④SeniorAdom远程养老监护系统： SeniorAdom 养老监护系统 是法国 KRG 智慧养老公司 研发的 新一代远程养老监护系统 。 SeniorAdom系统不需要使用者佩戴项链和手环 ，也不需要在家中安装摄像头，只需将系统连接到房间内的传感器，通过系统 内部核心算法，便可 为用户提供全天候不间断 保护。
当独居老人或行动不便者在家中出现跌到、突发疾病等紧急情况时， SeniorAdom 系统可第一时间通知家政人员或是 远程协助者，及时为用户提供救助， 解决独居老人和行动不便者的家居安全问题。⑤“社村通 居家养老服务平台 ：社村通 居家养老服务平台所构建的虚拟养老院， 连接当地政府、 养老机构 和老年人用户，老年人可以通过“社村通” app 下单所需的服务， 在接收到居家老人发送的需求指令后， 养老机构人员上门 为老人提供洗衣、做饭、修理水电、陪同就医、文化娱乐等多项服务 ；平台同时采集老人 当老人需要住院等时，可以第一时间调取个人资料、健康档案等信息；老人 还 可通过app 进行远程问诊咨询 ；平台还能连接多种智能硬件，对老年人进行远程监护。
三、人工智能在 交通运输行业 的应用分布典型落地案例 如下：①马士基航运： 通过 在 冰级集装箱船（ Winter Palace ice class container ship ）上使用人工智能情景感知技术 ，提高船舶的安全性、效率和可靠性的同时帮助海员消除来自船桥的视线限制，为未来的自动防撞系统提供研究基础。
②美国联合航空公司： 通过 使用霍尼韦尔提供的 IntuVue RDR 4000 三 维 气象雷达 系统 、 SmartRunway 智能跑道系 统 和 SmartLanding智能着 陆 系 统 向 飞行员及时 提供 飞行环境信息，同时增强飞行员在滑行、起飞和着陆过程中的情景感知能力。③DHL：全面部署物流机器人系统。
Sawyer 协作机器人可以通过高分辨率摄像机、压力传感器和自学习功能帮助 仓库工作人员自动化操作重复性任务 。 LocusBots 机器人可以通过机器学习算法自助规划最佳行驶路径，代替工作人员将货物运送到指定位置，减少了工作人员的走动距离。 PostBOT 机器人内置传感器，可以在城市周围避开障碍物，并能沿着路线安全地跟着快递员完成送货服务。
④达美航空：通过使用空客提供的 智慧天空 开放性数据平台及相关 预测性维护服务 ，达美航空可以 预测飞机部件的故障概率，在部件出现问题前进行维护。 从 2013 年到 2017 年 ，达美航空 全年免于因维护而取消航 班总计从 169 天升至 324 天，成功率高达95% 。⑤美国邮政署：通过 采用 协调优化技术 COTs 综合利用数据分析、物联网、云端数据库、机器学习等技术或软件平台 优化投递路线，预测潜在问题， 实现部份平日投递路线上的当日寄送， 使包裹递送更加高效、灵活。
四、人工智能在 建筑行业 中的应用分布典型落地案例 如下：Stanislas Chaillou（哈佛建筑师 ）：通过 700 份设计图纸的图片训练出了生成对抗网络模型来设计房屋，能够提供完整的布局、间隔、装饰等细节设计。他的模型可以根据需求提供巴洛克、俄罗斯方块风格、维多利亚、曼哈顿现代都市等建筑风格，还能够根据设计师新输入的房屋参数针对设计进行调整，在考虑安全、建筑面积、房间数量等限制下做出最优的设计。
Chaillou 目前在和纽约曼哈顿下东区的地厂商合作，将这一技术应用在最新的楼房设计项目中 。Layton：管理着购物中心、酒店、医院和大型体育馆等大型建设项目。 Layton 的建筑原型设计和方案落地过程中都使用Autod esk 的建築信息模型（ BIM ）来管理三维建筑模型和相关数据，设在这个基础上，他们使用 Autodesk 的人工智能解决方案Construction IQ 来实时读取、分析施工现场的数据。
Construction IQ 可以基于历史数据预测当前项目需要的时间、帮助管理者更好地计划建筑项目，还能预测危险的施工行为、承包方交接可能出现的问题，通过可视化仪表盘的形式展现给工程项目的管理者，帮助他们及时获取可能出现的事故隐患，从而规避事故风险 。Suffolk：通过分析过去 10 年的项目工期数据，开发算法来对新的项目进行工期预 测。
除此之外， Suffolk 也通过过去 360 个项目中收集的 70 万张图像照片来训练机器学习模型，从而可以基于工地的图像数据预测跌落、撞击等事故风险。这些举措帮助 Suffolk 的生产效率提升了 20% 。五、人工智能在 金融行业 中的应用分布典型落地案例 如下：智能信贷：信贷是银行业的典型业务场景。
其中，审批效率有限是传统金融信贷服务中长期存在的痛点。随着大众金融消费观念的逐步变化，小额高频的信贷服务需求正逐步成为一大趋势。而随着人工智能技术与金融科技的发展，信贷服务也逐渐向着高效的运作模式转变。如移大数据征信、基于机器学习技术开发信用风险量化模型、通过拍照、视频、移动终端数据同步等手段核实客户信息等智能技术的应用都在提升信贷服务的效率和效果。
智能反洗钱：随着经济全球化的发展与技术的迭代更新，洗钱犯罪同样“与时俱进”，随着新技术与场景变的更加隐蔽，且成本与风险日益降低。犯罪网络化、专业化、国际化的趋势愈发明显，而洗钱犯罪的模式也愈发复杂。在此趋势下，机器学习模型、专家系统等人工智能技术对反洗钱工作带来了新的进展，尤其在“知晓客户（Know Your Customer)”方面能够避免重复劳动，加速审核流程，并加强交易监控的工作效率。
自动化理赔：保险服务的理赔流程效率缓慢是行业中长期存在的痛点，概因理赔所牵扯到的文件审阅和审核步骤繁多，效率低下。人工智能在保险赔付中的各项场景已存在大量应用。计算机视觉、语音识别等技术能够在理赔过程中加速身份认证、定损等工作。而自然语言处理技术能够自动化扫描并读取文件内容，大幅提高理赔，审查等工作中的数据审核效率。
保险定制化：由于传统保险模式存在信息不对称的现象会导致逆向选择与道德风险，在用户需求难以满足的同时制约了保险公司的盈利水平。基于人工智能技术对数据的多维度利用，保险公司能够结合人的生活习惯、年龄、健康记录，投保经历等信息挖掘投保人的偏好和需求，并设计具有针对性的产品与保险方案，从而提供个性化的服务。智能投顾：随着人工智能应用和金融科技在此领域中逐渐展露头角，“智能投顾”的概念也在行业中愈发流行。
在此基础上，国内外金融界对于人工智能在财富管理的应用上存在着不同的偏好。以美国为代表的境外市场目前倾向于利用人工智能技术来识别财富投资的机会。其典型应用便是通过分析如网站数据、舆情数据、地理定位，甚至卫星定位等另类数据来辅助分析投资方向，发掘哪家股票值得投资。而国内的发展路径则更倾向于利用人工智能来优化客户的用户画像，从客户对风险的主观承受意愿及客观风险承受能力等信息进行综合、动态的评估，以定制客制化的投资组合。
此外，基于人工智能技术所开发的自动交易功能也为投资管理提供了极大的助力。由于自动交易对投资策略的执行效率和成本控制工作都能带来显著提高，甚至在一定程度上提高投资组合的收益。在此趋势下，越来越多的交易员已经被机器所取代。六、人工智能技术在 电信 行业中的应用分布电信行业全球 5 00 强企业人工智能技术落地 典型案例：• AT
