凯发k8天生赢家一触即发

AI抗疫的冰與火

从竞相追逐的资本宠儿到估值大幅缩水的资本弃儿，AI公司不过用了短短四年，场景落地难，商业化探索难成为阻碍AI行业取得突破性进展的关键因素。

一场突如其来的新冠疫情成为AI公司技术应用的试炼场，一封《充分发挥人工智能赋能效用，协力抗击新型冠状病毒薰染的肺炎疫情》的倡议书调动了全社会数字化、智能化抗疫的热情，诊断辅助、远程医疗、AI测温、智能外呼、无人车服务……史上第一次大规模AI抗疫的大潮，席卷而来。

一边是资本降温挤泡沫，一边是人们意识到了AI技术落地应用的价值点，疫情风暴眼中的AI，奏响了一首冰与火之歌。

當AI沖向醫療前線在医疗前线，诸如病毒基因测序，卵白靶标筛选，病毒与药物的研发历史数据匹配等种种事情如果能够由AI算力来支撑，能够取得事半功倍的效果。好比利用AI算法能够将原来数小时的疑似病例基因剖析缩短至半小时，且能精准检测出病毒变异的情况。

被病毒侵袭不断攀升的死亡人数时刻提醒着人们时间就是生命，一切能够提高医疗效率的技术手段在現在都显得无比珍贵。也因此，在疫情爆发后，百度、阿里巴巴、商汤等各大AI技术厂商率先宣布的一件事就是：面向科研机构与医疗机构免费开放算力。

算法、算力和数据是人工智能得以快速发展的三概略素，在抗疫这场長期的人力物力消耗战中，人工智能也找到了它得以充分释放的战场。

钟南山院士曾说，病毒很聪明，摆在人们面前有两个问题：筛查与确诊难度加大，消耗了大宗人力与社会资源。

AI作为一种技术辅助工具成为了医生最得力的帮手。在疫情爆发的特殊时期，核酸检测和CT影像检测是新冠肺炎病例确诊最重要的两大手段，传统医生平均10分钟左右的阅片效率在沉重的病毒筛查任务下基礎无法满足需求，而在比较成熟的AI影像诊断的辅助下，平均每个肺炎的阅片筛查速度可以从十几分钟缩短到几十秒。

今年2月4日，工信部发布了《充分发挥人工智能赋能效用 协力抗击新型冠状病毒薰染的肺炎疫情倡议书》，号召社会各界尽快利用AI技术补齐疫情管控的技术短板，充分挖掘AI技术在新型冠状病毒薰染肺炎诊疗以及疫情防控的应用场景。

倡议书中提到，要充分挖掘新型冠状病毒薰染肺炎诊疗以及疫情防控的应用场景，攻关并批量生产一批辅助诊断、快速测试、智能化设备、精准测温与目标识别等产品，助力疫病智能诊治，降低医护人员的薰染风险，提高管控事情的效率。

这封首次把AI技术与抗击疫情结合在一起的政府倡议书，让人们感受到了AI能够落地的价值点，在这场新型冠状肺炎全面阻击战中，AI也逐渐成为此次大规模公共卫生事件中不可或缺的技术辅助力量。

AI行业内有一种说法，AI行业的发展10%在于算法，20%在于技术，70%在于应用场景和落地的过程，这是个系统性工程，对于任何一个想要拥抱AI的公司来说，场景都是最焦點的竞争力。

疫情当前，AI亮出了它的利刃，冲向了医疗前线。

抗疫中的AI獨角獸

在这场轰轰烈烈的AI抗疫保卫战中，手握资本与技术的AI独角兽们是当之无愧的主角。从无人送货到体外测温、AI医疗诊断，各AI企业充分发挥企业自身优势全力抗疫。

商汤为科研机构的药物及病毒相关研究提供高性能计算资源，用AI影像帮助快速筛查疑似新冠病例，还与深圳超算一起，为国家重点研发计划首席科学家，中山大学药学院罗海彬教授的医疗团队免费提供高性能计算资源（其中商汤提供包括20个GPU服务器节点），全力支持研究人员对對抗新冠病毒的药物进行大规模筛选，同时开展病毒突变预测等事情。

火车站、汽车站、地铁站、机场等容易聚集人群的公共场所是防疫抗疫的重点，可针对各类公共场所等高密度人员流动场景下，能够让事情人员实现快速定位体温异常者的防疫设备却极为紧缺。

经过十多天的连续奋战，旷视上线了测温系统，通过前端红外相机鉴别人流中的高温人员，再根据疑似发烧者的人体、人脸信息，并率先在北京市海淀政务大厅和部分地铁站展开了试点应用。

该系统采用“人体识别+人像识别+红外 /可见光双传感”的解决計畫，相较传统测温筛查手段，识别效率更高，无需接触即可测温，识别误差低于0.03℃。

在此之前，百度AI多人体温快速检测解决計畫也已在北京清河站落地使用。各种测温防疫设备的安排，降低了人群密集区域的传染风险，解放了大宗筛查人力，成为此次防疫事情最重要的前哨。

在疫情期间，医疗诊断阶段最珍贵的就是时间，最需要的就是效率，让具备大医院诊断能力的AI产品能快速复制到基层，可以极大缓解一线医生的事情压力。

依图将“医疗机器系统”快速安排到战“疫”一线，利用人工智能技术，助力医生开展基于CT影像的智能化新型冠状病毒性病灶定量剖析及疗效评价，进一步提升检测效率。

一边利用AI技术让CT影像诊断实现秒级输出缓解医疗资源紧缺的现状，另一边通过辅助新药开发加速寻找控制疫情蔓延的解决办法。

华为云则在疫苗研发上发力，疫情期间，研究机构可以向华为云医疗智能体(EIHealth)申请免费使用AI研发平台，用于病毒基因组研究、抗病毒药物研发和抗疫医疗影像研究剖析，加速抗疫药物研发，加速疫情检测速度。

　　除此之外，华为云还联合了多家科研机构使用超级计算能力和AI算法筛选出了5种可能对新型冠状病毒有效的抗病毒药物，为研究机构和制药企业进一步药物研发提供了重要参考。

如果说医疗诊断救治是战胜疫情的焦點战场，那么社区服务就是避免疫情扩散的大后方。

针对疫情期间的社区寧靜防护，京东数科提供了疫情高危人群势态剖析和预警系统，帮助政府剖析居民的行动路线，并对高危人群做出预警，进行排查，同时该系统能对确诊病患的行为轨迹进行剖析，帮助潜在的密切接触者做隔离。

为了制止出门发生交叉薰染，大宗居民宅在家中，把生活必須品从供应端搬运到需求端的重任就落到了配送这一环节上。百度Apollo无人车就宣布，对服务疫情的企业免费开放低速微型车套件及自动驾驶云服务，并联合新石器在北京海淀医院投放无人车进行无接触送餐服务，目前每天能够服务100名一线医护人员。

细数各AI公司的抗疫举措，能够看出此次AI技术助力抗疫主要集中在风险预测、辅助诊疗、新药研发以及防疫设备、医疗设备等硬件产品服务这四个方面，不过值得注意的是，除了最底层的算法算力架构等，涉及到具体操作应用层面，AI依然需要人力的配合。

另一个明显变化是，诸如阿里、腾讯、百度等拥有AI技术的平台型公司渐渐由单体AI能力投入向开发者赋能转变，让各人能够借助开放与技术模型形成行业協力，实现技术的大规模安排，构筑新的AI生态。

抗疫後的AI下一程

大规模AI技术在此次疫情中獲得应用，是否意味着AI已经解决了场景落地这一难题？目前来看，下此定论还为时尚早。

当盈利的故事迟迟无法被验证，市场就会将多余的泡沫挤净，经历了前几年的狂飙突进，如今资本市场也正在对AI挤泡沫。

据IT桔子等数据源显示，2014年至2018年，中国人工智能领域共发生126起退失事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。

另一则数据显示，2018年全年有将近90%的人工智能公司处于亏损状态。

疫情这一特殊时期使得“无人、无接触”的需求迅速增加，这也使得无人送餐、无人快递物流，疫情监测机器人等能獲得大宗应用，但这种替代只是暂时的，一方面大宗的AI产品目前还处在探索阶段，更多起到辅助作用，而非完全替代人，另一方面，当因疫情而起的需求降温或消失后，因疫情而起的产品也将陷入寂靜。

其次，AI行业高昂的硬件生产本錢也不会在短时间内獲得缓解。与可以快速迭代的软件产品差別，硬件生产流程长，尤其AI硬件对精细化的要求更高，产品从设计到上市起码六个月，稍微打磨一下就要一年。

云天励飞董事长兼CEO陈宁在接受智东西采访时就體現，疫情带动测温、监控等硬件设备的需求上涨，但用工缺少又造成产能跟不上，上下游供应链紧张，加上原質料涨价致使企业本錢有所增加。

再来看人工智能应用最火的领域智慧医疗。医疗行业有着极高的使用门槛，单就医学影像剖析来说，不仅需要资深影像科医生进行数据标注，同时数据获取与处理也很是困难，专业性要求很高。另外，影像数据和放射科医生增长速度也保存不匹配的问题。

据相关部分和动脉网数据显示，美国、中国的影像数据年增长率分别达到63.1%和30%。但两国放射科医生年增长率仅有2.2%和4.1%，海量数据与稀缺高水平医生之间的鸿沟并不会在短时间内得以弥合，也会造成AI应用普及的缓慢。

AI技术另一大应用领域无人驾驶也同样保存瓶颈。一位在无人驾驶领域从业多年的员工对新摘爆料称，“国家对无人驾驶的规范很严格，行业也没有一套统一的标准，並且目前无人驾驶算法所能解决的问题还很是初级，并缺乏以处理复杂和突发的场景，虽然各人都在很努力的去研究，但想彻底解决，也并非短时间内能做到。”

无人驾驶属于制造业，只专注算法并没有意义，它背后需要强力的实业和无数场景应用的打磨，这也是AI行业与互联网行业最大的差別。

经此一“疫”，AI作为技术工具能够辅助提高行业业务效率的长期价值是禁止置喙的，利用AI新技术转型升级的筆直行业，好比通过AI技术使得业务效率大幅提升或替代低端重复性的人力劳动也极具可行性，但硬件本錢过高、盈利模式不够清晰等行业固有问题，并不会在短时间内发生改变。

凡此过往，皆为序章，AI是个需要耕作十年，二十年甚至上百年的行业，疫情过后，AI的下一程依然布满了荆棘，不要盲目乐观，但也要充满期待。 

摘自：安防網