这是“医疗+AI”的一个缩影。而在深圳南山，金融、教育、交通等各领域都能发现AI的身影。
《2023人工智能发展白皮书》（以下简称《白皮书》）显示，2022年深圳人工智能产业规模达2488亿元，企业达1920家，其中36.8%的企业集聚在南山。广东省工信厅三批11家省级人工智能产业园区中，深圳3家园区入选（深圳湾科技生态园、金地威新软件园、南山智园），均在南山。
《白皮书》提到，受用户场景碎片化、定制成本高、部署周期长等因素制约，我国人工智能应用场景仍处于商业落地早期，“落地难”存在于各行各业。
作为深圳人工智能产业最集聚的区域，南山正探索破解AI场景难题。10月27日，《南山区加快人工智能全域全时创新应用实施方案》（以下简称《实施方案》）印发，明确将围绕公共服务、城市治理和行业应用三大类场景，遴选一批应用示范场景、培育一批重大示范场景，将南山区打造成为我国人工智能产业创新高地和场景创新高地。
近日，深圳市工信局发布“城市+AI”应用场景清单（第二批），涵盖数字文化、公共服务、城市治理、智慧医疗、科学研究、智能制造、智慧教育等7个应用领域15个具体场景，如一体化协同办公、自动驾驶、AI+生物医药研发等。
而在南山区《实施方案》中，场景提炼为公共服务、城市治理、行业应用三大类，并按落地的难易程度、市场潜力、附加值等进一步细化。
针对应用潜力大、落地难度大的政务服务、城市治理、金融、医疗等领域，《实施方案》提到，将重点打通应用落地障碍，探索高难度场景的开放对接。
其中，政务服务领域积极探索民生诉求办理、行政审批、联合审图、突发事件实时预警等场景；城市治理积极优先探索消防监管、公共安全（高空抛物）、食品安全、市容环卫、园林绿化等场景；金融领域积极探索大数据信贷风控、智能征信、智能反欺诈、保险理赔和投顾等场景；医疗领域积极探索电子病历、用药咨询、辅助诊疗、疾病风险预测等场景。
针对技术门槛高、附加值高的科学研究、自动驾驶、内容创作等早期示范领域，《实施方案》明确，将重点强化公共技术平台建设，加快细分领域场景开发进程。
具体来看，科学研究领域将充分发挥人工智能技术在高通量筛选、实验预测、结构分析、文献数据挖掘等方面的优势，重点布局创新药物发现、生物育种、生信分析等细分场景；自动驾驶领域重点布局车路协同、仿真测试、无人港口运输、高速领航驾驶辅助等细分场景；内容创作领域则重点布局短视频剧本、广告文案、软件编程、绘图设计等细分场景。
而针对市场化较为成熟、发展迅速的精准营销、智能客服、职场办公、工业检测等场景，南山区将侧重运营规范化，推进数据和算法的交易流通。
分类遴选一批应用示范场景的同时，《实施方案》进一步指出，将依托西丽高铁站、科创大道、蛇口海洋城、南山医院、西丽湖论坛等重大工程和活动，每年谋划3-5个超级场景项目、遴选10-20个经济社会效益显著、技术带动性强的标杆示范场景。
“这次的政策一方面优化存量，即在落地较成熟的智能客服等领域推进行业规范化；另一方面在城市治理、科研、自动驾驶等领域做增量。目前来看，自动驾驶在南山的落地速度会更快一些。”深圳市人工智能产业协会执行会长范丛明告诉记者。
目前，南山区集合了自动驾驶出租车、小巴、港口无人驾驶集卡、工业物流无人车等落地形态，百度Apollo、小马智行、文远知行等自动驾驶明星企业均在南山核心路段开展测试和示范运营。
今年8月，《深圳市南山区智能网联汽车全域开放测试及应用管理办法（征求意见稿）》《深圳市南山区关于无人小车全域开放管理的若干规定（征求意见稿）》向社会公开征求意见，明确了南山全域开放管理机制、管理方式、申请程序及安全管理措施等。
这意味着，继坪山区在全市率先提出全域开放之后，南山区智能网联汽车全域开放指日可待。
“如果把人工智能算法比作发动机，算力就相当于油耗，数据就是油。当‘发动机’运作效率很高，但其他部件不协调，‘油耗’就会很高，加上‘油’贵，人工智能的应用效率就很低。”范丛明举例道。
根据《白皮书》，人工智能产业链可分为基础层、技术层和应用层。截至2022年底，深圳19.5%的AI企业处于基础层，集中在大数据、物联网以及云计算领域；15.5%处于技术层，集中在生物特征识别和计算机视觉领域；65.0%处于公共安全、智能制造、智能交通等应用层。整体来看，重应用、轻基础的矛盾相当突出。
而南山区拥有全市近四成的人工智能企业，在算法技术、后端应用方面已日益完善，好似拥有了一台基础扎实的“发动机”。
《实施方案》指出，要构建底层技术体系，包括统筹智能算力资源、实现高质量数据供给等，即是为了降低“油耗”“油费”，让AI的落地更加高效。
具体来看，南山区将联动市算力统筹调度平台，有序集聚政府、企业、科研机构、高校等的智能算力资源，依托i南山平台，探索建立智能算力统一管理平台，协助本地企业获取所需的算力，降低人工智能企业的算力采购成本。对超级场景和标杆示范场景项目使用算力，则将优先给予相应的补贴支持。
为满足人工智能企业的数据需求，《实施方案》明确，将制定出台政府公共数据开放目录，搭建全区公共数据开放运营平台，加快教育、医疗等行业数据的条件性开放，同时鼓励行业龙头企业、平台型企业提供高质量数据产品和专业化数据服务。
国盛证券在一份报告中估算，今年爆火的ChatGPT，其GPT-3训练一次的成本约140万美元，更大的模型训练成本甚至介于一次200万美元至1200万美元之间。
鉴于通用大模型的开发训练和运营成本巨大，聚焦特定领域、特定场景，解决特定问题的行业大模型逐渐成为关注焦点，国内外涌现出金融领域的BloombergGPT、FinBERT，医学领域的华为云盘古医学大模型等。
本次《实施方案》也提到，引入平台赋能类企业，助力面向垂直领域的场景方案开发。同时，针对垂直领域应用需求和痛点，鼓励企业进行方案集成开发，推动电子信息相关企业向场景方案企业升级，培育一批面向特定应用场景的人工智能企业。
针对AI企业成本难题，根据《实施方案》，南山还将出台人工智能专项扶持政策，从算力补贴、模型算法奖励、概念验证支持等方面降低企业的开发成本。同时，将发挥政府投资引导基金作用，引导社会资本加大人工智能产业投入。
