在上篇文章中，我們在營銷、供應(yīng)鏈和辦公場景進(jìn)行了AI的應(yīng)用介紹。這篇文章，我們繼續(xù)介紹AI大模型在工業(yè)、零售、金融和醫(yī)療行業(yè)的應(yīng)用，希望能幫到大家。

在上篇文章《對AI大模型應(yīng)用場景的深入思考（上篇）》中，風(fēng)叔圍繞營銷、供應(yīng)鏈和辦公這三個(gè)大多數(shù)行業(yè)都存在的業(yè)務(wù)領(lǐng)域，詳細(xì)介紹了AI大模型在行業(yè)通用業(yè)務(wù)下的應(yīng)用場景。

在本篇文章中，風(fēng)叔將繼續(xù)介紹AI大模型在零售、工業(yè)、醫(yī)療/醫(yī)藥、金融等行業(yè)的特定應(yīng)用場景。

一、工業(yè)

1.1 設(shè)備維護(hù)

在制造業(yè)領(lǐng)域，專業(yè)的設(shè)備往往都需要專業(yè)的維修人員進(jìn)行維護(hù)和檢修，通常都由設(shè)備的品牌方或者專業(yè)的第三方維修公司進(jìn)行維護(hù)。在大型樓宇、工廠等場所中，都需要依靠大型電氣設(shè)備的運(yùn)轉(zhuǎn)，這類電氣設(shè)備的產(chǎn)品手冊可能少則幾百頁，多則上千頁。當(dāng)出現(xiàn)設(shè)備故障時(shí)，品牌方派遣的專業(yè)人員可能需要查詢很久產(chǎn)品手冊才能定位問題所在。

做交互设计10年，我为何转岗到产品经理？

真正转岗之后，我发现很多工作还是超出了自己的想象。产品经理的工作确实比较杂。理论上，产品经理的工作包括了产品的方方面面，从市场研究、用户调研、数据分析...

查看详情 >

可以利用AI Agent和RAG技術(shù)，將產(chǎn)品文檔和維修手冊構(gòu)建為知識圖譜，在設(shè)備現(xiàn)場通過對話方式，幫助維修人員更快速地定位問題，找到解決方案。

場景價(jià)值：????????

場景可行性：????????

1.2 預(yù)測性維護(hù)

在設(shè)備維護(hù)場景中，往往都是設(shè)備已經(jīng)出現(xiàn)了故障，或者傳感器數(shù)據(jù)異常，此時(shí)已經(jīng)對現(xiàn)場造成了不良影響，比如產(chǎn)線停工、樓宇溫度和通風(fēng)異常等等。而預(yù)測性維護(hù)，則是通過分析設(shè)備傳感器的各項(xiàng)數(shù)據(jù)指標(biāo)，例如溫度、震動、電壓、電流等因子，通過深度學(xué)習(xí)和行業(yè)小模型等技術(shù)手段，提前發(fā)現(xiàn)并干預(yù)設(shè)備潛在故障，實(shí)現(xiàn)對工業(yè)設(shè)備的實(shí)時(shí)監(jiān)控、故障預(yù)測和健康狀態(tài)評估，從而降低設(shè)備故障率，提高生產(chǎn)效率，減少損失。

場景價(jià)值：??????????

場景可行性：????????

1.3 生產(chǎn)線流程優(yōu)化

生產(chǎn)線流程是一個(gè)標(biāo)準(zhǔn)的workflow，workflow的每個(gè)環(huán)節(jié)都有明確的步驟、檢查事項(xiàng)和執(zhí)行動作。在這個(gè)過程中，可以利用Agentic Workfow，明確告知Agent要做的事項(xiàng)，將更多過去需要由人工重復(fù)執(zhí)行的過程，交給AI Agent，從而提升生產(chǎn)效率。

場景價(jià)值：????????

場景可行性：????????

1.4 智能排產(chǎn)

通過綜合考慮訂單情況、庫存狀況以及設(shè)備性能等因素，智能生成高效的生產(chǎn)計(jì)劃與排程，從而提升生產(chǎn)效率，減少庫存，優(yōu)化資金使用。在智能排產(chǎn)的場景中，還需要以運(yùn)籌學(xué)算法進(jìn)行配合，將運(yùn)籌學(xué)作為被AI Agent調(diào)用的一個(gè)工具。

場景價(jià)值：????????

場景可行性：??????

1.5 產(chǎn)品設(shè)計(jì)與開發(fā)

AI Agent 可以協(xié)助設(shè)計(jì)師和工程師進(jìn)行產(chǎn)品設(shè)計(jì)，比如設(shè)計(jì)師輸入設(shè)計(jì)和尺寸的要求，AI Agent直接進(jìn)行線稿設(shè)計(jì)；或者設(shè)計(jì)師提供線稿設(shè)計(jì)后，AI Agent輸出渲染效果圖，向設(shè)計(jì)師提供多種設(shè)計(jì)創(chuàng)意，從而縮短產(chǎn)品開發(fā)的周期。

但是在產(chǎn)品設(shè)計(jì)與開發(fā)領(lǐng)域，AI相對擅長做的還是外觀設(shè)計(jì)，如果要輔助進(jìn)行設(shè)備工藝設(shè)計(jì)或優(yōu)化，現(xiàn)在的AI還無法實(shí)現(xiàn)。

場景價(jià)值：????????

場景可行性：??????

1.6 設(shè)備控制

在工業(yè)領(lǐng)域，設(shè)備控制主要通過PLC技術(shù)來實(shí)現(xiàn)，PLC是一種針對設(shè)備的編碼方式?，F(xiàn)在，AI輔助代碼編程已經(jīng)非常成熟，比如Github Copilot、Cursor。放在工業(yè)領(lǐng)域也類似，我們也可以通過AI輔助生成PLC語句。這個(gè)場景的難點(diǎn)在于，消費(fèi)端的代碼大家都可以從各種網(wǎng)站上輕易獲取，從而進(jìn)行大模型的訓(xùn)練，但是PLC的代碼基本上集中在制造業(yè)的幾家巨頭手里，比如西門子、施耐德、通用電氣。因此，這個(gè)事情也只有這幾家制造業(yè)頭部企業(yè)能做。

場景價(jià)值：????????

場景可行性：??????

二、醫(yī)藥

2.1 疾病預(yù)測和預(yù)防

通過歷史積累的患者健康數(shù)據(jù)，比如血糖、血氧、白細(xì)胞、紅細(xì)胞等大量指標(biāo)數(shù)據(jù)，AI Agent可以學(xué)習(xí)到各項(xiàng)指標(biāo)與疾病之間的相關(guān)性，對于像糖尿病、心臟病等疾病，提前預(yù)測病人患此類疾病的風(fēng)險(xiǎn)。

場景價(jià)值：????????

場景可行性：????????

2.2 醫(yī)學(xué)法規(guī)/知識庫查詢

為臨床試驗(yàn)部門訓(xùn)練知識庫查詢助手，輔助醫(yī)療顧問在與研究機(jī)構(gòu)溝通的過程中，對于流程規(guī)范、注意事項(xiàng)等手冊進(jìn)行快速檢索，從對海量的文檔進(jìn)行翻閱的方式，優(yōu)化為只需要向機(jī)器人提出問題，大幅提升工作效率

場景價(jià)值：????????

場景可行性：????????

2.3 藥物研發(fā)

和疾病預(yù)測類似，AI Agent可以分析既有藥物中的各種化學(xué)和生物成分，結(jié)合每種藥物的藥效，從而預(yù)測新的化學(xué)和成分組合之后的藥性，加速新藥的發(fā)掘和開發(fā)，大幅降低研發(fā)成本和時(shí)間。

場景價(jià)值：????????

場景可行性：??????

2.4 智能問診服務(wù)

在LLM大模型基礎(chǔ)上，通過RAG技術(shù)掛載醫(yī)療知識庫，將AI Agent訓(xùn)練成為醫(yī)療領(lǐng)域?qū)２?，為患者提?*24小時(shí)的在線醫(yī)療咨詢服務(wù)，根據(jù)患者的問題描述，還能提供初步的診斷建議。這樣既可以提升患者的就醫(yī)體驗(yàn)，也能減輕醫(yī)生的工作負(fù)擔(dān)。

場景價(jià)值：??????

場景可行性：????????

三、金融

3.1 智能投顧

利用AI Agent打造智能投資顧問，幫助證券公司進(jìn)行智能量化（另類因子挖掘、市場情緒預(yù)測、復(fù)雜價(jià)值鏈分析）、知識庫問答（幫助投顧處理每天海量的市場信息）、選股建議（向客戶提供投資建議，分析客戶信息和數(shù)據(jù)）。目前智能投顧已經(jīng)是AI在金融行業(yè)發(fā)展較為成熟的領(lǐng)域。

場景價(jià)值：????????

場景可行性：????????

3.2 智能投研

利用AI Agent打造智能投資研究助理，幫助市場研究員快速搜索和整理市場最新資訊，挖掘目標(biāo)行業(yè)或企業(yè)的關(guān)鍵信息，并自動撰寫市場調(diào)研報(bào)告。還可以幫助研究員記錄和總結(jié)企業(yè)路演信息，生成企業(yè)研究報(bào)告。目前很多銀行和證券公司也都在進(jìn)行智能投研產(chǎn)品的研發(fā)。

場景價(jià)值：????????

場景可行性：????????

3.3 保險(xiǎn)展業(yè)

購買保險(xiǎn)產(chǎn)品時(shí)需要錄入的客戶個(gè)人信息非常之多，展業(yè)系統(tǒng)往往操作起來非常的復(fù)雜，成為客戶投保過程中體驗(yàn)最差的一個(gè)環(huán)節(jié)。而通過AI Agent，可以根據(jù)客戶的信息，自動引導(dǎo)完成保險(xiǎn)展業(yè)，提升保險(xiǎn)專員工作效率的同時(shí)，也能提升用戶體驗(yàn)。

場景價(jià)值：????????

場景可行性：????????

3.4 保代培訓(xùn)

傳統(tǒng)保險(xiǎn)代理員的培訓(xùn)方法難以提供足夠的講師，且無法滿足眾多學(xué)員雙向交流的需求，導(dǎo)致培訓(xùn)效果不佳、培訓(xùn)時(shí)間較長以及培訓(xùn)成本過高。而通過大模型技術(shù)，可以根據(jù)保險(xiǎn)公司培訓(xùn)文檔自動生成知識庫，并且根據(jù)每個(gè)學(xué)員的階段和表現(xiàn)，自動生成學(xué)習(xí)計(jì)劃，從而幫助保險(xiǎn)公司提升保險(xiǎn)代理人培訓(xùn)的培訓(xùn)效率。

場景價(jià)值：????????

場景可行性：????????

3.5 量化分析

在金融量化交易的世界里，因子挖掘和策略優(yōu)化一直是高效決策的核心。而隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，傳統(tǒng)的手動研發(fā)方法已無法滿足當(dāng)前市場的復(fù)雜需求。

經(jīng)過訓(xùn)練后的AI Agent可以完成因子的自動提取與生成，同時(shí)在因子回測與驗(yàn)證環(huán)節(jié)加速策略優(yōu)化。此外，還能從研究報(bào)告、市場數(shù)據(jù)中挖掘潛在因子，實(shí)現(xiàn)因子庫的持續(xù)擴(kuò)展，從而提升策略研發(fā)的深度。

場景價(jià)值：??????????

場景可行性：??????

四、零售

4.1 智慧門店

基于門店歷史銷量數(shù)據(jù)，進(jìn)行門店和品類的未來銷量預(yù)測；根據(jù)歷史需求數(shù)據(jù)和供給數(shù)據(jù)，為門店計(jì)算每個(gè)品類的安全庫存，并監(jiān)控當(dāng)前庫存水平，給出預(yù)警，通知門店報(bào)貨Agent進(jìn)行補(bǔ)貨；根據(jù)庫存監(jiān)控Agent的輸入信息，向企業(yè)總部發(fā)起報(bào)貨請求。

場景價(jià)值：????????

場景可行性：??????

4.2 數(shù)字人直播

通過AI Agent賦能數(shù)字人，作為數(shù)字人背后的大腦，替代真人主播。由于AI Agent能夠很好地結(jié)合產(chǎn)品、營銷等專有知識庫，因此可以支持?jǐn)?shù)字人更順暢地和消費(fèi)者進(jìn)行實(shí)時(shí)互動，提升直播轉(zhuǎn)化率。

場景價(jià)值：????????

場景可行性：????????

總結(jié)

在本篇文章中，風(fēng)叔介紹了AI大模型在工業(yè)、醫(yī)藥、金融和零售這四大行業(yè)下的特定應(yīng)用場景。

無論是行業(yè)通用場景，還是行業(yè)特定場景，我們都可以按照場景價(jià)值和場景可行性兩個(gè)維度進(jìn)行評估。站在企業(yè)的角度，可以優(yōu)先探索價(jià)值高、可行性高的場景，逐漸完成AI對企業(yè)更多業(yè)務(wù)環(huán)節(jié)的覆蓋。

在后續(xù)文章中，風(fēng)叔將繼續(xù)挑選一些高價(jià)值場景，進(jìn)行理論和實(shí)踐層面的詳細(xì)介紹，敬請期待！