即使是平時對人工智能技術沒有多少興趣的人，在這段特殊時期也會注意到 AI 這個字母組合。

　　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》，其中號召盡快利用 AI 技術補齊疫情管控技術短板，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。

　　這可能是歷史上第一篇將 AI 技術與抗擊疫情結合在一起的政府倡議；這場在中國發生的新型冠狀肺炎全面阻擊，也因時空關系的特殊，成為了人類首次將 AI 技術應用到大規模公共衛生事件。

　　此時此刻，實驗室、醫院、公共交通樞紐、社區中，各種各樣的 AI 技術與產品正在各司其職，與疫情展開全力賽跑。我們來統計一下，疫情之下 AI 技術都已經發揮了哪些作用；這些作用帶給 AI 行業、醫療行業，乃至社會各界的啟示又都有哪些。

　　客觀來說，AI 技術在抗疫中僅僅擔任輔助。但或許我們在疫情結束時會問這樣一個問題：經歷了這次考驗之后，我們是否可以并且應該更大力發展公共衛生與醫學科研領域的智能化進程？

　　如果答案為是的話，我們應該如何在教訓與經驗中找到未來？

　　疫情的底色從來都只有殘酷一種，但人類也往往能夠從殘酷中找尋出路。現代醫學史普遍認為，1918 年的西班牙大流感，促使人類完成了現代公共衛生防護體系的建設。那么從 AI 在抗疫戰場上的表現，我們或許可以開始思考更多。

　　病毒分析與疫苗開發

　　在疫情爆發之后，各大云計算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 AI 算力。

　　當時有很多網友好奇，AI 算力與抗疫有什么關系？這里就要提到 AI 計算的某種本質：通過張量計算來處理非結構化數據的匹配。

　　在經典計算環境下，許多非結構化數據的處理，比如圖像識別、語音合成、基因匹配、地質信息計算等等，無法獲得高效率計算。這就讓 AI 計算需要單獨的計算芯片和計算架構，從而讓 AI 算力成為了芯片和云服務廠商近幾年的關鍵賽道。

　　而 AI 算力的產業積累，恰好能夠在疫情到來、需要加速醫學分析能力時派上了用場。在今天的醫學分析領域，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，種種工作都需要 AI 算力來支撐，同時更優質的相關算法，可以極大提高相關檢測的效率。這些工作，對于我們認識病毒的本質，分析更好的治療方案，以及開發疫苗和針對性藥物來說，都是極重要的基礎性工作，價值不言而喻。

　　雖然 AI 計算在病毒分析與疫苗開發中的作用，僅僅是縮短匹配周期，提高檢測效率，并不能像我們想象中那樣自我完成疫苗開發，但開放充沛的 AI 算力，在抗疫戰場爭分奪秒的情況下，同樣十分重要。

　　目前所見，各大云計算廠商都面向抗疫需要，免費開放了 AI 算力。一些科技企業還將基因檢測相關算法免費開放給基因檢測機構、防疫中心與學術界，縮短了新型冠狀病毒的基因檢測時間。

　　這次抗疫行動中，可以快速分離病毒，完成相關基因測序，并且民眾能夠看到相關治療藥物的研究信息很快出來，背后 AI 算力與算法的產業積累起到了不小作用。

　　診斷輔助

　　從科研機構與實驗室，走向抗疫戰場的前線，AI 能夠完成關鍵作用也不少。

　　其中對于現階段抗疫最有價值的，一個是具有視覺識別與語音交互能力的機器人，代替醫護人員進行病患護理。美國使用醫療機器人進行新型肺炎的治療，前不久也在國內引起了討論。但是醫療機器人需要相對成熟的產業支撐，很難快速上馬。國內目前已經出現了用賓館用 AI 機器人進行改裝，擔任一部分送藥和醫療用品傳輸任務。

　　在抗疫一線，更有幫助的 AI 能力是診斷輔助，這一點目前主要集中在醫療影像 +AI 分析能力上。疫情剛剛爆發一周之內，國內很多 AI 科技公司的醫療影像能力就開始進駐各大醫院，為醫患提供基于醫療影像分析的智能化系統。雖然新型肺炎的診斷，主要需要試劑等檢測用品，但患者的肺部影像同時具有較為強烈的可判斷特征。基于 AI 技術，可以將需要數小時的傳統檢驗，壓縮在幾秒中完成。這一能力有效輔助了試劑檢測，為快速確診，填補醫療人員不足提供了幫助。

　　可以預見的是，基于 AI 醫療影像的輔助診斷能力，將在接下來幾天陸續走向抗疫一線。各大 AI 公司已經緊急強化了這一領域的產品能力，同時也在與醫學科研機構進行更緊密配合。

　　智能測溫

　　隨著返程潮的到來，機場、車站、高速路口等公共場所，變成了防控疫情的關鍵關卡。而這些地方排隊測體溫的漫長隊伍，也變成了特殊時期的無奈之舉。但這漫長等待同時也會造成大規模的人群聚集，顯然也為防疫帶來了風險。

　　而最近幾天，你可能會發現眾多地方開啟了不用等候、不用摘口罩的智能測體溫，人群可以無感通行。在類似系統中，AI 是不可缺失的一環。

　　首先 AI 需要在不摘口罩的情況下鎖定人臉，準確進行被檢測人與檢測數據的匹配；其次需要人體體型的識別與追蹤，同傳感器傳輸回來的體溫閾值進行比較，對體溫異常者提出預警。搭配紅外線與可見光傳感器，AI 測溫對公共場所的通過效率具有顯著提高。

　　從目前北京等地上線的相關產品來看，可以保證單臺設備每秒 10-20 人的檢測通過率，顯然已經追平了正常的火車站、機場、地鐵進出口人流通過效率。

　　在公共場所中，AI 對疫情防控的防護同時還表現在公共安防領域。比如 AI 攝像頭可以通過人臉識別技術，判斷出一個人的公共場所活動軌跡。這一技術不僅在這幾年提高了公共安全程度，也在這次防疫中屢次發揮奇效。比如將僅有十幾秒接觸史，當事人完全不清楚的傳染過程追溯到，從而避免病毒在無法預料的情況下大規模裂變傳播。

　　公共衛生安全防護與 AI 技術的結合，正在讓安全與效率之間的平衡點被重新定義。相信疫情時期的 AI 應用，會改變此后公共衛生安全體系的長期建設。

　　智能電話

　　另一個看不見的防控領域，發生在電話當中。

　　如果你在疫情中有過外出經歷，那么可能你已經接到過 AI 打給你的電話。它會詢問你外出的經歷、往返時間地點，以及回到居住地之后的身體狀況，這些數據通過 AI 外呼系統聚集到一起，成為基層防疫管控的數據基座。

　　面臨龐大的人口規模和春運出行規模，社區和基層的居民普查與防疫通知，在實際執行中變成了巨大挑戰。社區基層人員往往人數很少，抗疫事宜又異常繁重復雜，二十四小時不間斷打電話顯然并不合適。所以打電話這個重復勞動，就變成了基層無法承受又必須完成的任務。這種情況下，已經相對完善的智能客服體系變成了破局的鑰匙。 

[[314376]]

　　基于智能呼叫和語音交互的 AI 客服系統，可以短時間內轉變為智能排查員，完成人員排查、回訪、通知等事宜，比人工電話效率提高數百倍。

　　更進一步，一些智能電話系統，還可以完成相對復雜的防疫排查與回訪任務，比如隨機對用戶進行排查情況、生活情況的調查，形成抽樣統計數據；再比如對重點人群的持續跟蹤回訪，形成重點防控系統。

　　同時，各級醫療管理單位、基層單位，也可以基于目前普遍處在免費開放狀態的智能電話能力，自行開發更具有針對性的智能電話系統，讓 AI 成為特殊時期社會關懷與社會紐帶的一部分。

　　呼吁

　　回顧以上 AI 與抗疫工作的結合，可以看出：與其他技術不同，AI 能夠走進各層抗疫工作的核心。比如對比一下不難發現，互聯網僅僅能夠解決信息傳達的作用，雖然這個作用無可替代，非常重要，但它不能像 AI 一樣直接加速病毒分析和疫苗開發。

　　各領域的核心工作層，都可以為 AI 所覆蓋，這是這次抗疫大考下，能夠幫助社會對 AI 技術形成的先決認識。同時也要看到，AI 技術的基本能力是提高產業效率，替代一部分重復勞動，而不是代替人的勞動。換言之，抗疫中 AI 僅僅是輔助，但卻是一種很重要的輔助工具和加速器。總體而言，我們可以看到疫情防控場景下，AI 有三種條件下能發揮作用：

　　1、人工效率較慢，急需提高效率的。比如公共區域的智能體溫檢測。

　　2、大規模重復性勞動的。比如 AI 電話普查與通知。

　　3、模糊數據，難以用經典計算模式完成的。比如 AI 病毒基因測序。

　　這三個 AI 工作特性，其實我們早已經重復了很多次。之所以想在這里在強調一次。是希望呼吁各界 AI 開發者，以及醫療產品、基因、機器人領域的開發者和廠商，再次重視 AI 的基礎能力，一同在眾多抗疫需求中找到特殊場景，發揮自己的開放能力與智慧。

　　目前的形勢，是我們可以看到各大 AI 公司、云計算廠商，正在快速調用 AI 能力開發相關產品，并且免費投入到抗疫戰場。但僅僅幾家頭部企業的覆蓋能力顯然不夠，必須有廣泛開發者共同參與進來，讓 AI 技術的價值最大化，進入 AI 防疫抗疫的 2.0 階段。目前，AI 平臺型公司也已經開始由單體 AI 能力投入抗疫戰場的同時，注重向開發者的賦能，讓大家借助開放與技術模型，一同尋找抗疫場景，解決長尾需求，提高抗疫戰爭的整體效率。

　　這個過程，可能需要互聯網公司、AI 開發者，以及醫療與科研工作者的攜手努力、高效溝通。今天很多 AI 開發者都在躍躍欲試，但并不清楚醫療相關場景的需求、數據與標準。醫療工作者更多參與到這場設計，同樣也是對抗疫戰場的重要貢獻。

　　啟示

　　我無意在這里稱贊 AI 技術與產業在防疫工作中的貢獻，畢竟遠沒有到稱贊和總結的時候。而且抗疫戰場上，AI 絕對不是主角，但它在不少關鍵領域發揮的輔助功能，還是可以讓我們看到一些未來的可能性。我們當然希望某一天，AI 可以擔當公共衛生防護的主角，畢竟 AI 的多付出，意味著醫護工作者的少犧牲。

　　這是 AI 第一次大規模走向抗疫，雖然各大 AI 公司展現出了充分的響應速度與社會責任，但還是要看到整個社會體系、醫療體系，對 AI 技術的包容和使用還相對初級。比如：

　　1、AI 的能力并沒有被使用者廣泛認知。

　　這次 AI 快速走向抗疫戰場，主要依賴于云 +AI 基座已經形成了較高的完成度，基本達到了隨時可用的特點。但是提供給抗疫一線的 AI 能力還相對單一，缺乏足夠的場景覆蓋度，并且很多能力只能在一線城市小規模使用，無法第一時間走進武漢等疫情核心區，說明產業結合度還有待提高。

　　我們可以把 AI 看作大量基礎能力與基礎算法的結合，它們能夠隨時拼裝出各種能力，凝固為特定產品與平臺。但這次抗疫中能夠看出，醫療一線、醫學研究、科技產業開發者，對這些能力并不熟悉，要用很多時間進行彼此溝通。這也導致很多不錯的 AI 能力無法快速進行全國推廣和重點地區進駐。

　　2、軟硬件產業鏈相對薄弱。

　　AI 在抗疫戰場上有不錯的表現，但也可以看出這些表現主要來自于軟件層面。我們很難看到 AI 機器人與 IoT 硬件快速走向抗疫一線。一線醫護人員也沒有能夠遠程操控、配備攝像頭、麥克風、聽診器等器材的醫療機器人可以使用。從軟件 AI 的現在，到 AI 機器人的未來，需要的是一個結構完善的 AI+IoT 產業鏈。硬件生態的薄弱，讓中國眾多產業的智能化效率比如預期。這也是下一個科技周期必須面對和解決的問題。

　　3、公共衛生領域的整體智能化水準有待提升。

　　AI 為抗疫做了很多事。但可能我們還是要問，在邏輯上，是否 AI 可以為抗疫防疫做更多貢獻？答案顯然是可以。比如美國有 AI 創業公司，通過社交網絡數據對新型肺炎進行了預測。這是否能成為未來的一種可能？讓 AI 為我們預警，從而避免“吹哨聲”消弭在社交媒體的大海中。

　　再比如公共衛生系統的智能化管理、應急物資的智能化調配，這些領域都已經涌現出完備的解決方案。但由于這些能力需要長期準備，這次抗疫中并沒有見到它們的身影。例如，不久前的熱點事件中，有組織提出物資調配不及時，是因為工作人員太少。那是否可以讓 AI 進行無人化調配？這在智能工業與智能物流場景中并不鮮見，但卻沒有成為抗疫戰場上的有生力量。

　　疫情的殘酷和可怕，相信已經讓每個人深深領會到。毫無疑問，我們一定會戰勝疫情，而且會很快實現。但同時我們也應該考慮，疫情之后我們留下了什么？當疫情散去，我們是否有必要提出這樣一些可能：比如圍繞智能化技術，全面升級公共衛生與防疫技術體系；比如加大對智能醫療的投入，尤其是疫苗開發、病毒研究、新藥開發領域的智能化長期投入；比如是否應該引進和完善硬件產業鏈，讓 AI 機器人代替醫護工作者，成為未來感染病臨床一線的戰士。

　　可能這些問題，又不僅僅關乎 AI 技術、醫療產業，以及這場疫情。但反思和行動，永遠都是及時的。