应用项目诸如：新冠肺炎的X光片识别，肿瘤靶区的CT影像识别，显微镜图像中人工授精囊胚结构识别……
放疗前，医生需要勾画出肿瘤和正常组织的范围，这一步骤的密切质量关系到放疗质量。目前的方案一般都是由医生手工勾画，勾画标准比较随意，不同的医生之间勾画的结果差异较大，为最后的结果增加了很多不确定性。应用深度学习算法对 CT/MRI 双模态影像进行处理，很好的解决了目前的问题，精度能达到医生勾画水平。
应用项目诸如：草莓自动收获目标采摘点定位，玉米雄穗开颖率智能检测，联合收获机自动驾驶，土壤肥力快速原位检测及变量施肥……
采摘收获是草莓生产各个环节中人工劳动强度最大，人工劳动时最长，生产成本最高的环节，用机器人代替人工势在必行。但草莓果实娇嫩易损，所以果萼片上方5mm左右的果柄位置是最佳采摘点；由于草莓长出来后常有生熟共存、果实堆叠、叶子遮挡……在不同的光照和天气条件下，从复杂自然环境中准确识别需采摘的草莓并精确定位目标果柄，是一项关键技术。目前，利用组合深度神经网络和多传感器融合技术，已能初步实现这一功能，整个草莓采摘机器人实现了96%以上的无损采摘成功率，采摘速度也可达到4s/颗，并有望在年内再一度大幅度提升。
物流领域经常需要：确认车辆身份、监控看车辆是否有异常停靠、看看车辆是不是进入或者离开了作业区域、确认车辆是正在装、卸，还是在验货……
传统监控方式下，实施现场平铺式监控设备列表，监控位置不直观。设备运转较为传统，需高频次人工巡检。利用AI算法可以提升监控系统处理异常时间的效率，减少人工操作带来的误差、为精细化管理提供技术支撑。
应用项目诸如：内容智能审核（鉴黄、鉴暴、鉴重……），楼宇智能节能，智能检索，广告推荐……
打开你的淘宝App，观察一下第一屏能看到的广告，看看是不是最近你搜索过的？这就是应用案例了
众多金融机构和公司都会选择使用反洗钱系统来量化和把控金融交易中的洗钱风险。为了保障用户交易资产依法合规，银行资管系统需将用户的开户资料全部录入反洗钱系统中进行审核和风控。但用户大多以图片、PDF、扫描文件等不可直接复制的方式上传信息（如身份证、营业执照、开户申请书、企业征信报告），人工录入只能靠逐字键入，不仅过程繁琐、极易出错，为了确保信息的准确性某银行资管还不得不设二次核验专岗。
为了解决这一难题，提高用户信息录入效率，减少人工操作产生的错误，银行资管引入智能化用户信息录入系统来简化流程、降低信息录入及核验的人工成本。AI系统能专门针对用户信息录入，提供智能导航和自动录入功能，并进行文档分析。
应用项目诸如：机加工工件瑕疵检测，冶金工艺参数智能计算，液晶屏缺陷检测，电池高精度质检……
在新能源车动力电池生产环节中，金属焊接产生的颗粒是否掉在表面、有没有漏涂、焊接工艺是否一致等，是每个工序之后必需检测的细节。动力电池的质量极为关键，一旦出现瑕疵，如果在终端市场上没有其他系统设计辅助，会导致重大财产安全问题。宁德时采用基于YOLO和ResNet主干的模型，利用计算机视觉技术升级了监测方法，整体产品检测相较于原本的传统检测算法过杀率降低了 66.7%，缺陷漏检率小于1DPPB，也大大降低了产线研发成本。
接线柜的传统检查方法主要依靠人眼目检或者人工手持扫描设备扫描检测。这两种检查方式都离不开人员作业，消耗大量人力资源，无法适应自动化生产的要求。人眼目检不仅效率低，而且随着人眼的作业疲劳，检测准确性大大降低。人工手持设备扫描效率低、误检、漏检率高。
传统的 OCR 识别技术（不基于AI）并不能完成在非平面上字符的准确识别，而利用基于深度学习的OCR 技术，可以大大提高识别的稳定性和各种光影条件下的适应性。
应用项目诸如： 人脸检测，地铁站口罩佩戴检测，虚拟传感器建模，垃圾分类自动化，
动车我们都敢乘坐，是因为我们知道它“安全”，但你想想，这么复杂并且高速的一个家伙，工程师们是怎么“敢”让第一批人去乘坐的？是用的虚拟仿真技术先模拟好了，按严格的规程确保“模拟结果”的安全能够保证“真实情况下”的安全，这就要求对足够“复杂”和“真实”的参数极其关系进行“建模”，一般都方法很难达到这种复杂程度的。
而AI就能够深度挖掘电流、电压信号与振动信号间的内在关系，借助深度学习算法自主提取特征，以电流电压数据模拟机械设备振动状态，从而结合已有故障诊断算法实现列车设备及子系统的实时状态监测功能。
还有更多的“尖端”人工智能，虽然其中很大一部分只是在试验室阶段（有些已经商业化应用），但在我们心中已经有一席之地了，它们是：
下棋赢了我们的AlphoGo，预测蛋白质结构的表现惊人的AlphoFold，被传闻“成了精”的LaMAD，能够干600多件事情的Gato，AI绘画艺术家Dall-E，……详情可参考我的另一篇文章：开元体育
