即将过去的2023年，人工智能发展成啥样了｜有数
2022年，人工智能技术突飞猛进，更深入地介入人类生活。人类创造了AI，却并不那么了解它，欣喜又畏惧。AI是谁？经历了怎样的发展？对人类影响几何？澎湃·美数课与湃客·有数联合推出《AI来的那一夜》，去记录AI当下的发展、探寻人们对AI好奇的问题。
本文为系列第二篇。
【专题】AI来的那一夜
AI极简史：文字如何生出万物？
本文为“有数”栏目独家稿件，由照路明x有数联合出品，转载请注明作者名、“照路明”以及“发自澎湃新闻湃客频道”。
2022年终于要结束了。这一年发生了许多事。人工智能（AI）技术的突飞猛进是其中一件。
或者说，这一年，人工智能的发展更被人们所熟知了。你应该已经听闻，人工智能正在帮我们做很多事。例如，陪我们聊天，帮我们画画，写一些陈词滥调的稿件，或者悄悄融入数字生活，让各项算法成为社会运转的基础设施。这篇文章想带你了解，人工智能的科学研究走到了哪一步，我们将如何审视它。
|今年，哪些人工智能进展让人印象深刻？
2022年出现了不少令人兴奋的人工智能研究成果。2月，谷歌（Google）旗下的DeepMind公司推出了AlphaCode，这是一款大规模生成编程代码的系统。在编程竞赛平台Codeforces上，研究人员让AlphaCode完成了10项代码编程挑战。结果显示，它的总体排名位于前54%。也就是说，它的编程工作击败了46%的人类“码农”。
用AI替代开发AI的劳动，这是研究者一直想做的事，尽管效果总是有待商榷。5月，DeepMind公司又推出了“通用人工智能模型”Gato，声称它可以完成人机聊天、玩游戏、机器人操纵、分析蛋白质序列等多场景的任务，而不限于单一工作。
通用人工智能模型是人工智能开发的重点方向，是指能够在不同任务或领域中通用的人工智能模型。这种模型可以被训练来执行多种任务，而不是专门为某一种任务而设计。
换句话说，人们希望它具有解决现实世界复杂问题的综合能力。完成这一挑战自然不容易，Gato的出现也未能平息质疑的声音。不过，在某一特定技能的表现上，今年的一些人工智能模型已经取得了令人惊讶的成效。
例如，今年大火的AI绘画领域，由StableDiffusion和同期出现的DALL-E2、Midjourney等深度学习模型带火。
你或许已经体验过输入几句文字描述就可以生成一幅对应图像的神奇效果。重点在于，生成的图像看起来还不错。例如，下方这些如同摄影作品的人物肖像画，就是由StableDiffusion生成的。这些生成式AI将人们对于人工智能只能完成一些重复性劳动的印象，转向了艺术创作领域。
从“文字生成图片”到“文字生成视频”（Text-to-Video，T2V），Meta公司（原Facebook）9月推出的人工智能工具Make-A-Video也引发过热议。同样是输入描述文本，Make-A-Video直接生成了一个短视频，这意味着拍摄、建模、剪辑等工作流程可以全部跳过。例如，“手握遥控器的猫”，这是他们提供的生成结果：
你会发现两个特点：首先，视频的清晰度不算高。其次，持续长度较短。将连续生成的原创图像串联为动态画面，这是今年的人工智能工具尝试在视觉领域完成的事，但成长空间还很大。
与此同时，在传统的文本领域，突出的技术进展已经出现。
此前，聊天机器人给你的体验总是驴唇不对马嘴，或者只能理解一些简单的文本描述。而今年11月底，OpenAI公司提供的ChatGPT，能力就要高上许多。它“学识渊博”，面对人类提出的各种刁难问题，可以从容不迫地给出回答。
人们还惊讶地发现，吸收了大量人类社会知识的ChatGPT，可以在修改代码、写文章等方面发挥作用——这些自动生成的文本，不乏陈词滥调的观点，但组织得颇有条理，难辨真假。比如，你很难察觉，前文关于“通用人工智能模型”定义的那段话，就是ChatGPT自己写的。
|近五年，人工智能研究实现高速发展
人工智能，来势汹汹。无论哪种模型，一个共同的目标是让它们的工作结果接近人类，直到超越人类的准确性、创造性与效率。
人工智能的科研工作在半个世纪里存在，但在最近五年实现了高速发展。2017年，人工智能研究在当年所有科研文献占据了3.06%的比重。截至2022年9月，这一数据来到了当年的5.69%，这成为AI应用成果涌现的根本动力。
中国保持着人工智能科研成果数量的优势。2021年，中国以31%的全球人工智能科研文献占比，领先于美国、欧盟与英国。
与此同时，从2010年到2021年，美国和中国在人工智能研究上的跨国合作数量最多，自2010年以来增加了5倍。2021年的中美合作出版物数量，是中英合作产出的2.7倍。
除了人工智能学科本身的科研文献激增，AIforScience（面向所有科学的人工智能）的呼吁正在被各学科接纳。根据澳大利亚联邦科学与工业研究组织（CSIRO）的报告，如今的人工智能在98%的研究领域得到采用。计算机科学以外，数学、决策学、工程、神经科学等领域基于人工智能的研究成果颇多。
所以你会注意到，“计算+学科”成为学科范式转型的普遍方向之一：利用DeepMind团队提供的人工智能模型，纯数学理论学家正在证明或提出新的数学定理；2020年，DeepMind推出的AlphaFold2工具，实现了对人类大部分蛋白质结构的精准预测，其团队被推举为诺贝尔化学奖的有力竞争人选。
科研发现的速度加速，有机器学习（MachineLearning）方向的助推。过去十年，机器学习的科研文献数量激增，并成为一个中心技术概念，作用到计算机视觉、算法、数据挖掘等关系紧密的方向研究中。
机器学习的目标是让计算机从训练数据中学习特征，并在未知数据中执行分析与预测任务，比如识别图像中的物体或者预测未来股票价格。
深度学习（DeepLearning）是机器学习中的一种方法，它使用了大量的神经元（或称为节点）构成的多层网络来学习特征表示和预测结果。这种方法通常用于解决较为复杂的问题，比如自然语言处理、计算机视觉和语音识别等。
前文提到的人工智能进展，几乎都需要深度学习方法的引入。例如，对话能力惊人的ChatGTP，是由OpenAI公司的GPT-3模型变体而成。而初代的GPT-3模型，有3000亿单词的语料训练和1750亿参数。StableDiffusion训练所使用的LAION-5B数据库，包括了58.5亿张图片素材。这些指数级增长的训练数据，让它们的能力有了质的飞跃。
相应地，训练的时间与财务成本在下降。根据斯坦福大学的《2022年AI指数报告》（2022AIIndexReport），2018年以来，图像分类系统的训练时间缩短了94.4%。2021年，训练一个高性能的图像分类系统成本只需要4.6美元，同比2017年预计的1112.6美元，下降至1/223。
作为结果，人工智能的语言和图像识别能力迅速提高。近两年，人工智能在阅读、声音、图像等基准上的表现已接近或超过人类水平。所以你很容易体验到，在短视频拍摄中使用搞怪的脸部特效、将开会录音迅速转化为文字记录。而在10年前，还没有机器能够在人类水平基准上提供可靠的语言与图像识别。
|与人工智能相处：成为敌人还是朋友？
科学幻想中的人工智能应用，应该有不少将步入现实。正如电影《她》（Her）当中，男主人公爱上了一位叫做“萨曼莎”的姑娘——一项人工智能系统中的虚拟人物。我们终究要与人工智能相处，而这些人工智能系统在各项社会线索上都愈发趋近于人类。人们可能会爱上它，讨厌它，抵制它，百感交集。
在今年10月，我采访了1500位中国大学生，来看看他们的看法。
具体来说，大学生们被鼓励用隐喻的形式提供对于人工智能的第一感受，然后用一段话来解释为什么会想到这种隐喻。隐喻的价值在于可以窥探人们与人工智能相处时的情感与权力关系：在人们眼中，人工智能是敌是友？是关系疏远还是亲密无间？
调研的结果是乐观的。绝大多数人表达了对人工智能的正面态度，最常被使用的隐喻是“助手”，即认可人工智能对生活的辅助作用。也有一些人认为它是地位平等的“朋友”，或者视它的地位高于人类，是“超人”“孙悟空”“哆啦A梦”，或者是维持生命必不可少的“水”和“空气”。
当然，有部分受访者表达了对人工智能持有矛盾或负面态度。例如，反对者认为人工智能不过是“傀儡”“木偶”与“定时炸弹”——利好之处是假象，大的危机酝酿其中。也有一部分人保持中立。接纳人工智能的同时，指出它当前的缺陷与不良的社会效应，比如不够聪明，以及内容造假、隐私侵犯、偏见等伦理问题，并相信需要改善使用它的方式，来促进社会福祉。
在很长一段时间内，对伦理的考量都将影响人工智能的发展。例如，在ChatGPT发布之前，谷歌研发的对话式人工智能系统LaMDA却一直未向公众发布。今年3月，谷歌研究人员Lemoine认为LaMDA已具有“自主情感”。他通过一段内部的对话实录表明LaMDA如何向人类表明它的主观感受。至少，它说服了Lemoine。
谷歌研究人员Lemoine提供的报告《LaMDA具有情感吗？》（IsLaMDasentient?）中的对话节选。编译：知乎用户@方觉闲
Lemoine的主张遭到了谷歌当局与多数学者的批评，他们相信LaMDA依然建立在大规模参数的神经语言模型下，是人类训练指导出的对话结果，而非LaMDA具有自主意识的证据。
但这一案例向我们表明，无论人工智能是否真的有意识，它的对话能力已足够说服人类，从而可能回答计算机学家图灵提出的“机器能思考吗？”（Canmachinesthink？）这一关键问题，并进一步带来担忧的声音。
轻舟已过万重山。如何让人工智能促进社会福祉，将是一个收益伴随风险的长久问题。投资者希望用人工智能讲出新故事，普通人的需求是这些人工智能是否有用于我们的生活，而不会反过来摧毁一切。回到最朴实无华的展望上，人们想知道，人工智能叙事下的世界，会变得更好吗？这是一切新年愿望的母题。
让我们看看ChatGPT的回答。
“嗨，ChatGPT，未来的世界会更好吗？”
ChatGPT是这么说的：
“这个问题很难回答。我们都希望世界会变得更好，但是未来会如何发展是不确定的。目前，世界正面临着许多挑战，比如病毒和冲突。希望人类能够克服这些挑战，使世界变得更美好。”
参考资料：
[1]Li,Y.,Choi,D.,Chung,J.,Kushman,N.,Schrittwieser,J.,Leblond,R.,...&Vinyals,O.(2022).Competition-levelcodegenerationwithalphacode.Science,378(6624),1092-1097.
[2]Reed,S.,Zolna,K.,Parisotto,E.,Colmenarejo,S.G.,Novikov,A.,Barth-Maron,G.,...&deFreitas,N.(2022).Ageneralistagent.arXivpreprintarXiv:2205.06175.
[3]Rombach,R.,Blattmann,A.,Lorenz,D.,Esser,P.,&Ommer,B.(2022).High-resolutionimagesynthesiswithlatentdiffusionmodels.InProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(pp.10684-10695).
[4]Singer,U.,Polyak,A.,Hayes,T.,Yin,X.,An,J.,Zhang,S.,...&Taigman,Y.(2022).Make-a-video:Text-to-videogenerationwithouttext-videodata.arXivpreprintarXiv:2209.14792.
[5]Zhang,Y.,Sun,S.,Galley,M.,Chen,Y.C.,Brockett,C.,Gao,X.,...&Dolan,B.(2019).Dialogpt:Large-scalegenerativepre-trainingforconversationalresponsegeneration.arXivpreprintarXiv:1911.00536.
[6]Clark,J.,&Perrault,R.(2022).AIindexreport2022.Technicalreport,StanfordUniversity.https://aiindex.stanford.edu/wp-content/uploads/2022/06/2022-AI-Index-Report_Chinese-Edition.pdf
[7]Davies,A.,Veličković,P.,Buesing,L.,Blackwell,S.,Zheng,D.,Tomašev,N.,...&Kohli,P.(2021).AdvancingmathematicsbyguidinghumanintuitionwithAI.Nature,600(7887),70-74.
[8]Jumper,J.,Evans,R.,Pritzel,A.,Green,T.,Figurnov,M.,Ronneberger,O.,...&Hassabis,D.(2021).HighlyaccurateproteinstructurepredictionwithAlphaFold.Nature,596(7873),583-589.
[9]Kiela,D.,Bartolo,M.,Nie,Y.,Kaushik,D.,Geiger,A.,Wu,Z.,...&Williams,A.(2021).Dynabench:RethinkingbenchmarkinginNLP.arXivpreprintarXiv:2104.14337.
[10]Stone,P.,Brooks,R.,Brynjolfsson,E.,Calo,R.,Etzioni,O.,Hager,G.,...&Teller,A.(2022).Artificialintelligenceandlifein2030:theonehundredyearstudyonartificialintelligence.arXivpreprintarXiv:2211.06318.
[11]CSIRO.(2022).ArtificialIntelligenceforSciencereport,CommonwealthScientificandIndustrialResearchOrganisation.https://www.csiro.au/en/research/technology-space/ai/artificial-intelligence-for-science-report
[12]AndrewNg.(2022).TopAIStoriesof2022,DeepLearning.AI.https://www.deeplearning.ai/the-batch/issue-176/
[13]Floridi,L.,&Chiriatti,M.(2020).GPT-3:Itsnature,scope,limits,andconsequences.MindsandMachines,30(4),681-694.
[14]Lemoine,B.(2022).IsLaMDASentient?—anInterview.Medium.Fechadepublicación,11-06.
清华人工智能发展报告：过去十年中国AI专利申请量全球第一
最新报告显示：过去十年中国的人工智能专利申请量位列全球第一，深度神经网络、特征抽取和图像分类等是热点研究领域。
1月20日，清华大学人工智能研究院、清华-中国工程院知识智能联合研究中心联合发布《人工智能发展报告2020》。
报告预测，人工智能下一个十年的重点发展方向包括强化学习、神经形态硬件、知识图谱、智能机器人、可解释性AI、数字伦理和知识指导的自然语言处理等。
《人工智能发展报告2020》基于清华大学自主研发的“科技情报大数据挖掘与服务平台”（简称AMiner）平台，收录了2011年至2020年期间，人工智能领域顶级期刊和会议的论文和专利数据，试图展现人工智能发展至今所获得的重大科研进展、成果产出以及科研热点。
根据人工智能领域在国际顶级期刊和会议过去10年所发表论文，报告评选出过去十年十大AI研究热点，分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。
报告还总结了机器学习、自然语言处理和知识工程等人工智能重点领域的研究现状和趋势，指出预训练语言模型在自然语言处理领域有了重要进展。“自ELMo、GPT、BERT等一系列预训练语言表示模型出现以来，预训练模型在绝大多数自然语言处理任务上都展现出了远远超过传统模型的效果，受到越来越多的关注，是自然语言处理领域近年来最大的突破之一。”
报告发现，中国在自然语言处理、芯片技术、机器学习、信息检索与挖掘等10多个AI子领域的科研产出水平居于世界前列；在多媒体与物联网领域的论文产出量超过美国，居于全球第一；而在人机交互、知识工程、机器人、计算机图形、计算理论领域，中国还需努力追赶。
报告在第六章进行了全球AI领域高层次人才分析，指出美国的AI高层次学者的数量最多，有1244人次，占比62.2%，是第二位国家（中国）AI高层次学者数量的6倍以上。中国的高层次学者数量为196人次。德国位列第三，是欧洲学者数量最多的国家，其余国家的学者数量均在100人次以下。报告还指出，中国人工智能领域高层次人才主要分布在京津冀、长三角和珠三角地区。
报告称，中国从2018年起开始重点发展AI领域高层次人才，主要由高校通过成立AI学院研究院、设立AI专业的方式进行培养。
截至目前，中国共有215所高校成立“人工智能”本科专业。这些高校之中，有60所双一流大学（占比28%），其他155所为普通本科院校。截至2019年6月，至少有38所高校设立了独立人工智能学院，全面开展本科阶段、研究生阶段的教育，并且在2019年开始以人工智能专业招收本科生。
人工智能专利申请也是这份报告的关注点之一。据统计，过去十年全球人工智能专利申请量为521264。中国专利申请量为389571，位居世界第一，占全球总量的74.7%，是排名第二的美国专利申请量的8.2倍。
报告通过对2020年人工智能技术成熟度曲线和人工智能发展现状的分析，预测人工智能下一个十年重点发展的方向包括强化学习、神经形态硬件、知识图谱、智能机器人、可解释性AI、数字伦理、知识指导的自然语言处理等。
编辑：刘庆辰
2021年01月22日17:49:08
2023年中国人工智能行业区域市场现状及竞争格局分析 北上广地区龙头企业较多
人工智能行业主要上市公司：阿里巴巴(BABA)、腾讯(00700.HK)、科大讯飞(002230)、赛为智能(300044)、科大智能(300222)、海康威视(002415)、四维图新(002405)等
本文核心数据：人工智能企业在全国都市圈的分布、主要省市/城市人工智能企业数量占比
1、京津冀、长三角和珠三角城市群AI企业集聚，引领产业发展
根据中国新一代人工智能发展战略研究院发布的最新《中国新一代人工智能科技产业发展报告2021》数据显示，截至2020年，我国人工智能企业主要分布在京津冀、长江三角洲和珠江三角洲三大都市圈，占比分别为31.02%，30.23%和26.39%。
依托科技创新和互联网产业发展优势，京津冀、长江三角洲和珠江三角洲地区在人工智能科技产业的发展中走在了全国的前列。
由此可见，中国人工智能区域发展与国家区域战略高度协同相互促进，区域要素汇聚加速人工智能产业引领。京津冀、长三角和粤港澳大湾区已成为我国人工智能发展的三大区域性引擎，成渝城市群、长江中游城市群也展现出人工智能发展的区域活力，产业集聚区初显区域引领和协同作用。
2、北上广深AI企业数量较多
具体来看，在各省市自治区中，人工智能企业主要分布在北京市、广东省、上海市、浙江省、江苏省、四川省、山东省、湖北省、福建省和湖南省。其中，北京市占比最高，为29.73%;其次是广东省，占比为26.39%，主要分布在深圳市和广州市;排名第三的是上海市，占比为14.07%;排名第四的是浙江省，占比为8.81%，主要集中在杭州市。
从主要城市来看，人工智能企业分布密集的城市是北京市、上海市、深圳市和广州市，占比分别为29.73%，14.07%，13.99%和8.14%，是中国人工智能科技产业发展的前沿城市。西部地区的成都市和中部地区的武汉市同样是人工智能企业数量排名靠前的城市。
3、北上广地区人工智能产业链发展相对完善，细分领域龙头企业较多
从产业链来看，北京作为中国集聚人工智能企业最多的区域，其人工智能产业的链条已经比较完善，覆盖了整个产业链环节，且在产业链的重点细分领域均出现了行业龙头企业。
其中，基础层中传感器的行业龙头京东方科技，AI芯片的行业龙头中星微电子、寒武纪、地平线、四维图新等，云计算的百度云、金山云、世纪互联等，数据服务的百度数据众包、京东众智、数据堂等;
技术层的机器学习龙头百度IDL、京东DNN等，计算机视觉的商汤科技、旷视科技等，自然语言处理的百度、搜狗、紫平方等，语音识别的出门问问、智齿科技等;
应用层的人工智能重点企业也涉及了各个领域。北京正在逐步形成具有全球影响力的人工智能产业生态体系。此外，上海和广东地区人工智能产业链代表企业分布也较为广泛。
更多数据及分析请参考于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
重磅！《中国医学影像人工智能发展报告2023
近日，中华医学会放射学分会主任委员、中国医学影像AI产学研用创新联盟理事长，上海长征医院放射诊断科主任刘士远教授，在2022年医学人工智能大会暨第二届“中国医学学术期刊发展”高端论坛上，为大家分享了《中国医学影像人工智能发展报告（2021-2022）》。该报告共收集了来自全国34个省、市、自治区的6347份问卷，涵盖了诊断、技术、研究人员等多人群；三级医院到民营医院，教学医院以及非教学医院等多机构。调查显示三级医院现有AI产品应用情况已达73.9%。影像科室医务人员对工作流程优化的需求中占比最高的是图像质量优化和改进影像检查流程。基于AI进行病灶的自动检出，被认为是临床最具价值的功能。另外报告还指出当前医学影像AI产品面临主要的三大问题为：(1)实际可应用产品少；（2）不能很好嵌入现有医学影像诊疗流程；(3)产品性能不可靠。
从影像科辅助诊断产品已使用情况来看，肺结节筛查AI软件占比89.5%高居榜首，冠脉后处理和结构化报告以58.1%紧随其后，脑卒中、肋骨等方面也有一定数量的应用。逐步形成了以疾病场景为中心的平台化应用。
表1影像科室辅助诊断中已使用医学影像AI产品的情况（n=3798）
以下为刘士远教授在大会上演讲的部分内容提要刘士远：《中国医学影像人工智能发展报告（2021-2022）》共分12章，和2020年的报告相比，有以下几个特色：
第一，我们完成了一个数千份的医学影像AI调研，并且从不同的维度进行了拆解和剖析。
第二，医学影像AI大数据作为独立的一章，我们分别邀请了政府相关部门以及行业内数据相关专家，从数据的要求、质量、标准、构建、标注等多个维度切入，为大家全面阐述和解读医学影像大数据在不同场景下该如何充分的挖掘和规范使用等等。
第三，在本次报告当中，我们邀请了中华医学会放射学分会10个专业学组的组长牵头，深入梳理了全身各个系统、各个领域的医学影像AI的最新进展和展望。同时，针对核医学、超声、病理、眼科等影像相关专业，邀请了相应领域的顶尖专家进行应用现状的分析，希望能够借此在不同领域互相学习，互相碰撞、借鉴和交流。
第四，本次报告专门有一章梳理了近两年国内学者在医学影像人工智能领域的科研现状，并进行了国内外对比，提出我们所面临的机遇和挑战。
第五，本报告首次引入了AI医疗器械临床的评价章节，分别从AI医疗器械的标准化、临床试验、临床评价、监管等多个维度入手，站在政府、企业、医生不同的角度，深入解读医学影像人工智能的政策和规范化发展路径。本报告预计会在今年10月底印刷出版，敬请期待。以上内容来源于放射之家无独有偶，亿欧智库也在最近发布了《2022年中国人工智能医学影像产业研究报告》，报告显示，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。随着产品临床价值被验证,AI医学影像企业间竞争加剧。
01报告观点
（1）截至2022年，NMPA共批准了45个医疗AI辅助诊断软件上市。产品临床价值已被验证，AI医学影像企业竞争加剧。部分企业开始申请物价编码，希望打通向患者收取产品使用费的流程。
（2）AI+超声、AI应用于肝部、乳腺和AI应用于临床是当前AI医学影像赛道的市场机遇。
（3）医院作为AI医学影像产品的主要采购方，由于预算值以及运营压力等因素，当前阶段仍以免费试用、联合开发作为主要采购方式。当前阶段，AI医学影像产品进入医保的可能性较小，可考虑商业保险等市场化的支付方式。
（4）未来，AI+医学影像的商业化进程依托于人才、数据开放、产品精进、商业模式探索、市场教育等方面，缺一不可。
02AI影像市场机会
展至今，AI辅助产品已经成为影像科医生在影像诊断中不可缺少的帮手，甚至开始有些依赖。目前，AI在于“单病种”或“单设备”的临床工作中的赋能与提升已经有了一定的成效，但这并不能完全满足医生的阅片需求，如何更从容的面对不同的影像数据？如何覆盖更多的影像设备？如何做到与临床工作“更全面”、“更深入”地融合？AI医学影像在病种、影像设备、影像流程三个方向上存在市场机遇。根据AI医学影像三类证的拿证情况以及医院使用AI医学影像产品的调研数据显示，目前应用部位主要集中在肺部、心血管以及骨骼。
统计数据显示，我国粗发病率前六的恶性肿瘤分别为肺癌、结直肠癌、肝癌、胃癌以及食管癌。其中结直肠癌、胃癌的检查方式主要以内窥镜为主。而AI医学影像在肺部赛道已十分拥挤，对于企业来说乳腺检查以及肝部检查存在市场机遇。
当前，医学影像设备品牌呈国产替代以及技术升级的趋势，为AI与影像设备的结合提供了良好的基础，当前AI+CTMRIDR赛道内相对拥挤。超声+AI的产品在研发以及领证上存在市场缺口。当前，AI超声主要应用的领域/部位主要为甲状腺、乳腺、淋巴等。
当前AI医学影像产品主要集中在解决检查阶段的痛点，在治疗阶段，仍有市场机遇。
03 AI影像头部企业
数坤科技：数坤科技是行业领先的智慧医疗健康科技平台，坚持用原创、领先的技术为医疗健康行业提供智慧解决方案及产品。数坤科技构建了世界领先的数字医疗大脑——“数字人体”，自主研发覆盖人体各部位重大常见疾病辅助诊疗产品组合——“数字医生”，目前已经完成在智慧影像、智慧手术、智慧健康领域的全面布局。“数字医生”产品组合包括30多种产品，覆盖五个关键治疗领域，包括心、脑、腹、胸及肌骨系统，用以分析医学影像数据，并在涵盖疾病筛查、诊断、治疗方法选择及规划的临床过程中提升医生工作效率和诊断质量，帮助医生更精准、更便捷、更高效的工作。已获心脑胸4项三类证，覆盖2千余医院。 汇医慧影：汇医慧影成立于2015年，是一家致力于计算机视觉和深度学习技术应用的国家级医学影像人工智能高新技术企业。公司凭借自身科技研发能力和在医疗方面的积累，搭建NovaCloud智慧影像云平台、Dr.Turing人工智能辅助诊断平台和RadCloud大数据人工智能科研平台三大产品体系，完成筛查、诊断、治疗决策支持的闭环。作为中国AI医学影像领域头部企业之一，汇医慧影的产品已在全球50多个国家，1000多家医疗机构实现场景化落地应用。医准智能：医准智能是一家致力于人工智能辅助医疗影像诊断的科技公司。通过图像识别与深度学习技术，达到对病灶的智能识别及分析，为各级医疗及健康管理机构提供医疗影像诊断分析服务，让影像发挥最大临床价值。医准智能通过AI赋能医疗的探索与创新，推出覆盖图像采集、质量控制、影像分析、诊断报告、临床治疗、健康管理、教育培训的全栈式解决方案，真正做到影像全流程智能化；并横向覆盖CT、DR、MRI、乳腺X线（含DBT）、超声等多种影像设备，有效助力影像设备智能化升级、优化人力资源分配、提升临床诊疗标准化水平；并推出集影像组学与深度学习于一体的达尔文智能科研平台，助力医生高效自主完成医学图像的相关研究。目前，医准智能人工智能系列产品已在全国千余家医疗及健康管理机构投入使用。强联智创：强联智创(北京）科技有限公司成立于2016年9月，是国内领先的专注于急性和慢性脑血管病智能诊疗的高新技术企业。公司始终致力于解决临床痛点，基于自有脑血管病诊疗数据库，用智能化手段重构脑血管病诊疗全流程。U族®系列产品覆盖脑血管病从预防、筛查、诊断、治疗、康复、随访各环节，形成全流程、多场景的脑血管病一站式智能诊疗平台，领跑中国脑血管病智能诊疗的垂直领域。科亚医疗：科亚医疗是一家专注大数据和人工智能技术在医疗领域落地应用的公司，致力于用AI赋能影像和医疗大数据信息，打造新一代人工智能医疗器械平台，为患者、医疗机构、生命科学研究机构提供精准医疗服务。作为中国AI医疗器械三类证首证企业，科亚医疗也是率先同时拥有中国NMPA、欧盟CE、美国FDA三重认证产品的人工智能医疗器械国际领先企业。其产品覆盖心血管、头颈、肺部等多个身体部位，其中心血管明星产品深脉分数DVFFR（冠脉血流储备分数计算软件）更是中国首款获得NMPA认证的人工智能三类医疗器械。深睿医疗：深睿医疗是一家专注于人工智能技术在医疗领域应用的国家级高新技术企业，成立于2017年3月，在北京、上海、杭州等地设立独立运营公司。深睿医疗致力于通过突破性的人工智能“深度学习”技术及自主研发的核心算法，为国内外各类医疗服务机构提供基于人工智能和互联网医疗的解决方案。2021年，深睿医疗产品落地全国30多个省市，并为数千家医疗机构提供AI辅助诊断、智能筛查、临床决策、患者服务到医疗大数据治理、科学研究、医生培训、能力建设等全链路的人工智能服务。推想医疗：推想医疗科技股份有限公司（以下简称“推想医疗”）成立于2016年，是一家全球领先的人工智能医疗高新科技企业。推想医疗聚焦AI医疗领域，采取“一横一纵”和“国际化”战略布局打造立体化产品线。横轴涵盖癌症、感染性疾病、心血管疾病、脑血管疾病及创伤等多个疾病领域；纵轴涵盖疾病筛查和诊断（InferRead系列）、疾病干预和治疗（InferOperate系列）、患者健康管理（InferCare系列）及医学研究（InferScholar及InferMatrix)，为政府、医疗机构、医生、患者提供智慧医疗一体化服务。联影智能：联影智能是一家能够提供多场景、多疾病、全流程、一体化智能解决方案的医疗AI企业，以AI赋能临床、科研及设备，覆盖医院／医联体管理、医疗创新生态、工作流优化、精准诊疗、个人健康管理等多个AI应用场景。截至目前已推出40余款赋能医生的AI产品和30多个赋能各类影像设备的AI算法。联影智能致力于通过数智化医疗解决方案解决目前基层医疗机构常面临的人才缺乏、诊疗能力及同质化水平低等问题，加速数字化智能化应用落地，打通医联体内部数据孤岛，帮助基层医疗机构提升诊疗质量和效率。
04未来趋势
机构端：持续推进区域统筹建设，医疗资源分布随之变化，社区卫生服务中心的资源配置和诊疗能力将会进一步提升，信息化建设将会逐步加快，更有利于人工智能医学影像产品落地。企业端：商业化落地脚步逐渐加快，对人才素养、数据开放、产品精进、商业模式探索和市场教育提出更高要求。以基层医疗机构为例，医学影像落地基层时要具备更全面、性价比更高、更容易使用的医学影像设备，促进企业技术应用和资源整合能力发展。
居民端：AI医学影像企业将通过布局数字健康、数字医疗等业务快速打开市场，积极开展科普活动，提升居民认知程度，形成居民共识。回归到题目的问题，影像AI路向何方？我们也逐渐得出了答案，从未来影像发展的趋势来看，我们期盼着更多的厂商从多场景应用的角度，多模态的数据类型出发，进行更全面且更融合的AI产品，持续覆盖更多的医学影像设备、更广的应用场景。人工智能，已经、正在或即将改变各行各业，尤其在医学影像领域大放异彩，并愈发蓬勃。在人工智能的辅助下，医学影像检查更高效，诊断更准确。