一邊是資本降溫擠泡沫，一邊是人們看到了技術落地應用的價值所在，疫情風暴眼中的AI，奏響了一首冰與火之歌。

出品／新摘商業評論

撰文／子雨

從競相追逐的資本寵兒到估值大幅縮水的資本棄兒，AI公司不過用了短短四年，場景落地難，商業化探索難成為阻礙AI行業取得突破性進展的關鍵因素。

一場突如其來的新冠疫情成為AI公司技術應用的試煉場，一封《充分發揮人工智能賦能效用，協力抗擊新型冠狀病毒感染的肺炎疫情》的倡議書調動了全社會數字化、智能化抗疫的熱情，診斷輔助、遠程醫療、AI測溫、智能外呼、無人車服務……史上第一次大規模AI抗疫的大潮，席卷而來。

一邊是資本降溫擠泡沫，一邊是人們意識到了AI技術落地應用的價值點，疫情風暴眼中的AI，奏響了一首冰與火之歌。

一當AI沖向醫療前線

在醫療前線，諸如病毒基因測序，蛋白靶標篩選，病毒與藥物的研發歷史數據匹配等種種工作如果能夠由AI算力來支撐，能夠取得事半功倍的效果。比如利用AI算法能夠將原來數小時的疑似病例基因分析縮短至半小時，且能精準檢測出病毒變異的情況。

被病毒侵襲不斷攀升的死亡人數時刻提醒著人們時間就是生命，一切能夠提高醫療效率的技術手段在此刻都顯得無比珍貴。也因此，在疫情爆發后，百度、阿里巴巴、商湯等各大AI技術廠商率先宣布的一件事就是：面向科研機構與醫療機構免費開放算力。

算法、算力和數據是人工智能得以快速發展的三大要素，在抗疫這場持久的人力物力消耗戰中，人工智能也找到了它得以充分釋放的戰場。

鐘南山院士曾說，病毒很聰明，擺在人們面前有兩個問題：篩查與確診難度加大，消耗了大量人力與社會資源。

AI作為一種技術輔助工具成為了醫生最得力的幫手。在疫情爆發的特殊時期，核酸檢測和CT影像檢測是新冠肺炎病例確診最重要的兩大手段，傳統醫生平均10分鐘左右的閱片效率在繁重的病毒篩查任務下根本無法滿足需求，而在比較成熟的AI影像診斷的輔助下，平均每個肺炎的閱片篩查速度可以從十幾分鐘縮短到幾十秒。

今年2月4日，工信部發布了《充分發揮人工智能賦能效用 協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，號召社會各界盡快利用AI技術補齊疫情管控的技術短板，充分挖掘AI技術在新型冠狀病毒感染肺炎診療以及疫情防控的應用場景。

倡議書中提到，要充分挖掘新型冠狀病毒感染肺炎診療以及疫情防控的應用場景，攻關并批量生產一批輔助診斷、快速測試、智能化設備、精準測溫與目標識別等產品，助力疫病智能診治，降低醫護人員的感染風險，提高管控工作的效率。

這封首次把AI技術與抗擊疫情結合在一起的政府倡議書，讓人們感受到了AI能夠落地的價值點，在這場新型冠狀肺炎全面阻擊戰中，AI也逐漸成為此次大規模公共衛生事件中不可或缺的技術輔助力量。

AI行業內有一種說法，AI行業的發展10%在于算法，20%在于技術，70%在于應用場景和落地的過程，這是個系統性工程，對于任何一個想要擁抱AI的公司來說，場景都是最核心的競爭力。

疫情當前，AI亮出了它的利刃，沖向了醫療前線。

二抗疫中的AI獨角獸

在這場轟轟烈烈的AI抗疫保衛戰中，手握資本與技術的AI獨角獸們是當之無愧的主角。從無人送貨到體外測溫、AI醫療診斷，各AI企業充分發揮企業自身優勢全力抗疫。

商湯為科研機構的藥物及病毒相關研究提供高性能計算資源，用AI影像幫助快速篩查疑似新冠病例，還與深圳超算一起，為國家重點研發計劃首席科學家，中山大學藥學院羅海彬教授的醫療團隊免費提供高性能計算資源（其中商湯提供包括20個GPU服務器節點），全力支持研究人員對抵抗新冠病毒的藥物進行大規模篩選，同時開展病毒突變預測等工作。

火車站、汽車站、地鐵站、機場等容易聚集人群的公共場所是防疫抗疫的重點，可針對各類公共場所等高密度人員流動場景下，能夠讓工作人員實現快速定位體溫異常者的防疫設備卻極為緊缺。

經過十多天的連續奮戰，曠視上線了測溫系統，通過前端紅外相機鑒別人流中的高溫人員，再根據疑似發燒者的人體、人臉信息，并率先在北京市海淀政務大廳和部分地鐵站展開了試點應用。

該系統采用“人體識別+人像識別+紅外 /可見光雙傳感”的解決方案，相較傳統測溫篩查手段，識別效率更高，無需接觸即可測溫，識別誤差低于0.03℃。

在此之前，百度AI多人體溫快速檢測解決方案也已在北京清河站落地使用。各種測溫防疫設備的部署，降低了人群密集區域的傳染風險，解放了大量篩查人力，成為此次防疫工作最重要的前哨。

在疫情期間，醫療診斷階段最珍貴的就是時間，最需要的就是效率，讓具備大醫院診斷能力的AI產品能快速復制到基層，可以極大緩解一線醫生的工作壓力。

依圖將“醫療機器系統”快速部署到戰“疫”一線，利用人工智能技術，助力醫生開展基于CT影像的智能化新型冠狀病毒性病灶定量分析及療效評價，進一步提升檢測效率。

一邊利用AI技術讓CT影像診斷實現秒級輸出緩解醫療資源緊缺的現狀，另一邊通過輔助新藥開發加快尋找控制疫情蔓延的解決辦法。

華為云則在疫苗研發上發力，疫情期間，研究機構可以向華為云醫療智能體（EIHealth）申請免費使用AI研發平臺，用于病毒基因組研究、抗病毒藥物研發和抗疫醫療影像研究分析，加速抗疫藥物研發，加快疫情檢測速度。

除此之外，華為云還聯合了多家科研機構使用超級計算能力和AI算法篩選出了5種可能對新型冠狀病毒有效的抗病毒藥物，為研究機構和制藥企業進一步藥物研發提供了重要參考。

如果說醫療診斷救治是戰勝疫情的核心戰場，那么社區服務就是防止疫情擴散的大后方。

針對疫情期間的社區安全防護，京東數科提供了疫情高危人群勢態分析和預警系統，幫助政府分析居民的行動路線，并對高危人群做出預警，進行排查，同時該系統能對確診病患的行為軌跡進行分析，幫助潛在的密切接觸者做隔離。

為了避免出門發生交叉感染，大量居民宅在家中，把生活必需品從供應端搬運到需求端的重任就落到了配送這一環節上。百度Apollo無人車就宣布，對服務疫情的企業免費開放低速微型車套件及自動駕駛云服務，并聯合新石器在北京海淀醫院投放無人車進行無接觸送餐服務，目前每天能夠服務100名一線醫護人員。

細數各AI公司的抗疫舉措，能夠看出此次AI技術助力抗疫主要集中在風險預測、輔助診療、新藥研發以及防疫設備、醫療設備等硬件產品服務這四個方面，不過值得注意的是，除了最底層的算法算力架構等，涉及到具體操作應用層面，AI依然需要人力的配合。

另一個明顯變化是，諸如阿里、騰訊、百度等擁有AI技術的平臺型公司漸漸由單體AI能力投入向開發者賦能轉變，讓大家能夠借助開放與技術模型形成行業合力，實現技術的大規模部署，構筑新的AI生態。

三抗疫后的AI下一程

大規模AI技術在此次疫情中得到應用，是否意味著AI已經解決了場景落地這一難題？目前來看，下此定論還為時尚早。

當盈利的故事遲遲無法被驗證，市場就會將多余的泡沫擠凈，經歷了前幾年的狂飆突進，如今資本市場也正在對AI擠泡沫。

據IT桔子等數據源顯示，2014年至2018年，中國人工智能領域共發生126起退出事件，數量僅為同時期的投資事件的1/20。其中，IPO退出占四成，回報僅為1.83倍。

另一則數據顯示，2018年全年有將近90%的人工智能公司處于虧損狀態。

疫情這一特殊時期使得“無人、無接觸”的需求迅速增加，這也使得無人送餐、無人快遞物流，疫情監測機器人等能得到大量應用，但這種替代只是暫時的，一方面大量的AI產品目前還處在探索階段，更多起到輔助作用，而非完全替代人，另一方面，當因疫情而起的需求降溫或消失后，因疫情而起的產品也將陷入沉寂。

其次，AI行業高昂的硬件生產成本也不會在短時間內得到緩解。與可以快速迭代的軟件產品不同，硬件生產流程長，尤其AI硬件對精細化的要求更高，產品從設計到上市起碼六個月，稍微打磨一下就要一年。

云天勵飛董事長兼CEO陳寧在接受智東西采訪時就表示，疫情帶動測溫、監控等硬件設備的需求上漲，但用工短缺又造成產能跟不上，上下游供應鏈緊張，加上原材料漲價致使企業成本有所增加。

再來看人工智能應用最火的領域智慧醫療。醫療行業有著極高的使用門檻，單就醫學影像分析來說，不僅需要資深影像科醫生進行數據標注，同時數據獲取與處理也非常困難，專業性要求很高。另外，影像數據和放射科醫生增長速度也存在不匹配的問題。

據相關部門和動脈網數據顯示，美國、中國的影像數據年增長率分別達到63.1%和30%。但兩國放射科醫生年增長率僅有2.2%和4.1%，海量數據與稀缺高水平醫生之間的鴻溝并不會在短時間內得以彌合，也會造成AI應用普及的緩慢。

AI技術另一大應用領域無人駕駛也同樣存在瓶頸。一位在無人駕駛領域從業多年的員工對新摘爆料稱，“國家對無人駕駛的規范很嚴格，行業也沒有一套統一的標準，而且目前無人駕駛算法所能解決的問題還非常初級，并不足以處理復雜和突發的場景，雖然大家都在很努力的去研究，但想徹底解決，也并非短時間內能做到。”

無人駕駛屬于制造業，只專注算法并沒有意義，它背后需要強力的實業和無數場景應用的打磨，這也是AI行業與互聯網行業最大的不同。

經此一“疫”，AI作為技術工具能夠輔助提高行業業務效率的長期價值是不容置喙的，利用AI新技術轉型升級的垂直行業，比如通過AI技術使得業務效率大幅提升或替代低端重復性的人力勞動也極具可行性，但硬件成本過高、盈利模式不夠清晰等行業固有問題，并不會在短時間內發生改變。

凡此過往，皆為序章，AI是個需要耕耘十年，二十年甚至上百年的行業，疫情過后，AI的下一程依然布滿了荊棘，不要盲目樂觀，但也要充滿期待。

責任編輯：ct