引論：我們?yōu)槟砹?3篇醫(yī)學(xué)影像技術(shù)發(fā)展現(xiàn)狀范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫作時的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
（一）醫(yī)學(xué)影像學(xué)科的教育教學(xué)現(xiàn)狀
醫(yī)學(xué)影像技術(shù)是進(jìn)行醫(yī)學(xué)檢查的一項常用技術(shù)，該項技術(shù)的應(yīng)用層面非常廣泛。近幾年，伴隨著醫(yī)學(xué)影像技術(shù)的廣泛應(yīng)用，市場上對醫(yī)學(xué)影像技術(shù)人才的需求也隨之增加。不少高校依據(jù)市場對該項技術(shù)人才的廣泛需求，具有針對性地設(shè)計了相關(guān)人才培訓(xùn)計劃，并在高校課堂設(shè)置以培養(yǎng)醫(yī)學(xué)影像技術(shù)人才為目標(biāo)的醫(yī)學(xué)影像技術(shù)學(xué)的專業(yè)課堂，對教材內(nèi)容、課堂設(shè)計等方面也適時進(jìn)行了技術(shù)創(chuàng)新和改革。雖然這項新的專業(yè)學(xué)科在進(jìn)入高效課堂之初就受到了大多數(shù)人的認(rèn)可，但由于該專業(yè)的設(shè)置時間較短，發(fā)展的時間也不長，在相關(guān)教材以及教育方式上依然存在著很多問題。這些問題之中，能夠影響人才培訓(xùn)的最主要問題是，在不同層次的教育之間醫(yī)學(xué)影像技術(shù)的學(xué)習(xí)在銜接的部分存在不小的問題，例如：專科與本科教育或者是本科與研究生教育之間存在著教育脫節(jié)的現(xiàn)象。另外，普通高校在醫(yī)學(xué)影像技術(shù)專業(yè)應(yīng)用的教材并不統(tǒng)一，導(dǎo)致大多數(shù)學(xué)校的人才培訓(xùn)方向不明確，相關(guān)設(shè)計計劃不符合實際，這就導(dǎo)致了大多數(shù)醫(yī)學(xué)影像學(xué)專業(yè)的人才更難在較短時間內(nèi)適應(yīng)醫(yī)院的工作。
（二）應(yīng)用醫(yī)學(xué)影像技術(shù)的相關(guān)操作人員的工作狀態(tài)
現(xiàn)階段，應(yīng)用醫(yī)學(xué)影像技術(shù)的相關(guān)操作人員，在大多數(shù)醫(yī)療機構(gòu)當(dāng)中從事醫(yī)學(xué)影像技術(shù)的專業(yè)人員被稱為技師。除此之外，還能夠在大學(xué)所附屬的醫(yī)院中擔(dān)任技術(shù)講師或者是教授。在的一些普通的醫(yī)院當(dāng)中，醫(yī)學(xué)影像技術(shù)人員主要從事放射科的工作。在其他大型的綜合性醫(yī)院或者是專科醫(yī)院當(dāng)中，從事影像技術(shù)工作的人員基本上都是大學(xué)本科學(xué)歷，一般很少有碩士畢業(yè)生，在醫(yī)院的放射科博士學(xué)歷的影像技術(shù)操作人員幾乎上沒有。而在略差于市級醫(yī)院的地方醫(yī)院當(dāng)中，放射科擔(dān)任影像技術(shù)操作人員的則為專科學(xué)歷。在醫(yī)院的放射科，各科的醫(yī)生和相關(guān)的技術(shù)操作人員數(shù)量基本一致。因此，在一些大型的綜合性質(zhì)的醫(yī)院，或者是具有較完善的醫(yī)療圖像管理與通信系統(tǒng)的專科醫(yī)院當(dāng)中，放射科的大多數(shù)醫(yī)生往往是進(jìn)行后臺的普通檢驗工作，而醫(yī)學(xué)影像技術(shù)學(xué)科的人員擔(dān)任前臺檢查的重要工作。該項技術(shù)人員不不僅僅擔(dān)任接診病人的工作，而且還負(fù)責(zé)患者所檢查的疾病圖像的收集工作和審核任務(wù)。這也就提高了技術(shù)人員對相關(guān)技術(shù)知識掌握的要求，不僅僅要有牢固的圖像采集知識體系，還要熟悉各種處理和核查相關(guān)的技術(shù)。此外，最基本的還要牢牢掌握相關(guān)的醫(yī)學(xué)知識。只有做到上述要求，醫(yī)學(xué)影像檢查技術(shù)人員才能夠在第一時間為病人的檢查做出正確的疾病醫(yī)學(xué)判斷以及準(zhǔn)確的技術(shù)操作，有利于提高檢查結(jié)果的準(zhǔn)確率。除此之外，進(jìn)行醫(yī)學(xué)影像的相關(guān)影像設(shè)備一般價格較昂貴，這就需要相關(guān)操作人員在進(jìn)行操作時要保障設(shè)備的安全，在檢查患者疾病的同時最大程度上保護(hù)相關(guān)影響設(shè)備。熟悉的醫(yī)學(xué)影像的相關(guān)理論知識與實際的設(shè)備操作進(jìn)行融合，從而順利地進(jìn)行醫(yī)學(xué)檢查，延長影像設(shè)備的使用壽命。在當(dāng)前，影響設(shè)備的進(jìn)化與影像技術(shù)人員專業(yè)素質(zhì)不高兩個方面出現(xiàn)一定的矛盾，這就使得相關(guān)高級的影像，設(shè)備不能夠在臨床檢驗工作中充分的發(fā)揮經(jīng)驗作用，降低圖像檢查的準(zhǔn)確性。因此，在接受相關(guān)學(xué)校教育的理論教學(xué)之后，醫(yī)學(xué)影像技術(shù)人員還需要加強對實踐應(yīng)用的掌握，各級醫(yī)院也應(yīng)該適度地增加對影像技術(shù)人員的專業(yè)培訓(xùn)。
（三）現(xiàn)階段醫(yī)學(xué)影像技術(shù)的組織管理情況
在我國，與醫(yī)學(xué)影像技術(shù)有關(guān)的專業(yè)性組織就是中華影像技術(shù)學(xué)會，該學(xué)會是中華醫(yī)學(xué)會附屬下的影像技術(shù)專業(yè)學(xué)會，是同中華超聲學(xué)會、中華放射學(xué)會以及中華合醫(yī)學(xué)學(xué)會共同組成的關(guān)于影像學(xué)科的醫(yī)學(xué)與核影像技術(shù)的四大學(xué)會。中華影像技術(shù)學(xué)會下屬有七個專業(yè)學(xué)組，其中就包括電子計算機斷層掃描技術(shù)學(xué)組、MR技術(shù)學(xué)會以及醫(yī)療圖像管理與通信系統(tǒng)技術(shù)學(xué)會，除此之外，還包含三個籌備的專業(yè)學(xué)組以及三個學(xué)部。在我國，每年都會在固定時間舉辦中華影像技術(shù)學(xué)會大會，其主要目的是進(jìn)行影像技術(shù)交流，是一種具有國際性的專業(yè)學(xué)會討論大會，參與到大會當(dāng)中的人員，大都是來自于世界各國從事醫(yī)學(xué)影像專業(yè)技術(shù)的高水平人員。這樣的學(xué)術(shù)交流大會，能夠精進(jìn)醫(yī)學(xué)影像技術(shù)，因此，吸引了各國的技術(shù)人員的參與。另外，在我國大多省份當(dāng)中，省或市內(nèi)都存在專業(yè)的影像技術(shù)學(xué)會小組，而且一些地區(qū)也建立了相關(guān)的。我國所開設(shè)的與醫(yī)學(xué)影像技術(shù)有關(guān)的網(wǎng)絡(luò)教育平臺，其開設(shè)范圍也惠及全國，這也幫助了許多就職員工進(jìn)行再度的深度學(xué)習(xí)，從而培養(yǎng)出更多的醫(yī)學(xué)影像技術(shù)操作人員，提高操作人員的專業(yè)水平。
二、醫(yī)學(xué)影像技術(shù)學(xué)科的發(fā)展趨勢
（一）醫(yī)學(xué)影像學(xué)科技術(shù)發(fā)展的總方向
在當(dāng)前的醫(yī)學(xué)影像技術(shù)發(fā)展過程中，醫(yī)學(xué)診斷過程和介入治療的過程是分開的，但隨著各項醫(yī)學(xué)技術(shù)的不斷創(chuàng)新和發(fā)展，這兩者必然會在一定時期之后建立相互聯(lián)系的，呈現(xiàn)出完整的現(xiàn)代影像學(xué)科系統(tǒng)。當(dāng)前，影像技術(shù)的研究方向主要是大體形態(tài)學(xué)，主要在圖像的收集以及判斷上發(fā)揮作用。在未來，影像技術(shù)會隨著科學(xué)技術(shù)的發(fā)展，向分子、功能代謝以及基因成像等方面發(fā)展。而且，當(dāng)前的影像技術(shù)主要采用膠片收集的技術(shù)，但隨著計算機技術(shù)的發(fā)展以及數(shù)字化方向的技術(shù)創(chuàng)新，未來的影像技術(shù)會考慮應(yīng)用到數(shù)字化和電子技術(shù)，將圖像收集和傳輸過程，以數(shù)字化現(xiàn)代化的形式呈現(xiàn)。
（二）醫(yī)學(xué)影像技術(shù)的具體走向
由于一些影像技術(shù)在我國發(fā)展的時間較短，各項技術(shù)仍然不夠成熟。當(dāng)初學(xué)醫(yī)學(xué)技術(shù)不斷創(chuàng)新性發(fā)展，未來的醫(yī)學(xué)影像技術(shù)將會呈現(xiàn)更加直觀、更具有特征性的信息。在其他方面，現(xiàn)階段對于影像的分析都是趨于定向的，在未來會轉(zhuǎn)變成定量的方向發(fā)展，不僅僅會判斷出疾病的診斷結(jié)果，還會給進(jìn)行疾病治療以及手術(shù)操作提供方向。
（三）醫(yī)學(xué)影像技術(shù)的發(fā)展趨勢
篇2
1.1 技術(shù)特點
計算機圖像處理與識別技術(shù)又被稱之為圖像識別（Image Recognition，下面簡稱IR技術(shù)），它的技術(shù)核心是計算機與信息兩種當(dāng)前最為先進(jìn)的技術(shù)，其中計算機系統(tǒng)是該技術(shù)得以實現(xiàn)的載體，主要負(fù)責(zé)完成各種輸入圖像的處理與分析，再將分析結(jié)果與數(shù)據(jù)庫中的有關(guān)信息進(jìn)行比對，從而實現(xiàn)對不同對象的準(zhǔn)確識別。IR技術(shù)是時代進(jìn)步的產(chǎn)物，它是一種非常強大的技術(shù)，可以幫助使用者從大量的圖像當(dāng)中得到有價值的信息，由此使得該技術(shù)在多個領(lǐng)域中獲得了廣泛的應(yīng)用，其在對圖像進(jìn)行識別的過程中，主要是利用空間映射來獲取基本的圖像，然后再借助計算機的分析與處理能力，通過對圖像特征的提取，并將之與數(shù)據(jù)庫中存儲的相關(guān)信息進(jìn)行對比和匹配，確保了圖像處理后的高清晰度和可識別性。IR技術(shù)之所以在各個領(lǐng)域內(nèi)得到了廣泛應(yīng)用與其自身所具備的諸多特點有著密不可分的關(guān)系，下面對技術(shù)的一些特點進(jìn)行簡要闡述。
1.1.1 超大的信息處理量
IR技術(shù)是以計算機為載體，以系統(tǒng)軟件和數(shù)據(jù)庫作為支撐，在硬件與軟件配置全部滿足條件的前提下，它可以對大量的圖像信息進(jìn)行有效的處理，并在較短的時間內(nèi)完成圖像的識別。
1.1.2 超高的精確度
傳統(tǒng)的圖像識別由于受到技術(shù)水平的限制，只能夠?qū)蝹€的圖像進(jìn)行處理，通過將圖像中的信息以數(shù)字化形式轉(zhuǎn)換為2D數(shù)組，實現(xiàn)對圖像的處理與識別，識別結(jié)果的精確度并不是很高。而IR技術(shù)借助了計算機系統(tǒng)強大的處理能力，并利用信息技術(shù)和數(shù)據(jù)庫，使圖像識別可以滿足用戶對圖像精確度的要求。
1.1.3 超強的靈活性
利用IR技術(shù)進(jìn)行圖像識別時，借助計算機系統(tǒng)可對圖像進(jìn)行放大處理，這使得該技術(shù)變得更較靈活，再通過相關(guān)的運算方法便可完成整個圖像的處理與識別過程。
1.2 發(fā)展現(xiàn)狀
從IR技術(shù)的發(fā)展歷程上看，其經(jīng)歷了以下三個階段，第一個階段是對文字信息的識別，第二個階段是對數(shù)字化信息的處理，第三個階段是對物體的識別。第一個階段起始于上個世紀(jì)50年代，在當(dāng)時，文字識別的主要對象是字母、符號等，很多領(lǐng)域中的專用設(shè)備對該技術(shù)進(jìn)行了利用；第二個階段是在上個世紀(jì)60年代中期，隨著科技的不斷發(fā)展，數(shù)字圖像逐步被運用到了圖像識別的研究領(lǐng)域當(dāng)中，數(shù)字化的圖像處理以其自身所具備的諸多優(yōu)勢，給圖像識別的發(fā)展提供了條件；在前兩個階段的基礎(chǔ)之上，IR技術(shù)利用人工智能化的各種研究成果實現(xiàn)了對物體的識別，至此該技術(shù)在各個領(lǐng)域及行業(yè)中得到了越來越廣泛的應(yīng)用。提升對圖像的識別能力是IR技術(shù)發(fā)展過程中的核心及重點，目前，在業(yè)內(nèi)專家學(xué)者的不懈研究下，該技術(shù)已經(jīng)日趨成熟，經(jīng)過計算機處理之后的圖像信息，無論是在清晰度方面，還是在可識別性方面都有了非常顯著的提升。
2 圖像識別技術(shù)的應(yīng)用及細(xì)節(jié)問題
現(xiàn)階段，IR技術(shù)在各個領(lǐng)域及行業(yè)中獲得了廣泛應(yīng)用，下面本文重點對該技術(shù)在交通、醫(yī)學(xué)、安防和農(nóng)業(yè)等幾個領(lǐng)域中的應(yīng)用及一些細(xì)節(jié)問題進(jìn)行分析。
2.1 在交通領(lǐng)域的應(yīng)用
在交通領(lǐng)域中，IR技術(shù)主要被應(yīng)用于ITS系統(tǒng)當(dāng)中，具體的應(yīng)用范圍包括以下幾個方面：
2.1.1道路識別
在交通環(huán)境中，由于路況較為復(fù)雜，所以經(jīng)常需要運用車載導(dǎo)航來識別不同環(huán)境下的路況信息，IR技術(shù)的應(yīng)用，能夠快速識別出各種不同的路況，從而為駕駛員提供有效的信息，確保了行車的安全性。
2.1.2車輛檢測
對于交通監(jiān)控系統(tǒng)而言，車輛檢測是重要環(huán)節(jié)，而想要對交通路網(wǎng)中的各種車輛進(jìn)行有效的識別與跟蹤，就必須對車輛進(jìn)行準(zhǔn)確地分割，在此基礎(chǔ)上才可以實現(xiàn)對交通流信息的測量與分析，換言之車輛檢測是交通流各類參數(shù)測量的基礎(chǔ)。利用IR技術(shù)能夠?qū)⒔煌肪W(wǎng)中的各種車輛進(jìn)行準(zhǔn)確地分割，為車輛計數(shù)、車流量、行車速度等交通流參數(shù)的測量提供了條件。
2.2在安防領(lǐng)域的應(yīng)用
在當(dāng)前的社會中，人們開始逐步認(rèn)識到安防的重要性，由此推動了安防領(lǐng)域的發(fā)展，各種視頻監(jiān)控系統(tǒng)層出不窮。對于這類系統(tǒng)而言，在應(yīng)用時，需要通過人工的方式對視頻圖像進(jìn)行查看，這無形中增大了勞動強度。IR技術(shù)與安防技術(shù)的融合，使這一問題得到了有效的解決。基于IR技術(shù)的視頻智能分析系統(tǒng)可以對前端采集到的圖像信息進(jìn)行智能分析，并將其中有效的信息提取出來，減輕了使用者的工作量，真正意義上地實現(xiàn)了視頻監(jiān)控自動化。
2.3 在醫(yī)學(xué)領(lǐng)域中的應(yīng)用
醫(yī)學(xué)是與人類健康有關(guān)的重要領(lǐng)域之一，推動它的發(fā)展對于人類而言意義重大。目前，IR技術(shù)在醫(yī)學(xué)領(lǐng)域中有著十分廣泛的應(yīng)用，尤其是在臨床和病理研究中。例如，CT（電子計算機斷層掃描），它實質(zhì)上就是IR技術(shù)的擴(kuò)展應(yīng)用；又如微創(chuàng)手術(shù)中的手術(shù)導(dǎo)航技術(shù)，它是利用IR技術(shù)和醫(yī)學(xué)影像，獲悉患者的情況，據(jù)此制定最為合理可行的手術(shù)方案，并在手術(shù)前完成模擬操作。
2.4 在農(nóng)業(yè)中的應(yīng)用
我國是農(nóng)業(yè)大國，農(nóng)業(yè)的發(fā)展對于國民經(jīng)濟(jì)增長有著至關(guān)重要的作用。在農(nóng)業(yè)生產(chǎn)中，應(yīng)用IR技術(shù)可對農(nóng)作物的生長過程進(jìn)行監(jiān)測與評價，還能對農(nóng)產(chǎn)品進(jìn)行質(zhì)檢。在農(nóng)場中，通過IR技術(shù)可以進(jìn)行病蟲害的圖像診斷，并對整個農(nóng)場進(jìn)行全景圖像監(jiān)控。
3 結(jié)論
綜上所述，本文在簡要闡述IR技術(shù)的特點及其發(fā)展現(xiàn)狀的基礎(chǔ)上，從交通、醫(yī)學(xué)、安防和農(nóng)業(yè)等幾個領(lǐng)域，對IR技術(shù)的應(yīng)用及細(xì)節(jié)問題進(jìn)行了分析。期望通過本文的研究，能夠在促進(jìn)IR技術(shù)發(fā)展的同時，使其在更多的領(lǐng)域中得到更廣泛的應(yīng)用。
參考文獻(xiàn)
[1]楊勁峰，陳清，韓曉日.數(shù)字圖像處理技術(shù)在蔬菜葉面積測量中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報，2012（10）：78-79.
[2]楊小冬.寧新寶.自動圖像識別系統(tǒng)圖像分割算法的研究[J].南京大學(xué)學(xué)報，2014（12）：124-126.
[3]孫鳳杰，崔維新，張晉保等.遠(yuǎn)程數(shù)字視頻監(jiān)控與圖像識別技術(shù)在電力系統(tǒng)中的應(yīng)用[J].電網(wǎng)技術(shù)，2012（5）：81-84.
[4]陳兵旗，孫旭東，韓旭.基于機器視覺的水稻種子精選技術(shù)[J].農(nóng)業(yè)機械學(xué)報，2013（11）：99-101.
篇3
以問題為導(dǎo)向的教學(xué)方法（problem based learning ，PBL）提倡以學(xué)生為中心，教師為引導(dǎo)的小組討論式教學(xué)，強調(diào)把學(xué)習(xí)設(shè)置到真實的問題情境中，通過讓學(xué)生站在問題解決者的角度來合作解決真實性問題，形成解決問題的技能和自主學(xué)習(xí)的能力。
本文通過對PBL教學(xué)法的特點進(jìn)行分析，探討在核醫(yī)學(xué)見習(xí)教學(xué)中引入PBL教學(xué)法的可行性。
一、PBL的發(fā)展現(xiàn)狀：
PBL是以問題為基礎(chǔ)，以學(xué)生為主體，以小組討論為形式，在
輔導(dǎo)教師的參與下，圍繞某一醫(yī)學(xué)專題或具體病例的診治等問題進(jìn)行研究的學(xué)習(xí)過程。PBL教學(xué)法是1969年由美國神經(jīng)病學(xué)Barrows教授在加拿大的麥克馬斯特大學(xué)首創(chuàng)[1]，主要集中應(yīng)用于醫(yī)藥學(xué)教育領(lǐng)域。PBL教學(xué)法在國外的醫(yī)學(xué)院校中已經(jīng)廣泛開展，并取得良好的教
【基金項目】昆明醫(yī)科大學(xué)2015年教研教改立項課題（2015-JY-Y-47）
【作者簡介】張怡（1982-），女，云南昆明人，碩士研究生，主治醫(yī)師，主要從事核醫(yī)學(xué)診斷、治療及教學(xué)工作。
【通訊作者】王家平.Email：
學(xué)效果。在國內(nèi)PBL教學(xué)法于20世紀(jì)90年代中后期引入到醫(yī)學(xué)教學(xué)領(lǐng)域，近年來已在部分醫(yī)學(xué)院校的基礎(chǔ)醫(yī)學(xué)與臨床醫(yī)學(xué)中小規(guī)模應(yīng)用，但與國外相比，尚未形成成熟的PBL教學(xué)體系，目前絕大部分醫(yī)科院校仍處于嘗試摸索階段[2]。PBL教學(xué)法與傳統(tǒng)教學(xué)法有明顯的區(qū)別。首先學(xué)生針對具體醫(yī)學(xué)概念或病例提出問題，確定自已的學(xué)習(xí)目標(biāo)，隨后進(jìn)行獨立資料收集、自學(xué)、研究等工作，最后回到小組中進(jìn)行充分的討論。這種方法使學(xué)生在提出問題、解決問題以及尋找答案的過程中獲取知識、培養(yǎng)能力，可見PBL教學(xué)法側(cè)重于問題本身的解決，其特點是打破學(xué)科界限，圍繞問題編制綜合課程，以塑造學(xué)生的獨立自主性，培養(yǎng)創(chuàng)新力和理解及獲取知識、有效運用知識、解決新問題的能力。
二、核醫(yī)學(xué)的特點及教學(xué)現(xiàn)狀
核醫(yī)學(xué)是研究核技術(shù)在醫(yī)學(xué)中的應(yīng)用及其理論的學(xué)科，是一門涉及多學(xué)科領(lǐng)域的綜合性、邊緣性醫(yī)學(xué)學(xué)科[3]。核醫(yī)學(xué)分為實驗核醫(yī)學(xué)和臨床核醫(yī)學(xué)。從應(yīng)用領(lǐng)域講，臨床核醫(yī)學(xué)又分為診斷核醫(yī)學(xué)和治療核醫(yī)學(xué)，包括臨床診斷、放射性核素治療、核素顯像和功能測定，幾乎涉及醫(yī)學(xué)的各個學(xué)科和專業(yè)。從技術(shù)手段來講，實驗核醫(yī)學(xué)不僅有放射性核素示蹤技術(shù)、放射性核素動力學(xué)分析、放射自顯影技術(shù)，還有體外放射分析技術(shù)、放射線測量技術(shù)等。核醫(yī)學(xué)涉及的學(xué)科范圍廣，技術(shù)發(fā)展速度快，必須緊密結(jié)合臨床，在實踐中學(xué)習(xí)應(yīng)用才能真正理解核醫(yī)學(xué)。
相對于核醫(yī)學(xué)儀器設(shè)備的不斷更新和技術(shù)的不斷進(jìn)步，核醫(yī)學(xué)的教學(xué)模式卻無明顯變化。在傳統(tǒng)的教學(xué)模式中，教師是教學(xué)活動的主體，只需根據(jù)教學(xué)大綱和教材寫出教案，再根據(jù)教案和教學(xué)內(nèi)容制作相應(yīng)的多媒體，課堂上需要粉筆、黑板和投影儀，即可完成教學(xué)任務(wù)。因此傳統(tǒng)的醫(yī)學(xué)教學(xué)模式為課堂教學(xué)加上見習(xí)、實習(xí)。目前核醫(yī)學(xué)的教學(xué)方法主要是按照課本的順序介紹各系統(tǒng)的顯像原理、顯像方法、正常影像、異常影像、適應(yīng)癥及臨床應(yīng)用，授課過程中適當(dāng)穿插一些典型的核醫(yī)學(xué)影像圖片，理論教學(xué)與見習(xí)閱片過程都是以教師講解為主，課堂上將大量的教學(xué)內(nèi)容濃縮在有限的時間內(nèi)灌輸給學(xué)生，使教學(xué)內(nèi)容與臨床實踐脫節(jié)，授課時采用“滿堂灌”和“填鴨式”的課堂講授，使學(xué)生接受的是被動教育。授課時教學(xué)手段單一，講課方式單調(diào)，理論課的授課內(nèi)容多而授課學(xué)時相對較少，同時核醫(yī)學(xué)的專業(yè)內(nèi)容生澀難懂，尤其是核醫(yī)學(xué)的理論和臨床影像較難理解。一堂課下來，教師往往感到力不從心，學(xué)生亦似懂非懂，需要花大量時間記憶講授內(nèi)容，導(dǎo)致學(xué)習(xí)缺乏主動性，易產(chǎn)生厭學(xué)情緒，嚴(yán)重阻礙了求知欲望，從而影響教學(xué)質(zhì)量及教學(xué)效率的提高，這種教學(xué)方法極大的滯后于現(xiàn)代核醫(yī)學(xué)知識的更新及設(shè)備和制劑的發(fā)展，難以適應(yīng)當(dāng)今核醫(yī)學(xué)教學(xué)時數(shù)少、知識容量大、理論深奧難懂、重點難點多、影像圖片龐大等特點。另外，由于學(xué)時數(shù)較少，學(xué)生普遍不夠重視，一旦到臨床實習(xí)階段，核醫(yī)學(xué)的知識已經(jīng)全部忘光，更不要提畢業(yè)后臨床工作中對核醫(yī)學(xué)知識的了解，這嚴(yán)重違背了普及核醫(yī)學(xué)及相關(guān)知識的宗旨。
這種學(xué)習(xí)方式顯然已經(jīng)不適應(yīng)當(dāng)代核醫(yī)學(xué)的教學(xué)，故尋找其他新的教學(xué)方法迫在眉睫。而PBL教學(xué)法則代表著當(dāng)代醫(yī)學(xué)教育中比較新穎、頗有前景的一種教學(xué)方法。
三、PBL在核醫(yī)學(xué)教學(xué)中應(yīng)用的可行性
核醫(yī)學(xué)是一門新興的綜合性學(xué)科，同時核醫(yī)學(xué)的影像又是功能性影像，因此，學(xué)生要想學(xué)好這門課程，必須具備包括基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)、核物理和核化學(xué)等相關(guān)學(xué)科的基礎(chǔ)知識，并將核醫(yī)學(xué)知識與基礎(chǔ)醫(yī)學(xué)和臨床醫(yī)學(xué)的相關(guān)知識有機的聯(lián)系起來加以分析和理解。近年來有關(guān)PBL教學(xué)法在臨床核醫(yī)學(xué)中的應(yīng)用也陸續(xù)有文獻(xiàn)報道。PBL教學(xué)法作為目前醫(yī)學(xué)教育改革和探討的熱點問題，針對其有效性，完全可以在核醫(yī)學(xué)教學(xué)中引入PBL教學(xué)思路和教學(xué)方式，但需要注意這種引入不是照搬，而是構(gòu)建適合我國國情的有效模式。在中國現(xiàn)行的教育體制下，PBL教學(xué)法全面實施起來還是有一定的難度，首先是教學(xué)內(nèi)容缺乏系統(tǒng)性和完整性，整教學(xué)過程要求較高，必須環(huán)環(huán)相扣才能更好的體現(xiàn)出PBL教學(xué)的優(yōu)勢；其次是學(xué)生已經(jīng)適應(yīng)了傳統(tǒng)的以教師為中心的“填鴨式”教學(xué)，采用新的教學(xué)模式仍需要有一個適應(yīng)過程；另外PBL教學(xué)法需要建立一支高素質(zhì)的教師隊伍，需要具備一套評價考核體系等一系列軟硬件設(shè)施。因此PBL教學(xué)法的實施受社會經(jīng)濟(jì)發(fā)展的制約，在目前還沒有成熟方案的情況下，可以小范圍逐漸采用。
目前核醫(yī)學(xué)教學(xué)可以嘗試PBL教學(xué)法和傳統(tǒng)教學(xué)方法相結(jié)合的道路。理論大課采用傳統(tǒng)教學(xué)方法進(jìn)行講授，使學(xué)生具備一定的基礎(chǔ)知識。在見習(xí)課上，通過選擇適當(dāng)?shù)牟±瑢嵭蠵BL教學(xué)方法，以臨床問題來激發(fā)學(xué)生的學(xué)習(xí)動力和對學(xué)科的興趣，學(xué)生通過自主查閱相關(guān)資料，在教師的指導(dǎo)下完成學(xué)習(xí)。可選取臨床應(yīng)用廣泛、較獨特的核醫(yī)學(xué)診治項目，并結(jié)合病例進(jìn)行教學(xué)。例如以心肌灌注顯像章節(jié)為例，理論大課講授完心肌灌注顯像這一章節(jié)后，可向?qū)W生布置見習(xí)課內(nèi)容：選擇一個心肌缺血患者的典型病例，給學(xué)生提出以下問題：心臟的血液供應(yīng)？解剖結(jié)構(gòu)？心臟的生理特點？心肌缺血的病理表現(xiàn)？診斷心肌缺血的方法？每種方法的優(yōu)勢和不足？核醫(yī)學(xué)有哪些方法可診斷心肌缺血？每種方法如何達(dá)到診斷目的？如果確診為心肌缺血，如何治療？.....這樣就會促使學(xué)生廣泛查閱資料，了解有關(guān)心肌缺血的解剖、病理生理、臨床表現(xiàn)和診治方法等相關(guān)知識。學(xué)生在查閱資料的過程中，對核醫(yī)學(xué)相關(guān)章節(jié)心肌灌注顯像就會進(jìn)行進(jìn)一步的自主學(xué)習(xí)，了解心肌灌注顯像的原理、顯像方法、適應(yīng)癥、正常圖像和臨床應(yīng)用，達(dá)到教學(xué)目的。
在核醫(yī)學(xué)見習(xí)教學(xué)中引入PBL教學(xué)方法，讓學(xué)生在已有所了解和具有自主學(xué)習(xí)核醫(yī)學(xué)的能力后，再去主動探究，激發(fā)學(xué)習(xí)興趣、反復(fù)思考，同時培養(yǎng)學(xué)生在實踐中發(fā)現(xiàn)問題、分析問題、解決問題的能力和創(chuàng)新精神，培養(yǎng)學(xué)生自主學(xué)習(xí)的意識和能力，不斷更新知識，促使其成為一名終身自我教育者。
參考文獻(xiàn)
篇4
隨著傳統(tǒng)學(xué)科的不斷融合和滲透，新興交叉學(xué)科為科學(xué)技術(shù)的發(fā)展注入了新的活力，近年來科學(xué)新理論、新發(fā)明的產(chǎn)生和新型工程技術(shù)的出現(xiàn)，往往都是在學(xué)科的邊緣或交叉點上，因此交叉學(xué)科越來越受到各國政府的重視。2004年美國國家科學(xué)院協(xié)會經(jīng)過全面系統(tǒng)調(diào)研， 發(fā)表了《促進(jìn)交叉學(xué)科研究》的報告，明確了交叉學(xué)科研究的定義、特征和推動力，提出了研究人員、學(xué)術(shù)機構(gòu)、資助機構(gòu)、專業(yè)學(xué)會等促進(jìn)交叉學(xué)科研究的建議。國內(nèi)外高校和研究機構(gòu)也積極倡導(dǎo)文、理、工學(xué)科間相互滲透結(jié)合，紛紛建立面向世界科學(xué)前沿和國家重大需求的各類跨學(xué)科計劃、項目和研究平臺。隨著學(xué)科發(fā)展的深入，如何建立有利于一流交叉學(xué)科人才培養(yǎng)，尤其是作為科研主干力量的研究生培養(yǎng)管理模式就成為當(dāng)前迫切需要解決的難題。
一、交叉學(xué)科人才培養(yǎng)現(xiàn)狀
1.國外發(fā)展現(xiàn)狀
20世紀(jì)90年代初，為了培養(yǎng)現(xiàn)代科技和社會發(fā)展所急需的創(chuàng)新型交叉學(xué)科人才，德意志研究聯(lián)合會推出了博士研究生培養(yǎng)模式改革的重要舉措，經(jīng)歷了20多年的發(fā)展和不斷調(diào)整、補充和完善，如今取得了巨大成功。德國博士生院是高校用來培養(yǎng)科研后繼人才的臨時性機構(gòu)，由各州高校向德意志研究聯(lián)合會申請，經(jīng)評議、復(fù)審等甄別程序后建立。每所高校可以申請多個博士生院，但每個博士生院都必須由相關(guān)交叉學(xué)科共同組建。博士生院不僅可以是由德國高校內(nèi)部、高校之間、高校和研究機構(gòu)共同申請組建，也可以是由德國某一高校或者科研單位牽頭，由德國境外伙伴單位參與組建。德意志研究聯(lián)合會對批準(zhǔn)建立的博士生院資助，并定期進(jìn)行項目評估和考核。博士生院不是一個長期機構(gòu)，德意志研究聯(lián)合會規(guī)定最長可資助年限為9年，資助期滿以后，無論效益和成果如何，該研究生院必須撤出，重新尋找新的交叉領(lǐng)域和合作伙伴。[1]
美國的學(xué)科專業(yè)目錄在2002年最新一次的修訂文稿中，單獨設(shè)置了“交叉學(xué)科”和“綜合學(xué)科”2個學(xué)科群，占所有學(xué)科群的比例為7%。如美國密歇根大學(xué)早在1999年就成立了交叉學(xué)科專家委員會， 向?qū)W校提交了《對交叉學(xué)科發(fā)展遠(yuǎn)景的建議報告》。南加州大學(xué)在2006年公布了《美國南加州大學(xué)交叉學(xué)科研究發(fā)展規(guī)劃建議》， 它們在設(shè)立交叉學(xué)科專家委員會、通過學(xué)院內(nèi)或跨學(xué)院的聯(lián)合聘任教授、完善交叉學(xué)科考核評價體系、建立交叉學(xué)科激勵機制、建立經(jīng)費保障措施、促進(jìn)交叉學(xué)科人才培養(yǎng)等方面均進(jìn)行了積極、有益的實踐。[2]
2.國內(nèi)發(fā)展現(xiàn)狀
我國《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006-2020年）》、《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》等重要文件中，對交叉學(xué)科發(fā)展和人才培養(yǎng)模式改革均作出了重要戰(zhàn)略部署。國內(nèi)眾多高校等近年來紛紛成立了橫貫生物醫(yī)學(xué)、自然科學(xué)、應(yīng)用科學(xué)和社會科學(xué)等多學(xué)科的交叉學(xué)科研究所或研究中心。如北京大學(xué)成立的跨學(xué)科類組織機構(gòu)：元培學(xué)院、前沿交叉學(xué)科研究院、分子醫(yī)學(xué)研究所等，清華大學(xué)成立的交叉信息研究院，西安交通大學(xué)成立的前沿科學(xué)技術(shù)研究院，這些交叉學(xué)科研究所或研究中心集中了生物學(xué)家、物理學(xué)家和化學(xué)家等不同學(xué)科專家的智慧以促進(jìn)學(xué)科的交叉和滲透，并進(jìn)行交叉學(xué)科人才的培養(yǎng)教育。[3] [4]
二、上海交通大學(xué)在交叉學(xué)科研究生培養(yǎng)道路上的探索
近年來上海交通大學(xué)一直將發(fā)展醫(yī)工交叉、醫(yī)理交叉科學(xué)作為主要戰(zhàn)略之一，于2007年11月成立了主要從事轉(zhuǎn)化型醫(yī)工（理）交叉科學(xué)研究的Med-X研究院，該研究院依托上海交通大學(xué)豐富的臨床醫(yī)學(xué)資源和強大的理工科優(yōu)勢，以解決臨床醫(yī)學(xué)問題為目標(biāo)導(dǎo)向，進(jìn)行前沿性醫(yī)學(xué)科學(xué)研究，開發(fā)高尖端領(lǐng)先性醫(yī)療技術(shù)產(chǎn)品，同時在交叉學(xué)科人才培養(yǎng)模式上積極探索，取得了一定成。效。
1.完善課程體系
Med-X研究院依托“生物醫(yī)學(xué)工程”學(xué)科，著力培養(yǎng)在生物、醫(yī)學(xué)、工程技術(shù)領(lǐng)域中具有開展交叉研究能力的有創(chuàng)新精神的交叉學(xué)科人才。生物醫(yī)學(xué)工程研究領(lǐng)域范圍非常廣泛，包括醫(yī)學(xué)影像信息學(xué)、生物醫(yī)學(xué)儀器、生物材料、生物力學(xué)、組織和基因工程、康復(fù)工程、系統(tǒng)生物醫(yī)學(xué)、神經(jīng)科學(xué)與工程等，這種鮮明的交叉與復(fù)合特性需要學(xué)生能綜合應(yīng)用物理、材料、化學(xué)、信息、工程等領(lǐng)域的知識和技術(shù)解決生命科學(xué)問題，因此原先單一學(xué)科的課程體系和研究方式已無法使交叉學(xué)科人才滿足“具備合理的知識結(jié)構(gòu)，廣博專一協(xié)調(diào)統(tǒng)一”的專業(yè)要求。
Med-X研究院在結(jié)合學(xué)科領(lǐng)域建設(shè)設(shè)置專業(yè)課的基礎(chǔ)上，充分利用夏季小學(xué)期、學(xué)術(shù)講座等階段邀請眾多兼職教授參與授課，其中既有附屬醫(yī)院的臨床醫(yī)生，又有國際知名學(xué)者，建立起一支醫(yī)、理、工高水平師資隊伍。同時利用附屬醫(yī)院的臨床資源，建立與基礎(chǔ)課程相適應(yīng)的實踐教學(xué)體系，強化學(xué)生實踐訓(xùn)練，培養(yǎng)動手操作與創(chuàng)新研發(fā)能力。學(xué)院也積極鼓勵學(xué)生進(jìn)行跨學(xué)科選課，逐步實現(xiàn)本碩博課程貫通模式，以滿足不同專業(yè)背景學(xué)生的學(xué)習(xí)需求。為探索研究生課程質(zhì)量考核和控制體系，在生物醫(yī)學(xué)工程學(xué)科嘗試建立適合于本校的研究生課程質(zhì)量保障辦法和系統(tǒng)，并聘請國內(nèi)外專家評教，對授課教師給出指導(dǎo)建議和意見，定期召開研討會。
2.建立制度保障
由于受僵化學(xué)科模式的影響，我國長期以來傳統(tǒng)的單學(xué)科觀和學(xué)科分類體制占據(jù)著主導(dǎo)地位，為突破現(xiàn)有交叉學(xué)科人才培養(yǎng)體制不完善的缺陷，上海交通大學(xué)做了一系列改革。如針對中國現(xiàn)有的研究生招生名額問題，上海交通大學(xué)自2012年起在博士生招生計劃中依托“生物醫(yī)學(xué)工程”和“統(tǒng)計學(xué)”兩個一級學(xué)科，單獨設(shè)立了支持交叉學(xué)科博士生招生培養(yǎng)的專項招生指標(biāo)，為從事交叉學(xué)科研究的導(dǎo)師提供生源保證。另外，為了避免交叉學(xué)科課程的臨時性和拼盤性，真正實現(xiàn)學(xué)科的融合，Med-X研究院成立了多個臨床交叉平臺，如國家教育部數(shù)字醫(yī)學(xué)工程中心、Med-X-瑞金醫(yī)院小動物PET/CT研究中心、Med-X-仁濟(jì)醫(yī)院臨床干細(xì)胞研究中心；Med-X-第九人民醫(yī)院生物材料轉(zhuǎn)化醫(yī)學(xué)中心等，實現(xiàn)以問題為中心從事交叉學(xué)科研究的項目模式。在項目開展的過程中讓研究生作為項目參與人或研究助手自然地進(jìn)入到學(xué)習(xí)與研究的過程，一個學(xué)科跨度大的科研項目，項目實施的過程本身就是學(xué)科交叉和培養(yǎng)人、訓(xùn)練人的過程。[5]
3.加強學(xué)術(shù)交流
當(dāng)今科技迅猛發(fā)展，新思想、新方法層出不窮，光靠一個教師指導(dǎo)學(xué)生是不可能使學(xué)生全面了解學(xué)科發(fā)展并取得高水平研究成果的[3]，因此在交叉學(xué)科人才培養(yǎng)模式中除了完善的課程體系外，活躍的學(xué)術(shù)氛圍和緊密的國際交流也是必不可少的。上海交通大學(xué)Med-X研究院70%以上的指導(dǎo)老師具備在國外一流大學(xué)從教和指導(dǎo)研究生的經(jīng)歷，與國外高校和研究院所長期保持著合作關(guān)系，因此學(xué)院每周邀請本學(xué)科國內(nèi)外知名教授做學(xué)術(shù)講座，并建立了上海交通大學(xué)徐匯-閔行跨校區(qū)講座視頻體系，介紹最新科研動態(tài)，鼓勵師生交流，使研究生深入了解當(dāng)前科研動態(tài)和研究熱點，拓寬學(xué)術(shù)視野，激發(fā)創(chuàng)新熱情。同時定期舉辦醫(yī)-理（工）交叉學(xué)科系列學(xué)術(shù)活動，如研究生學(xué)術(shù)論壇、研究生學(xué)術(shù)日等，已形成了一定品牌效應(yīng)，為研究生創(chuàng)新思維、科研前瞻性、表達(dá)能力的培養(yǎng)提供了良好平臺。Med-X研究院已與多所國外院校簽訂了人才聯(lián)合培養(yǎng)項目，如與德國海德堡大學(xué)、美國西北大學(xué)、瑞典皇家工學(xué)院、美國Drexel大學(xué)等國際著名高校建立了雙碩士、雙博士學(xué)位項目。此外，為了解本院研究生學(xué)位論文在國際本領(lǐng)域的位置及存在差距，2012起開始試點進(jìn)行博士生學(xué)位論文國際評審和答辯，每份博士生論文邀請2-3名國際相關(guān)領(lǐng)域?qū)＜疫M(jìn)行評審，每位國際評審專家的海外評審報告將反饋給相關(guān)導(dǎo)師和學(xué)生參考。
4.重視師資建設(shè)
交叉學(xué)科人才培養(yǎng)的成功與否很多程度上決定于教師的參與程度，導(dǎo)師的學(xué)術(shù)水平、綜合素質(zhì)、對學(xué)科前沿的洞察力以及與同行和其他學(xué)科學(xué)者交流溝通的能力對交叉學(xué)科人才的培養(yǎng)有重要的影響。[3]由于交叉學(xué)科會同時涉及到兩個或多個學(xué)科領(lǐng)域，所以單一學(xué)科的教師很難同時滿足不同學(xué)科的需求，交叉學(xué)科人才培養(yǎng)的過程也是教師自我學(xué)習(xí)的過程。[6]因此，在交叉學(xué)科人才培養(yǎng)建設(shè)中要重視加強師資隊伍建設(shè)，加大對中青年教師的培養(yǎng)力度，營造有利于教師成長和發(fā)展的良好環(huán)境與氛圍，確保人才培養(yǎng)的教學(xué)質(zhì)量。[7] Med-X研究院結(jié)合自身學(xué)科特色，引進(jìn)國外知名教授和附屬醫(yī)院臨床醫(yī)生參與教學(xué)，重視年輕教師的培養(yǎng)，支持有潛力的青年教師到海外具有合作關(guān)系的學(xué)校進(jìn)行培訓(xùn)，學(xué)習(xí)國際知名高校的教學(xué)經(jīng)驗和方法，推動教學(xué)質(zhì)量的提高，建立起一支醫(yī)、理、工高水平師資隊伍。
三、交叉學(xué)科人才培養(yǎng)中的壁壘
與發(fā)達(dá)國家相比，目前我國交叉學(xué)科教育和科研尚處于起步階段，以單一學(xué)科為基礎(chǔ)的傳統(tǒng)教育模式仍占主導(dǎo)地位，在交叉學(xué)科人才培養(yǎng)過程中不可避免的會遇到各種問題。
1.現(xiàn)有高校管理機制的制約
我國高校中院系管理體制堅固，教學(xué)與科研人員的管理也在定崗定編制度的約束下嚴(yán)格地保持著一個蘿卜一個坑的人事管理體制，師資聘用、職稱評定、成果認(rèn)定、業(yè)績評價和資源分配等都嚴(yán)格地執(zhí)行著所屬單位責(zé)任制，人員在校內(nèi)不同院系間的流動都難以實現(xiàn)，跨學(xué)校、跨部門、跨地區(qū)的流動更是難以實現(xiàn)，這種管理機制極大地打消了學(xué)者們進(jìn)行交叉學(xué)科研究的熱情和勇氣。
2.交叉學(xué)科人才培養(yǎng)理念有待加強
大多數(shù)導(dǎo)師涉叉學(xué)科研究僅僅是為了完成一個特定的交叉學(xué)科研究課題，且多來自不同學(xué)院的專業(yè)教師，因此他們對交叉學(xué)科的人才培養(yǎng)投入時間和精力都比較有限，很少能有意識地去思考交叉學(xué)科人才的培養(yǎng)目標(biāo)和教學(xué)模式，也沒有站在改善學(xué)生思維方式和能力結(jié)構(gòu)的立足點上試圖去改善傳統(tǒng)教學(xué)方式。此外，鑒于國家和各高校紛紛推出各項鼓勵措施以推交叉學(xué)科的發(fā)展，部分導(dǎo)師借以交叉學(xué)科的名義去爭取更多的項目基金和學(xué)生生源，而并非真正從事交叉學(xué)科科學(xué)研究和人才培養(yǎng)。
3.國內(nèi)交叉學(xué)科領(lǐng)域劃分尚未明確
美國的學(xué)科專業(yè)目錄充分考慮學(xué)科的發(fā)展性， 在名稱和代碼設(shè)置上為交叉學(xué)科、新興學(xué)科留有充分的發(fā)展空間，在學(xué)科大類中單獨設(shè)有“交叉學(xué)科”，[2]其中包括生物與自然科學(xué)、和平與對抗研究、系統(tǒng)科學(xué)與理論、數(shù)學(xué)與計算機科學(xué)、老年醫(yī)學(xué)、文理綜合等22個學(xué)科小類。此外，在其他36個學(xué)科群中均設(shè)置了末尾帶有“綜合”或“其他”的學(xué)科名稱。相比之下，我國交叉學(xué)科領(lǐng)域劃分和學(xué)科專業(yè)設(shè)置尚未明確，在2011年新修訂的《學(xué)位授予和人才培養(yǎng)學(xué)科目錄》中13個學(xué)科門類中，以及各高校的學(xué)科建設(shè)和教育部的學(xué)科評估中均未涉及交叉學(xué)科，很大程度上制約了交叉學(xué)科的發(fā)展。
在高度交叉融合已成為當(dāng)代學(xué)科發(fā)展的重要趨勢下，在此新的教育發(fā)展時代下，迅速提升高等教育人才培養(yǎng)質(zhì)量和整體競爭力已成為學(xué)科發(fā)展的重中之重，因此針對我國開展交叉學(xué)科人才培養(yǎng)方面存在的問題，我們應(yīng)合理借鑒國外高校促進(jìn)交叉學(xué)科研究與人才培養(yǎng)的經(jīng)驗，建立交叉學(xué)科的教師聘任和評價體系，引導(dǎo)和鼓勵新興學(xué)科研究與建設(shè)，完善交叉學(xué)科資助體系，積極營造有利于交叉學(xué)科人才培養(yǎng)的文化氛圍，從而形成適合我國國情的多元化人才培養(yǎng)模式。
參考文獻(xiàn)
[1]余同普 銀燕 邵福球，從德國博士生院培養(yǎng)模式看創(chuàng)新型交叉學(xué)科人才培養(yǎng)，學(xué)位與研究生教育，2013（6），64-68
[2]趙文華 程瑩 陳麗 劉念才，美國促進(jìn)交叉學(xué)科研究與人才培養(yǎng)的借鑒，中國高等教育，2007（1），61-63
[3]徐琴 葉明，對交叉學(xué)科人才培養(yǎng)的認(rèn)識與思考，牡丹江教育學(xué)院學(xué)報，2009（6），72-73
[4]郭圣文 吳效明，理工類院校生物醫(yī)學(xué)工程專業(yè)人才培養(yǎng)模式探索與實踐，中國醫(yī)學(xué)物理學(xué)雜志，2013，第30卷第2期，4084-4088
[5]李雪飛 程永波，交叉學(xué)科研究生培養(yǎng)的三種模式及其評析，學(xué)位與研究生教育，2011（8），10-15
篇5
2018年被稱為人工智能爆發(fā)的元年，人工智能技術(shù)應(yīng)用所催生的商業(yè)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(chǎn)效率及生活品質(zhì)的大幅提升。智能紅利時代開啟！資本、巨頭和創(chuàng)業(yè)公司紛紛涌入，將人工智能拉到了信息產(chǎn)業(yè)革命的風(fēng)口。
如何把握產(chǎn)業(yè)動向，抓住風(fēng)口機會？創(chuàng)業(yè)邦研究中心憑借在人工智能等前言科技領(lǐng)域持續(xù)研究、洞察的能力，在對國內(nèi)人工智能創(chuàng)業(yè)公司進(jìn)行系統(tǒng)調(diào)研的基礎(chǔ)上，推出《2018中國人工智能白皮書》，對人工智能的核心技術(shù)、主要應(yīng)用領(lǐng)域、巨頭和創(chuàng)業(yè)公司的布局、未來發(fā)展態(tài)勢和投資機會進(jìn)行了深度解析。
第一部分人工智能行業(yè)發(fā)展概述
1.人工智能概念及發(fā)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(xiàn)出來的智能，即通過普通計算機程序的手段實現(xiàn)的類人智能技術(shù)。
自1956年達(dá)特茅斯會議提出“人工智能”的概念以來，“人工智能”經(jīng)歷了寒冬與交替的起起伏伏60多年的發(fā)展歷程。2010年以后，深度學(xué)習(xí)的發(fā)展推動語音識別、圖像識別和自然語言處理等技術(shù)取得了驚人突破，前所未有的人工智能商業(yè)化和全球化浪潮席卷而來。
人工智能發(fā)展歷程
2.人工智能產(chǎn)業(yè)鏈圖譜
人工智能產(chǎn)業(yè)鏈可以分為基礎(chǔ)設(shè)施層、應(yīng)用技術(shù)層和行業(yè)應(yīng)用層。
A基礎(chǔ)層，主要有基礎(chǔ)數(shù)據(jù)提供商、半導(dǎo)體芯片供應(yīng)商、傳感器供應(yīng)商和云服務(wù)商。
B技術(shù)層，主要有語音識別、自然語言處理、計算機視覺、深度學(xué)習(xí)技術(shù)提供商。
C應(yīng)用層，主要是把人工智能相關(guān)技術(shù)集成到自己的產(chǎn)品和服務(wù)中，然后切入特定場景。目前來看，自動駕駛、醫(yī)療、安防、金融、營銷等領(lǐng)域是業(yè)內(nèi)人士普遍比較看好方向。
人工智能產(chǎn)業(yè)鏈
資料來源：創(chuàng)業(yè)邦研究中心
第二部分人工智能行業(yè)巨頭布局
巨頭積極尋找人工智能落地場景，B、C 端全面發(fā)力。
資料來源：券商報告、互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
第三部分機器視覺技術(shù)解讀及行業(yè)分析
1.機器視覺技術(shù)概念
機器視覺是指通過用計算機或圖像處理器及相關(guān)設(shè)備來模擬人類視覺，以讓機器獲得相關(guān)的視覺信息并加以理解，它是將圖像轉(zhuǎn)換成數(shù)字信號進(jìn)行分析處理的技術(shù)。
機器視覺的兩個組成部分
資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
2.發(fā)展關(guān)鍵要素：數(shù)據(jù)、算力和算法
數(shù)據(jù)、算力和算法是影響機器視覺行業(yè)發(fā)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(wù)，而是通過不斷學(xué)習(xí)來掌握本領(lǐng)，這主要依賴高效的模型算法進(jìn)行大量數(shù)據(jù)訓(xùn)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(xué)習(xí)出現(xiàn)后，機器視覺的主要識別方式發(fā)生重大轉(zhuǎn)變，自學(xué)習(xí)狀態(tài)成為視覺識別主流，即機器從海量數(shù)據(jù)里自行歸納特征，然后按照該特征規(guī)律使圖像識別的精準(zhǔn)度也得到極大的提升，從70%+提升到95%。
3.商業(yè)模式分析
機器視覺包括軟件平臺開發(fā)和軟硬件一體解決方案服務(wù)。整體用戶更偏向于B端。軟件服務(wù)提供商作為技術(shù)算法的驅(qū)動者，其商業(yè)模式應(yīng)以“技術(shù)層+場景應(yīng)用”作為突破口。軟硬件一體化服務(wù)供應(yīng)商作為生態(tài)構(gòu)建者，適合以“全產(chǎn)業(yè)鏈生態(tài)+場景應(yīng)用”作為突破口，加速商業(yè)化。
（1）軟件服務(wù)：技術(shù)算法驅(qū)動者—“技術(shù)層+場景應(yīng)用”作為突破口
這種商業(yè)模式主要是提供以工程師為主的企業(yè)級軟件服務(wù)。有海量數(shù)據(jù)支撐，構(gòu)建起功能和信息架構(gòu)較為復(fù)雜的生態(tài)系統(tǒng)，推動最末端的消費者體驗。
此類商業(yè)模式成功關(guān)鍵因素：深耕算法和通用技術(shù)，建立技術(shù)優(yōu)勢，同時以場景應(yīng)用為入口，積累用戶軟件。視覺軟件服務(wù)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(nèi)外基礎(chǔ)算法應(yīng)用對比
資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
（2）軟硬件一體化：生態(tài)構(gòu)建者—“全產(chǎn)業(yè)鏈生態(tài)+場景應(yīng)用”作為突破口
軟硬一體化的商業(yè)模式是一種“終端+軟件+服務(wù)”全產(chǎn)業(yè)鏈體系。成功的因素是大量算力投入，海量優(yōu)質(zhì)數(shù)據(jù)積累，建立算法平臺、通用技術(shù)平臺和應(yīng)用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統(tǒng)、應(yīng)用和服務(wù)一體化的生態(tài)系統(tǒng)，各部分相輔相承，銳化企業(yè)競爭力，在產(chǎn)業(yè)鏈中擁有更多話語權(quán)。
4.投資方向
（1）前端智能化，低成本的視覺解決模塊或設(shè)備
從需求層面講，一些場景對實時響應(yīng)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(shè)備將有很大市場需求。前置計算讓前端設(shè)備成為數(shù)據(jù)采集設(shè)備和數(shù)據(jù)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(lǐng)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(fā)，結(jié)合先進(jìn)的算法開發(fā)模塊和產(chǎn)品，這類企業(yè)將在機器視覺領(lǐng)域擁有核心競爭力。
（2）深度學(xué)習(xí)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(dāng)大的市場空間。以手勢識別為例，傳統(tǒng)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(xué)習(xí)，如通過 R-CNN 訓(xùn)練大量標(biāo)注后的手勢圖像數(shù)據(jù)，得到的模型在處理帶有復(fù)雜背景及暗光環(huán)境下的手勢識別問題時，比傳統(tǒng)方案的效果好很多。
（3）新興服務(wù)領(lǐng)域的特殊應(yīng)用
前沿技術(shù)帶來的新領(lǐng)域（如無人車、服務(wù)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(xiàn)應(yīng)用。服務(wù)機器人與工業(yè)機器人最大的區(qū)別就是多維空間的應(yīng)用。目前國內(nèi)的機器視覺，涉及三維空間、多維空間，其技術(shù)基本上處在初始階段，未來存在較大市場增長空間。
（4）數(shù)據(jù)是爭奪要點，應(yīng)用場景是著力關(guān)鍵
機器視覺的研究雖然始于學(xué)術(shù)界，但作為商業(yè)應(yīng)用，能解決實際問題才是核心的競爭力。當(dāng)一家公司先天能夠獲得大量連續(xù)不斷的優(yōu)質(zhì)場景數(shù)據(jù)，又有挖掘該數(shù)據(jù)價值的先進(jìn)技術(shù)時，商業(yè)模式和數(shù)據(jù)模式上就能形成協(xié)同效應(yīng)。創(chuàng)業(yè)公司要么通過自有平臺獲取數(shù)據(jù)，要么選擇與擁有數(shù)據(jù)源的公司進(jìn)行合作，同時選擇一個商業(yè)落地的方向，實現(xiàn)快速的數(shù)據(jù)循環(huán)。
第四部分智能語言技術(shù)解讀及行業(yè)分析
1.語音識別技術(shù)
（1）語音識別技術(shù)已趨成熟，全球應(yīng)用持續(xù)升溫
語音識別技術(shù)已趨成熟，全球應(yīng)用持續(xù)升溫。語音識別技術(shù)經(jīng)歷了長達(dá)60年的發(fā)展，近年來機器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的引入，使得語音識別的準(zhǔn)確率提升到足以在實際場景中應(yīng)用。深度神經(jīng)網(wǎng)絡(luò)逐步找到模型結(jié)構(gòu)和調(diào)參算法來替代或結(jié)合高斯混合算法和HMM算法，在識別率上取得突破。根據(jù)Google Trends統(tǒng)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(dá)預(yù)測，2020年語音及圖像搜索占比有望達(dá)到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
（2）語音識別進(jìn)入巨頭崛起時代，開放平臺擴(kuò)大生態(tài)圈成主流
語音識別即將進(jìn)入大規(guī)模產(chǎn)業(yè)化時代。隨著亞馬遜Echo的大賣，語音交互技術(shù)催生的新商機，吸引大大小小的公司構(gòu)建自己主導(dǎo)的語音生態(tài)產(chǎn)業(yè)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(jìn)入他們的生態(tài)系統(tǒng)。
（3）語音識別技術(shù)發(fā)展瓶頸與趨勢
低噪聲語料下的高識別率在現(xiàn)實環(huán)境使用中會明顯下降到70-80%，遠(yuǎn)場識別、復(fù)雜噪聲環(huán)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(fēng)陣列類前端技術(shù)不僅是通過降噪和聲源定位帶來識別率的提高，帶環(huán)境音的語料的搜集、標(biāo)注可用于模型的訓(xùn)練，有助于打造更新一代的語音識別引擎技術(shù)。語音巨頭已經(jīng)在布局。
在IOT包括車載領(lǐng)域，云端識別并非通行的最優(yōu)方案，把識別引擎結(jié)合場景進(jìn)行裁剪后往芯片端遷徙是工程化發(fā)展的方向。
2.自然語言處理（NLP）發(fā)展現(xiàn)狀
（1）多技術(shù)融合應(yīng)用促進(jìn)NLP技術(shù)及應(yīng)用的發(fā)展
深度學(xué)習(xí)、算力和大數(shù)據(jù)的爆發(fā)極大促進(jìn)了自然語言處理技術(shù)的發(fā)展。深度學(xué)習(xí)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(shù)研究的進(jìn)展，使DL有了路徑在語義理解領(lǐng)域取得突破，并且已經(jīng)有了明顯的進(jìn)展。對話、翻譯、寫作新技術(shù)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(lǐng)域的投資熱度劇增。
深度學(xué)習(xí)能最大程度發(fā)揮對大數(shù)據(jù)和算力資源的利用，語義理解的發(fā)展還需要深度學(xué)習(xí)、搜索算法、知識圖譜、記憶網(wǎng)絡(luò)等知識的協(xié)同應(yīng)用，應(yīng)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(lǐng)域越成熟（如數(shù)據(jù)飽和度和標(biāo)準(zhǔn)性較強的行業(yè)），技術(shù)上實現(xiàn)可能性相對較低。在各種技術(shù)融合應(yīng)用發(fā)展的情況下，具備獲取一定優(yōu)質(zhì)數(shù)據(jù)資源能力并可結(jié)合行業(yè)Domain knowledge構(gòu)建出技術(shù)、產(chǎn)品、用戶反饋閉環(huán)的企業(yè)會有更好的發(fā)展機會。
（2）NLP主要應(yīng)用場景
問答系統(tǒng)。問答系統(tǒng)能用準(zhǔn)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(jìn)行檢索，再將回答按匹配度進(jìn)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(xué)習(xí)技術(shù)，跨模態(tài)地把文本和圖片聯(lián)系起來。
機器翻譯。機器翻譯的歷史被認(rèn)為與自然語言處理的歷史是一樣的。最近，深度學(xué)習(xí)被成功地運用到機器翻譯里，使得機器翻譯的準(zhǔn)確率大幅度提升。
對話系統(tǒng)。對話系統(tǒng)的回復(fù)是完全開放的，要求機器能準(zhǔn)確地理解問題，并且基于自身的知識系統(tǒng)和對于對話目標(biāo)的理解，去生成一個回復(fù)。
（3）創(chuàng)業(yè)公司的機遇
1)機器翻譯方面：經(jīng)過多年的探索，機器翻譯的水平已經(jīng)得到大幅度提升，在很多垂直領(lǐng)域已經(jīng)能夠在相當(dāng)大程度上替代一部分人工，機器翻譯技術(shù)的商業(yè)化應(yīng)用已經(jīng)開始進(jìn)入大規(guī)模爆發(fā)的前夜。
2)應(yīng)用于垂直領(lǐng)域的自然語言處理技術(shù)
避開巨頭們對語音交互入口的競爭，以某一細(xì)分行業(yè)為切入點，深耕垂直領(lǐng)域，對創(chuàng)業(yè)公司也是一個不錯的選擇。
第五部分人工智能在金融行業(yè)的應(yīng)用分析
人工智能產(chǎn)業(yè)鏈包含基礎(chǔ)層、技術(shù)層、應(yīng)用層三個層面。基礎(chǔ)層的大數(shù)據(jù)、云計算等細(xì)分技術(shù)被應(yīng)用到金融征信、保險、理財管理、支付等金融細(xì)分領(lǐng)域；技術(shù)層的機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與知識圖譜應(yīng)用于金融領(lǐng)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(yīng)用于金融領(lǐng)域的身份識別，語音識別及自然語言處理應(yīng)用于金融領(lǐng)域的智能客服、智能投研；應(yīng)用層的認(rèn)知智能應(yīng)用于金融領(lǐng)域的智能風(fēng)控。
人工智能在金融行業(yè)的典型應(yīng)用情況
資料來源：創(chuàng)業(yè)邦研究中心
第六部分人工智能在醫(yī)療行業(yè)的應(yīng)用分析
1.人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜
人工智能在醫(yī)療行業(yè)的應(yīng)用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫(yī)學(xué)影像、智能化器械、藥物挖掘和醫(yī)院管理等領(lǐng)域均有企業(yè)在布局，其中醫(yī)學(xué)影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應(yīng)用發(fā)展速度較快。
圖 人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜
資料來源：創(chuàng)業(yè)邦研究中心
2.人工智能在醫(yī)療行業(yè)的具體應(yīng)用場景
醫(yī)學(xué)影像。人工智能應(yīng)用于醫(yī)學(xué)影像，通過深度學(xué)習(xí)，實現(xiàn)機器對醫(yī)學(xué)影像的分析判斷，是協(xié)助醫(yī)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(jìn)行定性定量分析，提升醫(yī)生看圖/讀圖的效率，協(xié)助發(fā)現(xiàn)隱藏病灶。 人工智能通過影像分類、目標(biāo)檢測、圖像分割、圖像檢索等方式，完成病灶識別與標(biāo)注，三維重建，靶區(qū)自動勾畫與自適應(yīng)放療等功能，應(yīng)用在疾病的篩查、診斷和治療階段。目前較為火熱的應(yīng)用有肺部篩查、糖網(wǎng)篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發(fā)上的應(yīng)用可總結(jié)為臨床前和臨床后兩個階段。臨床前階段：將深度學(xué)習(xí)技術(shù)應(yīng)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(yù)測化合物的活性、穩(wěn)定性和副作用，快速 、準(zhǔn)確地挖掘和篩選合適的化合物或生物，提高篩選效率，優(yōu)化構(gòu)效關(guān)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(shù)對患者病歷進(jìn)行分析，迅速篩選符合條件的被試者，監(jiān)測管理臨床試驗過程中的患者服藥依從性和數(shù)據(jù)收集過程，提高臨床試驗的準(zhǔn)確性。
虛擬助理。醫(yī)療虛擬助理是基于醫(yī)療領(lǐng)域的知識系統(tǒng)，通過人工智能技術(shù)實現(xiàn)人機交互，從而在就醫(yī)過程中，承擔(dān)診前問詢、診中記錄等工作，成為醫(yī)務(wù)人員的合作伙伴，使醫(yī)生有更多時間可以與患者互動。醫(yī)療虛擬助理根據(jù)參與就醫(yī)過程的功能不同，主要有智能導(dǎo)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(yè)分析
1.智能駕駛行業(yè)產(chǎn)業(yè)鏈
智能駕駛行業(yè)的中心業(yè)務(wù)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(yè)務(wù)鏈中扮演至關(guān)重要的一環(huán)。
產(chǎn)業(yè)鏈上游廠商多為細(xì)分技術(shù)提供商，如深度學(xué)習(xí)、人機交互、圖像識別和新材料、新制造新能源等。
智能駕駛產(chǎn)業(yè)鏈圖譜
資料來源：創(chuàng)業(yè)邦研究中心
2.智能駕駛市場分析
伴隨著 ADAS 技術(shù)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(nèi)處于高速滲透期，然 后伴隨半無人駕駛的普及進(jìn)入穩(wěn)速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產(chǎn)業(yè)鏈的配合而進(jìn)入市場成熟期。預(yù)測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達(dá)到 15%，單車應(yīng)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(chǎn)業(yè)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(chǎn)量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發(fā)展，年復(fù)合增長率將達(dá)到43%，并在2035年達(dá)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(chǎn)業(yè)鏈衍生市場的大規(guī)模催化擴(kuò)張。
根據(jù)獨立市場調(diào)研機構(gòu) Strategy Engineers 的預(yù)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(tǒng)整合占比 14%，車聯(lián)網(wǎng)部分占比 11%。按照全球 1 億輛量 產(chǎn)規(guī)模計算，理想假設(shè)所有車輛全部達(dá)到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規(guī)模在 2020 年 將達(dá)到 3100 億美元。
第八部分中國人工智能企業(yè)畫像分析
隨著人工智能技術(shù)的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低。創(chuàng)新的大門吸引眾多創(chuàng)業(yè)企業(yè)進(jìn)入。為了觀察行業(yè)風(fēng)向，助力創(chuàng)新企業(yè)發(fā)展，創(chuàng)業(yè)邦研究中心對國內(nèi)200多家人工智能創(chuàng)業(yè)公司進(jìn)行了系統(tǒng)調(diào)研，從發(fā)展能力、創(chuàng)新能力、融資能力等多維度指標(biāo)，評選出“2018中國人工智能創(chuàng)新成長企業(yè)50強”。
地域分布
全國88%的人工智能企業(yè)聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業(yè)最多，占比高達(dá)39.66%;其次是上海，人工智能企業(yè)占比達(dá)21.55%;位列第三的是廣東，人工智能企業(yè)占達(dá)15.52%。北京以領(lǐng)先全國其他地區(qū)的政策環(huán)境、人才儲備、產(chǎn)業(yè)基礎(chǔ)、資本支持等，成為人工智能創(chuàng)業(yè)首要陣地;華東地區(qū)的上海、江蘇、浙江均有良好的經(jīng)濟(jì)基礎(chǔ)和科技實力，人工智能應(yīng)用實力雄厚，也聚集了一批人工智能垂直產(chǎn)業(yè)園;廣東互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達(dá)，企業(yè)對數(shù)據(jù)需求強烈，依靠大數(shù)據(jù)產(chǎn)業(yè)鏈推動人工智能產(chǎn)業(yè)發(fā)展。
行業(yè)分布
從行業(yè)大類分布來看，行業(yè)應(yīng)用層的企業(yè)占比最大，為56.03%;其次是應(yīng)用技術(shù)層的企業(yè)，占比達(dá)31.04%;基礎(chǔ)技術(shù)層的企業(yè)占比最小，僅為12.93%。隨著人工智能技術(shù)的發(fā)展，人工智能與場景深度融合，應(yīng)用領(lǐng)域不斷擴(kuò)展，行業(yè)應(yīng)用公司比重不斷提升。在基礎(chǔ)層技術(shù)方面，國際IT巨頭占據(jù)行業(yè)領(lǐng)先地位， 國內(nèi)與國際差距明顯，中小初創(chuàng)企業(yè)很難進(jìn)入。
從行業(yè)應(yīng)用來看，智能金融企業(yè)占比最大，為16.92%;其次是機器人企業(yè)，占比達(dá)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(yè)的強數(shù)據(jù)導(dǎo)向為人工智能的落地提供了產(chǎn)業(yè)基礎(chǔ)，智慧金融被列入國家發(fā)展規(guī)劃中，龐大的金融市場為人工智能落地帶來了發(fā)展前景。機器人作為人工智能產(chǎn)業(yè)落地輸出， 目前市場需求較大，商業(yè)機器人占據(jù)較大份額。中國智能駕駛市場在資本推動下進(jìn)入者較多，企業(yè)積極推動應(yīng)用落地，百度、北汽等大型企業(yè)嘗試商業(yè)化落地智能駕駛汽車。人工智能推動教育個性化落地，相關(guān)初創(chuàng)企業(yè)涉入教育藍(lán)海，推動智慧教育的發(fā)展。
收入情況
收入分布在500-10000萬之間的企業(yè)最多，占比達(dá)49.14%;500萬以下的企業(yè)位居其次，占比達(dá) 26.72%;位列第三的是10000-100000萬之間的企業(yè)，占比為17.24%。
最新估值
企業(yè)最新估值均在億元級別，且分布較為均衡。三成企業(yè)估值超過15億元，還有企業(yè)估值達(dá)到百億級別，如優(yōu)必
選科技、達(dá)闥科技和商湯科技等，將來或?qū)④Q身人工智能獨角獸企業(yè)。(備注：分析樣本量剔除一半未披露企業(yè))
第九部分典型企業(yè)案例分析
1.Atman
企業(yè)概述
Atman由來自微軟的人工智能科學(xué)家和產(chǎn)業(yè)經(jīng)驗豐富的產(chǎn)品團(tuán)隊創(chuàng)辦，提供專業(yè)領(lǐng)域機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品，致力于成為醫(yī)學(xué)、新聞、法律等專業(yè)領(lǐng)域語言智能專家，為專業(yè)領(lǐng)域用戶賦能，推動專業(yè)領(lǐng)域用戶進(jìn)入人工智能時代，助力專業(yè)領(lǐng)域文字智能水平實現(xiàn)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(wù)所等世界領(lǐng)先藥企、新聞媒體、法律服務(wù)機構(gòu)開發(fā)機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品。
目前Atman在北京和蘇州兩地運營，能快速響應(yīng)全國各地客戶需求。
企業(yè)團(tuán)隊
創(chuàng)始人&CEO：馬磊
清華大學(xué)計算機系畢業(yè)，曾先后在微軟研究院和工程院擔(dān)任研究員和架構(gòu)師，機器學(xué)習(xí)專家、多次創(chuàng)業(yè)者、曾主導(dǎo)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(tuán)隊由來自微軟、百度、法電等領(lǐng)域高端人才和資深技術(shù)人才組成，公司員工40人，其中碩士以上學(xué)歷占比60%，技術(shù)開發(fā)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(shù)與產(chǎn)品
技術(shù)方面，擅長機器學(xué)習(xí)（深度學(xué)習(xí)、強化學(xué)習(xí)、群體智能）在復(fù)雜問題的應(yīng)用，和國際專利15項，Atman神經(jīng)網(wǎng)絡(luò)機器翻譯系統(tǒng)于2016年9月首秀，早于谷歌的GNMT，專業(yè)領(lǐng)域翻譯效果在公測標(biāo)準(zhǔn)和行業(yè)客戶測試中均持續(xù)領(lǐng)先。核心產(chǎn)品為垂直領(lǐng)域機器翻譯、機器寫作、知識圖譜抽取構(gòu)建、大數(shù)據(jù)智能挖掘等語言智能產(chǎn)品。
Atman的機器翻譯產(chǎn)品可自動翻譯編輯專業(yè)文獻(xiàn)、報告、音視頻和網(wǎng)頁，支持私有部署和云端混合部署，提供包括數(shù)據(jù)隱私安全以及自學(xué)習(xí)的端到端解決方案。
機器寫作可對海量數(shù)據(jù)進(jìn)行快速搜索、過濾、聚類，根據(jù)行業(yè)需求自動生成專業(yè)文檔，適用于所有專業(yè)寫作場景，可大幅減少專業(yè)報告寫作過程中的繁復(fù)工作，大幅提升專業(yè)領(lǐng)域?qū)懽餍省?/p>
知識圖譜可實現(xiàn)海量數(shù)據(jù)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(shù)據(jù)智能采集挖掘系統(tǒng)為專業(yè)領(lǐng)域用戶提供智能數(shù)據(jù)源管理、海量專業(yè)數(shù)據(jù)獲取和非結(jié)構(gòu)化數(shù)據(jù)自動解析并結(jié)合知識圖譜提供auto-screening、知識重構(gòu)、專業(yè)決策輔助，幫助用戶建立強大的以專業(yè)大數(shù)據(jù)為基礎(chǔ)的業(yè)務(wù)輔助能力。
2.黑芝麻
企業(yè)概述
黑芝麻智能科技有限公司是一家視覺感知核心技術(shù)與應(yīng)用軟件開發(fā)企業(yè)，2016年分別在美國硅谷和上海成立研發(fā)中心，主攻領(lǐng)域為嵌入式圖像、計算機視覺，公司核心業(yè)務(wù)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(chuàng)達(dá)、車聯(lián)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(lǐng)域布局為智能終端提供視覺解決方案。目前公司已經(jīng)完成A+輪融資。
企業(yè)團(tuán)隊
團(tuán)隊核心成員來自于OmniVision、博世、安霸、英偉達(dá)和高通等知名企業(yè)，平均擁有超過15年以上的產(chǎn)業(yè)經(jīng)驗，畢業(yè)于清華、交大、中科大和浙大等知名高校。
創(chuàng)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(dān)任該公司的技術(shù)副總裁一職，工作內(nèi)容覆蓋了圖像傳感器研發(fā)和設(shè)計、圖像處理算法研發(fā)和圖像處理芯片設(shè)計。
核心技術(shù)和產(chǎn)品
在汽車領(lǐng)域，黑芝麻可提供車內(nèi)監(jiān)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(chǔ)的控光技術(shù)，到面向AI的圖像處理技術(shù)出發(fā)來提高成像質(zhì)量，以及應(yīng)用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，結(jié)合視頻處理和壓縮技術(shù)，形成從傳感器端到應(yīng)用端的處理過程；黑芝麻芯片平臺采用獨有的神經(jīng)網(wǎng)絡(luò)架構(gòu)，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(jié)合，采用16nm制程，設(shè)計功耗2.5w，每秒浮點計算達(dá)20T。
3.乂學(xué)教育
企業(yè)概述
乂學(xué)教育，成立于2014年，是一家網(wǎng)絡(luò)教育培訓(xùn)機構(gòu)，采用人工智能和大數(shù)據(jù)技術(shù)，為學(xué)生提供量身定制學(xué)習(xí)解決方案和個性化學(xué)習(xí)內(nèi)容。核心團(tuán)隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團(tuán)隊有全國40億toC銷售額的經(jīng)驗。
企業(yè)自主研發(fā)了針對中國K12領(lǐng)域的學(xué)生智適應(yīng)學(xué)習(xí)產(chǎn)品，其核心部分是以高級算法為核心的智適應(yīng)學(xué)習(xí)引擎“松鼠AI”，該產(chǎn)品擁有完整自主知識產(chǎn)權(quán)，能夠模擬真實特級教師教學(xué)。企業(yè)發(fā)表的學(xué)術(shù)論文得到了全球國際學(xué)術(shù)會議AIED、CSEDU、UMAP認(rèn)可，并在紐約設(shè)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(lián)合實驗室。
主要產(chǎn)品
學(xué)生智適應(yīng)學(xué)習(xí)是以學(xué)生為中心的智能化、個性化教育，在教、學(xué)、評、測、練等教學(xué)過程中應(yīng)用人工智能技術(shù)，在模擬優(yōu)秀教師的基礎(chǔ)之上，達(dá)到超越真人教學(xué)的目的。該產(chǎn)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(tǒng)教育課時費用高，名師資源少，學(xué)習(xí)效率低等問題。
智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)
智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)模擬特級教師，采用圖論、概率圖模型，機器學(xué)習(xí)完成知識點拆分和個人學(xué)習(xí)畫像，采用神經(jīng)網(wǎng)絡(luò)、邏輯斯蒂回歸和遺傳算法為學(xué)生實時動態(tài)推薦最佳學(xué)習(xí)路徑，實現(xiàn)個性化教育。
業(yè)務(wù)模式
線上與線下，2B和2C相結(jié)合。以松鼠AI智適應(yīng)系統(tǒng)教學(xué)為主，真人教師輔助，學(xué)生通過互聯(lián)網(wǎng)在線上學(xué)習(xí)課程。開創(chuàng)教育新零售模式，授權(quán)線下合作學(xué)校，已在全國100多個城市開設(shè)500多家學(xué)校。
4.云從科技
企業(yè)概述
云從科技成立于2015年4月，是一家孵化于中國科學(xué)院重慶研究院的高科技企業(yè)，專注于計算機視覺與人工智 能。云從科技是人工智能行業(yè)國家隊，是中科院戰(zhàn)略先導(dǎo)項目人臉識別團(tuán)隊唯一代表，唯一一家同時受邀制定人 臉識別國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)的企業(yè)。2018年，云從科技成為祖國“一帶一路”戰(zhàn)略實行路上的人工智能先鋒，與 非洲南部第二大經(jīng)濟(jì)體津巴布韋政府完成簽約。
云從科技奠定了行業(yè)領(lǐng)導(dǎo)地位： 國家肯定，國家發(fā)改委2017、2018年人工智能重大工程承建單位；頂層設(shè)計，唯一同時制定國標(biāo)、部標(biāo)和行標(biāo)的人工智能企業(yè)；模式創(chuàng)新，三大平臺解決方案，科學(xué)家平臺、核心技術(shù)平臺和行業(yè)應(yīng)用平臺。
企業(yè)核心團(tuán)隊
創(chuàng)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(lǐng)域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學(xué)院重慶研究院信息所副所長、智能多媒體技術(shù)研究中心主任。
周曦博士帶領(lǐng)團(tuán)隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰(zhàn)賽中7次奪冠;在國際頂級會議、雜志 上發(fā)表60余篇文章，被引用上千次。
核心技術(shù)團(tuán)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(lián)合實驗室上海、廣州、重慶、成都四 個研發(fā)中心組成的三級研發(fā)架構(gòu)。目前研發(fā)團(tuán)隊已經(jīng)超過300人，80%以上擁有碩士學(xué)歷。
技術(shù)優(yōu)勢
全方位多維智能學(xué)習(xí)模塊適應(yīng)不同場景要求；模塊化設(shè)計為在工業(yè)視覺、醫(yī)學(xué)影像、自動駕駛AR等領(lǐng)域擴(kuò)展打下良好基礎(chǔ)。
云從科技具有高技術(shù)壁壘：世界智能識別挑戰(zhàn)賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰(zhàn)賽上共計奪得7次世界冠軍;在銀行、公安等行業(yè)智能識別技術(shù) PK實戰(zhàn)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(shù)代表企業(yè)。
在跨鏡追蹤(ReID)技術(shù)上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數(shù)據(jù)同時集體刷 新世界記錄， Market-1501上的首位命中率達(dá)到96.6%，首次達(dá)到商用水平。
正式在國內(nèi)“3D結(jié)構(gòu)光人臉識別技術(shù)”，可全面應(yīng)用于手機、電腦、機具、設(shè)備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術(shù)，3D結(jié)構(gòu)光人臉識別技術(shù)擁有不需要用戶進(jìn)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(huán)境光線強弱的影響等諸多優(yōu)點，受到國際巨頭公司的關(guān)注。
行業(yè)應(yīng)用
目前國內(nèi)有能力自建系統(tǒng)的銀行約為148家。截止2018年3月15日，已經(jīng)完成招標(biāo)的銀行約為121家，其中云從科 技中標(biāo)了88家總行平臺，市場占有率約為72.7%;在安防領(lǐng)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(fā)火眼人臉大數(shù)據(jù)平臺等智能化系統(tǒng)，在民航領(lǐng)域，已經(jīng)與中科院重慶院合作覆蓋80%的樞紐機場。
5.Yi+
企業(yè)概述
北京陌上花科技是領(lǐng)先的計算機視覺引擎服務(wù)商，為企業(yè)提供視覺內(nèi)容智能化和商業(yè)化解決方案。致力于“發(fā)現(xiàn)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(dá)到領(lǐng)先水平。
目前公司和阿里巴巴、愛奇藝、優(yōu)酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數(shù)十家頂級機構(gòu)/產(chǎn)品深度合作，通過提供邊看邊買引擎、圖像視頻內(nèi)容分析引擎、人臉識別引擎等基于視覺識別技術(shù)的數(shù)據(jù)結(jié)構(gòu)化產(chǎn)品服務(wù)于海量用戶，同時幫助政府機構(gòu)、廣電系統(tǒng)、內(nèi)容媒體、零售商、電商、視聽設(shè)備等行業(yè)實現(xiàn)智能分析、智能互動與場景營銷。目前公司已經(jīng)獲得B輪融資。
企業(yè)團(tuán)隊
團(tuán)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(chuàng)始人&CEO：張默
北京大學(xué)軟件工程碩士， 南洋理工大學(xué)創(chuàng)業(yè)創(chuàng)新碩士。連續(xù)創(chuàng)業(yè)者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構(gòu)師，北方區(qū)合作伙伴經(jīng)理，主機Linux中國區(qū)負(fù)責(zé)人，中國區(qū)開源聯(lián)盟負(fù)責(zé)人，年銷售額數(shù)億。 2013年創(chuàng)業(yè)于美國硅谷和新加坡，2014年6月在中國設(shè)立北京陌上花科技有限公司。
核心技術(shù)與產(chǎn)品
技術(shù)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(zhǔn)確率位列LFW榜首。Yi+通過遵循無限制，標(biāo)記的外部數(shù)據(jù)協(xié)議。 Yi+的系統(tǒng)由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重?fù)p失和訓(xùn)練數(shù)據(jù)集訓(xùn)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(xùn)練數(shù)據(jù)集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應(yīng)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(yōu)異成績。
公司的核心產(chǎn)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(yè)解決方案
針對營銷、安防、相機和電視的不同特點，推出相應(yīng)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(tài)貼圖、video-out、場景化角標(biāo)與廣告濾鏡等形式的廣告內(nèi)容推薦，適用于快消、汽車、電商、IT、金融、旅游服務(wù)等多個行業(yè)。
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(qū)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(yīng)敏捷，相應(yīng)迅速。建立智慧園區(qū)方案模型，考慮擴(kuò)展性&靈活性、數(shù)據(jù)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(shù)方案要素，從業(yè)務(wù)和技術(shù)兩方面整合解決方案實現(xiàn)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(guān)鍵字標(biāo)簽同步展示圖片，打通相冊和購物一站式體驗。準(zhǔn)確識別人物屬性特征，動態(tài)適應(yīng)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(xué)習(xí)技術(shù)，進(jìn)行人臉相似度檢測，實現(xiàn)面部關(guān)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(xiàn)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(dá)到25fps。
新零售+AI。Yi+新零售解決方案是基于公司自主研發(fā)的人臉識別、商品識別和其他圖像識別算法技術(shù)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(shù)據(jù)采集、算法模型說明和部署方案三部分，其中數(shù)據(jù)采集包括人臉數(shù)據(jù)采集、商品數(shù)據(jù)采集；算法模型說明包括識別算法訓(xùn)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(jié)合。
6.擎創(chuàng)科技
企業(yè)簡介
擎創(chuàng)科技成立于2016年，專注于將人工智能和機器學(xué)習(xí)賦予傳統(tǒng)IT運維／企業(yè)運營管理，為企業(yè)客戶提供智能運維大數(shù)據(jù)分析解決方案，從而取代和改善對高技能運維人員嚴(yán)重依賴的現(xiàn)狀。2017年，擎創(chuàng)科技已實現(xiàn)全年2000萬營收，迅速成為國內(nèi)AIOps領(lǐng)域的領(lǐng)跑者和中流砥柱。2018年初，擎創(chuàng)科技完成了數(shù)千萬人民幣的A輪融資，由火山石投資領(lǐng)投，晨暉創(chuàng)投、元璟資本及新加坡STTelemedia跟投。
核心團(tuán)隊
擎創(chuàng)團(tuán)隊的核心成員主要由BMC、微軟等美國企業(yè)服務(wù)上市公司的運維老兵，與新浪、餓了么等知名互聯(lián)網(wǎng)公司的大數(shù)據(jù)、算法專家組成，核心團(tuán)隊成員至少擁有10年以上的行業(yè)經(jīng)驗。其中CEO楊辰是國內(nèi)最頂級的B端銷售，曾帶領(lǐng)團(tuán)隊獲得10倍的業(yè)績增長；CTO葛曉波擁有長達(dá)15年的企業(yè)級軟件開發(fā)和運維經(jīng)驗；而產(chǎn)品總監(jiān)屈中泠則來自甲方，創(chuàng)業(yè)前為浦發(fā)硅谷銀行企業(yè)架構(gòu)師，深知甲方對企業(yè)運維產(chǎn)品的需求。這個曾經(jīng)深耕于運維企業(yè)服務(wù)市場的團(tuán)隊，如今在智能運維企業(yè)服務(wù)賽道繼續(xù)領(lǐng)跑，讓擎創(chuàng)科技成為最懂企業(yè)的客戶，最值得企業(yè)客戶信賴的軟件廠商。
主要產(chǎn)品
“夏洛克AIOps” 作為擎創(chuàng)自主研發(fā)的大數(shù)據(jù)智能運維主打產(chǎn)品，自2016年上線以來，已從1.0版本升級至1.9版本，可應(yīng)用在金融、大型制造業(yè)、鐵路民航、能源電力等涉及國家發(fā)展和民生問題的多種行業(yè)。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(qū)聯(lián)合頒發(fā)的“年度最具影響力AIOps產(chǎn)品”獎。
“夏洛克AIOps”充分利用自研算法輔助客戶實現(xiàn)IT運維價值，結(jié)合客戶的現(xiàn)有情況，規(guī)劃從傳統(tǒng)ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數(shù)據(jù)孤島，建立統(tǒng)一的大數(shù)據(jù)智能分析平臺，實現(xiàn)以人工智能為核心，驅(qū)動傳統(tǒng)IT運維監(jiān)、管、控三個層面，并將相關(guān)運維數(shù)據(jù)及業(yè)務(wù)數(shù)據(jù)實時展現(xiàn)。
“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(fā)現(xiàn)并定位運維問題的根因，實現(xiàn)秒級排障，最大程度避免企業(yè)產(chǎn)生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數(shù)據(jù)積累和機器學(xué)習(xí)，運用新型深度神經(jīng)網(wǎng)絡(luò)算法對企業(yè)的業(yè)務(wù)數(shù)據(jù)進(jìn)行預(yù)測，幫助企業(yè)提前規(guī)劃IT資源，高效預(yù)防各類黑天鵝事件的發(fā)生。
商業(yè)模式
目前，擎創(chuàng)科技已與多家金融和制造行業(yè)標(biāo)桿客戶形成穩(wěn)定的合作關(guān)系，包括浦發(fā)銀行、浦發(fā)硅谷銀行、國家開發(fā)銀行、上海鐵路局、銀聯(lián)、海爾、浙江能源等。針對不同客戶，采用個性化的商業(yè)模式進(jìn)行服務(wù)，目前主要有私有模式和SaaS模式兩種，都具有較強的可復(fù)制性。
