在線教育，遠程辦公，無人配送，健康監測，數據研判……在新型冠狀病毒感染的肺炎疫情防控中，以人工智能為代表的新興科技，滲透進社會運行的方方面面。4月9日上午，在中國科協學會學術部、中國科學報、騰訊科協和騰訊集團發展研究辦公室主辦的人工智能科技與經濟融合新引領線上研討會中，中國工程院院士李國杰指出，人工智能在疫情防控中發揮了巨大作用，但總體來說，仍有較大提升空間。“表現好的領域，靠的是過去的數據積累；缺數據的領域做得就不太順，比如病毒溯源。”李國杰說。

最近，“新基建”成了熱詞。5G網絡、工業互聯網、物聯網等網絡基礎、數據中心等數字基礎、人工智能等運算基礎，成為必要而普遍的新型基礎設施。李國杰指出，還要高度重視“軟基建”，也就是大力共建共享人工智能基礎數據平臺、訓練平臺和軟硬件工具鏈。

深度學習克服不了對數據的高度依賴。“人工智能和大數據實際上是一對雙胞胎，人工智能復興主要是靠數據智能或者計算智能。做得好的人工智能應用，都對數據有強烈需求。”李國杰表示，缺乏高質量數據會成為人工智能發展的瓶頸。因此，要構建基礎數據平臺。深度學習效果的好壞，也要依賴訓練，因此得充分利用搭載國產芯片的高質量人工智能訓練平臺，推動人工智能訓練的共享，形成公共服務體系。“現在發展數字經濟，就要大力發展人工智能應用需要的各種工具庫、算法庫、軟件庫，打造一個完整的工具鏈，大大降低人工智能應用開發門檻。”

中國科學院計算技術研究所研究員山世光也看到了軟件平臺的問題。“我國在基礎硬件平臺上的投入大，但在基礎軟件平臺上的投入則相對較少。和國外發達國家相比，我們落后至少4—8年。”山世光指出，深度學習的主流底層框架建設在北美，雖然最近我國也有不少動作，百度、華為這樣的企業都在布局，但沒有形成合力。“或許再過5到10年，我們就需要大量能夠完成簡單但應用面較廣的人工智能算法的人工智能人才。”山世光表示，在低門檻的人工智能研發平臺和工具打造方面，我國應該搶占先機。

具體到人工智能的應用上，李國杰強調，應用和基礎研究是兩個不同的課題，有截然不同的目標和任務。在發展人工智能產業時，要強調的是技術的融合，是用技術解決實際問題。他舉了個例子——健康碼。碼的智能含量并不高，但在疫情期間，它成了每個人的健康證明。“這就解決了最剛性的需求。”李國杰說，如果再往健康碼里注入些智能，比如行為軌跡，比如何時和確診者有接觸、接觸了多久……做得好了，它就能大大減輕疫情防控工作人員的負擔。“企業要把人工智能當成求解的方法，它不是‘老大’。人工智能應該是蛋糕上的奶酪，要把蛋糕看得更重一些。”李國杰強調。