、基于規則的神經網絡推理等推理方法，利用人工智能技術，將大大提高診斷的準確性和快速性。
3.3成功案例
2010年時代雜志刊載的醫學界年度十大突破中，醫療科技公司CardioDX通過對1億個基因樣本的分析，最終識別出能夠預測冠心病的23個主要基因。
2009年Google的研究人員對每日超過30億次搜索請求和網頁數據的挖掘分析，在H1N1流感爆發幾周就預測出流感傳播。
4存在問題
隨著大數據的爆炸性增長，劣質數據也隨之而來，導致數據質量低劣，極大地降低了數據的可用性。國外權威機構的統計表明，美國醫療信息系統中13.6%～81%的關鍵數據不完整或陳舊[2]。隨著大數據的不斷增長，數據可用性問題將日趨嚴重，也必將導致源于數據的知識和決策的嚴重錯誤。
數據可用性問題及其所導致的知識和決策錯誤已經在全球范圍內造成了惡劣后果，嚴重困擾著信息社會。在美國，由于數據錯誤而引發的醫療事故，每年導致約98000名患者死亡，約占全部醫療事故致死人數的50%[3];據有關專家推算，在數據倉庫項目的開發過程中，清理不潔數據通常需要花費30%～80%的開發時間和開發預算[4]。
綜上所述，醫院信息系統強大的數據收集及分析處理能力為循證醫學的快速發展提供了堅實的數據基礎，但在運用數據時，劣質數據所造成的損失我們也應盡力避免。要想使醫院系統真正步入大數據時代，仍有一段艱巨的道路要走。
參考文獻：
[1]維克托?邁爾-舍爾維恩，肯尼斯?庫克耶.大數據時代[M].杭州：浙江人民出版社，2013.
[2]Miller D W，Yeast J D，Evans R L.Missing Prenatal Recordsat a Birth Center：A Communication Problem Quantified[C]//Proc of AMIA Annual Symp Proceedings.Maryland：American Medical Informatics Association，2005：535-539.
[3]Kohn L T，Corrigan J M，Donaldson M S.To Err is Human：Building a Safer Health System[M].Washington： National Academies Press，2000.
[4]Woolsey B，Schulz M.Credit card statistics，industry facts，debt statistics[EB/OL]. [2013-04-20].http：//creditcards. Com/credit―card―news/credit―card―industry―factspersonal―debt―statistics-1276.Php.
[5]李建中，劉顯敏.大數據的一個重要方面：數據可用性[J].計算機研究與發展，2013（6）：1147-1162.
[6]張九妹，曹宏亮.淺談醫學專家系統[J].醫療裝備，2008（9）：10-12.
[7]徐麗麗，馬韻.循證醫學[J].中外健康文摘，2009（01X）：50-51.
第4篇：人工智能在醫療的具體案例范文
但是，找到“風口”，豬就真的能飛起來嗎？
飛起來之后，會不會很快摔下來？
那么多前赴后繼“倒下”的企業
他們是因為沒有找到風口
還是找到了風口，卻沒能堅持飛在天上？
戰略和商業模式容易復制，組織能力卻是打贏持久戰的關鍵
本期“名著訪談”欄目專訪楊國安教授
為您帶來其與李曉紅共同編著的《變革的基因》
著作節選
自我革新，才能持久飛翔――移動互聯時代組織能力與以往有何差別
鷹是世界上壽命最長的鳥類。它一生的年齡可達70歲。活到40歲時，它鋒利的爪子開始老化，無法有效地抓捕獵物。它的喙變得又長又彎，幾乎碰到胸膛，不再像昔日那般靈活。它的翅膀開始變得十分沉重，因為它的羽毛長得又濃又厚，使得它飛翔起來十分吃力。它不得不面臨兩種選擇：一種是等死，另一種是經過五個月十分痛苦的更新過程。
為了新生，它筑巢于懸崖之上，停留在那里，首先用它的喙用力擊打巖石，這是個反復流血的過程，但再痛苦，它依然堅持到底，直至它的喙完全脫落，再靜靜地等候新的喙出來。之后，鷹就用它新長出來的喙把腳趾甲一根一根，當新的腳趾甲長出來后，鷹再把那些沉重的羽毛一根一根地拔掉。以上“煎熬”的過程，須持續五個月，新的羽毛長出來了，鷹又可以開始飛翔了。
真正的贏家只和自己賽跑。移動互聯時代，組織能力成為企業間真正的競爭壁壘。和鷹的重生道理一樣――培育新的組織能力，需要痛苦的自我革新。
那么，到了移動互聯時代，企業需要新生的組織能力是什么？
組織能力=團隊整體發揮的戰斗力
組織能力定義
組織能力指的是“團隊整體發揮的戰斗力”。組織能力指的不是個人能力，而是一個團隊（不管是10人、100人，或是100萬人）整體所能發揮的戰斗力，是一個團隊（或組織）競爭力的基因，也是一個團隊在某些方面能夠明顯超越競爭對手、為客戶創造價值的能力。
真正的組織能力具備以下三個特點。
第一，深植于組織內部而非個人，有可持續性
例如，麗嘉酒店面對的是高端客戶，它的組織能力是卓越的個性化服務，你甚至不知道麗嘉的CEO是誰，但是客戶無論到全球哪一家麗嘉酒店，都能享受到同樣卓越的個性化服務。
中國有很多能人企業，企業可以在董事長或CEO的英明領導下取得快速成長，但是在能人離開或者出了問題后，整個企業就會走下坡路甚至癱瘓，這類企業強調的是個人能力，而不是組織能力。
第二，給客戶帶來價值
評判公司組織能力比較客觀的裁判是客戶，而不是管理團隊本身，所以組織能力必須能夠為客戶創造價值并得到客戶認可。
例如，美國西南航空公司的目標客戶是短途、高頻率飛行的顧客，它為客戶提供的價值是“低成本、速度和快樂”。3M（明尼蘇達礦物及制造業公司）成立于1905年，經歷了多代CEO的轉換，但公司仍然不斷在不同領域涌現令客戶驚喜的創新產品。
第三，明顯超越競爭對手
例如，所有的電信設備企業都在談“以客戶為中心”，但是真正像華為這樣把客戶當成衣食父母的卻少見――所有友商都希望客戶買更多套產品來賺取更多服務費，但華為卻主動研發出把三套標準整合在一個機臺上的設備，幫客戶省下了50%的成本;當友商在日本福島核災、埃博拉病毒面前大舉撤退時，華為反而加派人員……這些做法讓華為在“以客戶為中心”方面明顯超越了競爭對手，因此成為華為的組織能力。
組織能力要聚焦、清晰
優秀的公司往往在兩三個方面展示出眾所周知的組織能力。如果什么都做，反而無法集中資源建立優勢，導致樣樣平庸。
清晰界定組織能力，有助于企業自我提升。很多企業家或高管其實在腦海中隱隱約約已經意識到了公司所具備的組織能力，但因為沒有鄭重地把這些能力明晰地界定下來，以致團隊沒有集中精力和資源來關注、開發這些能力，客戶也無法清晰地體驗公司所希望創造的價值，因此喪失了自我提升的契機。
創造性工作的重要性日益凸顯
為了了解移動互聯時代所需要具備的組織能力與傳統工業時代的差別，我們近年對美國、歐洲和中國在管理創新方面非常有影響力的13家互聯網公司進行了實地拜訪或深入研究，包括谷歌、亞馬遜、facebook、supercell、Uber、NETFLIX、特斯拉、阿里巴巴、騰訊、小米、樂視、去哪兒等，發現標準化工作面臨被創造性工作取代的趨勢。
標準化工作VS創造性工作
工業時代，工作的關鍵詞是“標準化流程”
過去一百多年的工業經濟時代中，絕大多數企業從事的標準化流程工作，不管造車、蓋樓還是餐廳服務，它們的產出都是事先確定好的，提供有形的實物或者明確的服務。由于產出事前明確，企業可以通過流程標準化確保大規模復制的質量和效率。
因此，我們發現，在這個時代，最流行的管理工具，如持續改進（Continuous Improvement）、流程再造（Process Reengineering）、六西格瑪（6-Sigma）等，核心都是通過流程標準化來改善質量、成本和交付速度。
在這樣的背景下，員工主要角色是配合流程和規章制度辦事，創意要求通常不高。從20世紀初的以泰勒為代表的科學管理學派，到20世紀末的流程再造大師邁克爾?哈默（Michael Hammer），都是因循這種組織管理思路。
移動互聯時代，工作的關鍵詞是“創造性燒腦”
移動互聯環境里，商業模式、產品和服務的創新層出不窮，企業更多從事的是“燒腦”，而非“燒體力”的工作。人們經常事先并不知道最終的產出是什么，其產出更多的是無形知識或難以標準護化的服務，需要“摸著石頭過河”，不斷嘗試、調整、驗證，以符合客戶需求。例如微信，盡管已面世多年，但它最后演變成什么樣子，相信沒有人知道。因此，走標準化流程的路徑已不能保證產出，而人才的創意能力和投入質量，才是無形工作的最佳保障。
移動互聯時代，創造性工作成為主流
機器人將取代大量制造性工作
我們正在接近一個關鍵的門檻，就是使用機器人的成本比雇傭一個工人的成本低15%。這個門檻在美國、歐洲和日本的汽車行業已經被跨過――使用機器人進行點焊的每小時成本為8美元，人工則是25美元。未來，45%的制造性工作將可能被機器人取代。韓國目前在這方面居領先地位，制造業每1萬名雇員配置有440個工業機器人，其次是日本和德國。
美國銀行在一份報告中預計，最早在2025年，機器人和其他形式的人工智能將把這個世界改變到人們幾乎認不出來的地步，它們將以一股“創造性破壞”的旋風打破舊有商業模式，這種轉變的影響最終每年將達到30億萬美元甚至更多。
機器人的普及帶來的社會后果就是，就業市場底層的人如果不接受再教育，將難以再找到工作。而有創造力的人，將更加搶手。
按章辦事的服務性工作也將岌岌可危
2016年3月，谷歌圍棋人工智能阿爾法圍棋（AlphaGo）與韓國頂尖棋手李世石的比賽吸引了全世界的關注。最終，阿爾法圍棋以4：1的總比分戰勝李世石。這場可以載入史冊的“人機大戰”已經落幕，但人工智能等新技術對人類工作和生活帶來的巨大改變才剛剛開始。
以翻譯工作為例，不斷成熟的翻譯軟件正在沖擊翻譯行業。
……
本刊專訪
《財經界》：“楊三角理論”是您的著名理論，“楊三角”這個說法從何而來，這一理論核心思想是什么？
楊國安：首先，“楊三角”這個名字不是我起的，是有一次上完課，中歐一些同學發現我歸納的圖全部是三角，之后就把我的理論框架命名為“楊三角理論”。這要謝謝我的學生們，因為大家發現這是很容易記的品牌和名字。
現在出的這本書《變革的基因》是楊三角2.0版本，更加與時俱進，之前還有1.0版本，是《組織能力的楊三角》和《組織能力的突破》。
《變革的基因》這本書的思想是揭示企業能夠持續成功的秘訣。我認為企業的持續成功是要找到風口，但是光找到風口還不夠，更要有組織能力，來確保目標能在風口能夠實現，繼而能夠為用戶創造價值。因為風口總是在不斷調整。
工業時代看重的質量、成本、效率等組織能力，已經被用戶導向、創新和敏捷取代。對很多企業來說，質量、成本、效率已經是企業組織能力的基本功，對企業業績差異化的作用在減小。
持續成功=戰略×組織能力。而且是動態的組織能力，是不斷與時俱進的能力。組織能力就像是DNA，現在要用什么樣的DNA能活下來。DNA需要三種，不斷了解客戶需求和痛點，以創新的產品、服務或商業模式滿足客戶需求，然后敏捷迭代。這三個組織能力―客戶導向、創新、敏捷――就是確保企業能夠動態與時俱進的組織能力。
《財經界》：組織能力是您在書中反復強調的，它是什么？為什么您認為它如此重要？
楊國安：組織能力可以理解為一個團隊整體的戰斗力，即一個團隊最厲害最擅長的是什么東西。有的團隊戰斗力是創新，有的是低成本，有的是服務好。它是一個團隊競爭力的基因，也是一個團隊在某些方面能夠明顯超越競爭對手、為客戶創造價值的能力。
一個企業想要持續成功，第一要找到對的戰略方向，要不斷尋找高獲利，高成長空間。而過去的高獲利和高成長空間，今天可能不一定算是高獲利和高成長空間了。所以一定要根據環境不斷調整。當一個企業尋找到高獲利高成長空間之后，往往對團隊要求的能力是不一樣的。所以企業要想持續成功=戰略×組織能力。當外界環境改變時，企業內部一定要調整，內部調整之后，團隊能力也要調整，否則，好的、新的戰略方向都無法實現。很多企業家看到一個賺錢的點，但是卻無法執行。就像我經常說的，可以看得到但卻吃不到。所以組織能力是確保戰略執行的關鍵。
《財經界》：您認為在企業當中，是人重要，還是戰略重要，組織能力重要，還是所處的風口更重要？
楊國安：這要看企業的生命周期，它是階段性的。第一，企業剛剛起步時，抓到風口很重要。當抓到風口之后會有一個時間窗window time，找到對的技術、產品或商業模式，就能夠使企業快速成長。但是，找到風口快速成長一陣子之后，將會面對兩個挑戰：第一，你的成功模式很快會有非常多的競爭對手模仿，以前的藍海，馬上會變成紅海。第二，當企業業務快速成長后，內部業務會變得越復雜，人員規模越大。假如沒有強化內部組織能力，管理容易變得混亂，協調溝通成本增加，就像豬飛起來一樣，如果不給它插一雙翅膀的話，它一定會掉下來，因為企業越大業務越復雜，跌下來的可能性越高。假如企業能借助這個時間窗打造內部組織能力，在團隊規模擴大同時繼續把產品持續優化，企業就能進入成熟期。問題是不管多好的產品、技術、或者商業模式，也有往下走的時候，因為會有更好的產品、技術、或商業模式出現，這個時候是衰退期。企業在此時需要重新尋找新的獲利成長空間，這個階段就是戰略重要了。所以永遠就是戰略、組織能力相互切換，兩者都重要，但側重點不一樣。這就是我之所以說企業持續成功=戰略×組織能力的原因。
所以第一階段風口很重要，企業要找到正確的方向，但值得提醒的是，光靠風口是很難持續的。
《財經界》：一個團隊，如何打造效率較高的組織能力？
楊國安：這要靠設計和經營。人很容易以自我為中心，各自做各自的，關鍵在于怎么領導大家。以海底撈為例，服務人員精神面貌、服務好，他們具有一致性的行為和表現不具偶然性。組織能力就是一個團隊不斷把一個事情做好的能力。
一個團隊、一個公司要實現這個能力需要三大支柱。
第一，要找到對的人，這些人會干這個事情，會做這個東西，這是員工能力問題。
第二，即使會做，也要看他愿不愿意做，我稱它為員工思維。
第三，領導允不允許他做，比如有一些人會做某件事，也愿意做，只是很難做，因為沒有足夠授權。比如一些公司，員工想要創新，老板卻把員工罵一通，斥其沒有按公司規章制度辦事。另外就是流程是否支持。因為創新往往不是一個崗位部門能搞定的，還需要別的部門協助，但是跨部門協作在很多企業是很難的。
這就是楊三角理論里面三個支柱要聚焦打造組織能力，會不會做、愿不愿意做和允不允許做。這三個支柱在打造不同的組織能力會時候內容和要求都不一樣。
《財經界》：據您觀察來看，是小公司更容易落實組織能力，還是大公司更容易？
楊國安：小公司更容易。因為公司越大，部門越多，地區越復雜，所要打造團隊戰斗力的挑戰越大。企業越小越容易做到，但是反過來，企業越大對組織能力的要求也越高，這是大企業要突破的瓶頸。風口過后更需要組織能力建設，因為組織管理問題變得更為復雜。對企業內部來講，組織能力如果處理不好，即使有很多員工，效率也會很低，其中的原因是沒有把好資源有效地聚焦。
《財經界》：在您的新書里面，您提到的是移動互聯，而不是互聯網，這是基于什么樣的考慮？
楊國安：因為互聯網一般是指PC端，移動互聯是指更新一代由移動終端（如智能手機、ipad）構成的互聯網。從互聯網到移動互聯的變化是質的變化，不是量的變化。如果一個企業還是基于互聯網的變化，而不是移動互聯的那么基本上這個企業就被人干掉了。因為現在很少人依靠互聯網做事了，很快就會全部依靠手機。
移動互聯有幾個的特點：第一，它可以定位，而使用者不會端著電腦到處定位。第二，它有支付功能。第三，社交功能。所以如果沒有移動互聯的時代，就沒有Uber、沒有滴滴。所以移動互聯的好處就是，馬上就知道你在哪里，馬上可以支付，能做很多以前互聯網不能做的事情。在硅谷時，一個投資者講過，可以想象一下，現在每個人的口袋里面都裝著上世紀五六十年代的大型電腦，而且具備定位、支付、社交等功能，很多以前的行業和公司的商業模式都會改變。
移動互聯讓我們現在連接一切變得更容易、及時、低成本。移動互聯連接包括：人與人、人與物、人與信息、人與商品、服務、政府的連接等，這讓很多企業在不同的領域有機會創新，贏得拐彎超車、脫穎而出的機會。這個新的技術創造了很多的可能性。
《財經界》：您認為中國的互聯網發展到什么階段了？
楊國安：中國的互聯網已經發展得很成熟了。世界上只有兩個大的互聯網大國，中國和美國。有一些中國的（互聯網）業務模式不比美國差。我覺得很多時候，美國互聯網行業，深層次的技術比我們強。但在很多應用方面，如商業模式等，我們是比較領先的。
比如直播，在美國只有一個直播形式，但是怎么通過贊、送花等形式變現，他們的探索還是不夠，但中國互聯網企業能把整個商業模式想得更加透徹。中國互聯網行業同一類型的競爭往往很激烈，往往倒逼著行業發展更加完善。在海外這種激烈競爭情況很少，例如：Yelp只有一家，Uber只有一家，Google、Facebook 和Amazon各自經營各自的。中國互聯網全部纏繞在一起，競爭非常激烈。如果一個企業的經營模式不比別人好的話，未來是很難的。
《財經界》：外界有一些觀點認為，中國的互聯網之所以發展快，是因為中國人多，您怎么看？
楊國安：依我看來，一方面這是我國特有的人口紅利，在某個程度上這是一個原因。但是還有另外一方面，我認為可能是我們手機移動化比較早。海外很多國家與地區，他們的移動化并沒有我們國內這么快。中國手機普及率較高，據相關數據統計，中國移動互聯網用戶接近7億人，我們接受力比較快。另外，我認為過去中國人獲得信息、獲得產品的成本比較高，因為信息分散，所以互聯網在某個程度上，使人們獲得信息和產品的方式更加多樣、渠道更加便捷。
《財經界》：處于移動互聯這個風口，互聯網如何改造或者顛覆傳統企業？面對這些風口，傳統企業會遇到哪些危機？
楊國安：互聯網可以加很多東西，比如互聯網+金融，+教育，+醫療。換句話說，可以把互聯網當做一個信息來源，就像工業時代，電力就是一個能源。現在互聯網就是一個信息的能源，企業怎么用好這個信息能源，一方面要提高的效率，另一方面要在某些環節利用互聯網提供更好的體驗。比如說九陽，利用移動互聯的營銷手段，在微博、微信做新品首發，選擇京東、天貓等大型電商平臺賣產品，并且能夠很活潑地與粉絲、用戶互動。在研發端，九陽的產品充分智能化，可以跟手機手機關聯。所以說傳統企業可以在某些環節利用移動互聯技術。在互聯網時代，新成立的企業，甚至有可能完全顛覆舊有的秩序與模式。比如說，Tesla，雖然說都是做汽車（產品），但是Tesla汽車和傳統汽車是完全不一樣的。以前傳統汽車，以機械為主，現在基本上就是用App，以前我們的汽車設計出了瑕疵，汽車廠商需要把所有相關汽車回收（recall）到6S店里維修，但是Tesla不需要這么復雜，只要發送新軟件給用戶upgrade軟件就行了，因為整個操作系統就是靠數碼化技術。
所以我認為對于傳統企業，在某些環節要用互聯網、移動互聯來強化，要不然很快就會感受到沖擊。
《財經界》：過去一段時間，無論是創業者還是投資機構，熱情都很高，燒錢助跑，以期能燒出個名列前茅，而今似立于寒冬，趨于理性，這說明了什么？
楊國安：這與國內外的大環境有關，是錢多不多的問題。如果全球在不斷地印錢，錢就會找出路，要不是投資上市的公司，買他們的股票，要不投樓市，要不賭未來沒上市的公司，所以我認為這與資金充裕度有關。
現在我認為PE/VC等，他們的投資更加理性了。比如有一陣很多人認為做游戲掙錢，投資了一大堆，結果只有幾個賺錢，其他全部死掉。當VC/PE損失了錢、血本無歸的時候，就要調整了：第一，開始思考團隊站的方向是否正確，所在領域成長空間大不大，這是戰略問題。第二，賭企業的高管團隊，看高管團隊的能力行不行。
有一陣在風口論下，人們一度認為只要戰略對了，有沒有組織能力沒有關系，還有就是燒錢，覺得移動互聯時代就是要靠燒錢。那么我就要問了，為什么金主愿意給錢？因為看重一個公司的戰略和組織能力，所以歸根結底，還是看這兩點。
我認為風口論和燒錢論都是短暫的。
《財經界》：我們中國有世界級的企業嗎？
楊國安：這取決于從什么維度來衡量。用市值來算，騰訊、阿里巴巴這些都是世界級的企業，很多央企也達到世界五百強的規模，所以從這個市值的角度我覺得是有的。
但是從技術的全面性，而且從很多產品的工匠精神，我覺得這個我們還是有差距的。但是整體來講，中國企業是邁向世界級企業的，而且速度很快，他們各個指標離世界級企業的差距越來越小，但是到不到世界級。
所以是不是世界級，要看從哪個角度來看。
《財經界》：對比中國企業和國外企業，組織能力有哪些特點？
楊國安：中國企業的組織能力相對薄弱。我們還是看重強調強人領導，很依靠企業的老大。老大在位時，企業就運營得很好，老大退休了企業就運營不好，這說明了這個企業是過度依賴個人領導能力，而不是靠團隊戰斗力，說明了這個老大沒有把自己的個人能力變成團隊文化，目前來說，中國企業的組織能力沉淀得還是不夠深。
《財經界》：那如何改變呢？
楊國安：第一代的創業家就是這樣，都是靠強人領導。到第二代、第三代時，就會越來越職業化，會越靠體系、流程。這是跟中國企業的發展有關的。
《財經界》：未來職業經理人會不會越來越多？
楊國安：創業家老了之后，企業運行只有兩個方法：一個是靠血緣關系，一個是靠職業經理人。除非兒女的個人能力以及領導能力都很強，要不然企業很快就不行了。現在的很多二十年、三十年的企業還是靠創業人領導，那么以后這個企業要依靠“誰”會影響企業的持續成功。所以企業需要做好接班人規劃，不管是傳承給職業經理人還是家族成員。
《財經界》：關于中國制造業，有人認為中國應該發展高精尖的技術，有人認為我們現在的技術已經很好了，您的觀點是什么？
楊國安：我認為我國的制造業水平還是可以的。但是按照微笑曲線，低成本制造最低端的，是在做苦工。所以應該要往兩端發展，一是做技術的升級，二是往樹立品牌方向發展。中國現在的勞動力相比越南、印尼來說，并不便宜。我們的制造環節應該有更多智能化、自動化的東西，也應該有更多的自有品牌。
《財經界》：您認為中國處于第四次工業革命的階段嗎？
楊國安：還沒到。工業4.0要求非常高的工業智能化。中國還是很有差距的。
《財經界》：您認為未來的風口在哪里？
楊國安：未來的風口會在一些目前經營效率很低，用戶很痛的領域。比如說醫療、銀行、教育。將來，移動互聯網技術會滲透到各個行業。因為本身移動互聯是一個信息能源，它的應用可以用到很多的產品的交付，粉絲互動，更加高效更加及時。
世界著名管理咨詢大師拉姆?查蘭教授
很榮幸有機會與楊教授共同研究、探討移動互聯時代的戰略選擇及組織創新。新的時代，造就了令人驚嘆的技術創新、業務創新及模式創新，更需要企業進行大刀闊斧的組織創新，進一步釋放人才的創造力、進一步提升組織的競爭力。相信楊教授的書，會令有志于此的企業家獲益良多。
騰訊董事會主席兼首席執行官馬化騰
Arthur（楊國安）在他的新書中探討的是在“互聯網+”大背景下移動互聯時代的組織能力創新，這里面包含了幾層含義：第一，它有互聯網特質的內容，包含騰訊在內互聯網企業的管理實踐可能對讀者有一定參考意義;第二，談到“互聯網+”，很多是“傳統行業+互聯網”，Arthur過去很多的傳統行業經驗肯定大有裨益;第三，也有很多是“互聯網+傳統行業”，Arthur現在支持的京東、滴滴出行、美團點評、58同城等企業恰好屬于這一類。所以，我想這本書的內容能對很多不同類型的企業有相應的啟發。
宏集團創始人、智融集團施振榮
去年，我碰到楊教授，得知他將針對網絡組織寫書，這也是他繼“楊三角”之后，再次提出他的最新理念，可說是“楊三角2.0版本”。
楊教授在本書中有很多來自美國與大陸的具體案例，而美國與大陸也正好是互聯網時代的兩大市場，許多年輕朋友發揮創意，以創新的方法在互聯網世界創造出新的價值，也影響了整個產業的未來發展。
在本書中，楊教授也針對移動互聯時代的組織能力創新，提出了許多獨到見解，包括“移動互聯時代，你準備好了嗎？”、“組織再造，激活個體”“打造人才‘夢之隊’”、“虛實結合，自我驅動”等，對未來組織有深入的探討。
本書所探討的內容不僅會影響到互聯網企業，還會影響到所有“互聯網+”的相關行業，就如同工業4.0革命，收到影響的行業將會是各行各業，產業大趨勢的未來發展將影響到每一個組織，我們要面對它、適應它、迎接它，組織才能贏在移動互聯時代。
京東集團董事長兼總裁劉強東
楊國安教授關于組織能力打造的“楊三角理論”很實用和接地氣，在實際工作中有很多指導意義。京東近年來業務從電商延伸到金融、智能、O2O、云和大數據等不同業務領域，如何容許不同業務差異化的組織形態又同時發揮集團平臺優勢是我們面對的挑戰。楊教授2.0版的楊三角理論體系及市場網絡化組織為京東多元化的發展提供了很多的參考思路。
滴滴出行董事長兼CEO程維
滴滴出行過去四年從存活到打入世界杯決賽，團隊搭建和學習速度是支撐業務高速成長的關鍵成功因素。今天滴滴出行的業務規模已經到了需要更好的方法論、組織形態，去系統建設組織能力的時候了。楊教授的楊三角2.0版《變革的基因》為我們的思考和進化打開了一扇天窗，指引公司很多管理舉措的設計和實施。
美團大眾點評CEO王興
“楊三角理論”簡單透徹，內涵豐富，對企業可以直接做診斷并找到管理問題所在，可以幫助我們不斷優化組織能力，推動戰略的實現。O2O行業非常復雜，在傳統與互聯網結合之外，還涉及很多管理實踐的創新，未來的管理趨勢將更加關注人的個性與激勵，新的楊三角理論體系及市場網絡化組織，在管理理念和方法上有更多的創新，提供給我們更多思考和借鑒。
第5篇：人工智能在醫療的具體案例范文
關鍵詞：“互聯網+”；創新創業；技術革命；技術-經濟范式；關鍵要素
作者簡介：蔡躍洲，男，經濟學博士，中國社會科學院數量經濟與技術經濟研究所研究員，從事技術創新與經濟增長研究。
基金項目：中國社會科學院創新工程項目“創新驅動發展的分析與測算”，項目編號： 10620161001005；國家軟科學面上項目“產業結構轉換、技術創新與中國經濟增長潛力提升”，項目編號：2014GXS4B073；中國特色社會主義理論體系研究中心/國家社科基金重大項目“創新驅動發展戰略與‘雙創’研究”，項目編號：2015YZD03
中圖分類號：F062.4 文獻標識碼：A 文章編號：1000-7504（2016）03-0043-10
2014年以來，中國經濟步入新常態，經濟發展呈現增速放緩、結構調整和動力轉換等特征。為更好適應上述特征、提高經濟增長潛力和增長質量，在2015年3月《政府工作報告》上正式提出“大眾創業、萬眾創新”（以下簡稱“雙創”）和“互聯網+”行動。“雙創”和“互聯網+”行動的提出和實施既是新常態下保持中國經濟健康發展的內在要求，更是順應全球新一輪科學技術革命和產業變革趨勢的必然選擇。本文擬從技術革命和技術-經濟范式轉換的視角，對創新、創業、“互聯網+”的內涵本質進行辨析，從理論上梳理其內在關聯；并結合微觀實踐中新模式、新業態所顯現出的各種端倪，對“互聯網+”行動下創新創業所面臨的機遇和挑戰進行分析和展望。
一、創新創業內涵與“雙創”現實意義
（一）創新和創業的內涵及關聯
根據熊彼特的相關界定，創新就是打破經濟體系運行過程中循環往復（Circular flow）的均衡狀態，將經濟體系中的一部分生產要素進行重新組合；只有這種要素的重新組合才能稱之為“經濟發展”，并能夠通過壟斷地位獲取利潤（Schumpeter，1934）[1]。管理學大師德魯克（2009）則指出：凡是能夠使現有資源的財富生產潛力發生改變的事物都足以構成創新；創新就是要改變資源的產出，通過改變產品和服務，為客戶提供價值和滿意度[2]。從熊彼特和德魯克1的界定可以看出，創新的本質就是通過要素資源的重新組合，獲取一種壟斷地位，提升核心競爭力；在微觀層面實現壟斷利潤或價值增值，在宏觀層面為經濟社會發展提供動力源泉。
創業與創新之間有著天然的聯系。熊彼特認為，創新是企業家的功能和職責；而在德魯克的創新管理經典中，創新與企業家精神同樣緊密聯系在一起（Schumpeter，1934；德魯克，2009）[1][2]。事實上，英文中的企業家（entrepreneur）和企業家精神（entrepreneurship）也被譯為創業者和創業精神，其本義是指商業活動的開辦過程，特別是那些能夠提供創新產品、過程或服務的商業活動。2
在國內外的政策實踐中，對于創業有著很多不同的理解。從廣義上講，新開辦企業（New Ventures）、（中）小企業（Small and Medium Business）均被視為與創業相關，諸如開餐館、經營雜貨鋪等都可算作是創業行為；在統計上，新開辦企業數量、小企業數量、中小企業產值、提供就業崗位數等指標也都被用于衡量創業的活躍程度和對經濟發展的貢獻。不過，從創新經濟學角度來看，狹義的創業應該被限定在更小范圍，對應的是創業公司（Startup Company）、高成長企業（High-Growth Entrepreneurship）等。只有創辦以創新活動為支撐的中小型科技企業才算是嚴格意義上的創業；具有創新特征的創業公司，特別是那些高速成長的科技型創業公司，即所謂“瞪羚企業（Gazelle business）”，才是推動經濟發展的動力源泉。3
（二）新常態下“雙創”的現實意義
根據前述對創業的內涵界定，“雙創”中的“大眾創業”顯然屬于廣義的創業；其涵蓋范圍應該包括所有類型的新開辦企業，當然也包括以科技創新為基礎的高成長瞪羚企業。期望所有新開辦公司、所有創業行為都以創新活動為基礎，顯然是不現實的。但是，在經濟新常態下，“雙創”所強調的普通民眾對創業和創新活動的廣泛參與，對于支撐和改善經濟發展仍有著重要的現實意義。
首先，“雙創”在增加就業方面的作用已初步顯現。2015年，中國面臨近年來最為嚴峻的就業形勢。僅高校畢業生就業需求就接近800萬，其中內地畢業生近750萬人，“海歸”約40萬。而年初的政府工作報告則將2015年的城鎮就業目標設定為，新增就業1000萬人以上，城鎮登記失業率4.5%以內；并明確指出完成就業目標的關鍵在于推進“雙創”。國家工商總局數據顯示，得益于商事制度改革的支持“雙創”政策措施的實施，社會投資和創業熱情不斷高漲。2015年1―6月，全國新登記企業200.1萬戶，同比增長19.4%；注冊資本12萬億元，增長43.0%；平均每天新登記企業1.11萬戶，注冊資本665.5億元。而國家統計局數據進一步顯示，同期全國新增就業718萬，完成全年新增就業任務的七成以上；二季度末，全國城鎮登記失業率為4.04%，同比下降0.04個百分點；31個大城市調查失業率4月以來連續3個月回落，穩定在較低水平。
第二，夯實了全民創新創業的基礎。“雙創”推進過程中，創客空間、創業咖啡、創新工場等新型孵化模式與既有的國家自主創新示范區、高新區、科技企業孵化器等相結合，正在形成一批低成本、便利化、全要素、開放式的眾創空間，成為一塊塊孕育創新創業的沃土；大量科技型創業公司依托此類平臺如雨后春筍般不斷涌現。以科技企業孵化器為例，截至2015年5月，全國科技企業孵化器數量已超1600家，在孵企業8萬余家；僅北京市各類孵化機構便超過150家，入駐企業9000余家。科技型創業公司成長的過程通常是其自身創新能力快速提升的過程；眾多科技型創業公司的成長則會體現為國家創新能力的快速提升。而且，經過市場競爭的洗禮后，龐大的初創公司基數更容易孕育出新的BAT，造就中國的喬布斯、馬斯克。
第三，營造鼓勵創新、崇尚創新的良好社會文化氛圍。創新活動最終是靠微觀個體具體實施的，因此，微觀個體的創新意愿是提升國家創新能力、實現創新驅動發展的根本。而微觀個體的創新意愿很大程度上又受其所處社會文化氛圍的影響。推動“雙創”對于創新文化的形成將產生積極作用。政府部門初期的推動有助于引導更多民眾創新創業；越來越多的民眾了解參與“雙創”后，每個實施創新創業活動的個體將獲得更多的社會認同感；而那些脫穎而出的科技型創業公司，則會以其自身成功形成示范效應，激勵更多微觀個體投入到創新中；最終，鼓勵創新、崇尚創新的文化氛圍將悄然形成。在上海這樣白領文化依然盛行的城市，很多父母已經能夠接受子女沒有穩定職業，從事創新創業活動。
二、新一輪技術革命與“互聯網+”
工業革命以來，人類社會已大致經歷了五次技術革命。目前，以新一代信息通信技術為核心的關聯通用目的技術（General Purpose Technology，GPT）正在引發新一輪技術革命。“互聯網+”正是新一輪技術革命的產物，代表著一種新的技術-經濟范式。
（一）工業革命以來的五次技術革命
技術創新可以分為漸進式創新（incremental innovation）和激進式創新（radical innovation）。前者是在既有技術軌跡（technological trajectory）下的改良，而后者意味著對既有技術軌跡的顛覆；當相互關聯的通用目的技術領域相繼出現激進式創新和突破，并逐步形成主導技術體系，通常會技術革命（Dosi，1982；Perez，2010；Lipsey等，2005）[3][4][5]。20世紀80年代末以來，弗里曼、佩雷茲等新熊彼特主義經濟學家對工業革命以來的技術創新進行了系統的考察和梳理，并劃分出5次技術革命（Freeman & Perez，1988；Freeman，2002； Perez，2010；Mathew，2013）[6][7][4][8]。
第一次：18世紀60―70年代，以“斯密頓水車”、“珍妮紡紗機”、“阿克賴特水力織布機”等為標志，開啟了工業革命的序幕。
第二次：18世紀末到19世紀30年代，以“瓦特蒸汽機”廣泛應用和“利物浦-曼徹斯特”鐵路線開通為標志，將人類社會帶入到“蒸汽和鐵路時代”。
第三次：19世紀70年代，以鋼鐵、電力及重型機械等為代表的第三次技術革命將人類社會帶入到“鋼鐵和電氣時代”。
第四次：20世紀初，以石油化學、汽車制造為代表開啟了“石油與汽車時代”。
第五次：20世紀60―70年代，以英特爾公司微處理器為標志宣告了“信息時代”的到來。
（二）技術革命與技術-經濟范式轉換
技術革命爆發后，新的主導技術體系通常會伴生出1―2種成本低廉、近乎無限供給、具有廣泛用途的關鍵要素（key factor）；新技術體系及其對應的關鍵要素將從根本上影響生產消費、工作生活乃至整個經濟社會的運行組織模式，形成與新技術體系相匹配的技術-經濟范式；而每一次技術-經濟范式轉換都能解決原有范式下存在的某些局限（Freeman & Perez，1988；Perez，2010）[6][4]。
以第一次技術革命為例，水車、紡織、煉鐵等形成新的技術體系；其中，煉鐵技術大大降低生鐵生產成本，使之得以廣泛應用；最終，機器生產替代了手工勞動，工廠替代了傳統的手工工場，分工協作體系逐漸形成，加上在當時英國周邊發達的運河體系及海上貿易網絡，促成了商業的興起等。這些塑造了一個完全不同于農耕文明時代以手工勞動、分散割裂、自給自足為特征的生產生活模式，初步解決了大規模、機械化和生產過程控制等問題，形成了具有現代文明特征的技術-經濟范式（見表1）。
（三）“互聯網+”背后的新技術革命
作為“互聯網+”概念和語匯的首創者，馬化騰（2015）將其定義為：以互聯網平臺為基礎，利用信息通信技術與各行業的跨界融合，推動產業轉型升級，并不斷創造出新產品、新業務與新模式，構建連接一切的新生態[10]。“互聯網+”背后的技術支撐是以移動互聯（物聯網、萬聯網）、云計算、大數據為代表的新一代信息通信技術。
信息通信技術屬于典型的通用目的技術，能夠被廣泛應用于國民經濟各行各業，滲透到生產、流通、消費各環節；而移動互聯（物聯網、萬聯網）、云計算、大數據等相對于以往的固定電話、個人電腦、單機運算等技術而言可以算是一種顛覆。與此同時，在其他關聯的通用目的技術領域，一系列激進式創新正不斷涌現。在新材料領域，石墨烯已在超級電容、環境治理等方面展現出超凡的應用前景；高強度納米纖維、納米管計算機、納米隱身材料、納米環境材料層出不窮[11]（P15-17）。在能源領域，風能、太陽能、生物能等可再生能源技術已日臻成熟并實現大規模商業化應用。在交通運輸領域，先進汽車、先進飛機、軌道交通都取得重大突破[11]（P34-35）。可以說，以移動互聯、云計算、大數據等新一代信息通信技術為核心，加上新材料、新能源、先進交通運輸以及基因和干細胞生物等前沿技術所形成的新技術體系，正逐步成為新的主流技術體系，并催生新一輪技術革命。1
（四）“互聯網+”代表的新技術-經濟范式
新一輪技術革命在某種意義上可以看作是繼電子計算機、芯片、個人電腦出現后的第二次信息技術革命。以芯片、PC、軟件為代表的第一次信息革命，使人類在數據信息處理方面的能力實現了跨越式的提升；而在以新一代信息通信技術為核心的技術體系下，信息的收集、存儲、處理、傳播、展示等則發生了全方位的革命性變化。移動互聯、傳感器+RFID+物聯網、云存儲、大數據分析等技術使得數據信息的生成和處理成本極大降低。以支付寶為例，2014年支付寶完成一筆支付業務的成本已降到兩分錢，并且呈繼續下降趨勢。新技術體系所帶來的零邊際成本效應，使得數據信息成為新的關鍵要素。
圍繞數據信息這一新的關鍵要素，新的技術-經濟范式正在形成。“互聯網+”現代農業、工業4.0、互聯網金融、能源互聯網等等，都是基于新一代信息通信技術而衍生出的新型產業模式，其核心支撐就在于網絡平臺和低成本的數據信息收集處理。在“互聯網+”行動實施之前，經濟社會運行實踐中新技術-經濟范式的特征已經初顯端倪，大致表現為分布式、網絡化、智能化、集成化、產業融合、跨界融合、線上線下融合、大規模低成本個性化和定制化等。而實施“互聯網+”行動，將加快新一代信息通信技術在經濟社會各領域的廣泛應用和滲透，推動技術-經濟范式的轉換。
三、“互聯網+”行動的創新創業機遇
實施“互聯網+”行動是順應新一輪技術革命和技術-經濟范式轉換要求的重大舉措，將加速新一代信息技術在經濟社會各領域的廣泛應用和滲透。歷史經驗表明，每一次新技術體系的推廣滲透和技術-經濟范式的轉換都會伴隨各種新經濟、新業態、新模式的大量涌現，產生各種新的投資消費需求，為創新創業提供巨大的成長空間。
（一）“互聯網+”與新一輪經濟長周期
根據熊彼特的周期理論，工業革命后世界經濟發展存在一個50―60年的長周期；在熊彼特之前，蘇聯經濟學家康帝拉季耶夫于1926年利用英國、法國、美國的統計資料，提出了一個跨度大約在48―60年的長周期概念。熊彼特與康帝拉季耶夫的研究只截止到20世紀20年代末，后續的長周期仍然是存在的，但是跨度似乎縮減到40年左右，為簡便起見不妨將熊彼特經濟周期（康帝拉季耶夫周期）簡稱為“經濟長周期”。新熊彼特主義經濟學家將經濟長周期與技術革命進行對照分析后發現，5次技術革命的出現及技術-經濟范式的轉換與新一輪長周期的開始在時間上存在著一種耦合。通常，新技術革命的標志性事件會在上一輪長周期的下降期出現，比新一輪長周期的形成提前10―20年；到新技術體系成型時，經濟開始進入新一輪長周期的上升期；而且，技術革命出現的時間間隔也大致在50年左右（Kondratiev，1935； Schumpeter，1939；Perez；2010；Mathew，2013）[12][13][4][8]。技術革命和經濟長周期在時間上出現耦合的內在機制可能在于：重大的技術革命對原有的技術體系帶來了顛覆性的破壞，摧毀了原有的系統，社會需要經過一段時間的接受和適應；一旦跨越臨界點就會引發大規模的投資需求，全社會要素資源向新技術領域大量集聚，生活消費方式也將發生重大變化并引發新需求，從而使經濟進入新一輪的繁榮和上升階段（Kondratiev，1935；Schumpeter，1939；Mathew，2013）[12][13][8]（見表2）。
如果前述關于新一輪（第六次）技術革命的相關假設和判斷成立，那么大約在2008年前后，移動互聯、云計算、大數據分析以及可再生能源大規模商業應用等標志性事件已經出現。按照標志性事件出現10年左右進入新一輪長周期上升期計算：以2015年為起點，往前推進3―5年，到2020年左右，很有可能啟動新一輪的經濟長周期。以移動互聯（物聯網）、云計算、大數據等為代表的新一代信息通信技術的廣泛應用將成為新一輪長周期啟動的主要動力來源之一，衍生出各種新的產業、模式，形成新的技術-經濟范式。政府實施“互聯網+”行動有助于加速新一代信息通信技術的應用和滲透，在更好地把握長周期節奏、推動中國經濟進入一段上升通道的同時，為微觀主體創新創業提供更大的發展空間。
（二）“互聯網+”有效降低創新創業門檻
第一，“互聯網+”具有輕資產特征，大大減少了該領域創新創業的初期投入。“互聯網+”的一個重要方向就是借助網絡平臺及云計算、大數據等其他信息通信技術對經濟社會運行的組織方式進行優化和改造，并由此衍生出很多新業態、新模式，如出租車電招、O2O本地生活等。此類創新創業活動的核心在于充分發揮網絡平臺和數據信息優勢，對特定領域既有的存量資源進行有效整合，通過消除信息不對稱提升資源利用效率；因此，創業者初期設備購置、固定資產投入等方面支出大為減少，從而降低了創新創業的資金門檻。
第二，“互聯網+”與開放式創新有著天然聯系，能夠有效整合企業外部創新資源，降低企業創新成本。依托互聯網平臺是“互聯網+”創新創業活動開展的前提，而互聯網平臺開放、分享、即時等基本屬性則為整合多方創新資源進行協同創新創造了更為有利的條件。眾包網絡平臺公司InnoCentive，借助網絡平臺在全球范圍內廣泛征集各類“挑戰性問題”解決方案；50%得以最終解決；與傳統雇傭研發人員的模式相比，效率要高出30%以上；諸如寶潔等世界500強企業也借助InnoCentive平臺為其研究開發活動尋求解決方案。在軟件領域，開源創新越來越成為軟件開發的主流。其基本模式是，借助于開放平臺和網絡社區，匯集各種具有創新意識的開發者，實現軟件開發、升級、共享；開源創新的共享理念減少了軟件開發過程中的知識產權保護限制，以最低成本支撐創新。
第三，“互聯網+”行動實施過程中，各種信息基礎設施和數據資源的共享將進一步降低創新創業活動的成本。2015年7月的《國務院關于積極推進“互聯網+”行動的指導意見》（以下簡稱“《指導意見》”），對“互聯網+”創新創業進行了專門部署。《指導意見》鼓勵大型互聯網企業和基礎電信企業利用技術優勢和產業整合能力，向小微企業和創業團隊開放平臺入口、數據信息、計算能力等資源，提供研發工具、經營管理和市場營銷等方面的支持和服務，提高小微企業信息化應用水平，培育和孵化具有良好商業模式的創業企業。在實踐中，百度早在《指導意見》出臺前便已經開放其“百度云平臺”及定位服務等數據資源，支持中小企業創新創業；阿里巴巴集團則推出了“百川創業”、“創客家“等項目，針對移動互聯網創新者提供其“電商云”資源及云計算服務；而騰訊開放平臺應用總數已達240萬款，創業者達500萬，覆蓋全國1―3線城市。與此同時，政府公共數據資源的開放也在加速。2015年8月19日，國務院常務會議通過《關于促進大數據發展的行動綱要》，專門強調推動政府信息系統和公共數據互聯共享；北京、上海、深圳等地方政府已經開放了不少公共數據資源。
（三）“互聯網+”創新創業的趨勢方向
在“互聯網+”行動推動的技術-經濟范式轉換過程中，中國的創新創業呈現以下趨勢和方向。
第一，開放式創新和草根創業正在成為創新創業的主流模式。“互聯網+”不僅為普通民眾參與創新創業降低了門檻、提供了平臺，更在關聯技術應用實踐中傳遞了開放、平等、協同、共享等為特征的互聯網思維（郭重慶，2015）[14]。近兩年，越來越多的草根大眾能夠有激情也有機會投身于創新創業的大潮中，正是得益于創新創業網絡平臺的建構和互聯網思維的傳播。
第二，“互聯網+”對經濟社會的滲透將遵循先易后難、先消費后生產等原則。市場化程度較高、社會閑置資源較多、信息不對稱問題較突出的領域，已率先迎來創新創業潮。近兩年物流配送、O2O本地生活、電招租車、互聯網金融等領域的快速發展都是例證；互聯網醫療、遠程教育、現代農業等也正成為創新創業的新熱點。而行業準入、技術復雜度等則會成為制約“互聯網+”創新創業發展方向的重要因素；諸如能源互聯網、工業4.0、3D打印、人工智能等領域，雖然具有廣闊前景，但近期發展將受制于行業和技術門檻。
第三，滿足發展階段和人口結構變化所帶來的需求變化，將成為“互聯網+”創新創業的重要方向。2014年，中國人均GDP達到7485美元，早已進入中上收入國家行列；與此同時，人口老齡化也在加速推進。伴隨著發展階段和人口結構的變化，宏觀需求結構正朝著關注健康、追求個性、注重品質、節省人力等方向轉變。滿足上述需求特點的O2O本地生活服務、可穿戴設備、遠程醫療、智能制造、服務機器人、工業機器人等領域都是“互聯網+”創新創業的重要領域。
四、“互聯網+”創新創業面臨的挑戰
（一）創新創業實踐中的誤區與偏差
首先，很多創業者，特別是缺乏社會經驗的大學生創業者，對“互聯網+”創新創業的殘酷性往往沒有充分認識和準備。事實上，創業公司存續期短、成功率偏低歷來都是無法回避的現實；從歐美調查數據來看，50%以上的創業公司存活時間不足5年。“互聯網+”雖然降低了創新創業門檻，但比起傳統的創新創業更具殘酷性。根植于移動互聯網之上的各種新業態、新模式，其網絡特性帶來的先發優勢和用戶黏性，更容易形成行業壟斷（或寡頭壟斷）局面。在細分領域中，經常出現行業第一和第二之間的競爭進入膠著和白熱化后，行業第三應聲倒下的案例。據估算，中國70%的大學生創業都集中在互聯網外賣上，模式單一、趨同。在“餓了么”、“生活半徑”、“百度外賣”已經占據大部分市場的情況下，此類“互聯網+”創業既沒有新意，也很難有太大生存概率。如果任由類似的盲目創業現象蔓延，可能會造成大量創新創業資源的浪費。
第二，創業者過分追求“互聯網+”概念的炒作，追求形式上的創新，而忽略創新的本質，忽略了核心技術、產品質量、服務品質的提升。國內某智能手機公司（以下稱“CZ科技”），其創始人借助自身媒體從業經驗，通過炒作博得了不少眼球，但其旗艦手機后15個月累計出貨量不足30萬臺。類似的概念噱頭還有“XX牛腩”、“XXX燒餅”等等。相比之下，華為手機依托自身技術優勢，厚積薄發，其旗艦手機Mate7僅半年出貨量便高達400萬臺。
第三，傳統行業的很多企業，特別是國有大企業，對“互聯網+”大潮的到來反應遲鈍，尚未確立擁抱“互聯網+”的積極心態。這在根本上源于傳統行業企業，特別是國有大企業，是舊技術體系下的既得利益群體；在新舊技術體系交替和技術-經濟范式轉換過程中，基于（技術上的）路徑依賴通常都會表現出一定惰性。具體體現為，因襲原有的信息化老路，對云計算、大數據等基礎設施服務缺乏必要的了解和應用，也沒有適應消費者作為主導的商業格局的轉變（高紅冰，2015）[15]。
（二）基礎性支撐條件有待改善
第一，與“互聯網+”相關的基礎設施發展滯后。與美國、歐洲、日本、韓國等發達經濟體持續進步相比，中國寬帶建設、網速等方面存在很大差距。特別是城鄉、中西部的“數字鴻溝”，嚴重制約“互聯網+”創新創業的發展。根據美國最大的CDN服務商Akamai的“2014年第三季度全球網速排行榜”，中國平均網速不足4Mbps，全球排名第93位；而美國康奈爾大學、歐洲工商管理學院與世界知識產權組織（WIPO）共同編制的“全球創新指數（Global Innovation Index，GII）”顯示，中國信息通信基礎設施分項在全球143個經濟體中排名第73位。
第二，現行教育體系與創新創業現實需求存在較大脫節，人力資本積累難以滿足創新創業，特別是“互聯網+”創新創業的需要；突出表現在高等教育質量及職業技術教育方面。2014年GII指數排名中，中國在高等教育分項上的排名僅為第115位。對于“互聯網+”之類的新興事物，現行教育體系遠未建立起系統的人才培養機制。
第三，資本市場發展極不健康，難以滿足創新創業的融資需求。中國的資本市場發展也接近30年，總市值規模一度超過60萬億。在各種因素的共同作用下，資本市場滿足融資需求的核心功能并未有效發揮，反而淪為投機炒作的工具；這在2015年6月之前的“瘋牛”及此后的“股災”中表現得尤為明顯。
第四，核心技術與歐美國家仍存在較大差距。“互聯網+”雖然降低了創新創業門檻，但新業態、新模式的成長和發展最終需要依靠核心技術為根本支撐。近年來，中國在技術創新方面雖然取得長足進步，但在很多領域的核心技術上，與歐美日等發達經濟體仍然存在較大差距。以物聯網核心關鍵技術為例，RFID標簽、非接觸式智能卡、應答裝置、發射接收器等，美日韓都排名前三位，核心優勢明顯。而中國對物聯網的研發主要集中在拓展物聯網的實際應用層面，對核心關鍵技術的積累與國外巨頭存在10年左右的差距。從我們實地調研訪談了解的情況來看，即便是華為、中興等以創新能力突出著稱的領軍企業，依然存在不掌握核心技術的情況。
（三）行業標準與規制監管相對滯后
一方面，行業標準的缺失和滯后在短期內往往容易引起混亂。行業標準的出臺通常都滯后于行業發展；對于“互聯網+”衍生出的新業態、新模式來說更是如此。特別是那些以個人體驗為特征的服務業，如家政、理發、美容、汽車保養等社區生活服務，其行業標準的制定本身具有較大難度。在植入“互聯網+”元素后，短暫但大面積的行業標準缺失或滯后，往往導致實際運行過程中亂象叢生。
另一方面，政府行業主管部門規制和監管措施的滯后也會成為新業態、新模式快速發展的羈絆。例如，在2010年前后，云計算服務還處于發展初期，根據當時的《互聯網信息服務管理辦法》的有關規定，企業必須取得ISP牌照才能經營互聯網接入業務；而工信部于2009年即停辦了ISP牌照的發放，導致新創立的云計算服務企業無法申請該牌照，業務開展也受到制約。2014年以來，政府部門規制和監管滯后影響“互聯網+”創新創業的情形更為突出；在互聯網金融、電招租車等領域，都經歷了類似的規制和監管困境。
五、總結性評論與政策建議
（一）總結性評論
前述四部分依托創新經濟學理論，對創新創業內涵、“互聯網+”本質進行辨析；結合中國創新創業和“互聯網+”的相關實踐，對“互聯網+”行動下創新創業面臨的機遇和挑戰進行較為深入的梳理和分析。據此，可以得出以下幾點：
第一，創新的本質是通過要素資源的重新組合，獲得壟斷地位、實現更多市場價值；創新與創業有著天然聯系，狹義的創業僅限于從事創新活動的企業開辦行為。“雙創”中創業涵蓋了所有類型企業開辦活動，雖非創新意義上的創業，卻有助于夯實全民創新創業基礎，營造鼓勵創新、崇尚創新的社會文化氛圍。
第二，“互聯網+”是新一輪技術革命的產物，其背后的技術支撐是以移動互聯（物聯網、萬聯網）、云計算、大數據為代表的新一代信息通信技術。新技術體系下，數據信息的生成、收集、存儲、處理、展示都取得革命性突破；由此帶來的零邊際成本效應，使得數據信息成為新的關鍵要素。
第三，圍繞關鍵要素，新的技術-經濟范式正在形成。目前，經濟社會運行中新技術-經濟范式的特征已經初顯端倪，表現為分布式、網絡化、智能化、集成化、產業融合、跨界融合、線上線下融合、大規模低成本個性化和定制化等。實施“互聯網+”行動將加速技術-經濟范式的轉換。
第四，工業革命以來5次技術革命的規律表明，技術-經濟范式轉換的過程通常會與新一輪經濟長周期的上升階段相伴隨，并涌現出各種新經濟、新業態、新模式，產生各種新的投資消費需求。實施“互聯網+”行動有助于更好地把握新一輪長周期節奏，為微觀主體創新創業提供更大的發展空間。
第五，“互聯網+”有效降低了微觀主體創新創業的成本和門檻，開放式創新和草根創業將成為未來的主流。“互聯網+”創新創業在市場化程度較高、社會閑置資源較多、信息不對稱問題較突出的領域已經取得重大進展；未來適應發展階段和人口結構變化所帶來的需求變化，將成為“互聯網+”創新創業的重要方向。
第六，“互聯網+”創新創業同樣面臨諸多挑戰。一是不同類型主體對“互聯網+”的認識存在偏差，或者對“互聯網+”過于樂觀，或者對其反應遲鈍；二是ICT基礎設施、人力資本、資本市場、核心技術等基礎性支撐條件還有待改善；三是行業標準與規制監管相對滯后對新業態、新模式發展帶來很大制約。
（二）政策建議
為切實把握“互聯網+”創新創業的機遇，為新常態經濟提供有力支撐，結合前述第四部分相關內容，有以下政策建議。
第一，有針對性地實施企業“互聯網+”創新創業輔導。由人社部門、教育部門及總工會牽頭，充分利用眾創空間等社會資源，對涉足“互聯網+”擬創業人員和創科技型中小企業進行創業輔導，提升創業者的經營管理水平，協助解決創業過程遭遇的現實困境。與此同時，還應由國資委等部門牽頭，針對國有企業中高層管理人員開展“互聯網+”及信息技術革命方面的專題培訓和考察，以拓展其視野，提高國有企業參與“互聯網+”創新創業的積極性和主動性。
第二，綜合運用各種普惠性政策手段，對“互聯網+”創業公司進行系統扶持。一是完善公共研發設施，切實執行稅收優惠政策，引導“互聯網+”創業公司在所涉足領域加強技術研發；二是簡化行政審批手續，提升公共服務水平，進一步降低“互聯網+”創新創業成本；三是建立調查反饋機制，及時發現“互聯網+”創業公司運營中的各種共性問題，并出臺政策，提供系統性解決方案。
第三，完善現行教育體系，不斷提高人力資本積累水平。在現行高等教育體系中，增加創業創新方面的教育內容，提高大學生創業創新的基本技能；并結合“互聯網+”發展需求，開設相關課程。大力完善職業教育體系，借助工會、科協以及互聯網企業等各方資源和力量，針對不同層次的社會人員開展在職培訓。
第四，不斷完善“互聯網+”創新創業的基礎性支撐條件。一是加強信息通信技術（ICT）基礎設施建設，為各種“互聯網+”創業行為提供更多便利；二是規范資本市場，在加強監管、減少不正常炒作的同時，要切實利用好新三板等平臺，將更多社會資金引導到創業創新活動中；三是在鼓勵企業成為創新主體的同時，政府部門應繼續加大基礎研究方面的投入，組織實施重大基礎性核心技術的集中攻關。
第五，優化行業監管和標準制定。行業主管部門要本著鼓勵創新、支持創新的原則，著力改進監管和規制水平。積極把握新一輪科技革命和產業革命動態，主動適應新業態、新模式要求，及時調整各種監管準入規則，盡量減少滯后監管規則對創業創新帶來的阻礙。國家及省級標準行政主管部門則應著力完善與新經濟新業態相關的標準制訂工作；結合業態新、成長快等特點，優化標準制訂流程，加快標準制訂步伐；在標準制訂過程中，應充分吸收業內企業參與標準制訂，提高標準對產業發展的適應性和支撐性。
參 考 文 獻
[1] Schumpeter， Joseph A.， 1934. The Theory of Economic Development： An Inquiry into Profits， Capital， Credit， Interests， and the Business Cycle， Cambridge， M A： Harvard University Press.
[2] 彼得?德魯克：《創新與企業家精神》（中譯本），北京：機械工業出版社，2009.
[3] Dosi， Giovanni：“Technological Paradigms and Technological Trajectories： A Suggested Interpretation of the Determinants and Directions of Technical Change”，in Research Policy， 1982，Vol. 11.
[4] Perez， Carlota. “Technological Revolutions and Techno-economic Paradigm”，in Cambridge Journal of Economics， 2010，Vol.34， pp.185-202.
[5] Lipsey， Richard G.， Kenneth I. Carlaw， and Clifford T. Bekar： Economic Transformations： General Purpose Technologies and Long Term Economic Growth， Oxford University Press，2005.
[6] Freeman， Christopher and Carlota Perez. “Structural Crises of Adjustment， Business Cycles and Investment Behavior”， In Dosi， Giovanni， et al （Edited）， Technical Change and Economic Thoery， Pinter Publishers， London and New York， 1988.
[7] Freeman， Chris. “Continental， National and Sub-national Innovation Systems―Complementarity and Economic Growth”，in Research Policy， 2002，Vol.31， pp.191-211.
[8] Mathews， A. John. “The Renewable Energies Technology Surge： A New Techno-economic Paradigm in the making？”， Future， http：///10.1016/j.futures.2012.12.001.
[9] Perez， Carlota. “Microelectronics， Long Waves and World Structural Change： New Perspectives for Developing Countries”，in World Development， 1985，Vol.13， No.3， pp.441-463.
[10] 馬化騰：《關于以“互聯網+”為驅動 推進我國經濟社會創新發展的建議》，騰訊研究院――國內|業界動態，2015-04-13.
[11] 中國科學院：《2014高技術發展報告》，北京：科學出版社，2014.
[12] Kondratiev， N. D. “The Long Waves in Economic Life”，in Review of Economic Statistics， 1935，No.17， pp.105-115.
[13] Schumpeter， Joseph A.： Business Cycles： A Theoretical， Historical and Statistical Analysis of the Capitalist Process （Abridged， with an introduction by Rendigs Fels）， New York， Toronto， London： MacGraw-Hill Book Company，1939.
