중국에서 AI는 다음 경제에 6000억 달러를 추가할 수 있습니다.
2030년까지 AI는 중국의 교통 및 기타 주요 부문을 파괴하여 상당한 경제적 가치를 추가할 수 있습니다. 단, 전략적 협력과 역량 구축이 다차원에서 발생하는 경우에만 가능합니다.
지난 10년 동안 중국은 AI 경제를 지원하기 위한 견고한 기반을 구축했으며 전 세계적으로 AI에 상당한 기여를 했습니다. 연구, 개발 및 경제의 다양한 지표에 걸쳐 전 세계적으로 AI 발전을 평가하는 스탠포드 대학의 AI 지수는 중국을 글로벌 AI 활력의 상위 3개 국가 중 하나로 선정했습니다. 예를 들어 연구에서 중국은 2021년에 전 세계적으로 AI 저널 논문과 AI 인용의 약 1/3을 생산했습니다. 경제 투자에서 중국은 2021년에 전 세계 민간 투자 자금의 거의 1/5을 차지했으며 AI 시작을 위해 170억 달러를 유치했습니다.
그렇다면 중국에서 AI의 다음 단계는 무엇일까요?
향후 10년 동안 우리의 연구에 따르면 혁신 및 R&D 지출이 전통적으로 자동차, 운송 및 물류와 같은 글로벌 대응에 뒤떨어져 있는 일부를 포함하여 중국의 새로운 부문에서 AI 성장을 위한 엄청난 기회가 있음을 나타냅니다. 조작; 엔터프라이즈 소프트웨어; 및 의료 및 생명 과학. (사이드바 "연구 정보" 참조) 이러한 부문에서는 AI가 연간 6천억 달러 이상의 경제적 가치를 창출할 수 있는 사용 사례 클러스터를 볼 수 있습니다. (규모를 가늠하기 위해 중국에서 가장 인구가 많은 도시인 상하이의 2021년 국내총생산(GDP)은 약 6,800억 달러였습니다.) 경우에 따라 이 가치는 AI 지원 제품으로 창출된 수익에서 비롯되는 반면, 다른 경우에는 효율성과 생산성 향상을 통한 비용 절감으로 인해 발생합니다. 이러한 클러스터는 시장 리더를 정의하는 데 도움이 될 각 부문의 기업의 전장이 될 가능성이 큽니다.
이러한 AI 기회의 잠재력을 최대한 활용하려면 일반적으로 AI 시스템을 뒷받침할 데이터와 기술, 이러한 시스템을 구축하기 위한 올바른 인재 및 조직적 사고방식, 데이터 생태계, 산업 표준 및 규정을 만들기 위한 새로운 비즈니스 모델 및 파트너십. 우리의 작업과 글로벌 연구에서 우리는 이러한 조력자 중 많은 부분이 AI에서 최대의 가치를 얻는 기업들 사이에서 표준 관행이 되고 있음을 발견했습니다.
리더와 투자자가 리소스를 모아 AI를 가속화, 혁신 및 선도할 수 있도록 먼저 각 부문에서 가장 큰 기회가 있는 위치를 공유한 다음 먼저 해결해야 할 핵심 요소를 간략히 설명합니다.
가장 유망한 부문에 자금을 따라
우리는 AI가 미래에 가장 큰 가치를 제공할 수 있는 곳을 결정하기 위해 중국의 AI 시장을 살펴보았습니다. 우리는 시장 전망을 자세히 연구하고 전 세계 국가 및 부문별 보고서를 자세히 조사하여 AI가 전 세계적으로 가장 큰 가치를 제공하는 곳을 확인했습니다. 그런 다음 우리는 중국 내 여러 분야의 전문가들과 심층적인 대화를 통해 다음에 가장 큰 기회가 나타날 수 있는 곳을 파악했습니다. 우리의 연구는 우리를 자동차, 운송 및 물류와 같은 여러 부문으로 이끌었습니다. 제조업은 19%를 추가로 이끌 것입니다. 엔터프라이즈 소프트웨어, 13% 기여; 그리고 의료 및 생명 과학은 기회의 4%입니다.
각 부문 내에서 우리의 분석은 가치 창출 기회가 2~3개의 영역에만 집중되어 있음을 보여줍니다. 이들은 일반적으로 지난 5년 동안 사모펀드 및 벤처캐피털 회사 투자가 높았고 성공적인 개념 증명이 제공된 영역에 있습니다.
자동차, 운송 및 물류
중국의 자동차 시장은 미국을 넘어선 세계 최대 규모의 자동차 시장이다. 2030년까지 중국의 승용차가 3억 대 이상으로 증가할 것으로 예상되는 엄청난 규모는 비옥한 AI 기회를 제공합니다. 실제로 우리 연구에 따르면 AI는 이 부문에 가장 큰 잠재적 영향을 미치며 3,800억 달러 이상의 경제적 가치를 제공할 수 있습니다. 이러한 가치 창출은 주로 자율 차량, 자동차 소유자를 위한 개인화, 차량 자산 관리의 세 가지 영역에서 생성될 것입니다.
자율주행 또는 자율주행 차량. 자율주행차는 이 부문에서 가치 창출의 가장 큰 부분을 차지합니다(3,350억 달러). 이 새로운 가치 중 일부는 의료, 응급 처치 및 차량 비용과 같은 재정적 손실의 감소에서 비롯될 것으로 예상됩니다. 자율 주행 차량이 주변을 능동적으로 탐색하고 문자 메시지와 같이 사람을 유혹하는 많은 방해 요소에 영향을 받지 않고 실시간 운전 결정을 내리기 때문에 도로 사고는 연간 약 3~5% 감소할 것으로 예상됩니다. 도시와 기업이 승합차와 버스를 공유 자율주행 차량으로 대체함에 따라 운전자가 실현한 비용 절감에서도 가치를 얻을 수 있습니다.
이미 기존의 자동차 OEM과 AI 플레이어는 자율 주행 기능을 레벨 4(운전자가 주의를 기울일 필요는 없지만 제어를 인수할 수 있음)와 레벨 5(완전한 자율 주행이 가능한 기능)로 발전시키는 데 상당한 진전을 이루었습니다. 스티어링 휠 포함은 선택 사항입니다). 예를 들어, 레벨 4 자율 주행 기능5을 달성한 WeRide는 광저우에서 로보택시 파일럿을 완료하여 1년에 거의 150,000번의 여행을 아무런 사고 없이 능동적 책임으로 완료했습니다.
자동차 소유자를 위한 맞춤형 경험. AI를 사용하여 차량 부품 상태, 연료 소비, 경로 선택, 조향 습관을 비롯한 센서 및 GPS 데이터를 분석함으로써 자동차 제조업체와 AI 플레이어는 점점 더 하드웨어 및 소프트웨어 업데이트에 대한 권장 사항을 맞춤화하고 자동차 소유자의 운전 경험을 개인화할 수 있습니다. 예를 들어 자동차 제조업체 NIO의 고급 운전자 지원 시스템 및 배터리 관리 시스템은 전기 자동차 배터리의 상태를 실시간으로 추적하고 사용 패턴을 진단하며 충전 케이던스를 최적화하여 운전자가 하루 종일 일하는 동안 배터리 수명을 개선할 수 있습니다. 우리의 연구에 따르면 유지 관리 비용과 예상치 못한 차량 고장을 줄임으로써 300억 달러의 경제적 가치를 제공할 수 있을 뿐만 아니라 소프트웨어 업데이트 및 새로운 기능으로 수익을 창출하는 방법을 식별하는 회사에 증분 수익을 창출할 수 있습니다.
함대 자산 관리. AI는 또한 차량 관리자가 세계에서 가장 긴 중국의 거대한 철도, 고속도로, 내륙 수로 및 민간 항공 노선 네트워크를 더 잘 탐색할 수 있도록 돕는 데 중요한 역할을 할 수 있습니다. 우리의 연구에 따르면 물류를 전문으로 하는 OEM 및 AI 플레이어가 IoT 데이터를 분석하고 차량 운영자를 위한 보다 연료 효율적인 경로와 저렴한 유지 보수 정류장을 식별할 수 있는 운영 연구 옵티마이저를 개발함에 따라 150억 달러의 가치 창출이 나타날 수 있습니다.8 한 자동차 OEM이 중국은 이제 차량 소유주와 운영자에게 차량 위치 모니터링, 차량 상태 추적, 여행 및 경로 분석을 위한 AI 기반 관리 시스템을 제공합니다. 연료 및 유지 보수 비용을 최대 15%까지 절약할 수 있을 것으로 추정됩니다.
제조
제조 분야에서 중국은 장난감 및 의류를 위한 저가 제조 허브에서 프로세서, 칩, 엔진 및 기타 고급 부품을 위한 정밀 제조 분야의 리더로 명성을 높이고 있습니다. 우리의 연구 결과는 AI가 제조 실행에서 제조 혁신으로의 이러한 전환을 촉진하고 1,150억 달러의 경제적 가치를 창출하는 데 도움이 될 수 있음을 보여줍니다.
이 가치 창출의 대부분(1,000억 달러)은 차세대 조립 라인을 생성하는 협동 로봇과 실제 자산을 복제하여 사용할 수 있는 디지털 트윈과 같은 다양한 AI 애플리케이션의 사용을 통한 프로세스 설계의 혁신에서 나올 것입니다. 시뮬레이션 및 최적화 엔진에서 디지털 트윈을 통해 제조업체, 기계 및 로봇 공학 제공업체, 시스템 자동화 제공업체는 대규모 생산을 시작하기 전에 제품 수율 또는 생산 라인 생산성과 같은 제조 프로세스 결과를 시뮬레이션, 테스트 및 검증하여 비용이 많이 드는 프로세스 비효율성을 식별할 수 있습니다. 일찍. 한 지역 전자 제품 제조업체는 웨어러블 센서를 사용하여 작업자의 손과 몸의 움직임을 포착하고 디지털화하여 생산 라인에서 인간의 성과를 모델링합니다. 그런 다음 작업자의 키에 따라 각 워크스테이션의 각도를 변경하는 등 장비 매개변수와 설정을 최적화하여 작업자의 편안함과 생산성을 향상시키면서 작업자 부상의 가능성을 줄입니다.
이 부문의 나머지 가치 창출(150억 달러)은 AI 기반 제품 개발 개선에서 나올 것으로 예상됩니다. 기업은 디지털 트윈을 사용하여 신제품 설계를 신속하게 테스트 및 검증하여 R&D 비용을 줄이고 제품 품질을 개선하며 신제품 혁신을 추진할 수 있습니다. 글로벌 무대에서 Google은 가능한 일을 간략하게 보여주었습니다. AI를 사용하여 다양한 구성 요소 레이아웃이 칩의 전력 소비, 성능 지표 및 크기를 어떻게 변경하는지 신속하게 평가했습니다. 이 접근 방식은 설계 엔지니어가 혼자 소요하는 시간보다 훨씬 짧은 시간에 최적의 칩 설계를 생성할 수 있습니다.
엔터프라이즈 소프트웨어
다른 국가와 마찬가지로 중국에 기반을 둔 기업은 디지털 및 AI 혁신을 겪고 있으며, 이에 따라 필요한 기술 기반을 지원하기 위해 새로운 현지 엔터프라이즈 소프트웨어 산업이 출현하고 있습니다.
이들 기업이 제공하는 솔루션은 800억 달러의 경제적 가치를 추가로 제공할 것으로 추산됩니다. 클라우드 및 AI 도구를 위한 오퍼링은 이 가치 창출(450억 달러)의 절반 이상을 제공할 것으로 예상됩니다. 한 예로, 로컬 클라우드 제공업체는 클라우드 및 온프레미스 환경 모두에서 운영할 수 있고 데이터베이스 개발 및 저장 비용을 절감할 수 있는 통합 데이터 플랫폼을 통해 중국의 100개 이상의 현지 은행 및 보험 회사에 서비스를 제공합니다. 또 다른 사례로 중국의 AI 도구 제공업체는 데이터 과학자가 주어진 예측 문제에 대한 모델을 자동으로 훈련, 예측 및 업데이트하는 데 도움이 되는 공유 AI 알고리즘 플랫폼을 개발했습니다. 공유 플랫폼을 사용하여 모델 제작 시간을 3개월에서 약 2주로 단축했습니다.
AI 기반 SaaS(Software-as-a-Service) 애플리케이션은 이 범주에서 나머지 350억 달러의 경제적 가치를 기여할 것으로 예상됩니다. 현지 SaaS 애플리케이션 개발자는 여러 AI 기술(예: 컴퓨터 비전, 자연어 처리, 기계 학습)을 적용하여 기업이 재무 및 세금, 인적 자원, 공급망 및 사이버 보안의 엔터프라이즈 기능 전반에 걸쳐 예측 및 의사 결정을 내리는 데 도움을 줄 수 있습니다. 중국의 한 선도적인 금융 기관은 AI 봇을 사용하여 직원의 경력 경로에 따라 개인화된 교육 추천을 제공하는 AI 기반 SaaS 솔루션을 배포했습니다.
의료 및 생명 과학
최근 몇 년 동안 중국은 AI를 통해 의료 및 생명 과학 혁신에 대한 투자를 강화했습니다. 중국의 "14차 5개년 계획"은 2025년까지 연간 7%의 R&D 지출 성장을 목표로 하고 이 중 최소 8%는 기초 연구에 투자합니다.
초점 영역 중 하나는 약물 발견을 가속화하고 성공 가능성을 높이는 것인데, 이는 중요한 글로벌 문제입니다. 2021년에 글로벌 제약 R&D 지출은 2012년 1,370억 달러에서 2,120억 달러에 이르렀으며 약 5%의 CAGR(복합 연간 성장률)이 있습니다. 신약 개발에는 평균 5.5년이 소요되며, 이는 환자의 혁신적인 치료제 접근을 지연시킬 뿐만 아니라 혁신에 대한 보상으로 특허 보호 기간을 단축시킵니다. 신약 개발 성공률이 향상되었음에도 불구하고 전 세계 제약 회사의 상위 20%만이 7년 만에 R&D 투자에서 손익분기점을 달성했습니다.
또 다른 최우선 과제는 환자 치료를 개선하는 것이며 오늘날 중국 AI 스타트업은 진단 결과 및 임상 결정 측면에서 보다 정확하고 신뢰할 수 있는 의료를 제공하는 중국의 명성을 구축하기 위해 노력하고 있습니다.
우리의 연구는 R&D의 AI가 더 빠른 약물 발견, 임상 시험 최적화 및 임상 의사 결정 지원이라는 세 가지 특정 영역에서 250억 달러 이상의 경제적 가치를 추가할 수 있음을 시사합니다.
신속한 약물 발견. 현재 중국 전체 시장 규모의 30% 미만인 신약(특허 처방약)(전세계 70% 이상)은 AI를 기반으로 한 신약을 발견에 도입할 수 있는 상당한 기회를 시사한다. AI를 사용하여 표적 식별 및 새로운 분자 설계를 가속화하면 최대 100억 달러의 가치를 창출할 수 있을 것으로 추정합니다. 사모펀드 회사나 현지 하이퍼스케일러가 자금을 지원하는 중국의 20개 이상의 AI 스타트업은 기존 제약 회사와 협력하거나 독립적으로 새로운 치료제를 개발하기 위해 노력하고 있습니다. Insilico Medicine은 표적 식별, 분자 설계 및 리드 최적화를 위해 종단 간 생성 AI 엔진을 사용하여 300만 달러 미만의 비용으로 18개월 이내에 폐 섬유증의 전임상 후보를 발견했습니다. 이는 평균 6년의 일정과 표적 발견에서 전임상 후보까지 평균 1,800만 달러 이상의 비용이 크게 감소했음을 나타냅니다. 이 항섬유증 약물 후보는 현재 임상 0상 연구를 성공적으로 완료하고 임상 1상 시험에 진입했습니다.
임상 시험 최적화. 우리의 연구에 따르면 임상 연구 설계(프로세스, 프로토콜, 사이트) 최적화, 시험 제공 및 실행 최적화(하이브리드 시험 제공 모델), 실제 증거 생성에서 100억 달러의 경제적 가치가 추가로 발생할 수 있습니다. 이러한 AI 사용 사례는 임상 시험 개발 시간과 비용을 줄이고 환자와 의료 전문가에게 더 나은 경험을 제공하며 더 높은 품질과 규정 준수를 가능하게 합니다. 예를 들어, 글로벌 상위 20대 제약 회사는 프로세스 개선과 함께 AI를 활용하여 임상 시험 등록 일정을 13% 단축하고 외부 비용을 10~15% 절감했습니다. 글로벌 제약 회사는 기술 기반 임상 시험 개발을 위해 세 가지 영역을 우선시했습니다. 시험 설계 및 운영 계획을 가속화하기 위해 내부 및 외부 데이터의 힘을 활용하여 프로토콜 설계 및 사이트 선택을 최적화했습니다. 현장 및 환자 참여를 간소화하기 위해 API 표준으로 생태계를 구축하여 내부 및 외부 혁신을 활용했습니다. 임상 시험 개발 조종석을 구축하기 위해 운영 시험 데이터를 집계 및 시각화하여 완전한 투명성으로 종단 간 임상 시험 운영을 가능하게 함으로써 잠재적 위험과 시험 지연을 예측하고 사전에 조치를 취할 수 있었습니다.
임상 의사 결정 지원. 우리의 연구 결과에 따르면 진단 결과를 예측하고 임상 결정을 지원하기 위해 의료 이미지 및 데이터(검사 결과 및 증상 보고서 포함)에 기계 학습 알고리즘을 사용하면 약 50억 달러의 경제적 가치를 창출할 수 있습니다. 의료 영상 분야의 선도적인 AI 스타트업은 이제 망막 이미지의 광간섭 단층 촬영 결과에 컴퓨터 비전과 기계 학습 알고리즘을 적용합니다. 당뇨병, 고혈압, 동맥경화와 같은 수십 가지 만성 질환 및 상태의 징후를 자동으로 검색 및 식별하여 진단 프로세스를 가속화하고 질병의 조기 발견을 높입니다.
이러한 기회를 잠금 해제하는 방법
연구 과정에서 AI의 가치를 실현하려면 모든 부문에서 6가지 핵심 지원 영역(전시)에 걸쳐 상당한 투자와 혁신을 추진해야 한다는 사실을 발견했습니다. 처음 4개 영역은 데이터, 인재, 기술 및 채택 및 확장 노력의 일환으로 사고 방식을 전환하기 위한 중요한 작업입니다. 나머지 두 가지인 생태계 오케스트레이션 및 탐색 규정은 집합적으로 시장 협력으로 간주될 수 있으며 전략 노력의 일부로 다루어야 합니다.
이러한 영역의 몇 가지 특정 과제는 각 부문에 고유합니다. 예를 들어, 자동차, 운송 및 물류 분야에서 5G 및 연결된 차량 기술(일반적으로 V2X라고 함)의 최신 발전에 보조를 맞추는 것은 해당 부문의 가치를 실현하는 데 중요합니다. 의료 종사자는 AI 설명 가능성의 발전에 대해 최신 정보를 얻고 싶어할 것입니다. 제공자와 환자가 AI를 신뢰하려면 알고리즘이 결정이나 추천을 한 이유를 이해할 수 있어야 합니다.
일반적으로 데이터, 인재, 기술 및 시장 협업의 4가지 영역은 달성된 경제적 가치에 막대한 영향을 미칠 것으로 예상되는 공통 과제로 두드러집니다. 그들 없이는 다른 사람들을 다루는 것이 훨씬 더 어려울 것입니다.
데이터
AI 시스템이 제대로 작동하려면 고품질 데이터에 액세스해야 합니다. 즉, 데이터가 사용 가능하고, 사용 가능하고, 신뢰할 수 있고, 관련성 있고, 안전해야 합니다. 이는 오늘날 생성되는 방대한 양의 데이터를 저장, 처리 및 관리하기 위한 올바른 기반 없이는 어려울 수 있습니다. 예를 들어, 자동차 부문에서는 자율 차량이 미래의 상황을 이해하고 인간 운전자에게 개인화된 경험을 제공할 수 있도록 차량당 최대 2테라바이트의 데이터와 매일 도로 데이터를 처리하고 지원하는 기능이 필요합니다. 의료 분야에서 AI 모델은 질병을 이해하고 새로운 표적을 식별하며 새로운 분자를 설계하기 위해 방대한 양의 오믹스 데이터를 가져와야 합니다.
AI가 기여하는 이자 및 세금 전 수익(EBIT)의 20% 이상인 가장 높은 AI 수익을 보고 있는 기업은 이를 달성하는 데 필요한 통찰력을 제공합니다. McKinsey의 2021년 글로벌 AI 설문조사에 따르면 이러한 고성과 기업은 AI 시스템에서 사용할 내부 구조화된 데이터의 신속한 통합(고성과 기업의 51% 대 다른 기업의 32%)과 같은 핵심 데이터 관행에 투자할 가능성이 훨씬 더 높습니다. 기업 전체에서 액세스할 수 있는 사전(53% 대 29%), 데이터 거버넌스를 위한 잘 정의된 프로세스 개발(45% 대 37%).
데이터 공유 및 데이터 생태계에 대한 참여도 중요합니다. 이러한 파트너십은 그렇지 않으면 불가능했을 통찰력으로 이어질 수 있기 때문입니다. 예를 들어, 의료 빅데이터 및 AI 회사는 현재 광범위한 병원 및 연구 기관과 협력하여 전자 의료 기록(EMR)을 공개적으로 사용 가능한 의료 연구 데이터 및 제약 회사 또는 계약 연구 기관의 임상 시험 데이터와 통합하고 있습니다. 목표는 치료 시점에서 약물 발견, 임상 시험 및 의사 결정을 촉진하여 제공자가 각 환자에 대해 올바른 치료 절차와 계획을 더 잘 식별할 수 있도록 하여 치료 효과를 높이고 부작용의 가능성을 줄이는 것입니다. 이러한 회사 중 하나인 Yidu Cloud는 중국의 500개 이상의 병원에 빅 데이터 플랫폼과 솔루션을 제공했으며 승인 시 2017년부터 13억 개 이상의 의료 기록을 분석하여 다양한 사용을 지원하기 위해 실제 질병 모델에 사용했습니다. 임상 연구, 병원 관리 및 정책 수립을 포함한 사례.
재능
경험상 비즈니스 영역에 대한 지식 없이는 기업이 AI를 통해 영향력을 제공하는 것이 거의 불가능하다는 것을 알게 되었습니다. 각 영역에서 어떤 질문을 해야 하는지 아는 것은 주어진 AI 노력의 성공 또는 실패를 결정할 수 있습니다. 결과적으로 4개 부문(자동차, 운송, 물류, 제조, 엔터프라이즈 소프트웨어, 의료 및 생명 과학)의 조직은 기존 AI 전문가와 지식 근로자를 체계적으로 향상시켜 비즈니스 질문을 아는 개인인 AI 번역가가 되는 혜택을 누릴 수 있습니다. 질문하고 비즈니스 문제를 AI 솔루션으로 변환할 수 있습니다. 우리는 그들의 기술이 그리스 문자 파이(π)와 비슷하다고 생각하는 것을 좋아합니다. 이 그룹은 일반 관리 기술(가로 막대)에 대한 광범위한 숙달뿐만 아니라 AI 및 도메인 전문 지식에 대한 심층적인 기능 지식(세로 막대)도 보유하고 있습니다.
이 인재 프로필을 구축하기 위해 일부 회사에서는 필요한 기술로 기술 인재를 업스킬합니다. 예를 들어, 약물 발견 분야의 한 AI 스타트업은 분자 구조 및 특성과 같은 제약 영역 지식에 대해 새로 고용된 데이터 과학자와 AI 엔지니어를 교육하는 프로그램을 만들었습니다. 회사 경영진은 AI 전문가들 사이에서 이 깊은 영역 지식이 임상 시험을 위한 거의 30개 분자의 발견을 가능하게 했다고 믿습니다. 다른 회사는 기존 도메인 인재에게 필요한 AI 기술을 제공하려고 합니다. 전자 제품 제조업체는 기업 전체에서 다양한 디지털 및 AI 프로젝트를 이끌 수 있도록 다양한 기능 영역에 걸쳐 400명 이상의 직원에게 현장 교육을 제공하기 위해 디지털 및 AI 아카데미를 구축했습니다.
기술 성숙도
McKinsey는 과거 연구를 통해 올바른 기술 기반을 갖추는 것이 AI 성공의 핵심 동인이라는 것을 발견했습니다. 중국의 비즈니스 리더를 위해 우리의 조사 결과는 이 영역에서 네 가지 우선 순위를 강조합니다.
디지털 채택 증가. 산업 전반에 걸쳐 디지털 채택을 늘릴 여지가 있습니다. 병원 및 기타 의료 제공자에서 환자, 인력 및 장비와 관련된 많은 워크플로가 아직 디지털화되지 않았습니다. 의료 기관에 환자의 임상 시험 적격성을 예측하거나 의사에게 지능형 임상 의사 결정 지원 도구를 제공하는 데 필요한 데이터를 제공하려면 더 많은 디지털 도입이 필요합니다.
공장의 디지털화가 낮은 제조업에서도 마찬가지다. 제조 장비와 생산 라인에 IoT 센서를 구현하면 기업이 디지털 트윈을 구동하는 데 필요한 데이터를 축적할 수 있습니다.
데이터 과학 도구 및 플랫폼 구현. 알고리즘 개발 비용은 높을 수 있으며, 기업은 기술 투자를 통해 공장 생산 라인의 효율성을 높이는 것과 마찬가지로 모델 배포 및 유지 관리를 간소화하는 기술 플랫폼과 도구를 사용하여 많은 이점을 얻을 수 있습니다. 회사에서 고려하도록 권장하는 일부 필수 기능에는 재사용 가능한 데이터 구조, 확장 가능한 계산 능력 및 자동화된 MLOps 기능이 있습니다. 이 모든 것은 AI 팀이 효율적이고 생산적으로 작업할 수 있도록 하는 데 기여합니다.
클라우드 인프라의 발전. 우리의 연구에 따르면 중국의 클라우드에 대한 IT 워크로드의 비율은 글로벌 설문 조사 수치와 거의 비슷하지만 보안 및 데이터 규정 준수 문제로 인해 프라이빗 클라우드의 점유율은 훨씬 더 큽니다. SaaS 공급업체 및 기타 엔터프라이즈 소프트웨어 제공업체가 이 시장에 진입함에 따라 이러한 문제를 해결하고 기업에 명확한 가치 제안을 제공하기 위해 인프라를 계속 발전시키는 것이 좋습니다. 이를 위해서는 가상화, 데이터 저장 용량, 성능, 탄력성 및 탄력성, 비즈니스 기능을 사용자 정의하기 위한 기술적 민첩성 면에서 더욱 발전해야 하며, 이는 기업이 벤더에게 기대하게 된 것입니다.
AI 연구 및 고급 AI 기술에 대한 투자. 여기에 설명된 많은 사용 사례에는 기본 기술과 기술의 근본적인 발전이 필요합니다. 예를 들어 제조 분야에서는 공장 바닥에서 흔히 볼 수 있는 희미한 조명 환경에서 물체를 감지하고 인식하기 위해 카메라 센서와 컴퓨터 비전 알고리즘의 성능을 개선하기 위한 추가 연구가 필요합니다. 생명 과학에서는 약물 발견, 임상 시험 및 임상 의사 결정 지원 프로세스에서 실제 데이터의 수집, 처리 및 통합을 가능하게 하기 위해 웨어러블 장치 및 AI 알고리즘의 추가 혁신이 필요합니다. 자동차에서 자율 주행 차량이 복잡한 시나리오에서 물체를 인식하고 수행하는 방식을 향상하려면 자율 주행 모델 정확도를 개선하고 모델링 복잡성을 줄이기 위한 발전이 필요합니다.
이러한 연구를 수행하기 위해 기업과 대학 간의 학술 협력은 가능한 것을 발전시킬 수 있습니다.
시장 협력
AI는 한 회사의 능력을 초월하는 과제를 제시할 수 있으며, 이는 종종 AI 혁신을 촉진할 수 있는 규정과 파트너십을 야기합니다. 전 세계 많은 시장에서 유럽의 GDPR(Global Data Protection Regulation) 및 미국의 캘리포니아 소비자 개인정보 보호법(California Consumer Privacy Act)과 같은 새로운 규정이 최고의 AI로 간주되는 데이터 개인정보 보호와 같은 새로운 문제를 해결하기 시작하는 것을 보았습니다. 2021년 글로벌 AI 설문조사의 관련 위험. 그리고 AI의 개발 및 사용을 보다 광범위하게 다루기 위해 고안된 유럽 연합 규정 제안은 전 세계적으로 영향을 미칠 것입니다.
우리의 연구는 중국이 AI의 완전한 경제적 가치를 실현하는 데 추가 노력이 도움이 될 수 있는 세 가지 영역을 지적합니다.
데이터 개인 정보 보호 및 공유. 의료 데이터든 운전 데이터든 개인이 데이터를 공유하려면 데이터 사용 권한을 부여할 수 있는 쉬운 방법이 있어야 하며 권한 있는 기관에서 적절하게 사용하고 안전하게 공유 및 저장될 것이라는 신뢰가 있어야 합니다. 개인 정보 보호 및 공유와 관련된 지침을 통해 더 많은 신뢰를 얻을 수 있으므로 AI를 더 많이 채택할 수 있습니다. 예를 들어, 중국에서 시민 건강을 개선하기 위해 제정된 2019년 법률은 의료 및 건강 데이터의 수집, 저장, 분석 및 적용에 대한 기술 표준을 개발하여 빅 데이터 및 AI의 사용을 촉진합니다.
한편, 산업계와 학계에서는 개인 정보 보호 문제를 완화하는 데 도움이 되는 방법과 프레임워크를 구축하려는 상당한 추진력이 있었습니다. 예를 들어, 선도적인 기계 학습 컨퍼런스인 신경 정보 처리 시스템(Neural Information Processing Systems)에서 승인한 "프라이버시"를 언급하는 논문의 수는 지난 5년 동안 6배 증가했습니다.
시장 조정. 경우에 따라 AI가 지원하는 새로운 비즈니스 모델은 다양한 이해 관계자 사이에서 AI의 사용 및 제공에 대한 근본적인 질문을 제기할 것입니다. 예를 들어 의료 분야에서 기업이 임상 의사 결정 지원을 위한 새로운 AI 시스템을 개발함에 따라 AI가 진단 및 치료 권장 사항을 개선하는 데 효과적인 시기와 이러한 AI를 사용할 때 제공자가 환급을 받을 방법에 대해 정부, 의료 제공자 및 지불인 사이에 논쟁이 나타날 것입니다. 시스템. 운송 및 물류 분야에서 정부와 보험사가 책임을 판단하는 방식에 관한 문제는 자율주행 차량과 사람이 운전하는 차량 모두와 관련된 사고 이후 중국에서 이미 발생했습니다. 이러한 사고의 해결은 미래의 결정을 안내하는 선례를 만들었지만, 추가 성문화는 일관성과 명확성을 보장하는 데 도움이 될 수 있습니다.
표준 프로세스 및 프로토콜. 표준은 생태계 내부 및 생태계 전반에서 데이터 공유를 가능하게 합니다. 의료 및 생명 과학 분야에서 학술 의료 연구, 임상 시험 데이터 및 환자 의료 데이터는 약물 발견 및 임상 시험을 가속화하기 위해 균일한 방식으로 잘 구조화되고 문서화되어야 합니다. 2018년 중국 국가위생건강위원회(National Health Commission)가 EMR 및 질병 데이터베이스를 위한 데이터 기반을 구축하도록 추진하면서 AI에 사용할 표준화된 질병 데이터베이스 및 EMR을 생성하는 움직임이 발생했습니다. 그러나 데이터가 구조화, 처리 및 연결되는 방식에 대한 표준 및 프로토콜은 원시 데이터 레코드를 추가로 사용하는 데 도움이 될 수 있습니다.
마찬가지로 표준은 혁신을 방해하고 투자자와 인재를 놀라게 할 수 있는 프로세스 지연을 제거할 수도 있습니다. 예를 들어 하이난의 의료 관광 지역에서 실제 증거를 사용하여 약물 발견을 가속화하는 것이 포함됩니다. 그 성공을 투명한 승인 프로토콜로 변환하면 전국적으로 일관된 라이선스를 보장하고 궁극적으로 새로운 발견에 대한 신뢰를 구축할 수 있습니다. 제조 측면에서 조직이 생산 라인에서 개체의 다양한 기능(예: 부품 또는 최종 제품의 크기 및 모양)에 레이블을 지정하는 방법에 대한 표준을 사용하면 회사가 한 공장에서 다른 공장으로 알고리즘을 더 쉽게 활용할 수 있습니다. 값비싼 재교육을 받을 필요 없이
특허 보호. 전통적으로 중국에서는 새로운 혁신이 빠르게 공개 영역으로 전환되어 엔터프라이즈 소프트웨어 및 AI 플레이어가 상당한 투자에 대한 수익을 실현하기 어렵게 만듭니다. 우리의 경험에 따르면 지적 재산권을 보호하는 특허법은 투자자의 신뢰를 높이고 이 분야에 더 많은 투자를 유치할 수 있습니다.
----------------------------------------
AI는 중국의 주요 부문을 재편할 수 있는 잠재력을 가지고 있습니다. 그러나 가장 가치 있는 사용 사례가 있는 이러한 부문의 비즈니스 영역 중 AI를 약간의 추가 투자로 구현할 수 있는 성과는 없습니다. 오히려 우리 연구에 따르면 데이터, 인재, 기술 및 시장 협력이 가장 중요한 여러 차원에 걸친 전략적 투자와 혁신이 있어야 이 기회의 잠재력을 최대한 활용할 수 있습니다. 기업, AI 플레이어 및 정부가 협력하여 이러한 조건을 해결하고 중국이 위험에 처한 모든 가치를 포착할 수 있도록 할 수 있습니다.
--------------------------------------------
저자 소개
Kai Shen과 Ting Wu는 McKinsey Shenzhen 사무소의 파트너이고 Xiaoxiao Tong은 Fangning Zhang이 파트너인 상하이 사무소의 컨설턴트입니다.
저자는 이 기사에 기여한 Forest Hou, Joanna Mak, Tamim Saleh, Christoph Sandler, Alex Sawaya, Florian Then, Joanna Wu, Xiaolu Xu 및 Jeff Yang에게 감사를 표합니다.
댓글