人工智能在医疗的具体案例精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能在医疗的具体案例主题范文，仅供参考，欢迎阅读并收藏。

人工智能在医疗的具体案例

第1篇：人工智能在医疗的具体案例范文

据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位，国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出，目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

第2篇：人工智能在医疗的具体案例范文

社会医疗保险是一种“低水平，广覆盖”的保障，其最高“赔付金额”是当地上年社会平均工资的4倍左右，在全国大多数地区为2～5万元，而重大疾病医疗费用一般高达10万元以上，两者之间存在较大缺口。

商业医疗保险的空间

建立完善的医疗保障体系已经是当务之急，从目前来看，利用商业医疗保险建立一个没有漏洞的多层次的医疗保障体系是一个合理的选择。就险种类别来看，目前上公众急需的医疗保险、老年护理保险，属于健康险的范畴，而目前我国还没有一家专业的商业健康保险公司，健康险也只是作为寿险的附属业务。尽管如此，我国近年来的健康险增长依然迅速，2000年度我国健康险保费达到27.69亿元，占人身险总保费的2.77%；2001年健康险保费达到60.27亿元，占人身险总保费的4.24%。这一成绩较之成熟市场的1/4到1/3有较大距离，但较上年增长117.65%，远远高于同期42.6%的人身险保费增长率。在七月召开的中国保险行业协会健康保险工作部成立大会暨第一次工作会议上，专家们认为，由于国家基本医疗保险覆盖面不足，保障程度相对不高，为商业保险公司发展健康保险留下了巨大的发展空间。较为谨慎的预测是，到2008年前后，我国健康保险的市场规模在1326亿元左右，而较为乐观的估计是在2837亿元左右。这一切表明中国健康险市场充满巨大的潜力。

商业保险公司的“苦水”

市场潜力巨大，老百姓又急需，这种两全其美的事情，为什么得不到保险公司的热烈响应呢？实际上，商业保险公司有其商业上的苦衷，多种因素制约了业务的顺利开展。

赔付率居高不下

长期以来，各保险公司开办的医疗保险都处于收赔相抵，甚至收不足赔的状况，个别地方的赔付率甚至高达300%，这使保险公司的利润微乎其微，不少公司对大力发展医疗保险的热情不高。

管理难度较大

保险公司与医疗机构的合作关系难以建立，加上医疗制度的不完善，透明度不高，保险公司难以对医疗费用进行控制。保户中存在着不少逆选择投保的，而且一些道德风险和索赔欺诈风险大量存在，使保险公司难以拓展市场。

经营管理方法不先进

在美国普遍使用的风险管理技术，如复杂的费率厘定、承保选择、次优要求、大案管理、非比例再保险保护等，在我国还鲜为人知。

专业化程度低

一方面，我国目前还没有一家专业的商业健康保险公司，国内保险公司把健康险作为寿险的附属，极大地影响健康险的经营战略决策。另一方面，人才匮乏。医疗保险对保险人员的医学知识要求较高，在核保、理赔、精算等方面都需要专业性较强的人才，而保险公司这方面的专业人才缺乏，影响了医疗保险业务的推广。

适合健康险业务的系统缺乏

品种单调，个性化、多元化程度差。当前，公众急需的是纯粹的医疗保险、老年护理保险等，而市场上没有老年护理保险，而一些险种又是以附加险形式随主险开展且以统保形式承保的，难以满足人们的需求；国际上成熟的商业健康险市场一般包含四大类产品：医疗费用给付类、失能收入损失补偿类、长期护理保障类和疾病给付类。我国虽已有180多种健康险产品，但主要集中在第一类上，而且都是一年一保的短期产品。

症结所在

健康险的症结在于风险控制难度大、专业技术要求高。

第一，从管理上说，健康险对案件的管理不是结果管理，而是过程管理。它保障的不是“疾病发生”，而是“就医事件”。“就医事件”是一个完整的过程，它包括疾病发生、就医、治疗、痊愈及出院等步骤，每一个步骤不同的处理方式决定了案件结果的不同。这决定了医疗保险在精算、风险控制、核保理赔、医疗协调管理等各方面均不同于寿险和意外险。其次从协调管理上说，在我国商业保险公司、社会保障部门、被保险人和医疗服务提供者构成了健康保险的四方关系，在这四方关系中，医疗服务提供者对发生就医的被保险人的住院时间长短、治疗方案、是否发生医疗费用及发生多少医疗费用等起着重要作用，社会保障部门与商业保险公司在统一标准、信息共享方面有较强的合作需求。因此加强协调管理对合理施治和合理用药方面的管理有着突出重要的意义。

第二，从风险控制上说，寿险的基础是建立在大数法则上，依赖于“死亡事件”，而死亡是投保人或是被保险人较难人为控制的事件，是一种纯粹风险。而对健康保险来说，其经营的是就医事件和医疗费用风险，被保险人可能在医疗服务提供方的配合下，“无病看病、小病大看”。因此其道德风险要比寿险和意外险严重且不可控。其次，同传统寿险相比，对被保险人的风险控制更为复杂。传统寿险通常将被保险人的健康状况及家族病史作为核保的重点，而对于健康险来说，被保险人保障水平、保险信用记录、过度利用倾向、收入水平、职业情况以及定点医疗机构行医记录等信息也是风险评估的重要部分。

第三，从费率厘定上说，人寿保险主要考虑死亡率、费用率和利率，健康险所要考虑的不仅是疾病的发生率、就医率和住院天数，更要考虑各地的经济发展状况、医疗消费水平、区域及城乡差异、投保团体的情况、医疗环境和诊疗技术的变化等因素。由于医疗保险受免责期、等待期和免赔额的影响，其责任发生带有一定的滞后性，在未到期责任准备金和未决赔款准备金的计提上又不同于财产保险和意外伤害保险。

智能化系统解决之道

健康险这些独有的特性决定了传统的业务系统将很难满足健康险业务的发展，因此，一套能解决业务难点、满足其特殊业务需求的智能化系统就成为了解决问题的关键。因为一套好的健康险智能化系统应具备有效的过程管理、强大的数据交换功能、全方位的风险控制和先进的人工智能技术，并且具有良好的扩展性。

智能化系统通过科学地监控疾病发生、就医、治疗、痊愈及出院整个“就医事件”，从而实现有效的过程管理。由于健康险业务的复杂性、频繁性和实时发生性，需要有效的过程管控系统，单纯的业务流程管理将不能适应医疗保险业务发展和风险管控的需要。传统的业务系统通常只能进行事后型的管理，即就医事件结束后，被保险人持医疗费用帐单进行索赔时，业务系统才开始进行处理。在这种情况下要对就医事件进行审核困难明显加大，常常导致保险欺诈，由于对某些不合理的医疗费用的发生未进行事先控制，导致理赔时出现纠纷。通过过程管理，能够有效地消除保险人、被保险人及医疗机构三者间的信息不对称，使得保险人可以及时获得被保险人的诊疗信息，并可在就医事件出现不合理的情况下及时介入，防止不合理费用的发生。通过过程管理，结束了医疗费用的高低基本受控于医疗机构的情况，加强了保险人对医疗费用的控制力，极大地降低不合理医疗费用的发生率。

智能化系统可同医疗服务提供者、社保机构进行同步/异步数据交换，能够及时地获取各种信息，如：被保险人的医疗信息、药品、诊疗项目、服务项目列表及给付比例等基础数据。通过数据交换，为过程管理及风险监控提供了必要的数据，为保险公司协调管理社会保障部门、医疗服务提供者和被保险人提供了有力的支持，同时减少了工作人员的录入量，增强了业务处理的自动化程度，使工作效率得到了极大的提高。

智能化系统拥有科学的风险评估体系。由于健康险业务的复杂性，在对被保险人进行核保时必须全方位的评估被保险人的风险，如：被保险人保障水平、保险信用记录、过度利用倾向、收入水平、职业情况以及定点医疗机构行医记录等。通过科学地风险评估体系能够准确全面地揭示被保险人的风险，为核保提供重要的参考信息，避免了被保险人逆向选择等风险，从而减少了保险公司的损失。

智能化系能够有效协调保险人、被保险人和医疗服务提供者三方关系，并能对就医事件的整个过程进行监控，及时发现被保险人“无病看病、小病大看”，医院过度提供医疗服务等风险。通过先进的人工智能判断技术，增强了业务处理自动化的能力，可减轻核保、核赔业务人员的工作压力，降低商业医疗保险费用；也可以提高工作效率。

智能化系统建成后，经过一定时期的运行，将积累大量的业务数据，通过数据挖掘技术，可从大量的数据集合中有效发现有价值的商业信息，同时因为有了足够的样本数据，从而为健康险的费率厘定提供重要依据。通过对业务数据进行数据挖掘，保险公司将逐步建立起自身的核心竞争力，智能化系统积累的经验将成为其他公司唯一无法赶超的“信息壁垒”。

由于各地医疗服务水平、基本医疗保障、疾病发生率等存在一定的差别，因此不能按照同一种模式对各地的健康险业务进行统一的管理，智能化系统能对于不同类型的医疗服务、不同发展水平的地区，采取有针对性的管控，使得保险公司可以根据当地的具体情况，顺利开展业务，扩大市场，提高了管理效率，节约成本。

在处理健康险业务时，不仅数据量大，而且还需要综合不同类型的数据，例如：在理赔时，除需要知道被保险人的自身信息外，还需要知道就医医院，使用的药品明细等信息。智能化系统能处理健康险大量数据要求，协调各种业务数据，从而提高了工作效率。

智能化系统实现了数据大集中，能够处理日益显著的人口流动问题，真正支持商业医疗保险产品“全国联保”，实现“风险控制到人”。由于能更好地提供个性化的服务，从而提高了客户的满意度。从管理角度而言，数据集中充分体现了公司总部的监管作用，实现业务数据的实时收集，汇总和查询，同时允许各分支公司在统一管理下的部分个性化。

此外，智能化系统必须具备良好的扩展性，由于健康险业务在中国发展得非常迅速，新的需求、保险产品、业务规则不断出现，具备良好扩展性的系统可通过很少的调整，甚至是不作任何的调整就可以处理新的业务，从而极大地节省了保险公司的运营成本。

案例：

太平洋补充医疗保险方案

全国基本医疗保险办法实施后，城镇职工的基本医疗得到了保障。但是，由于基本医疗保险只能解决参保人员的基本医疗需求，而不能解决劳动者患重大疾病超过封顶线以上的医疗费用负风险；加之参保人员的住院费用是按比例报销，职工个人负担部分较重。因此，为化解参保人员患重大疾病的大额医疗风险，减轻其住院费用负担，太保寿险在全国一些地区相继推出了补充医疗保险。

有效监管面临挑战

太平洋保险寿险总公司希望用一套健康险业务系统来统一管理全国各分支公司的补充医疗保险业务。目前的情况是大部分的分支公司通过人工方式进行核赔理算，带来的问题是显而易见的，由于缺少自动化导致工作效率低，容易出错，客户从报案到得到理赔等待的时间长，客户满意度差。而有些分支公司使用简单的系统进行业务处理，这些系统只针对当地的业务而开发，因此可扩展性差，无法满足业务发展的要求，而且数据共享的难度大。由于各地健康险业务“各自为营”，导致总公司无法直接取得业务数据，因此很难进行有效的监管。

与此同时，要开发一套统一的、集中式的健康险业务系统面临诸多挑战。首先，业务存在地区差异。由于各地医疗服务水平、基本医疗保障、疾病发生率等存在一定的差别，太保各分支公司在开展健康险业务时必须要结合当地的实际情况，这使得各地协议书的内容存在一定的区别，因此系统必须有足够的灵活度以覆盖绝大部分的健康险业务。其次，各类基础数据没有统一标准。例如，针对同一种药品，各地的命名可能是不同的，因此没有一套标准来规范诸如药品、疾病、诊疗项目、服务项目等基础数据，导致数据交换无法进行。最后，建立数据接口存在客观条件的限制。目前，同医院建立数据接口由于客观条件限制，无法实现。而同社保间的数据接口，由于各地社保的数据格式不一致，因此系统必须能处理各种不同的数据格式。

集中式解决方案

该系统是一套采用B/S结构的集中式系统，所有的数据都存放在太保寿险总公司，从而很好地解决了数据集中的问题，提高了管理效率。

该系统最大的四个特色是灵活的责任管理、标准化的医疗字典、强大的数据交互和复杂的业务逻辑。首先在本系统中通过责任管理，可以方便地设置、修改保险责任，并可针对保险责任设置对应理算公式。在新建保单时，可以灵活选择与之相匹配的理算公式。其次，系统建立了标准化的医疗字典，包括：药品、疾病、诊疗项目、服务项目、医院信息、社保机构。根据太保健康险业务的实际情况，疾病使用ICD9编码。药品以上海市卫生局HIS系统标准代码为基础，编码时将药品分为化学药品及中成药两大类，化学药品以药品用途分类为主，中成药按药理作用进行分类；所有药品，以一物一码为原则。诊疗项目、服务项目则使用太保提供的编码。通过同各地的数据建立对应关系，实现了数据的交换。第三，系统同社保间建立了数据接口，方便地导入被保险人的医疗费用信息。通过其它的数据接口，实现批量导入客户信息及药品、疾病等基础数据。实现了对被保险人医疗费用的监控，大大降低了工作人员的录入量。最后，系统可处理复杂的业务逻辑，在案件内部的逻辑关系中，可实现在一个案件下的多次报案，多次立案，多次理算，多次给付。在协议书同保单的关系中，可实现一份协议书下对应多个保单，而每份保单又可对应一个投保人及多个被保险人。

此外系统记录被保险人从报案、回访、立案、资料处理、调查、理算到赔付的所有信息，实现了对被保险人就医事件的监控。

理算时，系统根据一定的规则自动计算进入保险责任的理算金额，并根据影响理算的各种因素，如：基本医疗部分的理赔情况、免赔额等，自动计算出理算结果。降低了错误的概率，极大提高了工作效率。

为了能适应各类核赔流程，系统使用强大而灵活的工作流，通过设置核赔规则，实现自动核赔流程。

客户收益

尽管该系统命名为补充医疗保险理赔系统，但由于设计合理根据太保健康险的实际情况，充分考虑系统的可扩展性，因此通过简单调整即可适应80％的太保健康险业务。这样一来，一方面实现了太保寿险总公司使用一套健康险业务系统来统一管理全国各分支公司的补充医疗保险业务，另一方面也为今后的扩展奠定了基础。由于是一套集中式的系统，太保寿险总公司可以实时地取得业务数据，从而对健康险业务的监管更高效，更有力。

各地分支公司使用该系统后，工作效率大为提高，节约了人力成本，缩短了理赔时间，提高了客户的满意度。更为重要的是，该系统能帮助太保寿险更好地规范补充医疗保险的业务，使补充医疗保险能够健康地发展。

个人健康管理系统

■肖桦

个人健康管理在国外的商业化应用已有20多年。由于医疗费用的不断增加及人们对健康需求意识的改变，保险公司及企业纷纷采用此类服务，通过改善健康预防疾病来降低医疗费用。它不但能有效地调动个人在改善自身健康过程中的积极性，同时也能更准确地筛选高危人群从而增加预防措施的针对性。由此，保险公司可以更准确地衡量被保险人的风险，为厘定费率搜集基础数据。被保险人一方面获得了增值服务，另一方面也能有针对性地采取措施预防疾病从而降低医疗费用。版权所有

KYN是个人健康管理服务项目之一。它是英文knowyournumber的缩写，即知道你的数字。KYN是根据美国及中国有关科研机构多年合作的成果，在美国成功经验的基础上，通过流行病学调研结合中国人群疾病发生的特点而设计的。其目的是通过收集生物学信息(包括身高、体重、年龄到血糖、血脂、胆固醇水平等各项实验室指标，也包括食物摄入量、吸烟量、体力活动等生活方式有关的信息)，对慢性病进行危险评价。以控制危险因素为目标，从而达到减少疾病发生机率与控制疾病进展的目的。

KYN项目有三个组成部分：1、个人健康信息管理系统，即收集和管理个人健康信息，对服务对象目前和将来的健康及疾病的危险性进行评价、跟踪并进行健康行为指导；2、个人健康评价系统，主要包括一系列的疾病危险性评价方法，用以确定个人患慢性疾病的危险程度及发展趋势；3、个人健康改善的行动计划及指南，即通过健康管理的办法对不同危险因素进行控制，实施个人化的健康促进，最终达到预防及控制发病、改善健康、减少医疗费用的目的。

第3篇：人工智能在医疗的具体案例范文

[关键词]医院信息系统;循证医学;大数据时代

[DOI]10.13939/ki.zgsc.2015.13.113

循证医学概念的提出是人们对现代医药的单纯根据病理生理机制指导临床治疗状况的一种反思，它提倡的是最好的临床研究证据与临床实践（临床经验、临床决策）以及患者价值观（关注，期望，需求）的结合。因此，今后的医生，将不仅仅承担着诊治病人的职责，还将兼有医学科学研究的重任。而如何高效快捷地获得大量数据，科学准备地处理大量数据，使之为临床科研提供实验数据支持？当信息技术领域迎来大数据浪潮之际，医院信息系统的发展也势必将推动循证医学步入大数据时代。

1循证医学

1.1定义

循证医学的主要创始人、国际著名临床流行病学家DavidSackett曾将循证医学定义为：“慎重、准确和明智地应用所能获得的最好研究证据来确定患者治疗措施。”根据这一定义，循证医学要求临床医师认真、明确和合理应用现有最好的证据来决定具体病人的医疗处理，作出准确的诊断，选择最佳的治疗方法，争取最好的效果和预后。循证医学的最新定义为：“慎重、准确和明智地应用目前可获取的最佳研究证据，同时结合临床医师个人的专业技能和长期临床经验，考虑患者的价值观和意愿，完美地将三者结合在一起，制定出具体的治疗方案。”显然，现代循证医学要求临床医师既要努力寻找和获取最佳的研究证据，又要结合个人的专业知识包括疾病发生和演变的病理生理学理论以及个人的临床工作经验，结合他人（包括专家）的意见和研究结果;既要遵循医疗实践的规律和需要，又要根据“病人至上”的原则，尊重患者的个人意愿和实际可能性，而后再作出诊断和治疗上的决策。

1.2特征

循证医学的核心思想是在医疗决策中将临床证据、个人经验与患者的实际状况和意愿三者相结合。临床证据主要来自大样本的随机对照临床试验（Randomized Controlled Trial，RCT）和系统性评价（Systematic Review）或荟萃分析（Meta-analysis）。

循证医学的基本特征是：

第一，将最佳临床证据、熟练的临床经验和患者的具体情况这三大要素紧密结合在一起寻找和收集最佳临床证据旨在得到更敏感和更可靠的诊断方法，更有效和更安全的治疗方案，力争使患者获得最佳治疗结果。掌握熟练的临床经验旨在能够识别和采用那些最好的证据，能够迅速对患者状况作出准确和恰当的分析与评价。考虑到患者的具体情况，要求根据患者对疾病的担心程度、对治疗方法的期望程度，设身处地地为患者着想，并真诚地尊重患者自己的选择。只有将这三大要素密切结合，临床医师和患者才能在医疗上取得共识，相互理解，互相信任，从而达到最佳的治疗效果。

第二，重视确凿的临床证据：这是和传统医学截然不同的。传统医学主要根据个人的临床经验，遵从上级或高年资医师的意见，参考来自教科书和医学刊物的资料等为患者制订治疗方案。显然，传统医学处理患者的最主要的依据是个人或他人的实践经验。

2大数据

2.1定义

大数据（Big Data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”这个术语最早期的引用可追溯到Apache Org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和GoogleFile System（GFS）的，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。对于“大数据”[1]研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

2.2特征

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

大数据的4V特征：Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（精确）。

3医院信息系统在循证医学中的应用

医院信息系统（Hospital Information System，HIS）是为了医院的效益而建立的信息管理系统。美国著名的医学信息教授Morris Collen的定义是：HIS的目标是用计算机和通信设备采集、存储、处理、访问和传输所有和医院相关的病人医疗信息和管理信息，满足所有授权用户功能上的要求。其包括临床诊疗部分、药品管理部分、费用管理部分、综合管理与统计分析部分、外部接口部分五个组成部分。药房管理系统、公共卫生信息系统均是其重要组成部分。

3.1药房管理系统

药房管理系统有助于药物经济学的开展。药物经济学是卫生经济学的一个重要分支，药房管理系统通过计算机实时动态数据处理，对全院药房提供动态的药品数据，运用药物经济学（Drug Economic）的理论及研究方法，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，通过研究，运用循证医学的思想，比较评价不同的用药计划、方案、方法的风险及效益，以求用最低的花费而获得最佳的疗效。随着职工医疗保险制度的实施，开展药物经济学研究，对于节约卫生资源、减轻病人经济负担、降低医药费用有着十分重要的意义。

3.2医学专家系统

医学专家系统就是运用专家系统的设计原理与方法，模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序系统，它可以帮助医生解决复杂的医学问题，作为医生诊断、治疗的辅助工具，同时也有助于医学专家宝贵理论和丰富临床经验的保存、整理和传播。将众多医学专家丰富的临床经验及大量病例资料存储在计算机中，通过基于规则推理、基于案例推理、模糊数学推理、基于规则的神经网络推理等推理方法，利用人工智能技术，将大大提高诊断的准确性和快速性。

3.3成功案例

2010年时代杂志刊载的医学界年度十大突破中，医疗科技公司CardioDX通过对1亿个基因样本的分析，最终识别出能够预测冠心病的23个主要基因。

2009年Google的研究人员对每日超过30亿次搜索请求和网页数据的挖掘分析，在H1N1流感爆发几周就预测出流感传播。

4存在问题

随着大数据的爆炸性增长，劣质数据也随之而来，导致数据质量低劣，极大地降低了数据的可用性。国外权威机构的统计表明，美国医疗信息系统中13.6%～81%的关键数据不完整或陈旧[2]。随着大数据的不断增长，数据可用性问题将日趋严重，也必将导致源于数据的知识和决策的严重错误。

数据可用性问题及其所导致的知识和决策错误已经在全球范围内造成了恶劣后果，严重困扰着信息社会。在美国，由于数据错误而引发的医疗事故，每年导致约98000名患者死亡，约占全部医疗事故致死人数的50%[3];据有关专家推算，在数据仓库项目的开发过程中，清理不洁数据通常需要花费30%～80%的开发时间和开发预算[4]。

综上所述，医院信息系统强大的数据收集及分析处理能力为循证医学的快速发展提供了坚实的数据基础，但在运用数据时，劣质数据所造成的损失我们也应尽力避免。要想使医院系统真正步入大数据时代，仍有一段艰巨的道路要走。

参考文献：

[1]维克托・迈尔-舍尔维恩，肯尼斯・库克耶.大数据时代[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，刘显敏.大数据的一个重要方面：数据可用性[J].计算机研究与发展，2013（6）：1147-1162.

[6]张九妹，曹宏亮.浅谈医学专家系统[J].医疗装备，2008（9）：10-12.

[7]徐丽丽，马韵.循证医学[J].中外健康文摘，2009（01X）：50-51.

第4篇：人工智能在医疗的具体案例范文

但是，找到“风口”，猪就真的能飞起来吗？

飞起来之后，会不会很快摔下来？

那么多前赴后继“倒下”的企业

他们是因为没有找到风口

还是找到了风口，却没能坚持飞在天上？

战略和商业模式容易复制，组织能力却是打赢持久战的关键

本期“名著访谈”栏目专访杨国安教授

为您带来其与李晓红共同编著的《变革的基因》

著作节选

自我革新，才能持久飞翔――移动互联时代组织能力与以往有何差别

鹰是世界上寿命最长的鸟类。它一生的年龄可达70岁。活到40岁时，它锋利的爪子开始老化，无法有效地抓捕猎物。它的喙变得又长又弯，几乎碰到胸膛，不再像昔日那般灵活。它的翅膀开始变得十分沉重，因为它的羽毛长得又浓又厚，使得它飞翔起来十分吃力。它不得不面临两种选择：一种是等死，另一种是经过五个月十分痛苦的更新过程。

为了新生，它筑巢于悬崖之上，停留在那里，首先用它的喙用力击打岩石，这是个反复流血的过程，但再痛苦，它依然坚持到底，直至它的喙完全脱落，再静静地等候新的喙出来。之后，鹰就用它新长出来的喙把脚趾甲一根一根，当新的脚趾甲长出来后，鹰再把那些沉重的羽毛一根一根地拔掉。以上“煎熬”的过程，须持续五个月，新的羽毛长出来了，鹰又可以开始飞翔了。

真正的赢家只和自己赛跑。移动互联时代，组织能力成为企业间真正的竞争壁垒。和鹰的重生道理一样――培育新的组织能力，需要痛苦的自我革新。

那么，到了移动互联时代，企业需要新生的组织能力是什么？

组织能力=团队整体发挥的战斗力

组织能力定义

组织能力指的是“团队整体发挥的战斗力”。组织能力指的不是个人能力，而是一个团队（不管是10人、100人，或是100万人）整体所能发挥的战斗力，是一个团队（或组织）竞争力的基因，也是一个团队在某些方面能够明显超越竞争对手、为客户创造价值的能力。

真正的组织能力具备以下三个特点。

第一，深植于组织内部而非个人，有可持续性

例如，丽嘉酒店面对的是高端客户，它的组织能力是卓越的个性化服务，你甚至不知道丽嘉的CEO是谁，但是客户无论到全球哪一家丽嘉酒店，都能享受到同样卓越的个性化服务。

中国有很多能人企业，企业可以在董事长或CEO的英明领导下取得快速成长，但是在能人离开或者出了问题后，整个企业就会走下坡路甚至瘫痪，这类企业强调的是个人能力，而不是组织能力。

第二，给客户带来价值

评判公司组织能力比较客观的裁判是客户，而不是管理团队本身，所以组织能力必须能够为客户创造价值并得到客户认可。

例如，美国西南航空公司的目标客户是短途、高频率飞行的顾客，它为客户提供的价值是“低成本、速度和快乐”。3M（明尼苏达矿物及制造业公司）成立于1905年，经历了多代CEO的转换，但公司仍然不断在不同领域涌现令客户惊喜的创新产品。

第三，明显超越竞争对手

例如，所有的电信设备企业都在谈“以客户为中心”，但是真正像华为这样把客户当成衣食父母的却少见――所有友商都希望客户买更多套产品来赚取更多服务费，但华为却主动研发出把三套标准整合在一个机台上的设备，帮客户省下了50%的成本;当友商在日本福岛核灾、埃博拉病毒面前大举撤退时，华为反而加派人员……这些做法让华为在“以客户为中心”方面明显超越了竞争对手，因此成为华为的组织能力。

组织能力要聚焦、清晰

优秀的公司往往在两三个方面展示出众所周知的组织能力。如果什么都做，反而无法集中资源建立优势，导致样样平庸。

清晰界定组织能力，有助于企业自我提升。很多企业家或高管其实在脑海中隐隐约约已经意识到了公司所具备的组织能力，但因为没有郑重地把这些能力明晰地界定下来，以致团队没有集中精力和资源来关注、开发这些能力，客户也无法清晰地体验公司所希望创造的价值，因此丧失了自我提升的契机。

创造性工作的重要性日益凸显

为了了解移动互联时代所需要具备的组织能力与传统工业时代的差别，我们近年对美国、欧洲和中国在管理创新方面非常有影响力的13家互联网公司进行了实地拜访或深入研究，包括谷歌、亚马逊、facebook、supercell、Uber、NETFLIX、特斯拉、阿里巴巴、腾讯、小米、乐视、去哪儿等，发现标准化工作面临被创造性工作取代的趋势。

标准化工作VS创造性工作

工业时代，工作的关键词是“标准化流程”

过去一百多年的工业经济时代中，绝大多数企业从事的标准化流程工作，不管造车、盖楼还是餐厅服务，它们的产出都是事先确定好的，提供有形的实物或者明确的服务。由于产出事前明确，企业可以通过流程标准化确保大规模复制的质量和效率。

因此，我们发现，在这个时代，最流行的管理工具，如持续改进（Continuous Improvement）、流程再造（Process Reengineering）、六西格玛（6-Sigma）等，核心都是通过流程标准化来改善质量、成本和交付速度。

在这样的背景下，员工主要角色是配合流程和规章制度办事，创意要求通常不高。从20世纪初的以泰勒为代表的科学管理学派，到20世纪末的流程再造大师迈克尔・哈默（Michael Hammer），都是因循这种组织管理思路。

移动互联时代，工作的关键词是“创造性烧脑”

移动互联环境里，商业模式、产品和服务的创新层出不穷，企业更多从事的是“烧脑”，而非“烧体力”的工作。人们经常事先并不知道最终的产出是什么，其产出更多的是无形知识或难以标准护化的服务，需要“摸着石头过河”，不断尝试、调整、验证，以符合客户需求。例如微信，尽管已面世多年，但它最后演变成什么样子，相信没有人知道。因此，走标准化流程的路径已不能保证产出，而人才的创意能力和投入质量，才是无形工作的最佳保障。

移动互联时代，创造性工作成为主流

机器人将取代大量制造性工作

我们正在接近一个关键的门槛，就是使用机器人的成本比雇佣一个工人的成本低15%。这个门槛在美国、欧洲和日本的汽车行业已经被跨过――使用机器人进行点焊的每小时成本为8美元，人工则是25美元。未来，45%的制造性工作将可能被机器人取代。韩国目前在这方面居领先地位，制造业每1万名雇员配置有440个工业机器人，其次是日本和德国。

美国银行在一份报告中预计，最早在2025年，机器人和其他形式的人工智能将把这个世界改变到人们几乎认不出来的地步，它们将以一股“创造性破坏”的旋风打破旧有商业模式，这种转变的影响最终每年将达到30亿万美元甚至更多。

机器人的普及带来的社会后果就是，就业市场底层的人如果不接受再教育，将难以再找到工作。而有创造力的人，将更加抢手。

按章办事的服务性工作也将岌岌可危

2016年3月，谷歌围棋人工智能阿尔法围棋（AlphaGo）与韩国顶尖棋手李世石的比赛吸引了全世界的关注。最终，阿尔法围棋以4：1的总比分战胜李世石。这场可以载入史册的“人机大战”已经落幕，但人工智能等新技术对人类工作和生活带来的巨大改变才刚刚开始。

以翻译工作为例，不断成熟的翻译软件正在冲击翻译行业。

……

本刊专访

《财经界》：“杨三角理论”是您的著名理论，“杨三角”这个说法从何而来，这一理论核心思想是什么？

杨国安：首先，“杨三角”这个名字不是我起的，是有一次上完课，中欧一些同学发现我归纳的图全部是三角，之后就把我的理论框架命名为“杨三角理论”。这要谢谢我的学生们，因为大家发现这是很容易记的品牌和名字。

现在出的这本书《变革的基因》是杨三角2.0版本，更加与时俱进，之前还有1.0版本，是《组织能力的杨三角》和《组织能力的突破》。

《变革的基因》这本书的思想是揭示企业能够持续成功的秘诀。我认为企业的持续成功是要找到风口，但是光找到风口还不够，更要有组织能力，来确保目标能在风口能够实现，继而能够为用户创造价值。因为风口总是在不断调整。

工业时代看重的质量、成本、效率等组织能力，已经被用户导向、创新和敏捷取代。对很多企业来说，质量、成本、效率已经是企业组织能力的基本功，对企业业绩差异化的作用在减小。

持续成功=战略×组织能力。而且是动态的组织能力，是不断与时俱进的能力。组织能力就像是DNA，现在要用什么样的DNA能活下来。DNA需要三种，不断了解客户需求和痛点，以创新的产品、服务或商业模式满足客户需求，然后敏捷迭代。这三个组织能力―客户导向、创新、敏捷――就是确保企业能够动态与时俱进的组织能力。

《财经界》：组织能力是您在书中反复强调的，它是什么？为什么您认为它如此重要？

杨国安：组织能力可以理解为一个团队整体的战斗力，即一个团队最厉害最擅长的是什么东西。有的团队战斗力是创新，有的是低成本，有的是服务好。它是一个团队竞争力的基因，也是一个团队在某些方面能够明显超越竞争对手、为客户创造价值的能力。

一个企业想要持续成功，第一要找到对的战略方向，要不断寻找高获利，高成长空间。而过去的高获利和高成长空间，今天可能不一定算是高获利和高成长空间了。所以一定要根据环境不断调整。当一个企业寻找到高获利高成长空间之后，往往对团队要求的能力是不一样的。所以企业要想持续成功=战略×组织能力。当外界环境改变时，企业内部一定要调整，内部调整之后，团队能力也要调整，否则，好的、新的战略方向都无法实现。很多企业家看到一个赚钱的点，但是却无法执行。就像我经常说的，可以看得到但却吃不到。所以组织能力是确保战略执行的关键。

《财经界》：您认为在企业当中，是人重要，还是战略重要，组织能力重要，还是所处的风口更重要？

杨国安：这要看企业的生命周期，它是阶段性的。第一，企业刚刚起步时，抓到风口很重要。当抓到风口之后会有一个时间窗window time，找到对的技术、产品或商业模式，就能够使企业快速成长。但是，找到风口快速成长一阵子之后，将会面对两个挑战：第一，你的成功模式很快会有非常多的竞争对手模仿，以前的蓝海，马上会变成红海。第二，当企业业务快速成长后，内部业务会变得越复杂，人员规模越大。假如没有强化内部组织能力，管理容易变得混乱，协调沟通成本增加，就像猪飞起来一样，如果不给它插一双翅膀的话，它一定会掉下来，因为企业越大业务越复杂，跌下来的可能性越高。假如企业能借助这个时间窗打造内部组织能力，在团队规模扩大同时继续把产品持续优化，企业就能进入成熟期。问题是不管多好的产品、技术、或者商业模式，也有往下走的时候，因为会有更好的产品、技术、或商业模式出现，这个时候是衰退期。企业在此时需要重新寻找新的获利成长空间，这个阶段就是战略重要了。所以永远就是战略、组织能力相互切换，两者都重要，但侧重点不一样。这就是我之所以说企业持续成功=战略×组织能力的原因。

所以第一阶段风口很重要，企业要找到正确的方向，但值得提醒的是，光靠风口是很难持续的。

《财经界》：一个团队，如何打造效率较高的组织能力？

杨国安：这要靠设计和经营。人很容易以自我为中心，各自做各自的，关键在于怎么领导大家。以海底捞为例，服务人员精神面貌、服务好，他们具有一致性的行为和表现不具偶然性。组织能力就是一个团队不断把一个事情做好的能力。

一个团队、一个公司要实现这个能力需要三大支柱。

第一，要找到对的人，这些人会干这个事情，会做这个东西，这是员工能力问题。

第二，即使会做，也要看他愿不愿意做，我称它为员工思维。

第三，领导允不允许他做，比如有一些人会做某件事，也愿意做，只是很难做，因为没有足够授权。比如一些公司，员工想要创新，老板却把员工骂一通，斥其没有按公司规章制度办事。另外就是流程是否支持。因为创新往往不是一个岗位部门能搞定的，还需要别的部门协助，但是跨部门协作在很多企业是很难的。

这就是杨三角理论里面三个支柱要聚焦打造组织能力，会不会做、愿不愿意做和允不允许做。这三个支柱在打造不同的组织能力会时候内容和要求都不一样。

《财经界》：据您观察来看，是小公司更容易落实组织能力，还是大公司更容易？

杨国安：小公司更容易。因为公司越大，部门越多，地区越复杂，所要打造团队战斗力的挑战越大。企业越小越容易做到，但是反过来，企业越大对组织能力的要求也越高，这是大企业要突破的瓶颈。风口过后更需要组织能力建设，因为组织管理问题变得更为复杂。对企业内部来讲，组织能力如果处理不好，即使有很多员工，效率也会很低，其中的原因是没有把好资源有效地聚焦。

《财经界》：在您的新书里面，您提到的是移动互联，而不是互联网，这是基于什么样的考虑？

杨国安：因为互联网一般是指PC端，移动互联是指更新一代由移动终端（如智能手机、ipad）构成的互联网。从互联网到移动互联的变化是质的变化，不是量的变化。如果一个企业还是基于互联网的变化，而不是移动互联的那么基本上这个企业就被人干掉了。因为现在很少人依靠互联网做事了，很快就会全部依靠手机。

移动互联有几个的特点：第一，它可以定位，而使用者不会端着电脑到处定位。第二，它有支付功能。第三，社交功能。所以如果没有移动互联的时代，就没有Uber、没有滴滴。所以移动互联的好处就是，马上就知道你在哪里，马上可以支付，能做很多以前互联网不能做的事情。在硅谷时，一个投资者讲过，可以想象一下，现在每个人的口袋里面都装着上世纪五六十年代的大型电脑，而且具备定位、支付、社交等功能，很多以前的行业和公司的商业模式都会改变。

移动互联让我们现在连接一切变得更容易、及时、低成本。移动互联连接包括：人与人、人与物、人与信息、人与商品、服务、政府的连接等，这让很多企业在不同的领域有机会创新，赢得拐弯超车、脱颖而出的机会。这个新的技术创造了很多的可能性。

《财经界》：您认为中国的互联网发展到什么阶段了？

杨国安：中国的互联网已经发展得很成熟了。世界上只有两个大的互联网大国，中国和美国。有一些中国的（互联网）业务模式不比美国差。我觉得很多时候，美国互联网行业，深层次的技术比我们强。但在很多应用方面，如商业模式等，我们是比较领先的。

比如直播，在美国只有一个直播形式，但是怎么通过赞、送花等形式变现，他们的探索还是不够，但中国互联网企业能把整个商业模式想得更加透彻。中国互联网行业同一类型的竞争往往很激烈，往往倒逼着行业发展更加完善。在海外这种激烈竞争情况很少，例如：Yelp只有一家，Uber只有一家，Google、Facebook 和Amazon各自经营各自的。中国互联网全部缠绕在一起，竞争非常激烈。如果一个企业的经营模式不比别人好的话，未来是很难的。

《财经界》：外界有一些观点认为，中国的互联网之所以发展快，是因为中国人多，您怎么看？

杨国安：依我看来，一方面这是我国特有的人口红利，在某个程度上这是一个原因。但是还有另外一方面，我认为可能是我们手机移动化比较早。海外很多国家与地区，他们的移动化并没有我们国内这么快。中国手机普及率较高，据相关数据统计，中国移动互联网用户接近7亿人，我们接受力比较快。另外，我认为过去中国人获得信息、获得产品的成本比较高，因为信息分散，所以互联网在某个程度上，使人们获得信息和产品的方式更加多样、渠道更加便捷。

《财经界》：处于移动互联这个风口，互联网如何改造或者颠覆传统企业？面对这些风口，传统企业会遇到哪些危机？

杨国安：互联网可以加很多东西，比如互联网+金融，+教育，+医疗。换句话说，可以把互联网当做一个信息来源，就像工业时代，电力就是一个能源。现在互联网就是一个信息的能源，企业怎么用好这个信息能源，一方面要提高的效率，另一方面要在某些环节利用互联网提供更好的体验。比如说九阳，利用移动互联的营销手段，在微博、微信做新品首发，选择京东、天猫等大型电商平台卖产品，并且能够很活泼地与粉丝、用户互动。在研发端，九阳的产品充分智能化，可以跟手机手机关联。所以说传统企业可以在某些环节利用移动互联技术。在互联网时代，新成立的企业，甚至有可能完全颠覆旧有的秩序与模式。比如说，Tesla，虽然说都是做汽车（产品），但是Tesla汽车和传统汽车是完全不一样的。以前传统汽车，以机械为主，现在基本上就是用App，以前我们的汽车设计出了瑕疵，汽车厂商需要把所有相关汽车回收（recall）到6S店里维修，但是Tesla不需要这么复杂，只要发送新软件给用户upgrade软件就行了，因为整个操作系统就是靠数码化技术。

所以我认为对于传统企业，在某些环节要用互联网、移动互联来强化，要不然很快就会感受到冲击。

《财经界》：过去一段时间，无论是创业者还是投资机构，热情都很高，烧钱助跑，以期能烧出个名列前茅，而今似立于寒冬，趋于理性，这说明了什么？

杨国安：这与国内外的大环境有关，是钱多不多的问题。如果全球在不断地印钱，钱就会找出路，要不是投资上市的公司，买他们的股票，要不投楼市，要不赌未来没上市的公司，所以我认为这与资金充裕度有关。

现在我认为PE/VC等，他们的投资更加理性了。比如有一阵很多人认为做游戏挣钱，投资了一大堆，结果只有几个赚钱，其他全部死掉。当VC/PE损失了钱、血本无归的时候，就要调整了：第一，开始思考团队站的方向是否正确，所在领域成长空间大不大，这是战略问题。第二，赌企业的高管团队，看高管团队的能力行不行。

有一阵在风口论下，人们一度认为只要战略对了，有没有组织能力没有关系，还有就是烧钱，觉得移动互联时代就是要靠烧钱。那么我就要问了，为什么金主愿意给钱？因为看重一个公司的战略和组织能力，所以归根结底，还是看这两点。

我认为风口论和烧钱论都是短暂的。

《财经界》：我们中国有世界级的企业吗？

杨国安：这取决于从什么维度来衡量。用市值来算，腾讯、阿里巴巴这些都是世界级的企业，很多央企也达到世界五百强的规模，所以从这个市值的角度我觉得是有的。

但是从技术的全面性，而且从很多产品的工匠精神，我觉得这个我们还是有差距的。但是整体来讲，中国企业是迈向世界级企业的，而且速度很快，他们各个指标离世界级企业的差距越来越小，但是到不到世界级。

所以是不是世界级，要看从哪个角度来看。

《财经界》：对比中国企业和国外企业，组织能力有哪些特点？

杨国安：中国企业的组织能力相对薄弱。我们还是看重强调强人领导，很依靠企业的老大。老大在位时，企业就运营得很好，老大退休了企业就运营不好，这说明了这个企业是过度依赖个人领导能力，而不是靠团队战斗力，说明了这个老大没有把自己的个人能力变成团队文化，目前来说，中国企业的组织能力沉淀得还是不够深。

《财经界》：那如何改变呢？

杨国安：第一代的创业家就是这样，都是靠强人领导。到第二代、第三代时，就会越来越职业化，会越靠体系、流程。这是跟中国企业的发展有关的。

《财经界》：未来职业经理人会不会越来越多？

杨国安：创业家老了之后，企业运行只有两个方法：一个是靠血缘关系，一个是靠职业经理人。除非儿女的个人能力以及领导能力都很强，要不然企业很快就不行了。现在的很多二十年、三十年的企业还是靠创业人领导，那么以后这个企业要依靠“谁”会影响企业的持续成功。所以企业需要做好接班人规划，不管是传承给职业经理人还是家族成员。

《财经界》：关于中国制造业，有人认为中国应该发展高精尖的技术，有人认为我们现在的技术已经很好了，您的观点是什么？

杨国安：我认为我国的制造业水平还是可以的。但是按照微笑曲线，低成本制造最低端的，是在做苦工。所以应该要往两端发展，一是做技术的升级，二是往树立品牌方向发展。中国现在的劳动力相比越南、印尼来说，并不便宜。我们的制造环节应该有更多智能化、自动化的东西，也应该有更多的自有品牌。

《财经界》：您认为中国处于第四次工业革命的阶段吗？

杨国安：还没到。工业4.0要求非常高的工业智能化。中国还是很有差距的。

《财经界》：您认为未来的风口在哪里？

杨国安：未来的风口会在一些目前经营效率很低，用户很痛的领域。比如说医疗、银行、教育。将来，移动互联网技术会渗透到各个行业。因为本身移动互联是一个信息能源，它的应用可以用到很多的产品的交付，粉丝互动，更加高效更加及时。

世界著名管理咨询大师拉姆・查兰教授

很荣幸有机会与杨教授共同研究、探讨移动互联时代的战略选择及组织创新。新的时代，造就了令人惊叹的技术创新、业务创新及模式创新，更需要企业进行大刀阔斧的组织创新，进一步释放人才的创造力、进一步提升组织的竞争力。相信杨教授的书，会令有志于此的企业家获益良多。

腾讯董事会主席兼首席执行官马化腾

Arthur（杨国安）在他的新书中探讨的是在“互联网+”大背景下移动互联时代的组织能力创新，这里面包含了几层含义：第一，它有互联网特质的内容，包含腾讯在内互联网企业的管理实践可能对读者有一定参考意义;第二，谈到“互联网+”，很多是“传统行业+互联网”，Arthur过去很多的传统行业经验肯定大有裨益;第三，也有很多是“互联网+传统行业”，Arthur现在支持的京东、滴滴出行、美团点评、58同城等企业恰好属于这一类。所以，我想这本书的内容能对很多不同类型的企业有相应的启发。

宏集团创始人、智融集团施振荣

去年，我碰到杨教授，得知他将针对网络组织写书，这也是他继“杨三角”之后，再次提出他的最新理念，可说是“杨三角2.0版本”。

杨教授在本书中有很多来自美国与大陆的具体案例，而美国与大陆也正好是互联网时代的两大市场，许多年轻朋友发挥创意，以创新的方法在互联网世界创造出新的价值，也影响了整个产业的未来发展。

在本书中，杨教授也针对移动互联时代的组织能力创新，提出了许多独到见解，包括“移动互联时代，你准备好了吗？”、“组织再造，激活个体”“打造人才‘梦之队’”、“虚实结合，自我驱动”等，对未来组织有深入的探讨。

本书所探讨的内容不仅会影响到互联网企业，还会影响到所有“互联网+”的相关行业，就如同工业4.0革命，收到影响的行业将会是各行各业，产业大趋势的未来发展将影响到每一个组织，我们要面对它、适应它、迎接它，组织才能赢在移动互联时代。

京东集团董事长兼总裁刘强东

杨国安教授关于组织能力打造的“杨三角理论”很实用和接地气，在实际工作中有很多指导意义。京东近年来业务从电商延伸到金融、智能、O2O、云和大数据等不同业务领域，如何容许不同业务差异化的组织形态又同时发挥集团平台优势是我们面对的挑战。杨教授2.0版的杨三角理论体系及市场网络化组织为京东多元化的发展提供了很多的参考思路。

滴滴出行董事长兼CEO程维

滴滴出行过去四年从存活到打入世界杯决赛，团队搭建和学习速度是支撑业务高速成长的关键成功因素。今天滴滴出行的业务规模已经到了需要更好的方法论、组织形态，去系统建设组织能力的时候了。杨教授的杨三角2.0版《变革的基因》为我们的思考和进化打开了一扇天窗，指引公司很多管理举措的设计和实施。

美团大众点评CEO王兴

“杨三角理论”简单透彻，内涵丰富，对企业可以直接做诊断并找到管理问题所在，可以帮助我们不断优化组织能力，推动战略的实现。O2O行业非常复杂，在传统与互联网结合之外，还涉及很多管理实践的创新，未来的管理趋势将更加关注人的个性与激励，新的杨三角理论体系及市场网络化组织，在管理理念和方法上有更多的创新，提供给我们更多思考和借鉴。

第5篇：人工智能在医疗的具体案例范文

关键词：“互联网+”；创新创业；技术革命；技术-经济范式；关键要素

作者简介：蔡跃洲，男，经济学博士，中国社会科学院数量经济与技术经济研究所研究员，从事技术创新与经济增长研究。

基金项目：中国社会科学院创新工程项目“创新驱动发展的分析与测算”，项目编号： 10620161001005；国家软科学面上项目“产业结构转换、技术创新与中国经济增长潜力提升”，项目编号：2014GXS4B073；中国特色社会主义理论体系研究中心/国家社科基金重大项目“创新驱动发展战略与‘双创’研究”，项目编号：2015YZD03

中图分类号：F062.4 文献标识码：A 文章编号：1000-7504（2016）03-0043-10

2014年以来，中国经济步入新常态，经济发展呈现增速放缓、结构调整和动力转换等特征。为更好适应上述特征、提高经济增长潜力和增长质量，在2015年3月《政府工作报告》上正式提出“大众创业、万众创新”（以下简称“双创”）和“互联网+”行动。“双创”和“互联网+”行动的提出和实施既是新常态下保持中国经济健康发展的内在要求，更是顺应全球新一轮科学技术革命和产业变革趋势的必然选择。本文拟从技术革命和技术-经济范式转换的视角，对创新、创业、“互联网+”的内涵本质进行辨析，从理论上梳理其内在关联；并结合微观实践中新模式、新业态所显现出的各种端倪，对“互联网+”行动下创新创业所面临的机遇和挑战进行分析和展望。

一、创新创业内涵与“双创”现实意义

（一）创新和创业的内涵及关联

根据熊彼特的相关界定，创新就是打破经济体系运行过程中循环往复（Circular flow）的均衡状态，将经济体系中的一部分生产要素进行重新组合；只有这种要素的重新组合才能称之为“经济发展”，并能够通过垄断地位获取利润（Schumpeter，1934）[1]。管理学大师德鲁克（2009）则指出：凡是能够使现有资源的财富生产潜力发生改变的事物都足以构成创新；创新就是要改变资源的产出，通过改变产品和服务，为客户提供价值和满意度[2]。从熊彼特和德鲁克1的界定可以看出，创新的本质就是通过要素资源的重新组合，获取一种垄断地位，提升核心竞争力；在微观层面实现垄断利润或价值增值，在宏观层面为经济社会发展提供动力源泉。

创业与创新之间有着天然的联系。熊彼特认为，创新是企业家的功能和职责；而在德鲁克的创新管理经典中，创新与企业家精神同样紧密联系在一起（Schumpeter，1934；德鲁克，2009）[1][2]。事实上，英文中的企业家（entrepreneur）和企业家精神（entrepreneurship）也被译为创业者和创业精神，其本义是指商业活动的开办过程，特别是那些能够提供创新产品、过程或服务的商业活动。2

在国内外的政策实践中，对于创业有着很多不同的理解。从广义上讲，新开办企业（New Ventures）、（中）小企业（Small and Medium Business）均被视为与创业相关，诸如开餐馆、经营杂货铺等都可算作是创业行为；在统计上，新开办企业数量、小企业数量、中小企业产值、提供就业岗位数等指标也都被用于衡量创业的活跃程度和对经济发展的贡献。不过，从创新经济学角度来看，狭义的创业应该被限定在更小范围，对应的是创业公司（Startup Company）、高成长企业（High-Growth Entrepreneurship）等。只有创办以创新活动为支撑的中小型科技企业才算是严格意义上的创业；具有创新特征的创业公司，特别是那些高速成长的科技型创业公司，即所谓“瞪羚企业（Gazelle business）”，才是推动经济发展的动力源泉。3

（二）新常态下“双创”的现实意义

根据前述对创业的内涵界定，“双创”中的“大众创业”显然属于广义的创业；其涵盖范围应该包括所有类型的新开办企业，当然也包括以科技创新为基础的高成长瞪羚企业。期望所有新开办公司、所有创业行为都以创新活动为基础，显然是不现实的。但是，在经济新常态下，“双创”所强调的普通民众对创业和创新活动的广泛参与，对于支撑和改善经济发展仍有着重要的现实意义。

首先，“双创”在增加就业方面的作用已初步显现。2015年，中国面临近年来最为严峻的就业形势。仅高校毕业生就业需求就接近800万，其中内地毕业生近750万人，“海归”约40万。而年初的政府工作报告则将2015年的城镇就业目标设定为，新增就业1000万人以上，城镇登记失业率4.5%以内；并明确指出完成就业目标的关键在于推进“双创”。国家工商总局数据显示，得益于商事制度改革的支持“双创”政策措施的实施，社会投资和创业热情不断高涨。2015年1―6月，全国新登记企业200.1万户，同比增长19.4%；注册资本12万亿元，增长43.0%；平均每天新登记企业1.11万户，注册资本665.5亿元。而国家统计局数据进一步显示，同期全国新增就业718万，完成全年新增就业任务的七成以上；二季度末，全国城镇登记失业率为4.04%，同比下降0.04个百分点；31个大城市调查失业率4月以来连续3个月回落，稳定在较低水平。

第二，夯实了全民创新创业的基础。“双创”推进过程中，创客空间、创业咖啡、创新工场等新型孵化模式与既有的国家自主创新示范区、高新区、科技企业孵化器等相结合，正在形成一批低成本、便利化、全要素、开放式的众创空间，成为一块块孕育创新创业的沃土；大量科技型创业公司依托此类平台如雨后春笋般不断涌现。以科技企业孵化器为例，截至2015年5月，全国科技企业孵化器数量已超1600家，在孵企业8万余家；仅北京市各类孵化机构便超过150家，入驻企业9000余家。科技型创业公司成长的过程通常是其自身创新能力快速提升的过程；众多科技型创业公司的成长则会体现为国家创新能力的快速提升。而且，经过市场竞争的洗礼后，庞大的初创公司基数更容易孕育出新的BAT，造就中国的乔布斯、马斯克。

第三，营造鼓励创新、崇尚创新的良好社会文化氛围。创新活动最终是靠微观个体具体实施的，因此，微观个体的创新意愿是提升国家创新能力、实现创新驱动发展的根本。而微观个体的创新意愿很大程度上又受其所处社会文化氛围的影响。推动“双创”对于创新文化的形成将产生积极作用。政府部门初期的推动有助于引导更多民众创新创业；越来越多的民众了解参与“双创”后，每个实施创新创业活动的个体将获得更多的社会认同感；而那些脱颖而出的科技型创业公司，则会以其自身成功形成示范效应，激励更多微观个体投入到创新中；最终，鼓励创新、崇尚创新的文化氛围将悄然形成。在上海这样白领文化依然盛行的城市，很多父母已经能够接受子女没有稳定职业，从事创新创业活动。

二、新一轮技术革命与“互联网+”

工业革命以来，人类社会已大致经历了五次技术革命。目前，以新一代信息通信技术为核心的关联通用目的技术（General Purpose Technology，GPT）正在引发新一轮技术革命。“互联网+”正是新一轮技术革命的产物，代表着一种新的技术-经济范式。

（一）工业革命以来的五次技术革命

技术创新可以分为渐进式创新（incremental innovation）和激进式创新（radical innovation）。前者是在既有技术轨迹（technological trajectory）下的改良，而后者意味着对既有技术轨迹的颠覆；当相互关联的通用目的技术领域相继出现激进式创新和突破，并逐步形成主导技术体系，通常会技术革命（Dosi，1982；Perez，2010；Lipsey等，2005）[3][4][5]。20世纪80年代末以来，弗里曼、佩雷兹等新熊彼特主义经济学家对工业革命以来的技术创新进行了系统的考察和梳理，并划分出5次技术革命（Freeman & Perez，1988；Freeman，2002； Perez，2010；Mathew，2013）[6][7][4][8]。

第一次：18世纪60―70年代，以“斯密顿水车”、“珍妮纺纱机”、“阿克赖特水力织布机”等为标志，开启了工业革命的序幕。

第二次：18世纪末到19世纪30年代，以“瓦特蒸汽机”广泛应用和“利物浦-曼彻斯特”铁路线开通为标志，将人类社会带入到“蒸汽和铁路时代”。

第三次：19世纪70年代，以钢铁、电力及重型机械等为代表的第三次技术革命将人类社会带入到“钢铁和电气时代”。

第四次：20世纪初，以石油化学、汽车制造为代表开启了“石油与汽车时代”。

第五次：20世纪60―70年代，以英特尔公司微处理器为标志宣告了“信息时代”的到来。

（二）技术革命与技术-经济范式转换

技术革命爆发后，新的主导技术体系通常会伴生出1―2种成本低廉、近乎无限供给、具有广泛用途的关键要素（key factor）；新技术体系及其对应的关键要素将从根本上影响生产消费、工作生活乃至整个经济社会的运行组织模式，形成与新技术体系相匹配的技术-经济范式；而每一次技术-经济范式转换都能解决原有范式下存在的某些局限（Freeman & Perez，1988；Perez，2010）[6][4]。

以第一次技术革命为例，水车、纺织、炼铁等形成新的技术体系；其中，炼铁技术大大降低生铁生产成本，使之得以广泛应用；最终，机器生产替代了手工劳动，工厂替代了传统的手工工场，分工协作体系逐渐形成，加上在当时英国周边发达的运河体系及海上贸易网络，促成了商业的兴起等。这些塑造了一个完全不同于农耕文明时代以手工劳动、分散割裂、自给自足为特征的生产生活模式，初步解决了大规模、机械化和生产过程控制等问题，形成了具有现代文明特征的技术-经济范式（见表1）。

（三）“互联网+”背后的新技术革命

作为“互联网+”概念和语汇的首创者，马化腾（2015）将其定义为：以互联网平台为基础，利用信息通信技术与各行业的跨界融合，推动产业转型升级，并不断创造出新产品、新业务与新模式，构建连接一切的新生态[10]。“互联网+”背后的技术支撑是以移动互联（物联网、万联网）、云计算、大数据为代表的新一代信息通信技术。

信息通信技术属于典型的通用目的技术，能够被广泛应用于国民经济各行各业，渗透到生产、流通、消费各环节；而移动互联（物联网、万联网）、云计算、大数据等相对于以往的固定电话、个人电脑、单机运算等技术而言可以算是一种颠覆。与此同时，在其他关联的通用目的技术领域，一系列激进式创新正不断涌现。在新材料领域，石墨烯已在超级电容、环境治理等方面展现出超凡的应用前景；高强度纳米纤维、纳米管计算机、纳米隐身材料、纳米环境材料层出不穷[11]（P15-17）。在能源领域，风能、太阳能、生物能等可再生能源技术已日臻成熟并实现大规模商业化应用。在交通运输领域，先进汽车、先进飞机、轨道交通都取得重大突破[11]（P34-35）。可以说，以移动互联、云计算、大数据等新一代信息通信技术为核心，加上新材料、新能源、先进交通运输以及基因和干细胞生物等前沿技术所形成的新技术体系，正逐步成为新的主流技术体系，并催生新一轮技术革命。1

（四）“互联网+”代表的新技术-经济范式

新一轮技术革命在某种意义上可以看作是继电子计算机、芯片、个人电脑出现后的第二次信息技术革命。以芯片、PC、软件为代表的第一次信息革命，使人类在数据信息处理方面的能力实现了跨越式的提升；而在以新一代信息通信技术为核心的技术体系下，信息的收集、存储、处理、传播、展示等则发生了全方位的革命性变化。移动互联、传感器+RFID+物联网、云存储、大数据分析等技术使得数据信息的生成和处理成本极大降低。以支付宝为例，2014年支付宝完成一笔支付业务的成本已降到两分钱，并且呈继续下降趋势。新技术体系所带来的零边际成本效应，使得数据信息成为新的关键要素。

围绕数据信息这一新的关键要素，新的技术-经济范式正在形成。“互联网+”现代农业、工业4.0、互联网金融、能源互联网等等，都是基于新一代信息通信技术而衍生出的新型产业模式，其核心支撑就在于网络平台和低成本的数据信息收集处理。在“互联网+”行动实施之前，经济社会运行实践中新技术-经济范式的特征已经初显端倪，大致表现为分布式、网络化、智能化、集成化、产业融合、跨界融合、线上线下融合、大规模低成本个性化和定制化等。而实施“互联网+”行动，将加快新一代信息通信技术在经济社会各领域的广泛应用和渗透，推动技术-经济范式的转换。

三、“互联网+”行动的创新创业机遇

实施“互联网+”行动是顺应新一轮技术革命和技术-经济范式转换要求的重大举措，将加速新一代信息技术在经济社会各领域的广泛应用和渗透。历史经验表明，每一次新技术体系的推广渗透和技术-经济范式的转换都会伴随各种新经济、新业态、新模式的大量涌现，产生各种新的投资消费需求，为创新创业提供巨大的成长空间。

（一）“互联网+”与新一轮经济长周期

根据熊彼特的周期理论，工业革命后世界经济发展存在一个50―60年的长周期；在熊彼特之前，苏联经济学家康帝拉季耶夫于1926年利用英国、法国、美国的统计资料，提出了一个跨度大约在48―60年的长周期概念。熊彼特与康帝拉季耶夫的研究只截止到20世纪20年代末，后续的长周期仍然是存在的，但是跨度似乎缩减到40年左右，为简便起见不妨将熊彼特经济周期（康帝拉季耶夫周期）简称为“经济长周期”。新熊彼特主义经济学家将经济长周期与技术革命进行对照分析后发现，5次技术革命的出现及技术-经济范式的转换与新一轮长周期的开始在时间上存在着一种耦合。通常，新技术革命的标志性事件会在上一轮长周期的下降期出现，比新一轮长周期的形成提前10―20年；到新技术体系成型时，经济开始进入新一轮长周期的上升期；而且，技术革命出现的时间间隔也大致在50年左右（Kondratiev，1935； Schumpeter，1939；Perez；2010；Mathew，2013）[12][13][4][8]。技术革命和经济长周期在时间上出现耦合的内在机制可能在于：重大的技术革命对原有的技术体系带来了颠覆性的破坏，摧毁了原有的系统，社会需要经过一段时间的接受和适应；一旦跨越临界点就会引发大规模的投资需求，全社会要素资源向新技术领域大量集聚，生活消费方式也将发生重大变化并引发新需求，从而使经济进入新一轮的繁荣和上升阶段（Kondratiev，1935；Schumpeter，1939；Mathew，2013）[12][13][8]（见表2）。

如果前述关于新一轮（第六次）技术革命的相关假设和判断成立，那么大约在2008年前后，移动互联、云计算、大数据分析以及可再生能源大规模商业应用等标志性事件已经出现。按照标志性事件出现10年左右进入新一轮长周期上升期计算：以2015年为起点，往前推进3―5年，到2020年左右，很有可能启动新一轮的经济长周期。以移动互联（物联网）、云计算、大数据等为代表的新一代信息通信技术的广泛应用将成为新一轮长周期启动的主要动力来源之一，衍生出各种新的产业、模式，形成新的技术-经济范式。政府实施“互联网+”行动有助于加速新一代信息通信技术的应用和渗透，在更好地把握长周期节奏、推动中国经济进入一段上升通道的同时，为微观主体创新创业提供更大的发展空间。

（二）“互联网+”有效降低创新创业门槛

第一，“互联网+”具有轻资产特征，大大减少了该领域创新创业的初期投入。“互联网+”的一个重要方向就是借助网络平台及云计算、大数据等其他信息通信技术对经济社会运行的组织方式进行优化和改造，并由此衍生出很多新业态、新模式，如出租车电招、O2O本地生活等。此类创新创业活动的核心在于充分发挥网络平台和数据信息优势，对特定领域既有的存量资源进行有效整合，通过消除信息不对称提升资源利用效率；因此，创业者初期设备购置、固定资产投入等方面支出大为减少，从而降低了创新创业的资金门槛。

第二，“互联网+”与开放式创新有着天然联系，能够有效整合企业外部创新资源，降低企业创新成本。依托互联网平台是“互联网+”创新创业活动开展的前提，而互联网平台开放、分享、即时等基本属性则为整合多方创新资源进行协同创新创造了更为有利的条件。众包网络平台公司InnoCentive，借助网络平台在全球范围内广泛征集各类“挑战性问题”解决方案；50%得以最终解决；与传统雇佣研发人员的模式相比，效率要高出30%以上；诸如宝洁等世界500强企业也借助InnoCentive平台为其研究开发活动寻求解决方案。在软件领域，开源创新越来越成为软件开发的主流。其基本模式是，借助于开放平台和网络社区，汇集各种具有创新意识的开发者，实现软件开发、升级、共享；开源创新的共享理念减少了软件开发过程中的知识产权保护限制，以最低成本支撑创新。

第三，“互联网+”行动实施过程中，各种信息基础设施和数据资源的共享将进一步降低创新创业活动的成本。2015年7月的《国务院关于积极推进“互联网+”行动的指导意见》（以下简称“《指导意见》”），对“互联网+”创新创业进行了专门部署。《指导意见》鼓励大型互联网企业和基础电信企业利用技术优势和产业整合能力，向小微企业和创业团队开放平台入口、数据信息、计算能力等资源，提供研发工具、经营管理和市场营销等方面的支持和服务，提高小微企业信息化应用水平，培育和孵化具有良好商业模式的创业企业。在实践中，百度早在《指导意见》出台前便已经开放其“百度云平台”及定位服务等数据资源，支持中小企业创新创业；阿里巴巴集团则推出了“百川创业”、“创客家“等项目，针对移动互联网创新者提供其“电商云”资源及云计算服务；而腾讯开放平台应用总数已达240万款，创业者达500万，覆盖全国1―3线城市。与此同时，政府公共数据资源的开放也在加速。2015年8月19日，国务院常务会议通过《关于促进大数据发展的行动纲要》，专门强调推动政府信息系统和公共数据互联共享；北京、上海、深圳等地方政府已经开放了不少公共数据资源。

（三）“互联网+”创新创业的趋势方向

在“互联网+”行动推动的技术-经济范式转换过程中，中国的创新创业呈现以下趋势和方向。

第一，开放式创新和草根创业正在成为创新创业的主流模式。“互联网+”不仅为普通民众参与创新创业降低了门槛、提供了平台，更在关联技术应用实践中传递了开放、平等、协同、共享等为特征的互联网思维（郭重庆，2015）[14]。近两年，越来越多的草根大众能够有激情也有机会投身于创新创业的大潮中，正是得益于创新创业网络平台的建构和互联网思维的传播。

第二，“互联网+”对经济社会的渗透将遵循先易后难、先消费后生产等原则。市场化程度较高、社会闲置资源较多、信息不对称问题较突出的领域，已率先迎来创新创业潮。近两年物流配送、O2O本地生活、电招租车、互联网金融等领域的快速发展都是例证；互联网医疗、远程教育、现代农业等也正成为创新创业的新热点。而行业准入、技术复杂度等则会成为制约“互联网+”创新创业发展方向的重要因素；诸如能源互联网、工业4.0、3D打印、人工智能等领域，虽然具有广阔前景，但近期发展将受制于行业和技术门槛。

第三，满足发展阶段和人口结构变化所带来的需求变化，将成为“互联网+”创新创业的重要方向。2014年，中国人均GDP达到7485美元，早已进入中上收入国家行列；与此同时，人口老龄化也在加速推进。伴随着发展阶段和人口结构的变化，宏观需求结构正朝着关注健康、追求个性、注重品质、节省人力等方向转变。满足上述需求特点的O2O本地生活服务、可穿戴设备、远程医疗、智能制造、服务机器人、工业机器人等领域都是“互联网+”创新创业的重要领域。

四、“互联网+”创新创业面临的挑战

（一）创新创业实践中的误区与偏差

首先，很多创业者，特别是缺乏社会经验的大学生创业者，对“互联网+”创新创业的残酷性往往没有充分认识和准备。事实上，创业公司存续期短、成功率偏低历来都是无法回避的现实；从欧美调查数据来看，50%以上的创业公司存活时间不足5年。“互联网+”虽然降低了创新创业门槛，但比起传统的创新创业更具残酷性。根植于移动互联网之上的各种新业态、新模式，其网络特性带来的先发优势和用户黏性，更容易形成行业垄断（或寡头垄断）局面。在细分领域中，经常出现行业第一和第二之间的竞争进入胶着和白热化后，行业第三应声倒下的案例。据估算，中国70%的大学生创业都集中在互联网外卖上，模式单一、趋同。在“饿了么”、“生活半径”、“百度外卖”已经占据大部分市场的情况下，此类“互联网+”创业既没有新意，也很难有太大生存概率。如果任由类似的盲目创业现象蔓延，可能会造成大量创新创业资源的浪费。

第二，创业者过分追求“互联网+”概念的炒作，追求形式上的创新，而忽略创新的本质，忽略了核心技术、产品质量、服务品质的提升。国内某智能手机公司（以下称“CZ科技”），其创始人借助自身媒体从业经验，通过炒作博得了不少眼球，但其旗舰手机后15个月累计出货量不足30万台。类似的概念噱头还有“XX牛腩”、“XXX烧饼”等等。相比之下，华为手机依托自身技术优势，厚积薄发，其旗舰手机Mate7仅半年出货量便高达400万台。

第三，传统行业的很多企业，特别是国有大企业，对“互联网+”大潮的到来反应迟钝，尚未确立拥抱“互联网+”的积极心态。这在根本上源于传统行业企业，特别是国有大企业，是旧技术体系下的既得利益群体；在新旧技术体系交替和技术-经济范式转换过程中，基于（技术上的）路径依赖通常都会表现出一定惰性。具体体现为，因袭原有的信息化老路，对云计算、大数据等基础设施服务缺乏必要的了解和应用，也没有适应消费者作为主导的商业格局的转变（高红冰，2015）[15]。

（二）基础性支撑条件有待改善

第一，与“互联网+”相关的基础设施发展滞后。与美国、欧洲、日本、韩国等发达经济体持续进步相比，中国宽带建设、网速等方面存在很大差距。特别是城乡、中西部的“数字鸿沟”，严重制约“互联网+”创新创业的发展。根据美国最大的CDN服务商Akamai的“2014年第三季度全球网速排行榜”，中国平均网速不足4Mbps，全球排名第93位；而美国康奈尔大学、欧洲工商管理学院与世界知识产权组织（WIPO）共同编制的“全球创新指数（Global Innovation Index，GII）”显示，中国信息通信基础设施分项在全球143个经济体中排名第73位。

第二，现行教育体系与创新创业现实需求存在较大脱节，人力资本积累难以满足创新创业，特别是“互联网+”创新创业的需要；突出表现在高等教育质量及职业技术教育方面。2014年GII指数排名中，中国在高等教育分项上的排名仅为第115位。对于“互联网+”之类的新兴事物，现行教育体系远未建立起系统的人才培养机制。

第三，资本市场发展极不健康，难以满足创新创业的融资需求。中国的资本市场发展也接近30年，总市值规模一度超过60万亿。在各种因素的共同作用下，资本市场满足融资需求的核心功能并未有效发挥，反而沦为投机炒作的工具；这在2015年6月之前的“疯牛”及此后的“股灾”中表现得尤为明显。

第四，核心技术与欧美国家仍存在较大差距。“互联网+”虽然降低了创新创业门槛，但新业态、新模式的成长和发展最终需要依靠核心技术为根本支撑。近年来，中国在技术创新方面虽然取得长足进步，但在很多领域的核心技术上，与欧美日等发达经济体仍然存在较大差距。以物联网核心关键技术为例，RFID标签、非接触式智能卡、应答装置、发射接收器等，美日韩都排名前三位，核心优势明显。而中国对物联网的研发主要集中在拓展物联网的实际应用层面，对核心关键技术的积累与国外巨头存在10年左右的差距。从我们实地调研访谈了解的情况来看，即便是华为、中兴等以创新能力突出著称的领军企业，依然存在不掌握核心技术的情况。

（三）行业标准与规制监管相对滞后

一方面，行业标准的缺失和滞后在短期内往往容易引起混乱。行业标准的出台通常都滞后于行业发展；对于“互联网+”衍生出的新业态、新模式来说更是如此。特别是那些以个人体验为特征的服务业，如家政、理发、美容、汽车保养等社区生活服务，其行业标准的制定本身具有较大难度。在植入“互联网+”元素后，短暂但大面积的行业标准缺失或滞后，往往导致实际运行过程中乱象丛生。

另一方面，政府行业主管部门规制和监管措施的滞后也会成为新业态、新模式快速发展的羁绊。例如，在2010年前后，云计算服务还处于发展初期，根据当时的《互联网信息服务管理办法》的有关规定，企业必须取得ISP牌照才能经营互联网接入业务；而工信部于2009年即停办了ISP牌照的发放，导致新创立的云计算服务企业无法申请该牌照，业务开展也受到制约。2014年以来，政府部门规制和监管滞后影响“互联网+”创新创业的情形更为突出；在互联网金融、电招租车等领域，都经历了类似的规制和监管困境。

五、总结性评论与政策建议

（一）总结性评论

前述四部分依托创新经济学理论，对创新创业内涵、“互联网+”本质进行辨析；结合中国创新创业和“互联网+”的相关实践，对“互联网+”行动下创新创业面临的机遇和挑战进行较为深入的梳理和分析。据此，可以得出以下几点：

第一，创新的本质是通过要素资源的重新组合，获得垄断地位、实现更多市场价值；创新与创业有着天然联系，狭义的创业仅限于从事创新活动的企业开办行为。“双创”中创业涵盖了所有类型企业开办活动，虽非创新意义上的创业，却有助于夯实全民创新创业基础，营造鼓励创新、崇尚创新的社会文化氛围。

第二，“互联网+”是新一轮技术革命的产物，其背后的技术支撑是以移动互联（物联网、万联网）、云计算、大数据为代表的新一代信息通信技术。新技术体系下，数据信息的生成、收集、存储、处理、展示都取得革命性突破；由此带来的零边际成本效应，使得数据信息成为新的关键要素。

第三，围绕关键要素，新的技术-经济范式正在形成。目前，经济社会运行中新技术-经济范式的特征已经初显端倪，表现为分布式、网络化、智能化、集成化、产业融合、跨界融合、线上线下融合、大规模低成本个性化和定制化等。实施“互联网+”行动将加速技术-经济范式的转换。

第四，工业革命以来5次技术革命的规律表明，技术-经济范式转换的过程通常会与新一轮经济长周期的上升阶段相伴随，并涌现出各种新经济、新业态、新模式，产生各种新的投资消费需求。实施“互联网+”行动有助于更好地把握新一轮长周期节奏，为微观主体创新创业提供更大的发展空间。

第五，“互联网+”有效降低了微观主体创新创业的成本和门槛，开放式创新和草根创业将成为未来的主流。“互联网+”创新创业在市场化程度较高、社会闲置资源较多、信息不对称问题较突出的领域已经取得重大进展；未来适应发展阶段和人口结构变化所带来的需求变化，将成为“互联网+”创新创业的重要方向。

第六，“互联网+”创新创业同样面临诸多挑战。一是不同类型主体对“互联网+”的认识存在偏差，或者对“互联网+”过于乐观，或者对其反应迟钝；二是ICT基础设施、人力资本、资本市场、核心技术等基础性支撑条件还有待改善；三是行业标准与规制监管相对滞后对新业态、新模式发展带来很大制约。

（二）政策建议

为切实把握“互联网+”创新创业的机遇，为新常态经济提供有力支撑，结合前述第四部分相关内容，有以下政策建议。

第一，有针对性地实施企业“互联网+”创新创业辅导。由人社部门、教育部门及总工会牵头，充分利用众创空间等社会资源，对涉足“互联网+”拟创业人员和创科技型中小企业进行创业辅导，提升创业者的经营管理水平，协助解决创业过程遭遇的现实困境。与此同时，还应由国资委等部门牵头，针对国有企业中高层管理人员开展“互联网+”及信息技术革命方面的专题培训和考察，以拓展其视野，提高国有企业参与“互联网+”创新创业的积极性和主动性。

第二，综合运用各种普惠性政策手段，对“互联网+”创业公司进行系统扶持。一是完善公共研发设施，切实执行税收优惠政策，引导“互联网+”创业公司在所涉足领域加强技术研发；二是简化行政审批手续，提升公共服务水平，进一步降低“互联网+”创新创业成本；三是建立调查反馈机制，及时发现“互联网+”创业公司运营中的各种共性问题，并出台政策，提供系统性解决方案。

第三，完善现行教育体系，不断提高人力资本积累水平。在现行高等教育体系中，增加创业创新方面的教育内容，提高大学生创业创新的基本技能；并结合“互联网+”发展需求，开设相关课程。大力完善职业教育体系，借助工会、科协以及互联网企业等各方资源和力量，针对不同层次的社会人员开展在职培训。

第四，不断完善“互联网+”创新创业的基础性支撑条件。一是加强信息通信技术（ICT）基础设施建设，为各种“互联网+”创业行为提供更多便利；二是规范资本市场，在加强监管、减少不正常炒作的同时，要切实利用好新三板等平台，将更多社会资金引导到创业创新活动中；三是在鼓励企业成为创新主体的同时，政府部门应继续加大基础研究方面的投入，组织实施重大基础性核心技术的集中攻关。

第五，优化行业监管和标准制定。行业主管部门要本着鼓励创新、支持创新的原则，着力改进监管和规制水平。积极把握新一轮科技革命和产业革命动态，主动适应新业态、新模式要求，及时调整各种监管准入规则，尽量减少滞后监管规则对创业创新带来的阻碍。国家及省级标准行政主管部门则应着力完善与新经济新业态相关的标准制订工作；结合业态新、成长快等特点，优化标准制订流程，加快标准制订步伐；在标准制订过程中，应充分吸收业内企业参与标准制订，提高标准对产业发展的适应性和支撑性。

参考文献

[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・德鲁克：《创新与企业家精神》（中译本），北京：机械工业出版社，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] 马化腾：《关于以“互联网+”为驱动推进我国经济社会创新发展的建议》，腾讯研究院――国内|业界动态，2015-04-13.

[11] 中国科学院：《2014高技术发展报告》，北京：科学出版社，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.

人工智能在医疗的具体案例精选(九篇)

第1篇：人工智能在医疗的具体案例范文

第2篇：人工智能在医疗的具体案例范文

第3篇：人工智能在医疗的具体案例范文

第4篇：人工智能在医疗的具体案例范文

第5篇：人工智能在医疗的具体案例范文

相关热门标签

相关文章阅读

相关期刊推荐

透析与人工器官

人工智能

人工晶体学报

人工智能法学研究

模式识别与人工智能

精选范文推荐