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(yè)化探索難成為阻礙AI行業(yè)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(fā)揮人工智能賦能效用，協(xié)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(shù)字化、智能化抗疫的熱情，診斷輔助、遠程醫(yī)療、AI測溫、智能外呼、無人車服務……史上第一次大規(guī)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。

當AI沖向醫(yī)療前線

在醫(yī)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(fā)歷史數(shù)據(jù)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(shù)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(shù)時刻提醒著人們時間就是生命，一切能夠提高醫(yī)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(fā)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(yī)療機構免費開放算力。

算法、算力和數(shù)據(jù)是人工智能得以快速發(fā)展的三大要素，在抗疫這場持久的人力物力消耗戰(zhàn)中，人工智能也找到了它得以充分釋放的戰(zhàn)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(yī)生最得力的幫手。在疫情爆發(fā)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(tǒng)醫(yī)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(fā)布了《充分發(fā)揮人工智能賦能效用 協(xié)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(yī)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(zhàn)中，AI也逐漸成為此次大規(guī)模公共衛(wèi)生事件中不可或缺的技術輔助力量。

AI行業(yè)內有一種說法，AI行業(yè)的發(fā)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(tǒng)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(yī)療前線。

抗疫中的AI獨角獸

在這場轟轟烈烈的AI抗疫保衛(wèi)戰(zhàn)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(yī)療診斷，各AI企業(yè)充分發(fā)揮企業(yè)自身優(yōu)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(fā)計劃首席科學家，中山大學藥學院羅海彬教授的醫(yī)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(jié)點），全力支持研究人員對抵抗新冠病毒的藥物進行大規(guī)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(xiàn)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(xù)奮戰(zhàn)，曠視上線了測溫系統(tǒng)，通過前端紅外相機鑒別人流中的高溫人員，再根據(jù)疑似發(fā)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(tǒng)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(tǒng)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(qū)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(yī)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(yī)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(yī)生的工作壓力。

依圖將“醫(yī)療機器系統(tǒng)”快速部署到戰(zhàn)“疫”一線，利用人工智能技術，助力醫(yī)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(xiàn)秒級輸出緩解醫(yī)療資源緊缺的現(xiàn)狀，另一邊通過輔助新藥開發(fā)加快尋找控制疫情蔓延的解決辦法。

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

除此之外，華為云還聯(lián)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(yè)進一步藥物研發(fā)提供了重要參考。

如果說醫(yī)療診斷救治是戰(zhàn)勝疫情的核心戰(zhàn)場，那么社區(qū)服務就是防止疫情擴散的大后方。

針對疫情期間的社區(qū)安全防護，京東數(shù)科提供了疫情高危人群勢態(tài)分析和預警系統(tǒng)，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(tǒng)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(fā)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(huán)節(jié)上。百度Apollo無人車就宣布，對服務疫情的企業(yè)免費開放低速微型車套件及自動駕駛云服務，并聯(lián)合新石器在北京海淀醫(yī)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(yī)護人員。

細數(shù)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(fā)以及防疫設備、醫(yī)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(fā)者賦能轉變，讓大家能夠借助開放與技術模型形成行業(yè)合力，實現(xiàn)技術的大規(guī)模部署，構筑新的AI生態(tài)。

抗疫后的AI下一程

大規(guī)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(jù)IT桔子等數(shù)據(jù)源顯示，2014年至2018年，中國人工智能領域共發(fā)生126起退出事件，數(shù)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(shù)據(jù)顯示，2018年全年有將近90%的人工智能公司處于虧損狀態(tài)。

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(jiān)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(yè)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(jiān)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(yè)成本有所增加。

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

據(jù)相關部門和動脈網數(shù)據(jù)顯示，美國、中國的影像數(shù)據(jù)年增長率分別達到63.1%和30%。但兩國放射科醫(yī)生年增長率僅有2.2%和4.1%，海量數(shù)據(jù)與稀缺高水平醫(yī)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(yè)多年的員工對新摘爆料稱，“國家對無人駕駛的規(guī)范很嚴格，行業(yè)也沒有一套統(tǒng)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(fā)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(yè)，只專注算法并沒有意義，它背后需要強力的實業(yè)和無數(shù)場景應用的打磨，這也是AI行業(yè)與互聯(lián)網行業(yè)最大的不同。

經此一“疫”，AI作為技術工具能夠輔助提高行業(yè)業(yè)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(yè)，比如通過AI技術使得業(yè)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(yè)固有問題，并不會在短時間內發(fā)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(yè)，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。