大家好,今天小编带来从AI到区块链 2020年保险行业发展的5个技术趋势的问题，以下是小编对此问题的归纳整理，来看看吧。
从AI到区块链 2020年保险行业发展的5个技术趋势
来源：火星财经
全球保险市场正在经历技术变革。数字优先业务模型是传统保险公司和保险技术公司比以往任何时候都更加看重的方向，他们测试新的业务模型和新技术来推动收入流。
最重要的是，新兴技术趋势可以通过防止欺诈和使服务自动化运行来降低运营成本，从而使保险代理商有更多的时间来获取和维持业务。
这是一个的新世界，但并不像您想象的那样可怕，以下是颠覆保险业5个主要发展的技术趋势，会变得越来越好。
保险技术的兴起
保险技术在保险业的某些角落声誉不佳，因为它使本来稳定的行业发生了很大的变化。但是，保险技术也可以帮助传统保险公司实现现代化。
广义而言，保险技术是指使用创新技术为保险购物者节省和提高效率，同时改变大多数承运人使用的当前模式。保险科技公司通常会处理复杂的数据，因此不会根据数据载体，而是根据风险对人员进行分组的基本水平来对人员进行评级。
保险技术公司不仅提供更好的定价模型，还使用人工智能（AI）来定制软件包并完成覆盖过程，而无需经纪人。正如我之前所写，许多保险技术初创公司已经与传统保险公司作为专门的合作伙伴而不是竞争对手合作。
远程信息处理设备
消费者使用新技术来摆脱群体风险，并节省资金的一种方式是安装远程信息处理设备。远程信息处理设备安装在汽车的车载诊断端口（OBDII端口）中，该端口位于汽车方向盘下方。
许多较新的汽车已经内置了远程信息处理设备，安装完监视器后，远程信息处理设备将开始跟踪驾驶习惯并将其传递给保险公司。公司还可以向消费者提供报告的副本，以帮助他们提高储蓄技巧并提高驾驶技能。
虽然有些人可能会对他们的评分很差而感到惊讶，并且在自己的汽车上安装了设备后他们的评分上升了，但其他人可能会看到保费下降。
社交媒体
社交媒体已成为保险代理商和运营商与消费者建立联系的热门方式，包括Geico在内的各种规模的代理商都已进入LinkedIn，Facebook和Instagram。一些保险专业人士无需花费一毛钱就可以使用视频应用来发挥创意，或者制作风格鲜明的***来吸引人们的注意力。
与我合作的大多数代理商都看到了在教育可以更好地服务于现有客户，并利用社交媒体与潜在客户建立联系的价值。运营商甚至可以利用社交媒体通过使用Facebook表格和FacebookMessenger来在线提供保险报价。
机器人过程自动化（RPA）
你可能听到过机器人将很快能够为人类执行任务的消息，那么谁又不为所动呢？至少在保险行业，这比无人驾驶飞机接管我们的工作少得多。
我希望RPA能够简单地自动执行交易和流程，例如索赔处理和单据验证。消费者可以看到更多的自助服务选择，并且随着时间的推移，这将减少对后台工作的需求。
另一方面，对具有数据分析和机器学习技能的代理人的需求可能会更大。德勤（Deloitte）表示，机器人技术和认知自动化（RCA）将通过自动化重复性任务并提高工作质量来促进人机协作。
人工智能（AI）
人工智能比其他任何技术都更能破坏保险业，因为运营商依赖数据，这也是人工智能的基础。运营商掌握这项新技术越成功，其生存的机会就越大。
然而，根据德勤（Deloitte）的数据显示，保险业在2017年投资于人工智能仅落后于1.33%的行业水平。实际上，保险业可能难以赶上AI运动，这使得保险科技初创企业如此成功。
Insurtech只是在已经适应自动化和快速，准确的服务的文化中填补了空白。例如，德勤涵盖了一家使用AI驱动的理赔分析的财产和点对点保险公司。据报道，使用来自消费者的图像和***声明信息处理了18种反欺诈算法。
区块链
许多人仍然对区块链的概念感到困惑和由于，其中一篇论文解释说，它实际上是记录在各方之间共享的数字***的记录，只有在大多数参与者的共识下才能更新，据报道，其上的信息永远不会被擦除。这很重要，因为当各方之间存在价值偏差时，区块链可能会更方便提取价值的业务模型。
同样，区块链可能会改变消费者对更快服务的期望。区块链技术可以帮助改善风险评估和欺诈预防，最重要的是，我相信这项新技术有望在保持客户满意的同时降低成本。
保险技术的未来可能会根据个人数据，而不是根据基于人口统计学的平均统计数据而定价。例如，对于健康保险，可能会有像Fitbits这样的监视器来预测风险。
原文来源于福布斯英文版，由BluemountainLabs团队编译，有删节
本文源自火星财经
保险行业的发展现状和未来趋势是什么？
保险行业的发展现状和未来趋势：
1、越来越多的中型企业将进入市场并继续竞争，保险公司将在产品和服务方面进行自我升级，保险公司越来越多。在发展的后期，竞争越来越激烈，产品的性价比和专业性也越来越高。
2、产销分离。当前保险从业人员的专业度和职业素养，已经不能满足广大客户日益增长的保险需求。10年，保险行业将出现大批高素质的人才，国家也会有配套的职业资格认证体系。
3、保险公司会提高自己的投资能力，追求差异化发展，构建自己的生态。泰康保险太平保险已经开始做养老社区，把付得起同一水平保费的人未来的养老问题解决了。同一收入水平的人，今后大家住一起。相信会有更多保险公司跟进。
4、可穿戴设备、物联网技术，为保险标的的风险评估提供更为精准的模型和数据基础。现在已有某公司，每天走路步数达标，第二年保费打折。客户越健康，越是晚理赔，保险公司就有更长时间投资保费，客户最后理赔或者退保得到的分红就更多。
5、大数据也为定制化、个性化、碎片化的产品提供风险定价基础，产品更丰富，定位更精准。
6、随着社会的发展，我们的生活方式也在发生着变化，所以人们担心的风险可能是意想不到的。比如近些年流行的共享单车，有相应的专用单车共享保险，还有虚拟财产保险。
客户的选择会越来越大，毕竟在网络时代，什么都可以是百度。保险代理人的职业化是必由之路，即树立个人品牌。那些不靠谱，只关心业绩，不关心客户利益的人会逐渐被淘汰。
保险科技行业现状及趋势分析
中国作为可发展体量最大的国家，保险行业一直在有序向上的发展，在去年疫情的大环境下，人们对于健康的意识明显加强，与健康相关的保险有着显著的增长。
而保险于中国在过去的发展中属于粗放式经营，也就导致了乱象丛生，尤其是车险尤为突出。因此去年银保监会对车险市场进行了综合的改革，双增双降让整个车险的保费收入明显减少，因此财险公司对于非车险业务的依赖空前的高，尤其是健康险，在疫情的大环境下成为了非车险之王，同时对于很多保险公司来说，大力发展网销成了一个突破口，比如众安财险是属于走在数字化前端的保司，也占了网销市场的大部分份额。
对于保险中介来说，今年在银保监对于中介信息化合规的要求下，呈两极分化的态势，头部公司占有市场优势，但同时也在寻求转型，而小型中介可能就会面临生存的挑战。与车险息息相关的经销商们，也在力求保证合规运营业务的同时，寻求新的利润来源，这也就助推了诸如评驾科技这样的保险科技公司的快速发展，凭借对于平台的搭建与数据的分析应用能力，为行业赋予全新的竞争优势。
中国的保险市场还有绝对的挖掘潜力，整体上的人均参保率和保费其实还与发达国家差的很远，虽然近期对于整个保险市场，监管部门连续的进行干预和调整，我认为这只是暂时性的起伏，是为了将来行业可以良性发展所必然经历的阵痛。相信在不久的将来，保险行业就会进入科技阶段，在AI、大数据、智能化、可视化等技术的协助中迅猛的发展。
保险行业的发展前景及趋势
保险行业发展增长
突如其来的疫情打乱了全国人民的工作和生活节奏，但保险行业依然保持朝气蓬勃的发展势头。2020年全年，保险公司原保险保费收入4.5万亿元，同比增长6.1%。赔款与给付支出1.4万亿元，同比增长7.9%。
保单件数稳步增长。2020年全年新增保单件数526亿件，同比增长6.3%。2021年截止2月28日，保险公司原保险保费收入1.01万亿元，赔付支出1538亿元，保单数量44.33亿件。
疫情监管力度不减
2017-2020年保险业监管处罚数量整体波动变化，与2019年相比，千张罚单、超亿罚款，银保监对于打击保险业乱象的决心并未因疫情而有所减弱。监管除在处罚数量以及处罚金额方面明显增加外，行政处罚决定主要涉及吊销营业执照、停业、停止办理行政许可、撤销高管任职资格、停止接受新业务、罚款、警告、责令整改八类。
2020年，银保监及其派出机构共开出1705张监管处罚的罚单，罚单总金额高达2.36亿元，涉及342家保险机构。
2020年，从季度处罚数据趋势来看，除一季度集中释放了上一年度十二月的罚单外，二、三季度保险业处罚数据总体比较接近。四季度，监管处罚无论在数量及金额上都明显上升，原因可能是由于保险行业“开门红”大战逐渐升温，部分险企片面追求规模和业绩、以高费用换取短期业务发展而造成的结果。
从处罚的季度变化趋势上来看，下半年随着疫情影响逐渐减弱，监管检查力度和处罚力度稳步提升。
受罚原因多样
从受罚原因上看，“出镜率”最高的原因分别是编制虚***材料、利用业务便利为其他机构牟取不正当利益等，具体如下
行政处罚决定主要涉及吊销营业执照、停业、停止办理行政许可、撤销高管任职资格、停止接受新业务、罚款、警告、责令整改八类。2020年，行政处罚中罚款和警告罚单的数量最多，分别为1678张和1367张。从全年维度来看，财产险、人寿险和中介机构仍然是监管重点关注对象及处罚的重灾区，
产险公司处罚占“大头”
2020年，银保监及其派出机构共开出1705张监管处罚的罚单，罚单总金额高达2.36亿元，涉及342家保险机构。另外，银保监对于健康险、责任险以及养老险的关注也逐步上升。其中，财产险公司累计受到年度最多罚款，数量上，财产险公司收到年度最多罚单，达714张，占比41.88%。43家人寿险公司共收到470张罚单，占全年罚单总量27.57%。250家保险中介机构共收到436张罚单，占罚单总量25.57%
2020年，财产险公司累计受到年度最多罚款，罚款总金额约1.34亿元，占比56.78%;同时;43家人寿险公司共收到罚款金额合计5734.5万元，占比24.15%，累计罚款金额和罚单数量均低于财产险，位居第二。250家保险中介机构罚单累计罚款金额达3672.12万，占比15.68%。
在代理机构方面，2020年，共有275家次代理机构被罚，合计被罚3403万元，其中，针对机构被罚2678万元，占比79.09%，针对个人被罚708万元，占比20.91%。
北方违规较多
根据统计，2020年度平均每张罚单的金额约13万元。从处罚区域分布来看，2020年处罚总金额最高分别为黑龙江省、山东省和江苏省。其中江苏省开具的罚单数量最高为204单，是全国平均水平的约4倍，;黑龙江省开具的罚款金额最高，为2752.29亿元。2021年2月，河北、黑龙江发罚单数量最多有10张，罚款金额分别为249万元，209.5万元。
保险集团治理问题诸多，评级无A级
2021年2月3日，按照《银行保险机构公司治理监管评估办法(试行)》，银保监会组织对保险集团(控股)公司开展的了2020年公司治理监管评估结果。2020年保险集团本级公司治理监管评估参评机构共计10家。其中，评级结果为B 级(较好)的有6家、评级结果为C级(合格)的有4家，尚没有A级企业。
总体来看，参评机构基本按照现代企业制度要求建立了以股东大会、董事会、监事会和高级管理层为主体的公司治理组织架构，公司治理机制逐步完善，公司治理运作持续规范，良好公司治理文化逐渐养成。但是，仍存在诸多问题需要持续改进，主要表现在：
未来保险行业前景如何
线上化率超过90%！保险业“科技方舟”十四五规划正式起航
科技是第一生产力，创新是引领发展的第一驱动力。近年来，随着新一轮科技革命迅猛发展，科技创新与应用正在深刻的改变着社会生产生活的各个领域，保险业亦不例外。一方面，“风险要素”在全新科技环境下出现新的运行路径，加快了风险的变异；另一方面，科技创新应用为更好的认识风险规律，更科学的开展风险治理和保障提供了条件。
为科学引导保险业科技创新发展，推动保险机构数字化转型，促进保险科技健康可持续发展，中国保险行业协会发布《保险科技“十四五”发展规划》（以下简称《规划》），客观指出目前国内保险科技发展情况，规划“十四五”保险科技发展的具体目标和重点工作，并就保障措施进行详细说明。
现状、成果与目标
2025年平均业务线上化率超过90%
依据中国保险行业协会调查数据显示，“十三五”期间国内保险业日益重视科技投入与科技 创新应用，保险科技发展速度加快，成果显著。
科技投入
信息科技投入方面，自 2018 年以来，保险业信息科技累计投入达941.85亿元。2020 年，行业信息科技总投入351亿元，占营业收入的0.63%。其中，直保公司信息科技投入平均占比为0.65%，大中型保险公司平均占比为0.56%，小微型保险公司平均占比为1.59%。
信息科技人员方面，截至2020年底，行业信息科技正式员工数量超过 2.6 万人，占正式从业人员数量的2.51%。其中，直保公司信息科技正式员工平均占比为1.98%，大中型保险公司平均占比为1.73%，小微型保险公司平均占比为3.37%。
科技创新应用
云计算。以云计算为代表的数字化基础设施建设稳步推进，行业整体***用云计算的比率 76.79%。
大数据。以大数据和人工智能为代表的保险精准定价和智能营销逐步应用，行业平均承保自动化率 55.77%，核保自动化率 64.71%。
区块链。以区块链为代表的原保险与再保险公司业务的打通对接，原保险与再保险的实时结算初步实现。
物联网。以物联网为代表的精准快速理赔初显成效，行业平均理赔自动化率已达 21.48%。
从上述数据来看，十三五期间国内保险业对于科技的投入不可谓不大，所取得的进展与成果也十分显著，科技在促进保险行业整体高质量发展过程中日益发挥更加重要的作用。为在“十四五”期间进一步完善国内保险科技体制机制，加快保险科技发展，文件提出中期具体发展目标：
进一步改进保险服务方式和手段，推动行业平均业务线上化率超过90%。逐步实现保险产品多样化、个性化，推动行业平均线上化产品比例超过 50%。逐步扩大保险服务覆盖面，推动线上化客户比例超过 60%。持续提升保险定价水平、业务质量和服务效率，推动行业平均承保自动化率超过 70%，核保自动化率超过 80%，理赔自动化率超过 40%，不断为人民提供优质、高效、便捷的保险服务。
新形势、新问题、新发展
重点部署规划，创新赋能路径
从上述数据成果来看，保险科技创新与应用正在深刻的改变着保险行业生态发展，带来营销模式、服务模式、运营模式、竞争模式的深度变革。变革既是机遇亦是挑战。保险科技应用同样面临着多方面的问题与挑战，如保险科技应用层次有待提升，保险机构重营销，轻服务；重收益、轻风险；重技术，轻运营；重局部，轻整体；再如保险科技应用碎片化较为普遍，保险科技应用智能化还不成熟等。
如何建立更快速、高效的投保、核保、理赔管理服务机制？如何提供更全面、优质、便捷、智能的保险服务体验？如何更有力的推动整体保险行业数字化转型发展？
《规划》指出，保险科技推动着国内保险行业实现数字化转型发展，呈现线上化、服务化、精细化、平台化、智能化的整体行业发展趋势。同时，重点提出“强化保险科技价值赋能”。
一、紧跟行业发展趋势，重点部署规划
“线上化”发展重点
依托互联网+物联网，实现所有触达客户的业务环节线上化，提高保险业务处理效率。
“服务化”发展重点
保险业务从事后、低频交易向事前、中高频服务转变，推动综合型风险保障服务转型发展，降低保险风险。
“精细化”发展重点
依托科技赋能，提高风险辨识能力，提供更精准的个性化保险服务，更好地满足保险客户需要。
“平台化”发展重点
以平台化发展模式，赋能相关产业深度融合，构建多方主体开放、共赢的保险生态圈。
“智能化”发展重点
推动保险应用线上化向智能化发展，进一步贯通保险价值链，提升保险业务效率和客户体验。
科技创新应用与价值赋能路径
围绕大数据、云计算、人工智能、区块链、物联网、隐私计算等先进技术，《规划》分别作出详细的发展路径规划，为保险科技创新应用发展与科技价值赋能形成指导。
加强大数据应用
制定大数据发展战略规划；健全数据治理体系，打通数据孤岛，释放数据价值；提高数据应用能力，建立企业级大数据平台，提升数据洞察能力和基于场景的数据挖掘能力，探索与上下***业数据***的融合应用与合作共享。
稳步发展云计算
推进企业***用云计算；支持高效运营，建设云计算平台底座，借助云原生技术提升***效能、研发和交付效能，快速响应场景化业务需求，支持瞬时高并发、多频次、大流量的互联网渠道业务发展。
深化人工智能应用
推动人工智能技术应用与保险业务的深度融合发展；提高业务全流程智能化水平，赋能客户需求分析、精准营销、承保理赔、风险防控等。
挖掘区块链价值
深化区块链技术场景应用，挖掘区块链在各险种承保理赔反欺诈、产品溯源、业务数据流通等场景的应用价值；探索实现在保证隐私的情况下实现区块链上数据的高效管理利用；推动区块链跨机构、跨行业、跨地域的多场景技术创新与应用，共建跨产业可信协作网络生态。
拓展物联网场景
充分发挥物联网传感技术在风险定价、保险精算、预防性维护、个性化定制服务等方面价值；推动物联网技术在特定场景创新应用，包括车辆、健康管理、房屋财产、施工作业、物流仓储、资产管理、安全管理领域的保险科技应用。
探索隐私计算使用
前瞻布局隐私计算，探索实现“数据可用不可见”，促进多方数据的协调计算和价值共享。挖掘隐私计算技术在保险差异化定价、精准营销、风险管理、数据信息保护等特定场景的应用价值.
2020年人工智能落地发展趋势
作者 | 网络大数据
来源 | raincent_com
转眼间，2019年只剩下不到两个月了。人工智能的热度依旧，只是在资本市场，看空的投资人也越来越多了。从当年大数据的发展趋势看，这种情况反而对产业发展是有利的。因为这意味着，进入赛道的野蛮竞争玩家会越来越少。
对于已经拿到赛道入场券的选手来说，如何合理配置手中的***成为生死存亡的关键，同时细分市场上的领头羊可能在这样焦灼的市场竞争中成长为独角兽。
对于从事大数据与人工智能相关领域多年的人来说，其最终目标还是“从数据中挖掘价值”。在挖掘价值时，具体某类技术只是整个过程中某个阶段的***工具，单纯某类技术解决不了所有问题。因此，我们基于“最终目标”划分三大类场景去运用“大数据”和“人工智能”构建整体解决方案：
一、寻找业务增长点：数据建模能力成为核心，当前Fintech/Regtech领域需求广泛
核心要素：帮助企业解决经营决策中遇到的数据支撑问题。无论是营销还是风控，最终都是通过一些报表、模型去***业务人员做决策。 解决方案：机器学习类产品已经成为金融行业寻求业务增长点的标配工具，同时越来越多的传统行业也开始使用大数据、人工智能等技术做***决策。 解决方案难点：由于跟业务结合紧密，虽然已经在不同行业开始落地，但实际进展缓慢。由于业务的特殊性，往往不能够单单通过算法本身去解决所有业务问题。这同时也意味着，交付目标以及实施周期的不确定性。 二、加深业务壁垒：知识中枢成为重要工具，当前金融/安全等行业试点较多
核心要素：对现有业务实现优化。 解决方案：在这一场景中，知识中枢运用较多。我们将三大块技术：知识图谱、搜索引擎、深度图谱糅合进知识中枢的概念中。首先通过搜索引擎进行行业知识检索，再通过知识图谱进行概念串联，最后通过深度图谱进行行业知识推理。 解决方案难点：如何将行业知识抽象出来，形成公司内部的知识系统，从而有针对性地对现有业务流程、具体业务点进行整体优化。 三、降低业务成本：自动化成为基础要素，当前能源/交通等行业突破开始
核心要素：如何减少人工干预。 解决方案：现有的场景中，偏业务性质的自动化可以通过RPA等技术实现。RPA本身技术门槛不高，但在NLP、OCR、CV等AI技术带领下，已逐步被用在越来越多的场景中。另一方面，由于图像识别以及5G、边缘计算的推动，越来越多的安防监控、无人巡检等AIOT场景开始落地。相对于RPA，AIOT的场景给客户业务带来的颠覆跟价值更大。 解决方案难点：现实场景中的有效样本较少，影响模型的准确率和落地。 下面我们将结合三种不同的场景来阐述六大AI趋势。
趋势一：Fintech/Regtech AI落地过程中，AI平台逐步成为事实标准
AI平台，在很多地方又称为AI中台/数据科学平台/机器学习平台/人工智能平台，主要涵盖的功能除了传统统计分析软件包含的功能以外，还包括大数据、分布式计算平台、NLP、CV等能力。
行业先行者在探索AI落地过程中，逐步意识到AI平台的重要性。从一开始只针对几个小的业务线进行试点，到后续在更多的场景中推动落地，大家达成共识：与数据中台类似，烟囱式的各自为政只会使得后续AI的落地愈加艰难。
AI平台在Fintech市场的爆发，验证了一个基本事实：只要业务领域有足够通用的需求，就会出现足够通用的平台。数据库本身是上一个数据的事实标准，而AI平台则没有一个明确的定位。由于这个想象空间，AI平台便成了各大玩家的必争之地。
趋势二：数据建模开始在非金融行业的龙头企业流行，国产化趋势明显
AI平台在其他行业的试点也如同星星之火。虽然其他传统行业的信息化水平普遍比金融略低，但也在迎头赶上。往往这些行业取得的成果比金融要多，这是因为满地都是顺手可摘的果子，成果落地比金融行业相对容易。
这些企业原本可能使用的是SAS、SPSS或者Matlab等国外产品，现在可能在试用国产AI平台。一方面是因为SAS等产品不足以支撑最新流行的框架算法，另一方面也有国产化层面的考量。
AI平台作为人工智能基础平台，本身需要对各领域专业算法具备深入理解以及实现的能力。同时作为平台，也有通用性、高性能以及安全可靠等各方面的平台需求，对相关研发人员有极高的技术要求。当前，国产平台跟SAS等比较，整体还是略占劣势，但是在某些细分领域已经实现了超越。
趋势三：图谱应用开始在全行业推广，伪需求略多，注意辨别
图谱类的应用，主要对应于上面提到的“知识中枢”。基于“知识中枢”去做特定行业的图谱类应用已经在市场上流行了一段时间。
只是，一方面由于客户对这块有不切实际的要求，另一方面，大多数实施图谱应用的厂商能力参差不齐，实际项目也没办法最终落地。
2020年对大多数图谱类应用，客户会有一个更清醒的认识：做什么它擅长，做什么它不行，应该怎样做，都会有一定的经验。这也对图谱应用有更高的技术层面的要求，同时也对NLP算法以及图谱算法有更多落地层面的考量，包括性能、实施周期、最终效果等。
趋势四：深度图谱在反欺诈、反洗钱、犯罪团伙分析等场景开始落地
由于深度学习自身相关技术的停滞，将深度学习与图谱结合成为了学术界的主攻方向。而在反欺诈、反洗钱、犯罪团队分析等场景下，复杂网络分析已经成为主流的分析手段。通过深度学习与图谱的融合，深度图谱给传统的图谱分析带来了图谱推理的能力，从而将原有的模型精度提升到另一个高度。
然而，一旦涉及到落地，故事并没有那么简单。一方面，同大多数AI应用一样，落地过程是比较曲折和复杂的。本身模型精度需要不断迭代，同时也需要对业务非常熟悉的人员进行及时反馈，这就导致对业务跟算法的要求都非常高，一旦实施过程中出现偏差，容易有挫败感。另外，在一些对实时性要求比较高的场景中，对底层图数据库的性能也有要求。而当前的市场上，图数据库厂商虽然多，但大多数时候没有懂技术的人员去调优，使得真正能同时满足性能要求和算法要求的图数据库凤毛麟角。
趋势五：***图像类应用的碎片化与场景化成为AI快速落地推广的拦路虎
CV类场景是引爆AI大火的导火索，同时，由于大多图像场景偏识别类，跟业务离得比较远，可以大规模地在市场上扩张。
不过，我们可以惊奇地看到，CV类的需求还在不停地膨胀。这是因为，当前市场的CV巨头在人脸、车辆等通用需求方面进行了大规模落地，而对于一些偏碎片化的场景，比如设备故障识别、异常识别，甚至特殊场景的人脸识别，都缺乏足够的技术支撑与耐心去推动落地。
因此，怎样提升CV场景落地的效率成为大多数CV从业者的主要工作方向，这里面包括多个维度：第一，从科研层面去革新算法，第二，从工具层面去落实标注、训练、部署等的一体化平台，第三，从市场角度定义行业通用化的场景，第四，从技术角度去优化模型，从而降低实施成本。
在这个大背景下，四大CV独角兽也好，互联网巨头也好，都试图去推动平台的落地。然而，在这样的“四维”要求下，要踏踏实实地在细分场景中打磨通用模型、平台，谈何容易。但这也让耕耘细分行业的小CV厂商有足够的空间去摸索。
趋势六：AIOT物联网场景没有大规模的需求爆发，细分行业开始出现落地
我们看到，所谓的AIOT场景，主要还是CV类场景带动，但一些深入需求(如需要传感器数据参与的预测性维护类场景)落地较少。
这跟“智能制造”的特点比较相关。客户在车间现场通常需要一个开箱即用的产品，而大多数AI类场景需要足够多的时间去打磨。另外，大多数工业场景需要的不仅仅是大量有价值的数据，还需要对工业场景有深刻的理解。
首先，“大量有价值”的数据本身不大可能获得。比如，在预测性维护的场景下，所谓“有价值”，[_a***_]指相同或者类似的设备历史上出现故障的时候对应的数据，这种数据当然很少。其次，在部分异常数据的加持下，一般的统计分析算法可能分析不出什么。这跟金融类的风控场景不同，风控场景考验的是人性，从人性的角度去做一定深度的分析，并结合算法就可以取得不错的效果。而对于设备，这里需要的是一个深刻理解机械原理的算法专家。
即使面对这样的困境，我们还是看到了一些制造业企业开始摩拳擦掌，虽然深入的AI算法用不上，简单的BI也能提供价值嘛。
只是感叹，Predix还是出来太早了，那2020年会有突破吗?还是得看“智能制造”的内生动力多大，期望一些细分场景会有落地。
人工智能的2019年注定是平静的一年，因为技术爆发以及投资引导时期已过，避免不了被冷清。然而，正如大多数技术周期一样，当技术本身有价值且具备落地能力的时候，技术落地的过程逐步展开。
我们相信对于大多数在探索人工智能落地过程的从业人员来说，故事才刚刚开始。而对于参与炒作概念的玩家来说，也找到了新的方向：区块链。
从更宏观的数字化转型的角度来看，还有太多的事情值得大家去落实。抓紧2019年的尾巴好好做几个落地项目吧。
后缀：从AI到区块链 2020年保险行业发展的5个技术趋势