作者：麦肯锡研究院

译者：星宇

编辑：小顺

排版：Kerry

出品：SOlab

深度好文，9630字=22分钟阅读

文末有芯片交流群，欢迎扫码加入！

AI终究还是和人类

卷起来了！

➢虚拟人“AYAYI”入职阿里巴巴；

➢湖南卫视推出虚拟主持人小漾；

➢央视新闻首个“冬奥AI手语主播”闪亮登场；

➢每日经济新闻直播间，虚拟主播N小黑和N小白连续直播70天；

➢万科首个虚拟人员工崔筱盼获得公司优秀新人奖.....

万科首个虚拟人员工崔筱盼

虚拟人物的接连出现并在职场上崭露头角，似乎将要取代人类工作，但人类在工作中获得价值存在的权利并未被外移，从深层次分析，这其实表明生产力布局的逐步完善，我们将面对的是一个解放人类“双手”劳动的未来，这是一条迈向“智能化”、轻松生活的必经之路。

在AI产业领域里中国的发展比较迅速，受到了全世界的关注。

湖南卫视虚拟主持人小漾

2022年7月8日，据DIGITIMES报道，根据IBM委托Morning Consult在2022年3月30日至4月12日期间对全球7502家企业进行的在线抽样调查，目前全球企业采用人工智能（AI）的比例为35%，而中国的人工智能部署达到58%，居于全球榜首。

人工智能细分各龙头企业及其发展领域

7月12日，在国家发展改革委举行的新闻发布会上提到，在创新发展方面，将促进新一代信息技术、人工智能等前沿科技在国家公路上的深度应用。

2022年6月，麦肯锡公司官网上发布了一项关于中国人工智能市场的研究报告。该报告表示，到2030年，人工智能可能会彻底改变中国的交通运输和其他关键行业，增加巨大的经济价值，但前提是必须在多个层面进行战略合作和能力建设。

在这些新领域，AI每年可以创造超过6000亿美元的经济价值。——这就有4万多亿元！

当红人气虚拟人-川

报告指出，在过去的十年里，中国已经建立了一个坚实的基础来支持其人工智能经济，并在全球范围内为人工智能做出了重大贡献。斯坦福大学的人工智能指数，从研究、开发和经济的各种指标来评估全球人工智能的进步情况，将中国列为全球人工智能行业最朝气蓬勃的三个国家之一。

例如，在研究方面，中国在2021年产出了约三分之一的人工智能期刊论文和全球人工智能领域论文引用。在经济投资方面，2021年，中国占全球私募基金的近五分之一，为人工智能初创企业吸引了170亿美元融资。

如今，中国的金融、零售和高科技行业对人工智能的采用率很高，这些行业合计占中国人工智能市场的三分之一以上（见下栏 “中国的五类人工智能公司”）。

中国的五类人工智能公司

1、大公司开发端到端的人工智能技术，并在生态系统内进行合作，为企业对企业和企业对消费者的公司服务。

2、传统行业公司通过在内部转型、新产品发布和客户服务中开发和采用人工智能技术，直接为客户服务。

3、垂直领域的人工智能公司为特定领域的使用案例开发软件和解决方案。

4、人工智能核心技术供应商提供计算机视觉、自然语言处理、语音识别和机器学习能力，以开发人工智能系统。

5、硬件公司提供硬件基础设施，以支持人工智能在计算能力和存储方面的需求。

以科技行业为例，引领者“阿里巴巴”和“字节跳动”在中国都是家喻户晓的公司，它们以高度个性化、由人工智能驱动的消费者应用程序而闻名。

事实上，迄今为止，在中国被广泛采用的大多数人工智能应用都是面向消费者的行业，这是由世界上最大的互联网消费者作为基础，以新的方式与消费者互动，提高了客户忠诚度、收入和市场估值。

那么，AI在中国的下一步是什么？

研究表明，在未来十年，中国的人工智能行业在新领域方面迎来了巨大机遇，包括传统上一些创新和研发支出落后于全球同行的领域：汽车、运输和物流；制造业；企业软件；以及医疗保健和生命科学。

在这些行业中，人工智能将可以每年创造超过6000亿美元的经济价值。(中国人口最多的城市——上海，近2800万人口，2021年的国内生产总值大约为6800亿美元）。

在某些情况下，这一价值将来自人工智能产品所产生的收入，而在其他情况下，它将通过提高效率和生产力来节约成本。这些案例可能会成为每个行业公司的战场，这将有助于确定市场领导者地位。

当然，释放这些人工智能机会的全部潜力通常需要大量投资，在某些情况下，比领导者预期的要更多。在大多数方面，包括支撑人工智能系统的数据和技术、用合适的人才和组织心态来构建系统，以及新的商业模式和伙伴关系来创建数据生态系统、行业标准和法规。

研究发现，许多这样的推动因素正在成为能从人工智能中获得最大价值的公司的标准方法。

麦肯斯的研究，首先分享每个行业的最大机会所在，然后概述了首先要解决的核心推动因素。

跟随资金到

最有前途的行业

研究报告中发现了几个行业：

➢汽车、运输和物流，这些行业预计将贡献6000亿美元收入中的大部分——约64%；

➢制造业将贡献另外的19%；

➢企业软件贡献13%；

➢以及医疗保健和生命科学占比4%。

麦肯斯分析

在关键领域，特定领域为中国提供了最大的潜在经济价值。估计总经济价值：6000亿美元。（2021年10-11月，专家访谈和麦肯斯分析）

麦肯斯分析表明，在每个行业中创造价值的机会只集中在两到三个领域。这些领域通常是在过去五年中私募基金和风险投资公司投资较多的地方，并且已经得到成功的证明。

为中国提供了AI最高潜在

经济价值的关键行业

汽车、运输和物流

中国的汽车市场是世界上最大的，使用的车辆数量超过了美国。估计到2030年，中国道路上的汽车将增加到3亿多辆，这一庞大的规模为人工智能提供了肥沃的机会。

人工智能对这个行业产生最大的潜在影响，将带来超过3800亿美元的经济价值。这种价值创造可能主要在三个领域产生：自动驾驶汽车、汽车所有者的个性化和运输公司资产管理。

1、自动驾驶汽车

自动驾驶汽车在这一领域的价值创造中占最大部分（3350亿美元）。

其中一些新的价值预计将来自财务损失的减少，如医疗、急救人员和车辆成本。道路交通事故估计每年将减少3%至5%，因为自动驾驶车辆会主动导航，评估其周围环境，并作出实时驾驶决定，而不会受到许多分心的影响，如短信对人类的干扰。

当城市和企业用共享的自动驾驶车辆取代客货车和公共汽车时，司机人力成本的节约也会带来价值。

WeRide5

传统的汽车制造商和人工智能企业已经取得了重大进展，将自动驾驶能力提升到4级（司机不需要注意，但可以接管控制权）和5级（完全自动驾驶能力，其中包括方向盘是可选的）。

例如，达到4级自动驾驶能力的WeRide5在广州完成了其机器人出租车的试点，在一年内有近15万次出行，且没有发生任何主动责任的交通事故。

WeRide5行驶实录

2、为车主提供个性化的体验

通过使用人工智能来分析传感器和GPS数据，包括车辆部件状况、油耗、路线选择和转向习惯，汽车制造商和人工智能参与者可以越来越多地定制硬件和软件更新建议，并使车主的驾驶体验个性化。

例如，汽车制造商蔚来汽车（NIO）先进的驾驶员辅助系统和电池管理系统可以实时跟踪电动汽车电池的健康状况，诊断使用模式，并优化充电节奏，以提高驾驶员在出行时的电池寿命。

研究发现，通过减少维护成本和意外的车辆故障，可以实现300亿美元的经济价值，并为那些依赖软件更新和新功能付费方式的公司创造增量收入。

3、运输公司资产管理

人工智能在帮助运输公司经理更好地驾驭中国庞大的铁路、公路、内河和民航等网络航道，这些航线是世界上最长的航线之一。

研究发现，随着原始设备制造商和专门从事物流的人工智能企业开发出能够分析物联网数据的运营优化程序，并为运输公司经营者确定更省油的路线和成本更低的维修站，这可能会创造150亿美元的价值。据估计，它可以节省高达15%的燃料和维护成本。

制造业

在制造业方面，中国的声誉正从一个低成本的玩具和服装制造中心演变为处理器、芯片、发动机和其他高端零部件精密制造的领导者。研究结果表明，人工智能可以帮助促进从制造生产到制造创新的转变，并创造1150亿美元的经济价值。

这一价值创造的大部分（1000亿美元）将可能来自于通过使用各种人工智能应用的过程设计创新，如创建下一代装配线的协作机器人，以及复制现实世界用于模拟和优化引擎的数字孪生。

通过数字孪生，制造商、机械和机器人供应商以及系统自动化供应商可以在开始大规模生产之前模拟、测试和验证制造过程的结果，如产品产量或生产线生产力，以便他们能够及早发现昂贵且低效率的过程。

法国人使用数字孪生技术等使巴黎圣母院得以在虚拟世界中永生

一家本地电子制造商使用可穿戴传感器来捕捉和数字化工人的手和身体动作，以模拟生产线上的人类表现，然后优化设备参数和设置。例如，根据工人的身高改变每个工作站的角度，以减少工人受伤的可能性，同时提高工人的舒适度和生产力。

这一领域的其余价值创造（150亿美元）预计将来自人工智能驱动的产品开发改进。公司可以利用数字孪生快速测试和验证新产品设计，以降低研发成本，提高产品质量，并推动新产品创新。

在全球舞台上，谷歌已经提供了可能的一瞥：它可以使用人工智能来快速评估不同的组件布局将如何改变芯片的功耗、性能指标和尺寸。这种方法使设计工程师只需花费一小部分时间就能设计一个最佳芯片。

企业软件

与其他国家一样，总部设在中国的公司正在经历数字化和人工智能的转型，导致新的本地企业软件产业出现，以支持必要的技术基础。这些公司提供的解决方案估计会带来另外800亿美元的经济价值。

在一个案例中，一家本地云计算供应商为中国100多家本地银行和保险公司提供了一个综合数据平台，使他们能够在云计算和企业内部环境中运行，并降低了数据库开发和存储的成本。

在另一个案例中，中国的一家人工智能工具供应商开发了一个共享的人工智能算法平台，可以帮助其数据科学家自动训练、预测和更新特定预测问题的模型。据说使用该共享平台，能将模型生产时间从三个月减少到约两周。

人工智能驱动的软件即服务（SaaS）应用预计将为这一类别贡献剩余的350亿美元经济价值。本地SaaS应用开发商可以应用多种人工智能技术（例如，计算机视觉、自然语言处理、机器学习），帮助公司在财务和税务、人力资源、供应链和网络安全等企业功能方面做出预测和决策。中国一家领先的金融机构已经部署了一个本地的人工智能驱动的SaaS解决方案，使用人工智能机器人，根据员工的职业道路提供个性化的培训建议。

医疗保健和生命科学

近年来，中国加强了对医疗和生命科学与人工智能创新的投资。国家的“十四五” 规划目标是到2025年研发支出每年增长7%，其中至少8%用于基础研究。重点领域之一是加速药物发现和提高成功几率，这也是一个重要的全球问题。

2021年，全球制药业研发支出达到2120亿美元，而2012年为1370亿美元，年复合增长率约为5%。药物发现平均需要5.5年，这不仅延迟了患者获得创新疗法的时间，也缩短了奖励创新的专利保护期。尽管新药开发的成功率有所提高，但全世界只有前20%的制药公司在7年后实现了研发投资的收支平衡。

另一个重中之重是改善病人护理，如今中国的人工智能初创企业正努力建立在诊断结果和临床决策方面提供更准确和可靠的医疗保健的声誉。

麦肯斯的研究表明，人工智能在研发领域可以在三个具体领域增加超过250亿美元的经济价值：更快的药物发现、临床试验优化和临床决策支持。

1、快速药物发现

新药（专利处方药）目前在中国的总市场规模中占不到30%（而在全球范围内占70%以上），这表明在发现过程中引入由人工智能赋予的新药是一个重要的机会。

估计使用人工智能来加速目标识别和新分子设计可以贡献高达100亿美元的价值。

在中国，已经有20多家由私人股本公司或本土大公司资助的人工智能初创公司，正在与传统的制药公司合作，或独立开发新的治疗方法。Insilico Medicine通过使用端到端的生成性人工智能引擎进行目标识别、分子设计和合成优化，在不到18个月的时间里发现了一个治疗肺纤维化的临床前候选药物，成本低于300万美元。

资料来源：观研报告网《中国AI制药行业发展趋势分析与未来投资预测报告（2022-2029年）》

这意味着从目标发现到临床前候选药物的平均时间为6年，平均成本为1800多万美元，大大减少了成本。这个抗纤维化候选药物现在已经成功完成了0期临床研究，并进入了I期临床试验。

2、临床试验优化

研究表明，通过优化临床研究设计（流程、方案、场地）、优化试验交付和执行（混合试验交付模式）以及产生真实世界的证据，可以产生另外100亿美元的经济价值。人工智能技术可以减少临床试验发展的时间和成本，为患者和医疗专业人士提供更好的体验，并实现更高的质量和合规性。

例如，一家全球排名前20的制药公司利用人工智能与流程改进相结合，将临床试验注册时间缩短了13%，并节省了10%至15%的外部成本。

这家全球制药公司为其科技化的临床试验发展优先考虑了三个领域：

为了加速试验设计和运营规划，它利用内部和外部数据的力量来优化方案设计和场地选择。

为了简化研究机构和患者的参与，它建立了一个具有API标准的生态系统，以利用内部和外部创新。

为了建立一个临床试验发展的驾驶舱，它聚集和可视化操作试验数据，以实现完全透明的端到端临床试验操作，从而可以预测潜在的风险和试验延误，并积极主动地采取行动。

3、临床决策支持

麦肯斯的研究结果表明，在医学图像和数据（包括检查结果和症状报告）上使用机器学习算法来预测诊断结果并支持临床决策，可以产生约50亿美元的经济价值。

一家领先的人工智能医疗成像创业公司现在将计算机视觉和机器学习算法应用于视网膜图像的光学相干断层扫描结果。它能自动搜索和识别几十种慢性病和病症的迹象，如糖尿病、高血压和动脉硬化，加快了诊断过程，增加了早期发现疾病的几率。

如何抓住这些机会？

麦肯斯的研究发现提出，实现人工智能的价值将需要每个部门在六个关键的赋能领域，推动重大投资和创新（见下图）。前四个领域是数据、人才、技术，以及采用和推广人工智能技术的工作。其余两个领域，即生态系统的协调和法规的引导，可以作为市场合作的一部分来考虑，并应作为战略努力的一部分来解决。

图中标题：所有四个行业须在六个关键的赋能领域进行投资，以充分释放人工智能的经济潜力，但是它们的重要程度各自不同

这些领域的一些具体挑战是每个部门所特有的。例如，在汽车、运输和物流领域，跟上5G和车联网技术的最新进展，对创造该领域的价值至关重要。医疗保健行业的从业者将希望跟上人工智能可解释性方面的进展；为了让供应商和患者信任人工智能，他们必须能够理解为什么一个算法会做出这样的决定或建议。

概括地说，其中四个领域——数据、人才、技术和市场合作，是将对实经济价值产生巨大影响的共同挑战。没有解决这些挑战，解决其他的挑战将更加困难。

数据

为了使人工智能系统正常工作，它们需要访问高质量的数据，这意味着数据必须是可用、可靠、相关和安全的。如果没有合适的基础设施来存储、处理和管理当天产生的大量数据，这可能是一个挑战。

例如，在汽车领域，每天处理和支持每一辆汽车和道路的数据多达两兆字节，所以高效的处理能力是必要的，以便自动驾驶汽车能了解到前方的情况，并向人类驾驶员提供个性化的体验。在医疗保健领域，人工智能模型需要吸收大量的全息医学数据，以了解疾病，确定新的目标，并设计新的分子。

从人工智能中看到获得最高回报的公司——超过20%的息税前利润(EBIT)由人工智能所贡献，这些公司提供了一些人们对如何实现这一目标的一些见解。麦肯锡2021年全球人工智能调查显示，这些高绩效的公司更有可能投资于核心数据管理，例如快速整合内部结构化数据以用于人工智能系统（51%的表现出色的公司对32%的其他公司），建立整个企业都可以访问的数据字典（53%对29%），并为数据管理制定明确的流程（45%对37%）。

参与数据共享和数据生态系统也是至关重要的，因为这些伙伴关系可以带来其他方式无法实现的洞察力。

例如，医疗大数据和人工智能公司正与众多医院和研究机构合作，将它们的电子病历(EMR)与公开的医学研究数据，和制药公司或合作研究机构的临床试验数据结合起来。其目的是促进药物发现、临床试验和护理点的决策，以便提供者能够更好地为每个病人确定正确的治疗程序和计划，从而提高治疗效果，减少不良副作用的机会。

其中一家公司——“医渡云”，已经为中国500多家医院提供了大数据平台和解决方案，经授权，自2017年以来已经分析了超过13亿份医疗记录，用于真实世界的疾病模型，以支持各种用例，包括临床研究、医院管理和政策制定。

人才

麦肯斯研究发现，如果没有业务领域的知识，企业几乎不可能通过人工智能产生影响。人才知道在每个领域要问什么问题，这可以决定一个特定的人工智能解决方案的成败。

因此，所有四个领域（汽车、运输和物流、制造业、企业软件以及医疗保健和生命科学）的组织都可以从系统地提高现有人工智能专家和知识工作者的技能中受益，成为人工智能翻译——他们知道要问什么业务问题，并可以将业务问题转化为人工智能解决方案。

麦肯斯研究喜欢把他们的技能想象成类似于希腊字母π。这个群体不仅广泛掌握了一般的管理技能，而且在人工智能和领域的专业知识方面也有深厚储备。

为了建立这种人才档案，一些公司可以用培训来提高技术人才的能力。

例如，一家从事药物发现的人工智能初创公司创建了一个项目，对新雇用的数据科学家和人工智能工程师进行药物领域知识的培训，如分子结构和特性。该公司高管称赞，他们人工智能专家有着深厚的领域知识，能够发现了近30种分子用于临床试验。

其他公司则寻求为现有的领域人才配备他们所需的人工智能技能。一家电子产品制造商建立了一个数字和人工智能学院，能为不同职能领域的400多名员工提供在职培训，使他们能够领导整个企业的各种数字和人工智能项目。

技术成熟度

金赛（Kinsey）通过以前的研究发现，拥有正确的技术基础是人工智能成功的关键驱动因素。对于中国的商业领袖来说，麦肯斯的研究结果突出了这一领域的四个重点。

1、增加数字化的采用

各个行业都有提高数字化应用的空间。在医院和其他护理机构，许多与病人、人员和设备有关的工作流程还没有被数字化。这需要进一步的数字化应用，为医疗机构提供必要的数据，以预测病人是否有资格参加临床试验，或为医生提供智能的临床决策支持工具。

制造业也是如此，工厂的数字化程度很低。在整个制造设备和生产线上实施物联网传感器可以使公司积累为数字孪生提供动力所需的数据。

2、实施数据科学工具和平台

算法开发的成本可能很高，公司可以从使用简化模型部署和维护的技术平台和工具中大大受益，就像他们从提高工厂生产线效率的技术投资中受益一样。

麦肯斯研究报告建议公司考虑的一些基本能力，包括可重复使用的数据结构、可扩展的计算能力和自动化的MLOps功能。所有这些都有助于确保人工智能团队能够高效和富有成效地工作。

3、推进云计算基础设施

研究发现，虽然中国云计算上的IT工作负载的百分比与全球调查数据几乎相同，但由于对安全和数据合规性的担忧，私有云计算的份额要大得多。

随着SaaS供应商和其他企业软件供应商进入这个市场，麦肯斯研究建议他们继续推进其基础设施，以解决这些问题，并为企业提供明确的价值主张。这将需要在虚拟化、数据存储容量、性能、弹性和恢复力以及技术灵活性方面取得进一步的进展，以定制业务能力，这也是企业对其供应商那里所期望的。

投资于人工智能研究和先进的人工智能技术。这里描述的许多案例将需要基础技术和工艺的根本进步。例如，在制造业中，需要进一步的研究来提高相机传感器和计算机视觉算法的性能，以便在昏暗的环境中检测和识别物体，这在工厂车间中很常见。

在生命科学领域，可穿戴设备和人工智能算法的进一步创新是必要的，以便在药物发现、临床试验和临床决策支持过程中收集、处理和整合真实世界数据。

在汽车领域，需要在提高自动驾驶汽车模型的准确性和降低建模的复杂性方面取得进展，以提高自动驾驶车辆对物体的感知和在复杂场景中的表现。

对于进行这样的研究，企业和大学之间的学术合作可以促进一切可能。

市场合作

人工智能可能会带来超越任何一家公司能力的挑战，这往往会催生出能够进一步推动人工智能创新的法规和合作伙伴关系。在全球许多市场，出现一些新的法规，如欧洲的《全球数据保护条例》和美国的《加州消费者隐私法》，开始解决新兴问题如数据隐私，这在麦肯斯2021年的全球人工智能调查中被认为是最高的人工智能相关风险。而旨在更广泛地解决人工智能的发展和使用的拟议欧盟法规将在全球范围内产生影响。