医疗健康
全球的先进组织都在为医生和科学家配备 AI 支持，助力其改变生活和科研的未来。借助 AI，他们可以处理互操作型数据，满足对个性化医疗和新一代诊所的日益增长的需求，开发切合其工作流程的智能应用程序，并加速影像分析和生命科学研究等领域的研究进展。用例包括：
- 病理学。各大医院每年都会进行数百万次医学扫描和组织活检，并且通常会扫描结果来创建数字病理学数据集。如今，医生和研究人员使用 AI 即可全面高效地分析这些数据集，对各种疾病进行分类，并在各个病理学家的诊断意见不一致时减少错误。
- 患者护理。当下我们面临的挑战仍旧是临床医生如何尽量快速有效地为患者提供正确的治疗。与重症监护室相比，这是一项更亟待满足的需求。医生可以使用 AI 工具，利用每小时生物体征测量数据，提前 8 小时预测患者是否有协助呼吸、输血，或通过干预增强心脏功能方面的治疗需求。
零售
Accenture 的一份报告预估，截至 2035 年，AI 有望通过促进增长和提高盈利率，为零售商创造 2.2 万亿美元的价值。在经历大规模数字化转型的过程中，该行业可利用 AI 加强资产保护、开展店内分析并简化运营，从而提升商业价值。
- 需求预测。针对美国 4700 家门店超过 10 万种的不同商品，沃尔玛实验室的数据科学团队要预测各间门店所需的商品组合，每周要预测 5 亿个组合。利用基于 CUDA-X AI 和 NVIDIA GPU 构建的 NVIDIA RAPIDS 开放源代码数据科学和机器学习库套件进行预测后，沃尔玛团队能将设计机器学习功能的速度提高 100 倍，并将训练算法的速度提高 20 倍。
- AiFi 正在与零售巨头和大学携手，对其全天候自主购物并且免结账手续的 NanoStore 门店进行试点测试。NanoStores 拥有 500 多种不同的商品，并使用由 NVIDIA T4 Tensor Core GPU 提供动力支持的图像识别技术锁定商品选择，然后将此类选择添加至客户标签。
电信
AI 正在电信行业掀起新一波的通信浪潮。智能服务可利用 GPU 和 5G 网络的强大性能到达边缘，进而简化部署并充分发挥潜能。
- 2Hz, Inc. 采用由 NVIDIA T4 和 V100 GPU 提供动力支持的降噪技术，使实时通话变得更加清晰。相较于 CPU，2Hz 的深度学习算法性能提升了 20 倍；通过在 GPU 上运行 TensorRT，2Hz 可满足实时通信的 12 毫秒 (ms) 延迟要求。
- 5G 将提供多种计算能力，包括延迟低于 20 毫秒的千兆级速度。正因如此，Verizon Envrmnt 团队能够部署功能强大的 NVIDIA GPU，改进 Verizon 的高性能计算操作，同时打造分布式数据中心。5G 还让设备变得更薄、更轻、更省电，提高了内存密集型并行处理的可行性，推动渲染、深度学习和计算机视觉领域的发展。
金融服务
随着许多知名和初创公司供应商快速将 AI 解决方案推向市场，这些解决方案在充满活力的金融服务领域大受欢迎。迄今为止，热门应用用例包括：
- 投资组合管理和优化。过去，主要通过手动方式计算投资组合风险，因此非常耗时。借助 AI，银行无需移动敏感数据，即可在数秒内完成极其复杂的查询工作。
- 风险管理。与投资组合管理类似，风险管理计算通常需要一整夜的时间分批完成，因此随时有可能错失机会。AI 工具可根据可用数据近乎实时地计算风险，从而提升投资组合效果并改善客户体验。
- 欺诈检测。AI 解决方案能够摄入海量数据并立即搜索异常数据，因此可以标记可疑模式并触发特定行动。
工业
常见的 AI 用例之一是处理来自各种物联网设备的巨大数据流，进行预测性维护。这可能与监控单个设备（例如一台发电机）或整个制造设施（例如工厂车间）的状况相关。AI 系统能控制和利用从设备及各种外部来源（例如天气日志）中收集和传输的数据。各大铁路都使用 AI 来预测故障，在故障发生前进行修复，从而保证列车准时运行。对工厂车间进行 AI 预测性维护能够显著缩短产品线宕机时间。
AI 是一种工具
数据科学家认为 AI 是一种工具，是建立在其他数据深度分析程序或方法之上的一种程序。除了 R 和 Python 等语言以外，数据科学家还会处理传统数据库中的数据，并且经常使用 SQL 查询从中提取数据。通过使用某些 AI 工具，他们可以快速执行任务，对这些更传统的数据源进行分类和预测。