公开场景库

医院或 AI 企业需要大规模标注影像数据训练深度学习模型，用于辅助放射科医生检测肺结节、脑出血、骨折等病灶。模型每提升 1% 的灵敏度，可显著降低漏诊带来的医疗纠纷和生命损失。

传统药物研发从 10^6–10^9 个化合物中筛选候选分子，平均耗时 3–5 年、耗资数十亿元。高质量的化合物-靶点结合活性数据可训练深度学习模型在虚拟空间中预先筛除 90% 以上的无效分子，将湿实验资源聚焦在最可能的候选物上。

临床试验失败的首要原因之一是患者招募不足或入组缓慢（占失败原因的 30%+）。利用结构化 EHR（电子健康档案）数据，通过自然语言处理和规则引擎自动匹配入排标准，可将筛选效率提升 5–10 倍。

不同患者同一癌种的驱动基因突变谱差异极大。基于 NGS（下一代测序）数据匹配靶向药物，可避免无效化疗（单疗程成本 ¥2 万–10 万）、直接选定有效方案。需要大规模的基因突变-药物响应配对数据库作为匹配依据。

全国医保基金年度支出超 2 万亿元，欺诈和滥用估计占 5%–10%。利用大规模结算明细数据构建异常检测模型，可识别药品串换、分解住院、过度诊疗等模式，追回资金并形成威慑。

传染病暴发存在黄金响应窗口（通常 7–14 天）。综合利用医院发热门诊数据、药店药品销售数据、互联网搜索趋势、航班/人口流动数据等多源信号，可在大规模确诊前 1–2 周发出预警，为防控争取时间。

达芬奇等手术机器人产生大量操作过程视频与力反馈数据。高质量的手术操作数据可用于训练 AI 模型实现部分步骤的自主化（如缝合、吻合），降低术者疲劳、缩短手术时间、减少并发症。

慢病患者年人均医疗支出是健康人群的 3–5 倍，而多数急性加重通过持续监测本可避免。利用智能手环/手表、连续血糖监测仪（CGM）等产生的连续生理数据，AI 模型可提前 24–72 小时预警急性事件，触发干预。

传统信用评分依赖央行征信报告，覆盖人群有限（中国约 4 亿人有征信记录）。引入电信消费、电商交易、社交网络、设备指纹等替代数据，可将信用评估覆盖至数亿'白户'，同时将违约率预测的 KS 值提升 5–10 个百分点。

交易所 L2 订单簿数据以微秒级精度记录每一笔挂单、撤单、成交，隐含了市场参与者的意图和短期价格压力。高频交易团队利用这些数据构建预测模型，捕捉秒至分钟级的定价偏差。

全球每年洗钱规模估计占 GDP 的 2%–5%。传统规则引擎（如大额交易阈值）误报率极高（>95%），且无法识别分层、离析等结构化洗钱。引入知识图谱和图神经网络分析交易网络，可将可疑交易识别率提升 3–5 倍，同时大幅降低误报。

传统车险定价依赖年龄、驾龄、车型、过往出险等静态因子，对个体风险区分度有限。引入车载 OBD/App 采集的驾驶行为数据（急加速、急刹车、夜间行驶时长、平均速度等），可将风险区分度（Gini 系数）从 0.15–0.20 提升至 0.30–

获取一个新客户的成本是留住老客户的 5–7 倍。利用客户交易行为、渠道使用频率、产品持有变化等数据训练流失预测模型，可在客户真正流失前 30–60 天触发挽留动作（如优惠利率、专属客户经理联系）。

供应链金融中最大的风险是虚假贸易（萝卜章、虚构应收账款、重复融资）。综合利用发票数据、ERP 进销存数据、物流轨迹、工商变更等信息构建交叉验证模型，可有效识别空壳贸易和循环贸易。

银行和资管机构需每日计算投资组合的市场风险以确定资本充足率和风险限额。风险测算的精度高度依赖历史价格数据的质量、完整性和覆盖面。数据中的错误定价点、缺失时间序列、不准确的风险因子映射将直接导致资本计提偏差。

全球支付欺诈年损失超 300 亿美元。支付机构需要在交易发起的 50–100 毫秒内做出通过/拒绝/挑战决策。特征工程质量（实时计算的用户画像、设备指纹、位置异常、行为序列）是模型性能的上限。

智能投顾利用用户回答的风险测评问卷与行为数据，结合市场大类资产配置模型（如 Black-Litterman），自动生成并调仓投资组合。相比人工投顾，边际成本趋近于零，覆盖长尾客户。

小微企业融资难的核心是信息不对称——缺乏标准化的财务报表和信用记录。利用银联流水、税控数据、ERP 数据、电费缴纳、物流发货等多维经营数据，可构建替代信用评估模型，将原本被拒的'好'小微企业识别出来。

风电和光伏出力高度依赖天气条件，波动性和间歇性给电网调度带来巨大挑战。中国电力市场规则要求新能源场站提交次日 96 点（15 分钟间隔）功率预测，预测偏差超过阈值将面临考核罚款（约 ¥0.01–0.1/kWh）。精准的功率预测直接减少罚款、

电力不能大规模存储，发电必须实时匹配负荷。负荷预测误差每增加 1%，对应备用电厂的额外运行成本高达数百万元/年（省级电网尺度）。随着分布式光伏/储能/电动汽车充电桩大规模接入，负荷端变得更加复杂和难以预测。

一口探井成本高达数千万至数亿元，而全球探井成功率仅约 30%–40%。地震数据是地下成像的主要手段，但传统人工解释地震剖面（标注层位/断层/构造/烃类指示）耗时数月且依赖专家经验、一致性差。利用高质量标注地震数据训练深度学习模型，可将解释周

传统农业施肥/灌溉采取'大水大肥'的统一作业——但同一块田内的土壤肥力、水分、病虫害分布天然不均。利用 Sentinel/Landsat 等卫星的多光谱时间序列数据（NDVI/NDWI 等植被指数），结合土壤采样数据和气象数据，生成米级分辨

全球每年因病虫害造成的作物损失约占总产量的 20%–40%。小农户依赖农技员下田诊断——人力覆盖严重不足。利用大规模作物病虫害图像数据库训练手机端视觉识别模型，农民拍照即可获得病虫害种类识别、严重程度评估和防治方案建议，将诊断响应时间从数天

规模化养殖场（奶牛/猪/鸡）的核心盈利指标包括：配种成功率、疾病早期检出率、饲料转化率。传统依靠人工巡检（每天 1–2 次）无法捕捉行为微变化（如跛行前兆、发情行为改变）。利用智能项圈/耳标（加速度、体温、反刍频率）与视频行为分析，可实现

消费者对食品安全的关切催生了巨大的品质溢价空间——阳澄湖大闸蟹真伪问题导致每年'洗澡蟹'冒充造成数十亿元品牌损失；高端生鲜（和牛、有机蔬菜、地理标志产品）的溢价依赖可信的溯源数据。利用 IoT 传感器 + 区块链不可篡改存证，将全链条数据贯