《烏鎮指數:全球人工智能發展報告2017》顯示,2012-2016年,全球人工智能企業新增5154家,是此前12年的1.75倍;融資規模達224億美元,僅2016年的融資規模就達到92.2億美元,是2012年的5.87倍。
具體到中國市場,2016年涉及人工智能的企業就超過1477家,一年融資27.6億美元。
數據顯示,截止2017年12月,全球人工智能相關專利總數約20萬份,而這一數據在5年前還只是10萬;中國相關專利量超過4萬,超過美國成為全球擁有人工智能專利數最多的國家。從專利申請數量、專利授權數量、專利價值評估等多維度來看,哪些企業在人工智能這一風口行業里能夠獨占鰲頭?又有哪些高校科研院所和知識產權服務機構在這一領域默默耕耘,并且收獲頗豐?
中國人工智能專利數及企業分布
人工智能領域創新力企業TOP10 | ||||
排名 | 企業名稱 | 創新力指數 | AI領域發明專利申請量 | AI領域發明專利授權量 |
1 | 百度 | 91 | 731 | 216 |
2 | 騰訊 | 88 | 544 | 164 |
3 | 科大訊飛 | 87 | 208 | 120 |
4 | 聯想 | 85 | 409 | 225 |
5 | 搜狗 | 83 | 163 | 71 |
6 | 阿里巴巴 | 81 | 458 | 36 |
7 | 華為 | 79 | 513 | 169 |
8 | 奇虎360 | 78 | 219 | 79 |
9 | 海康威視 | 76 | 79 | 42 |
10 | 商湯科技 | 75 | 49 | 4 |
創新力指數=發明申請專利*30%+發明專利授權*20%+PCT國際專利申請*20%+技術專業度*15%+技術市場估值*15%
最具創新力高校科研院所TOP10 | ||||
排名 | 高校科研院校名稱 | 創新力指數 | AI領域發明專利申請量 | AI領域發明專利授權量 |
1 | 西安電子科技大學 | 92 | 668 | 353 |
2 | 中科院 | 92 | 618 | 380 |
3 | 浙江大學 | 90 | 703 | 280 |
4 | 清華大學 | 84 | 557 | 257 |
5 | 北京航空航天大學 | 82 | 554 | 220 |
6 | 上海交通大學 | 81 | 592 | 186 |
7 | 電子科技大學 | 79 | 483 | 206 |
8 | 華南理工大學 | 78 | 500 | 193 |
9 | 天津大學 | 75 | 435 | 170 |
10 | 北京工業大學 | 73 | 359 | 170 |
創新力指數=發明申請專利*50%+發明專利授權*30%+專利授權通過率*20%
人工智能影響力榜單
國內,北京、長三角、珠三角是產業重心,企業總數占全國的84.95%,而中西部地區集中于重慶、四川。32個省市區中在企業數、專利申請數、融資數均排名前十的有:北京、上海、廣東、江蘇、浙江。北上深三地人工智能企業最多,而蘇州人工智能領域專利量存有3000多條,相關企業影響力、融資影響力、專利影響力榜單上排名靠前,穩居全國前十。
AI醫藥大健康
現今,人工智能應用于各個行業領域。其中,在醫藥健康領域的應用已是大勢所趨。對人工智能在醫藥健康領域的應用主要基于多方面的客觀現實:優質醫療資源供給不足、成本高、醫生培養周期長、誤診率高、疾病譜變化快和醫療服務需求持續增加等。
一、AI在醫藥健康領域的應用現狀
它將代替醫生診斷某些疾病或做出人類大腦本身無法做到的一些高智能運算,基于大數據來選擇最佳的治療方案和預后預測等。
在智能影像識別方面,人工智能的應用主要分為兩部分:一是圖像識別,應用于感知環節,其主要目的是將影像進行分析,獲取一些有價值意義的信息;二是深度學習,應用于學習和分析環節,通過大量的影像數據和診斷數據,不斷對神經元網絡進行深度學習訓練,促使其掌握診斷能力。
作為醫生,從CT、核磁共振等圖像判斷一個非常小的陰影,是腫瘤是炎癥還是其他原因,需要豐富臨床經驗的積累。如果通過大數據,通過智能醫療,就能夠迅速得出比較準確的判斷。
隨著深度學習算法的逐漸普及,通過建立深度學習神經元數學模型,從海量醫療影像診斷數據中挖掘規律,學習和模仿醫生的診斷技術,從而給出可靠診斷和治療方案,現已成為發達國家醫院不可缺少的醫療組件。
在智能藥物研發方面,則是將人工智能中的深度學習技術應用于藥物研究,通過大數據分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物,達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。人工智能通過計算機模擬,可以對藥物活性、安全性和副作用進行預測。目前借助深度學習,人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破,在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。
二、AI是藥物研發的未來
人工智能對藥物研發的助力包括:
? 越來越多的新型疾病,讓當今社會投入更多的人力、物力和財力進行藥物開發。但由于藥物研發的困難度和耗時導致藥企急需更快速有效的研發方式。
? 新藥研發通常需要10-15年的臨床試驗進行藥物比例和品種的調整,其成功率不足15%,繁復冗長、資本密集且風險極高,而人工智能能夠模擬出各種不同的新陳代謝率、身體素質等環境,還能夠通過療效和副作用主動篩選匹配藥物,檢測出藥物進入人體后的吸收、分布、代謝情況,還能夠幫助研發人員確定藥量-濃度-功效之間的關系等,讓研發人員能夠較為直觀、快速的對新藥進行觀測,加快新藥研發步驟。
來自TechEmergence的一份報告表明,人工智能可以將新藥研發的成功率從12%提高到14%,可以為生物制藥行業節省數十億美元。一篇發表在科學雜志《SpringerPlus》上的文章指出,一款新藥從最初的專利申請到獲得監管部門批準平均需要12到13年,最后只剩下7到8年的專利保護期獲得市場排他性。
三、AI在醫藥健康領域的機遇和挑戰
中國的醫療資源缺乏,尤其是優質醫療資源嚴重不足。在大力加強專業醫療人才的培養的同時,人工智能就是一個創新的解決辦法。如位于英國倫敦的BenevolentAI是如今歐洲最大的AI創業公司,該公司運用人工智能技術分析不斷涌現的生物醫療論文、專利和實驗結果,提取出有希望促進新藥研發的知識,從而加速新藥的開發。迄今為止,該公司已經獲得了超過1億元的融資,開發出了24個候選藥物。
AI在醫療診斷方面的應用在國內剛剛起步, AI可以滿足高端和低端兩個方向:“高端”是指為三甲醫院的專科提供服務;而“低端”是針對基層全科醫生的診斷系統,與專科診療系統不同,基層全科醫生的診斷系統更注重常見病的診斷治療,標準臨床路徑的執行等。
在醫療中實施機器學習和人工智能會遇到很多眾所周知的挑戰:第一是缺乏“專業數據庫”,而另一個就是設計技術解決方案,并順利將其運用到臨床實踐和科研中去。AI領域中流行著這樣的一句話“只要有足夠的數據,任何問題都可以解決”。這句話未必全對,但從側面說明了數據在AI應用中的重要性。我國的患者資源非常豐富,但是但有高質量完整的臨床標注的數據庫資源并不多。產品做出來之后如何在醫療系統中落地也是難題,一個醫院可能有幾十家系統廠商和上百個數據接口。
四、醫學AI落地需要全產業鏈配合
要真正使醫療產業的人工智能化落地,還需要依托全產業鏈包括醫療主管部門、醫療機構的參與和信息化服務商等各個環節的共同努力。在產品的設計和研發上,需要數學家、計算機科學家或醫學專家的聯合攻關,任何單一力量都無法實現產品的推出。
同時,國家應該發力“追趕”,可以成立國家級的醫學人工智能工程中心,由國內在醫學、藥學、信息技術專業具備一流水平的綜合性高等院校牽頭,吸引大數據應用企業、人工智能開發企業、藥品研發企業等共同參與,加速研發更多適用于國人的人工智能醫學系統,滿足我國醫療領域的應用需求。讓人工智能在醫藥界作用的發揮極致,造福百姓健康。