人工智能，已經在路上

鐘禾

伴隨新基建熱潮，從政策到資金再到技術積累，人工智能產業迎來了新發展。

作為新基建的重要組成部分，人工智能不僅助力此次疫情防控，為疫后全球經濟復蘇開出科技良方，還對國民經濟發展、加速突破推動產業發展和升級有著極為重要的意義。知識資源、數據基礎、核心算法、運算能力深度融合發展，共同促進人工智能涌現新活力。

新時期產業發展亟須推進新一輪基礎設施建設和技術變革以驅動產業模式的全面升級。人工智能將能夠滲透至各行各業，有效激發市場活力，助力傳統行業實現跨越式升級，推動經濟形態和社會生產力快速發展，也成為經濟轉型的重要突破口。

助力防控

疫情之下，在經濟社會運轉為了防控而大面積停擺之時，人工智能的作用十分凸顯。

近期發布的《人工智能助力新冠疫情防控調研報告》指出，計算機視覺、智能語音、大數據等人工智能技術成熟度相對較高，面向使用場景豐富，因此其代表產品在抗擊疫情中也發揮了極大作用。

疫情期間，為了解決社區工作人員不足的問題，思必馳研發防疫機器人以替代社區人力。防疫機器人負責向居民主動撥打電話，調研居民近期行蹤，摸排人員往來，加強重點人員健康監測和跟蹤保障。機器人外呼后，還將依托大數據平臺，迅速生成、導出結果報表并反饋提交給服務單位，為疫情防控工作提供依據。

人工智能同樣也能參與抗疫戰斗的最前線。由上海區域新冠肺炎重點收治單位——上海市公共衛生臨床中心指導依圖醫療開發的新冠病毒肺炎智能影像評價系統于1月28日正式上線，極大提升了精準定量分析的效率，并且擁有高穩定性的診斷質量。深睿醫療也提供了肺部疾病智能解決方案（新冠肺炎增強版）系統及整套設備，幫助醫院對新冠肺炎的早期影像進行大規模病例篩查，從而及時發現潛在病人。

在復工復學、行業復蘇之際，科技企業以抗疫實踐和智能化為人工智能行業的前行按下了加速鍵。

測溫儀是疫情防控的重要產品。此前，隨著疫情的加劇擴散，紅外測溫儀等防疫物資頻頻告急。針對這一困難，不少科技企業發揮人工智能的優勢，解決痛點的同時也提升了效率。2月4日，曠視科技正式上線AI（人工智能）測溫系統，并在北京海淀政務大廳和海淀區部分地鐵站展開試點應用。曠視科技研發人員表示此系統的智能疑似高熱報警帶寬可達到1秒15人，且一套系統可以部署16個通道，基本可保證一個地鐵口的管控。這樣一來人流量較大的通道在AI系統的輔助下，僅需1名工作人員就能夠管控現場。

4月7日，南昌三中義坊學校門口擺放了一臺人臉識別測溫機，復課的初三學生不用摘下口罩，就可以識別在校師生的身份及測量體溫。這是云從科技推出的輕舟平臺校園防疫系統，目前已經部署在全國各地數十所學校。與此同時，博拉網絡同樣針對中小學、幼兒園的智能晨檢儀等AI安全方案也已實現落地應用……人工智能在特殊時期展現出的科技溫度可見一斑。

隨著復工復產的推進，人工智能新技術正在為復工復產提供有力支撐。

在位于重慶的長安汽車渝北工廠總裝車間內，生產線上的幾百臺機器人揮舞著手臂，將零部件逐一組建成型。這間“智慧工廠”自動化率達90%以上，比傳統汽車制造工廠減少操作工人56%。同時，工廠內的工業物聯網平臺每天可采集制造數據5000萬條，對設備運行情況實時監控并預警。

賦能“智造”

除了在疫情中人工智能表現亮眼之外，在傳統產業升級、智能經濟發展方面，人工智能亦是極為關鍵的一環。傳統產業升級任務艱巨且緊迫，AI賦能是必然趨勢，人工智能將帶來實質的經濟和產業結構性影響，成為智能經濟的重要力量，為經濟增長注入新動力。

3月底，曠視科技宣布開源、開放的新一代AI生產力平臺Brain++就是人工智能新基建的一種產品形態。該平臺能夠大幅提升算法的生產效率。曠視科技副總裁謝憶楠表示，過去AI領域之所以沒有很快發展起來，很大一部分原因在于商業化成本太高，AI技術供需關系不匹配，而曠視科技在新基建領域的策略就是要讓傳統企業有低成本使用AI平臺的能力，去做人工無法做到的事情，有效提升企業生產力的同時，通過AI賦能產業，讓企業通過AI這個工具實現轉型升級。

在謝憶楠看來，新基建推動AI技術落地，能有效提升傳統產業生產力。這也是曠視科技在接下來投身新基建的優勢。而Brain++作為曠視的AI基礎設施已經發揮了強大的效能。疫情期間曠視科技推出的智能測溫通行系統的核心算法，正是基于Brain++研發而成。作為曠視底層的“算法工廠”，曠視Brain++支撐著曠視前端所有AI全棧解決方案的算法創新。

曠視科技聯合創始人唐文斌曾在發布會中介紹，Brain++本質上是一個超級工具套件，擁有數據、算法和算力的全棧能力。曠視科技決定將這樣的平臺對外開源、開放，幫助企業省去自建AI平臺的技術成本和資金成本，可直接拿來嫁接到實際應用場景中去。

其中，Brain++最為重要的核心模塊是深度學習框架，也就是曠視科技宣布開源的天元，能夠大大加速算法訓練和部署的效率。此外，Brain++還包括數據管理平臺和算力管理平臺，企業可以根據自己行業的需求來選擇性組合不同的模塊組件，減少開發和應用的難度。

Brain++的開源和開放意味著曠視科技并沒有止步于AI技術、AI產品和AI解決方案的輸出，曠視科技還在推動更底層的基礎設施層的商業化——為客戶提供從AIaaS（人工智能即服務）到PaaS（平臺即服務），再到SaaS（軟件即服務）的全棧AI解決方案。

這是“AI全棧”（指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案）與“AI解決方案”之間最大的不同。AI業內人士表示，從技術角度講，Brain++就像一個裝滿AI開發工具百寶箱，企業可根據自身需求快速上手。這更符合AI領域在“新基建”中搭建底層核心技術的產業定位——通過與大數據、物聯網結合，實現高效資源整合，將有望在中國重構產業生產結構，催生新業態、新模式，進一步加快AI基礎設施化進程。

“短板”與機遇并存

互聯網時代，國外的開源操作系統極大地推動了互聯網產品和應用的繁榮發展，但是中國顯然錯失了世界互聯網基建的窗口。目前，AI作為尖端技術中的核心技術，正在被各國列為重點投資領域，在新基建的戰略布局下，中國勢必會牢牢把握住這次機遇。

但在這一過程中，被譽為人工智能“三駕馬車”的算法、算力、數據正處于發展的瓶頸期，深度學習在工業界還在靠大數據和大算力勉強支撐。

在4月9日舉辦的第二期前沿科技論壇中，中科院計算所研究員山世光便指出，AI能力的升級，必須依賴AI方法論的升級。“從方法論的角度，雖然過去十年，強大數據驅動AI的方法論漸占主導，接下來我們還需要再回過頭來，把知識和數據聯合起來驅動AI方法論。”

雖然中國與歐美之間在應用研究上差距不大，但中國在各行業縱深應用上仍需努力。基于這一判斷，山世光提出AI時代的基礎設施包括硬件、軟件、智件三個層面。他強調，中國在基礎軟件平臺上的投入需要提升，深度學習的主流底層框架主要還是由北美國家建設，這些方面也許會出現像今天芯片產業這樣“卡脖子”的問題。他建議，針對低門檻的AI研發平臺和工具，中國需要盡快搶占先機。

“除了基礎算法長期的投入之外，我認為應該加強基礎智件體系的研究。過去在硬件方面有計算中心、數據中心，未來需要建設AI算法中心、知識中心，甚至建立國家級的知識中心。”山世光說。

同時，IEEE終身院士蔡自興也提出，人工智能人才十分緊缺，缺口至少為100萬。“我們要多渠道、多模式培養多層次的人才，高層人才少而精，中層實而強，底層多而壯，一個也不能少。我們要特別花大力氣培養和引進高端人才。”