突如其來的新型肺炎疫情快速向全國蔓延擴散，全國人民在政府統一指導下抗擊疫情正在取得顯著成效。就在我們每天焦心地關注疫情數據的同時，早在2009年，谷歌公司的工程師就已經設計了一套流感預測系統。根據該模型，如果在某一個區域某一個時間段，有大量的有關流感的搜索指令，就有很大可能性存在對應的流感人群，相關部門就值得發布流感預警信息?；氐疆斚拢覀兞私獾?，為了防止病毒的進一步傳染，美國首例新型肺炎病患在治療過程中是身處隔離室內，由機器人進行治療。機器人裝備有攝像頭、麥克風和聽診器，醫生坐在病人的房間窗戶外操作機器人。

盡管可以預計，疫情之后在線辦公、網絡教育等會快速發展，但是，以上兩則信息預示著在商業模式不斷更迭的背后，人工智能技術將不斷滲透到產業價值鏈的各環節。以大數據、云計算等為基礎的智能制造將成為我國未來產業變革的重要驅動力。由此，引發了以下幾點思考：

1.疫情將催生

以人工智能為核心的醫療應用新場景

AI+醫療在逐步解決醫療行業各大痛點的同時，創造了醫療產業鏈的新模式。美國首例新冠肺炎的醫治采取了智能機器人提供診斷和服務的舉措，減低了醫護人員感染的風險。這種對突發救援事件的指揮和決策，將在人工智能領域創造新的市場需求和產業增長點?；?a target="_blank">5G通信的遠程醫療融合了在多種模式下的小設備無線通信技術及高速移動通信技術，將實現遠程外科手術的操作、無線遠程會診、患者監護和實時隨訪等?？梢詳喽?，疫情之后，傳統醫療相關企業將會不斷引入人工智能人才與技術，為方案提供商帶來了新的應用場景和商業機會。

2.數據的分散化與非結構化

制約了人工智能的產業融合能力

盡管谷歌公司的流感預測系統在2012年流感爆發中失效了，其預測結果比實際情況幾乎夸大了一倍，引發了業界對于“大數據傲慢”的聲討，但大數據、云計算等必定是人工智能技術的基礎。目前，人工智能技術最先在消費終端、售后服務等環節得以運用，深入到醫療應用領域，由于數據的分散化與非結構化，仍處于“弱人工智能”階段。我國醫療數據分散在不同醫院和機構，80%的醫療數據都是非結構化數據，遠遠超出傳統的計算和處理能力。需要依賴強大的知識儲備和處理分析能力進行判斷和診療，深度利用率不高。同時，大數據有其復雜的收集分析過程，難免會出現失準的情況，這與醫療行業對失誤的“零容忍”相矛盾。這些都將制約人工智能對實體經濟的滲透。

3.加快人工智能與實體經濟深度融合

形成新的經濟增長點

這次突發的新冠疫情除了對醫療行業提出新的需求，還會激發其它行業對人工智能技術的應用。抗擊疫情過程中醫療物資的短缺，會促進生產相關醫療物資和醫療器械的制造企業更加注重推進柔性自動化生產線的應用，構建智能工廠，減少對人工的依賴，并著力提升物流供應鏈的智能化，提升供應鏈的抗風險能力。在病毒疫情等意外事件發生時，需要推進基于工業互聯網的遠程智能服務，對設備的運行狀態監控進行故障預警等。在這次疫情中，武漢市一家電商推出的智能機器人順利將醫療物資送到武漢第九醫院。可以斷定，疫情過后，人工智能技術的應用領域將不斷拓展。目前，聯想武漢產業基地已經開始賦能面向未來的智能制造。當然，這有賴于數據采集的規范化、標準化，個人隱私的保護，應用模式的創新等?？傊斯ぶ悄芘c實體經濟深度融合，將在疫情之后能為新的經濟增長點。