四方面看人工智能创新扩散发展趋势
原标题：四方面看人工智能创新扩散发展趋势
文章：《接触与采纳：基于人工智能早期体验者的创新扩散研究》
学报：现代传播（中国传媒大学学报），2023年第2期
作者：王袁欣、刘德寰
评鉴：唐远清（中国传媒大学媒体融合与传播国家重点实验室协同创新中心主任、主流融媒体研究中心主任）
人工智能技术正处于创新扩散的早期阶段，研究其特征与规律，对充分发挥我国超大规模市场及丰富应用场景的优势、激发人工智能创新潜力具有重要意义。该文论述了人工智能早期体验者的特征、个体接触创新的渠道和创新技术扩散的驱动因素，进而提出人工智能创新扩散的发展趋势。
该文认为，智能技术的创新扩散呈现出非线性、递进式的发展趋势。从人群特征上，人工智能早期体验者存在年龄结构、地域空间等结构性不平等问题；从接触渠道上，家庭成为代际间创新扩散的重要场域，中青年作为枢纽能够将技术创新辐射四代人，有助于弥合老年数字鸿沟以及开启幼儿初期的技术启蒙；从驱动因素上，社交需求、工作需求和人格特质是个体主动探索新技术的内驱动力，智能产品成为圈子社交的“入场券”和“通行证”；从传播网络结构上，当前智能技术的创新扩散网络具有同质性，沿水平方向扩散，下一阶段需要增加异质参与者，促进垂直的跨越式传播，才能进一步提高技术覆盖率。
2023年中国视觉人工智能行业市场现状分析及发展前景展望报告
0分享至本报告由智研咨询出品，经专业研究报告编撰团队实时监测与更新，最终得以呈现。报告研究基于研究团队收集到的大量一手和二手信息，研究过程综合考虑行业各种影响因素，包括市场环境、产业政策、历史数据、行业现状、竞争格局、技术革新、市场风险、行业壁垒、机遇以及挑战等。通过对特定行业长期跟踪监测，分析行业供给端、需求端、经营特性、盈利能力、产业链和商业模式等方面的内容，整合行业、市场、企业、渠道、用户等多层面数据和信息资源，为客户提供深度的行业市场研究报告，全面客观的剖析当前行业发展的总体市场容量、竞争格局、细分数据、进出口及市场需求特征等，并根据各行业的发展轨迹及实践经验，对行业未来的发展趋势做出客观预测。报告目录：第一章视觉人工智能行业发展概述第一节视觉人工智能的概念一、定义二、特点第二节视觉人工智能行业发展成熟度一、行业发展周期分析二、行业中外市场成熟度对比第三节视觉人工智能行业产业链分析第二章2018-2022年中国视觉人工智能行业运行环境分析第一节2018-2022年中国宏观经济环境分析第二节2018-2022年中国视觉人工智能行业发展政策环境分析一、国内宏观政策发展建议（一）继续实施积极的财政政策，加大结构调整力度（二）采取组合调控措施，确保物价水平稳定（三）推动节能减排市场化运作二、视觉人工智能行业政策分析三、相关行业政策影响分析第三节2018-2022年中国视觉人工智能行业发展社会环境分析第三章2018-2022年中国视觉人工智能行业市场发展分析第一节视觉人工智能行业市场发展现状一、市场发展概况二、发展热点回顾三、市场存在问题及策略分析第二节视觉人工智能行业技术发展一、技术特征现状分析二、新技术研发及应用动态三、技术发展趋势第三节中国视觉人工智能行业消费市场分析一、消费特征分析二、消费需求趋势三、品牌市场消费结构第四节视觉人工智能所属行业产销数据统计分析一、整体市场规模二、区域市场数据统计情况第五节2023-2029年视觉人工智能行业市场发展趋势第四章2018-2022年中国视觉人工智能所属行业主要指标监测分析第一节2018-2022年中国视觉人工智能所属行业工业总产值分析一、2018-2022年中国视觉人工智能所属行业工业总产值分析二、不同规模企业工业总产值分析三、不同所有制企业工业总产值比较第二节2018-2022年中国视觉人工智能所属行业主营业务收入分析一、2018-2022年中国视觉人工智能所属行业主营业务收入分析二、不同规模企业主营业务收入分析三、不同所有制企业主营业务收入比较第三节2018-2022年中国视觉人工智能所属行业产品成本费用分析一、2018-2022年中国视觉人工智能所属行业销售成本分析二、不同规模企业销售成本比较分析三、不同所有制企业销售成本比较分析第四节2018-2022年中国视觉人工智能所属行业利润总额分析一、2018-2022年中国视觉人工智能所属行业利润总额分析二、不同规模企业利润总额比较分析三、不同所有制企业利润总额比较分析第五节2018-2022年中国视觉人工智能所属行业资产负债分析一、2018-2022年中国视觉人工智能所属行业资产负债分析二、不同规模企业资产负债比较分析三、不同所有制企业资产负债比较分析第六节2018-2022年中国视觉人工智能所属行业财务指标分析一、行业盈利能力分析二、行业偿债能力分析三、行业营运能力分析四、行业发展能力分析第五章中国视觉人工智能行业区域市场分析第一节华北地区一、华北地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第二节东北地区一、东北地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第三节华东地区一、华东地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第四节华南地区一、华南地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第五节华中地区一、华中地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第六节西南地区一、西南地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第七节西北地区一、西北地区经济发展现状分析二、市场规模情况分析三、行业发展前景预测第六章视觉人工智能行业竞争格局分析第一节行业竞争结构分析第二节行业集中度分析第三节行业国际竞争力比较第四节2018-2022年视觉人工智能行业竞争格局分析第七章视觉人工智能企业竞争策略分析第一节视觉人工智能市场竞争策略分析一、市场增长潜力分析二、主要潜力品种分析三、现有视觉人工智能产品竞争策略分析四、潜力视觉人工智能品种竞争策略选择五、典型企业产品竞争策略分析第二节视觉人工智能企业竞争策略分析第三节视觉人工智能行业产品定位及市场推广策略分析一、行业产品市场定位二、行业广告推广策略三、行业产品促销策略四、行业价格策略五、行业网络推广策略第八章中国视觉人工智能重点企业经营策略分析第一节商汤科技一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第二节旷视科技一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第三节虹软科技一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第四节云从科技集团股份有限公司一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第五节MORPHO,INC.一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第六节深圳超多维科技有限公司一、企业基本情况二、企业销售收入及盈利水平分析三、企业资产及负债情况分析四、企业成本费用情况第九章2023-2029年未来视觉人工智能行业发展预测分析第一节未来视觉人工智能行业需求与消费预测第二节2023-2029年中国视觉人工智能行业供需预测第十章中国视觉人工智能行业投资机会与风险分析第一节视觉人工智能行业投资机会分析一、视觉人工智能投资项目分析二、可以投资的视觉人工智能模式三、2022年视觉人工智能投资机会四、2022年视觉人工智能投资新方向五、2023-2029年视觉人工智能行业投资的建议六、新进入者应注意的障碍因素分析第二节影响视觉人工智能行业发展的主要因素一、2023-2029年影响视觉人工智能行业运行的有利因素分析二、2023-2029年影响视觉人工智能行业运行的稳定因素分析三、2023-2029年影响视觉人工智能行业运行的不利因素分析四、2023-2029年我国视觉人工智能行业发展面临的挑战分析五、2023-2029年我国视觉人工智能行业发展面临的机遇分析第三节视觉人工智能行业投资风险及控制策略分析一、2023-2029年视觉人工智能行业市场风险及控制策略二、2023-2029年视觉人工智能行业政策风险及控制策略三、2023-2029年视觉人工智能行业经营风险及控制策略四、2023-2029年视觉人工智能行业技术风险及控制策略五、2023-2029年视觉人工智能同业竞争风险及控制策略六、2023-2029年视觉人工智能行业其他风险及控制策略第十一章视觉人工智能行业投资战略研究第一节视觉人工智能行业发展战略研究第二节对我国视觉人工智能品牌的战略思考一、企业品牌的重要性二、视觉人工智能企业品牌的现状分析三、我国视觉人工智能企业的品牌战略第三节视觉人工智能行业投资战略研究（ZYLZQ）图表目录:图表视觉人工智能行业生命周期图图表视觉人工智能产品国内、国际市场成熟度对比图表视觉人工智能产品行业主要竞争因素分析图表2018-2022年各季度三次产业增加值累计增速图表2018-2022年工业增加值累计增速图表2018-2022年物价指数同比变化情况图表2018-2022年社会消费品零售总额情况图表2018-2022年固定资产投资完成额累计增速图表2018-2022年外贸进出口情况图表2018-2022年各季度居民收入累计值图表2018-2022年货币供应量同比增速图表2018-2022年视觉人工智能产品消费量变化图图表2018-2022年视觉人工智能企业品牌集中度分析图表2018-2022年视觉人工智能产品产能分析图表2018-2022年中国视觉人工智能产业工业总产值分析图表2018-2022年视觉人工智能不同规模企业工业总产值分析图表2018-2022年视觉人工智能不同所有制企业工业总产值比较图表2018-2022年中国视觉人工智能产业主营业务收入分析图表2018-2022年视觉人工智能不同规模企业主营业务收入分析图表2018-2022年视觉人工智能不同所有制企业主营业务收入比较图表2018-2022年中国视觉人工智能产业销售成本分析图表2018-2022年视觉人工智能不同规模企业销售成本比较分析图表2018-2022年视觉人工智能不同所有制企业销售成本比较分析更多图表见正文……数据说明：1、研究报告核心数据以中国大陆地区数据为主，少量涉及全球及相关地区数据；2、除一手调研信息和数据外，国家统计局、中国海关、行业协会、上市公司公开报告（招股说明书、转让说明书、年版、问询报告等）等权威数据源亦共同构成本报告的数据来源。1）一手资料来源于研究团队对行业内重点企业访谈获取的一手信息数据，主要采访对象有企业高管、行业专家、技术负责人、下游客户、分销商、代理商、经销商以及上游原料供应商等；2）二手资料来源主要包括全球范围相关行业新闻、公司年报、非盈利性组织、行业协会、政府机构及第三方数据库等；3、报告核心数据基于公司严格的数据采集、筛选、加工、分析体系以及自主测算模型，确保统计数据的准确可靠；4、本报告所采用的数据均来自合规渠道，分析逻辑基于智研团队的专业理解，清晰准确地反映了分析师的研究观点。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端农业人工智能的现状与应用综述
第6期农业人工智能的现状与应用综述刘双印1,2,3，黄建德1，黄子涛1，徐龙琴1,2,3，罗智杰1,2,3（1.仲恺农业工程学院信息科学与技术学院，广东 广州 510225；2.仲恺农业工程学院 / 广东省高校智慧农业工程技术研究中心，广东 广州 510225；3.仲恺农业工程学院 / 广州市农产品质量安全溯源信息技术重点实验室，广东 广州 510225）摘 要：近年来，人工智能技术不断发展，已渗透到金融、教育、医疗、工业等众多领域当中。农业人工智能的出现，极大地推进了农业向智能化、信息化发展。本文主要介绍了人工智能中的关键技术，分析了人工智能技术在种植业、畜牧业、农产品营销等农业领域方面的重要应用意义，报告了目前人工智能技术在农业产前、产中、产后三大阶段的应用情况以及在国内外农业领域的发展现状，同时，列举了一些人工智能在农业中的经典应用和场景。指出目前我国农业领域面对新技术时存在的不足和挑战，并对此提出推动新技术应用的策略，以期我国能够真正意义上进入智慧农业。最后，对人工智能在农业领域的发展提出一些思路。关键词：人工智能；农业信息化；智慧农业；应用研究中图分类号：S126 文献标识码：A 文章编号：1673-2154（2019）06-0007-070 引言人工智能作为计算机科学的一个重要分支，通常可以将其简单概括成一种智能化的处理能力，能够和人一样感知、认知、决策、执行的人工程序或系统。随着科学技术发展的不断加快，人工智能已渗透在许多领域当中，如医疗、教育、金融等，有效地推动了各领域的发展，并取得了显著的成绩 [1]。农业是人类衣食住行的源泉，是人民生活的重要基础，是支撑国家经济的脊柱，也是国家稳定发展的保障。在我国，人工智能在农业方面的应用主要涉及检测、图像处理、模式识别等。其中，机器视觉领域应用于农业机器人的运动障碍目标检测以及路径识别、农作物识别、长势以及病虫害检测、杂草识别、果蔬品质检测以及自动采摘等方面。大数据处理技术充分应用在农业养殖和市场销售领域中，最为核心的功能之一是具有专业知识和决策能力的专家系统，能够对农作物的生产链进行实时的监管控制，保证作物的产出量。本文主要介绍农业人工智能的主要技术，以及在农业领域的应用，并针对当前存在的难题和机遇，提出了人工智能技术在农业领域中的发展方向。1 农业人工智能概述在21世纪初，人工智能技术便开始了在农业相关领域的推广和探索，但由于当时技术水平有限，收稿日期：2019-09-19基金项目：国家基金项目（61871475，61471133）；广州市创新平台建设计划项目（201905010006）；广东省科技计划项目（2019B020215003；2017B010126001；2017A070712019）；广东普通高校工程技术研究中心(2017GCZX001)；广东省普通高校省级重大科研项目（2016KZDXM001）；广东省教育厅特色创新项目（2017KTSCX094，2017KQNCX098）。作者简介：刘双印（1977—），博士，教授，研究领域为农业大数据，农业人工智能，农业信息化技术。通讯作者：罗智杰（1986—），博士，研究领域为新型嵌入式系统、物联网。E-mail：jackeylzj@163.com现代农业装备第40卷 第6期2019年12月VOL.40 No.6Dec. 2019Modern Agricultural Equipment四方面看人工智能创新扩散发展趋势
原标题：四方面看人工智能创新扩散发展趋势
文章：《接触与采纳：基于人工智能早期体验者的创新扩散研究》
学报：现代传播（中国传媒大学学报），2023年第2期
作者：王袁欣、刘德寰
评鉴：唐远清（中国传媒大学媒体融合与传播国家重点实验室协同创新中心主任、主流融媒体研究中心主任）
人工智能技术正处于创新扩散的早期阶段，研究其特征与规律，对充分发挥我国超大规模市场及丰富应用场景的优势、激发人工智能创新潜力具有重要意义。该文论述了人工智能早期体验者的特征、个体接触创新的渠道和创新技术扩散的驱动因素，进而提出人工智能创新扩散的发展趋势。
该文认为，智能技术的创新扩散呈现出非线性、递进式的发展趋势。从人群特征上，人工智能早期体验者存在年龄结构、地域空间等结构性不平等问题；从接触渠道上，家庭成为代际间创新扩散的重要场域，中青年作为枢纽能够将技术创新辐射四代人，有助于弥合老年数字鸿沟以及开启幼儿初期的技术启蒙；从驱动因素上，社交需求、工作需求和人格特质是个体主动探索新技术的内驱动力，智能产品成为圈子社交的“入场券”和“通行证”；从传播网络结构上，当前智能技术的创新扩散网络具有同质性，沿水平方向扩散，下一阶段需要增加异质参与者，促进垂直的跨越式传播，才能进一步提高技术覆盖率。
AI+医疗器械产业发展现状及展望
前言
AI+医疗器械是指采用人工智能技术的医疗器械，包括人工智能独立软件和人工智能软件组件等。其在辅助治疗、医学影像处理等领域的应用愈发广泛，已成为未来医疗器械行业发展热点赛道之一。新一代人工智能技术的兴起，为医疗行业实现智能化转型提供了新的思路和手段，也为医疗器械产业发展带来了重大机遇。我国人工智能医疗器械产业发展势头迅猛，人工智能医疗器械产业生态已经基本形成，面向未来，AI+医疗器械的商业化必将取得突破性进展。
01、AI+医疗器械市场情况分析
人工智能医疗器械市场前景广阔。人工智能技术为器械行业发展带来重大机遇。一方面，人口老龄化、慢病低龄化等趋势导致人民群众的医疗健康需求持续攀升，人工智能医疗有利于缓解医疗资源供需不平衡等问题，为医疗行业转型升级提供了关键思路。另一方面，我国高端医疗器械产业长期以来存在部分关键工艺技术受制于人、整机制造组装水平相对较低等问题，推动人工智能技术嵌入到高端医疗器械中，提升控制、成像等系统的智能化程度,能够加快产品的升级换代与性能提升，有助于推动产业实现跨越式发展。
从全球范围来看，AI+医疗器械市场规模从2016年的8650万美元增长至2021年的5.06亿美元，复合增长率为42.4%，预计2024年增长至34.96亿美元，未来3年复合增长率为118.5%。
图：AI+医疗器械领域市场规模（亿美元）来源：火石创造根据公开数据整理
中国AI医疗器械市场起步较晚，目前市场仍处于早期阶段。近年来，中国AI医疗器械的市场高速发展，市场规模增速较快，从2019年的1.25亿元人民币大幅增加值2021年的6.82亿元，预计在2024年增长至87.16亿元，3年的复合增长率高达133.9%。
图：我国AI+医疗器械市场规模（亿元）资料来源：火石创造根据公开数据整理
融资事件数量缓慢下降，自19年起融资金额逐渐回升。全球AI+医疗器械产业领域2016年实现融资9.7亿美元，完成融资事件62起。随后两年，AI+医疗器械领域融资事件和金额均显著增长，2018年达到峰值，融资金额达到20.1亿美元。但在2019年，随着金融资本寒冬的到来，AI+医疗器械融资金额和数量均明显下降。2020年，伴随着医疗器械领域三类证颁发，行业重心由研发转向商业化落地等因素的影像，AI+器械领域投融资再度增加；2021年，全球AI+器械领域共产生58起融资，融资总额为17.33亿美元。
图：2016-2021年全球AI+医疗器械行业投融资情况来源：火石创造根据公开数据整理
我国AI+医疗器械行业投融资情况逐步回升。自2016年起，我国AI+医疗器械行业投融资金额达到3.6亿元，在2017、18年达到顶峰，AI+医疗器械投融资金额达到13.7亿元。在2019年，AI+医疗器械行业投融资出现断崖式下跌，跌至4.9亿元，随着后疫情的时代的来临以及资本信心的逐步恢复，AI+医疗器械行业投融资金额逐步回升，已达到2021年的12.1亿元。
图：2016-2021年我国AI+医疗器械行业投融资情况来源：火石创造根据公开数据整理
02、AI+医疗器械应用场景
在应用场景方面，医学影像是AI在医疗领域应用最多且最成熟的场景。我国一年医学影像的检查量超过75亿人次，2021年我国医学影像市场规模达到523.7亿元，预计2022年有望达到577.6亿元。庞大的检查量带来的是影像数据的快速增长，目前影像数据的年增长率达到30%，而同期放射科医生的年增长率仅为4%，形成较大的供给缺口。放射科医生的短缺造成误诊率偏高，医学影像数据可获得性较强、易标注、标准化程度相对较高等特点，大大降低了AI的应用门槛。因此，医学影像成为AI目前的主要应用市场。
对于AI+医疗器械重点应用场景主要分为以下几个方面：
阻肺急性加重院外监测。及早识别慢阻肺急性加重高风险患者、从而开展个体化干预有助于改善临床结局。通过可收集的患者信息与急性发作情况结合建模，建立急性加重风险AI预测模型与院外监测模型，对慢阻肺患者未来的急性发作提前预警。
癌症影像AI辅助判读。在肺癌领域，通过AI辅助实现癌症检出、良恶性分析以及定量分析等功能，对于医生在大规模筛查时快速、准确的判断患者病情有重要意义。在乳腺癌领域，乳腺超声辅助AI为乳腺癌超声筛查提供更高的诊断准确率和诊断效率，助力乳腺癌的早筛早诊。
CT筛查慢阻肺。肺功能检查是慢阻肺诊断金标准，由于基层肺功能仪普及率低、肺功能检查对患者配合度要求高等多方面的因素，导致患者被漏诊、误诊，错失最佳干预时间。影像AI技术已广泛应用于肿瘤和心脑血管疾病的诊断和评估。
03、AI+医疗器械产业细分领域发展情况
在中国AI医疗发展中，AI医学影像是最热门的应用领域，是其主要的应用场景是医疗健康和大健康中，两种场景下增速较高，未来五年AI医学影像整体市场规模预计复合增速达102.4%。AI医学影像应用多以单一疾病入手，以单纯图像训练为主，从落地应用来看，以肿瘤和慢病领域为主，其中肺结节和眼底筛查是目前企业布局最多的两个疾病领域，乳腺癌也是热门领域之一。
表：AI医学影像的疾病应用领域
来源：火石创造根据公开资料整理
人工智能医学影像赛道投融资逐渐冷却，AI医学影像企业竞争加剧。2019年-2022年，人工智能医学影像企业投融资逐渐冷却，企业开始将问题聚焦与如何优化产品，基础数据质量提升、算法的不断改进优化以及大量的科研合作，使得人工智能影响产品逐渐被医院端接受和认可。随着人工智能医学影像的临床价值逐步被认可，进入了比拼产品以及商业化能力的阶段，企业间的竞争将更加激烈。
图：2016-2022人工智能医学影像企业融资轮次数量来源：火石创造根据公开资料整理
人工智能医学影像软件产品获批三类器械主要集中在心血管、骨骼、眼底、肺部等领域。截至2022年8月31日，NMPA共批准了45个医疗AI辅助诊断软件上市，其中涵盖CT、MR、DR等相关影像设备、为心血管疾病、胸部疾病、眼底、骨科疾病及儿童生产发育评估、肺部等提供AI辅助诊断。
图：2020-2022年NMPA在人工智能医学影像三类证的批证情况来源：火石创造根据公开数据整理
图：2020-2022年AI医学影像三类器械获批情况来源：火石创造根据公开资料整理
AI机器人中国手术机器人行业发展迅猛近5年市场规模年平均复合增长率逾30%。目前仍处于发展初期的手术机器人行业，技术、研发和时间成本依旧高昂；且离不开政策和资本的支持。相关企业应抓住国家大政方针支持产业的机会，努力解决当前发展中面临的问题。在资本方面，当下，国内手术机器人行业投融资明显加快。据统计，投融资数量大幅增加，整个赛道总融资金额超过30亿元人民币。在投资界看来，从学术和临床两方面，手术机器人都获得了高度关注，并且体现出一定的卫生经济学价值，未来5-10年，手术机器人应该会越来越被市场所认可。
AI辅助诊疗以单病种切入为主，应用集中在肿瘤领域。AI辅助诊断是基于海量医疗数据与人工智能算法，利用认知计算、深度学习、计算机视觉等技术发现病症规律，为医生疾病诊断与制定治疗方案提供辅助。
图：AI辅助诊断系统构建来源：火石创造根据公开资料整理
表：AI辅助诊断应用场景和主要产品
来源：火石创造根据公开资料整理
04、AI+医疗器械未来发展方向
以深度学习为代表的新一代人工智能技术将赋能医疗器械领域。目前，人工智能医疗器械主要应用于疾病的诊断、治疗、监测、康复等多个领域，在辅助决策、医学数据处理、健康管理等方面崭露头角。2020年起，采用深度学习技术的医疗器械产品陆续获批上市，基于新一代人工智能技术的医疗器械正加速进入临床应用，人工智能医疗器械迈入商业化阶段，其临床价值日渐凸显。
人工智能医疗器械产业生态已经基本形成。传统医疗卫生行业是数据资源的提供方，新一代人工智能算法研发企业与医疗信息化、医疗器械企业共同主导产品研发，赋能传统医疗卫生行业，形成产业生态闭环。随着技术的提升和应用的深入，目前已经发展出几大典型产品，包括智能辅助诊断产品、智能辅助治疗产品、智能监护与生命支持产品、智能康复理疗产品、智能中医诊疗产品。
人工智能技术瓶颈有待进一步突破。一方面，现有医疗数据体量难以支撑人工智能进行充分学习，人工智能技术在小数据场景下的应用成效仍然不尽如人意。另一方面，很多医疗人工智能算法缺乏在医学上的可解释性，患者在就医时无法了解诊断决策背后的依据，影响对医生的信任度及后续的治疗效果，一定程度上导致人工智能在医疗行业中的应用比在其他行业面临更大的质疑与担忧。