头条：中美关系里的 AI 芯片格局

将 AI 芯片放在中美关系的大环境里讨论更具现实意义。过去的 2019 年，贸易战、制裁华为加剧了中美紧张关系，不断影响着全球科技行业的发展，特别是 AI 领域。

2020 年已经过去的四个月，新冠肺炎疫情持续在全球蔓延，由此引发的全球经济衰退、全球化式微、民族主义兴起等潜在危险势必进一步影响中美关系，进而冲击过去二十多年太平洋两岸高度集成的科技产业链。

必须看到两个事实：其一，当下整个 AI 领域的难点就是算力不够，而 AI 专属芯片是解决这个困境的重要手段；其次，依托深度学习算法的突破，包括计算机视觉等技术发展迅速，也在成为国家之间竞争的重要领域。

上述几个大背景与行业事实的叠加，使得我们需要在中美关系的大背景下重新审视 AI 芯片格局，我推荐两份颇具洞察力的分析报告，一份来自乔治城大学安全和新兴技术研究中心的 AI 芯片报告，这份 70 多页的报告从芯片的基础谈起，非常详细地展现了驱动 IT 行业发展的动能如何从芯片转型到 AI 芯片，可以作为认识 AI 芯片的起点，你可以在这里免费下载这份报告。

第二份报告来自智库 CIGI，报告从中美关系的视角分析了中国 AI 芯片所取得的成绩以及面临的困难，其中在中国部分对于华为海思的着墨很多，整体分析克制、中立，你可以在这里免费获取这份报告。

疫情：医疗 AI 会议、超算、机器人

过去的一周，新冠肺炎的疫情还在持续蔓延，「抗疫」依然是全球各地的重要任务，接下来我继续从几个关键词入手，关注 AI 领域应对疫情的行动与反思。

医疗 AI 在线会议。前 Google Brain 和百度大脑首席科学家吴恩达上周主持了一场在线 AI 会议，邀请医疗学者 Eric Topol、Google 产品经理 Lily Peng 等人共同探讨现实医疗领域的 AI 应用，我个人比较喜欢 Eric Topol 做的 Keynote，你可以在这里观看这个视频会议存档，有详细的时间线。

超级计算机。WSJ 的报道称，超级计算机在对抗疫情的行动中扮演了非常重要的角色，比如 MIT 的研究人员将利用超级计算机加速一个机器学习项目的研发，这个项目旨在发现一种可以对抗冠状病毒的蛋白质。

另外，德国 AI 和药物开发创业公司 Innopluxus 希望能将超级计算机应用到针对病毒新分子药物的发现中，整个过程有望从过去两到三年缩短到三个月以内。

社交距离。吴恩达所在的创业公司 Landing AI 上周发布了一篇博客，介绍了机器学习如何监测工作场合的社交距离，如下图所演示的这样，左边是一个摄像头监控画面，右侧则是一个机器学习系统处理过的界面，当人员出现聚集的时候，颜色会变红。

但正如 MIT TR 所言，Landing AI 的这个方法或者说思路并不新鲜，此前亚马逊也采用类似的方法应对仓库里出现的人员聚集。而且，Landding AI 的方法也没有解决滥用的潜在风险，毕竟，技术是被人所用，而人又是利益复杂的群体。

解释。新冠肺炎带给医学界的一大挑战是，有些人只有轻微症状，而另一些人则在确诊后迅速恶化并死去。美国医疗检测巨头 Laboratory 公司和医疗信息管理公司 Ciox 希望可以通过 AI 来解释这一现象。

根据 WSJ 的报道，截止在 4 月 15 日，Laboratory 公司已经完成 65 万次新冠病毒检测，结合 Ciox 每年收集的 1 亿条医疗记录，研究人员将海量数据「喂养」给机器学习系统，目前的发现是，高血压患者因为其经常服用的药物容易与冠状病毒发生作用而需要特别注意。该研究将持续下去，预计会在「几周内」发现更多潜在线索。

机器人。我们在此前几期「AI Insider」里了解到机器人对于抗疫的重要价值，而这篇来自 Robohub 的文章，汇总了截止到目前机器人在全球各地抗疫中的表现，用一句标题党的话就是「一文了解机器人如何抗疫」。

远程护理。VB 报道了波士顿一家医疗机构的新工具，利用这个工具可以远程监测一名新冠肺炎患者的呼吸、行动和睡眠。该工具此前已经部署在全美 200 家医院，此次也是一次重要的应用尝试。

应用

AI 如何增强疫情中的供应链管理。WSJ 报道了一组供应链管理公司应对疫情的举措，特别是食品领域，比如 Noddle.ai 利用预测食品供需的算法为食品上下游企业提供洞察，食品巨头达能也在利用 AI 技术协调工厂原材料。

同样是供应链的议题，爱立信认为 5G 将从另一个维度重新定义供应链的变革，其核心就是利用 5G 通讯技术，让上下游企业真正了解到商品的「时空位置」，并根据消费者不断变化的需求，实时调整供给，你可以通过 WSJ 进一步了解 5G 对于供应链的影响。

Zoom 引入机器学习监测「裸聊」。这段时间里，Zoom 的需求大幅上升，包括性派对在内的特殊在线聚会也开始出现在 Zoom 上，根据 Insider 的报道，Zoom 官方发布了包含机器学习在内的混合工具，可以识别相应出现裸聊的账户，不过 Zoom 并没有具体说明其方法。

AI 在 NFL 中的应用尝试。一家名为 Slants 的创业公司正在帮助 NFL 实现数字化转型，其核心是将计算机视觉应用到分析比赛录像、追踪场上球员动作，更进一步，通过海量、实时的数据训练机器学习模型，从而可以形成更详细的球员能力评估机制。另外，像比赛统计、远程试训等也贯穿在整个数字化转型之中。

投资公司利用 AI 帮助用户做金融决策。越来越多的投资公司开始拥抱 AI 技术，从而更好地帮助用户做金融决策。 WSJ 提到了一家名为 Personal Capital 的金融顾问和财富管理公司，它分析客户的账户信息，以确定客户的消费模式以及他们的储蓄和投资分配方式，从而利用这些分析结果向客户提出建议，帮助改善他们的财务状况。

微软的 AI 工具可以分辨软件 Bug 里的安全问题和非安全问题。微软官方博客的介绍称，利用这个工具区分软件 Bug 中的安全问题，其准确率达到 99%，与此同时，在识别关键、高优先的安全 Bug 上，准确率为 97%。微软表示，未来几个月将开源这个方法。

机器学习如何帮助科学家追踪海洋生物。NYT 的这篇报道指出，美国国家海洋和大气管理局研究人员正在使用一种算法模型，在海豚叫声和船舶引擎等其他海洋噪音中识别座头鲸的「歌声」。而新英格兰水族馆，则与科研机构合作，正在利用卫星、声纳、雷达、人类观测到的数据、洋流等数据训练一种机器学习算法，从而可以在海洋中定位鲸鱼。NYT 认为，这些模型和数据对于政府调整航道以及调整捕鲸配额等决策，意义重大。

调查称呼叫中心未来三年积极拥抱 AI。一份来自 Canam 的调查显示，成本考虑、降低客户等待时间以及客户对于自动化的接受程度，成为呼叫中心未来三年积极拥抱 AI 的主要推动力。

与此同时，尽管此前包括 IDC 在内的多家咨询机构相继调低了 2020 年的企业 IT 支出，但 WSJ 援引 IDC 的报告指出，企业在 IT 市场的投入，正在从硬件转移到 AI 与云服务。原因也不难理解，这些 AI 和云服务，利用自动化的流程，有望降低企业的运营成本和人力成本，从而帮助企业渡过难关。

巨头

阿里。阿里巴巴未来三年投资 2000 亿用于云基础设施建设。周一的这条信息被全球媒体广泛报道（路透、Bloomberg、FT），阿里表示，将在未来三年投入 2000 亿人民币用于半导体、操作系统以及数据中心，而这些领域也是阿里云所在的领域。换句话说，这将成为阿里云进一步扩张的重要资金支持，上个季度，阿里云的季度营收突破 100 亿元人民币。

IBM。周一， IBM 发布 2020 财年第一季度财报，财报中的几个核心数字如下：

• 营收同比下降 3.4%，至 176 亿美元；
• 全球技术服务部门（包括基础设施、云服务和技术支持）营收 64.7 亿美元，同比下降 5.9%；
• 云和认知部门（包括认知计算、红帽、混合云等）营收 52.4 亿美元，同比增长 5.5%；
• 全球商业咨询部门（包括咨询、应用管理、流程服务等）营收 41.4 亿美元，同比下降 0.5%；
• 硬件与操作系统部门营收 13.7 亿美元，同比增长 3%。

过去的这个季度，IBM 的掌门人发生了更迭，Arvind Krishna 已经在本月 6 号成为蓝色巨人的新任 CEO；IBM 还在这个季度与西班牙 Banco Sabadell 银行签署了一份 10 年的混合云合同。

亚马逊。根据亚马逊一篇官方博客，语音助手 Alexa 推出全新的声音风格，开发者可以将其集成到基于 Alexa 的技能中。

新的声音风格主要面向长篇内容，比如播客、长文等。在处理这些内容时，Alexa 可以实现更自然的停顿，特别对于不同角色的切换，Alexa 的处理非常不错，目前该声音风格只支持英文，你可以通过这两个音频（音频1)、音频2）感受一下其差别。

与此同时，包括 AWS、微软 Azure 在内的云计算巨头，尚未对受到疫情影响的创业公司伸出援手，Bloomberg 上周的一篇报道指出，AWS 的确对于一些合同做了调整，但大量中小创业公司并不在 AWS 的计划内。

微软。微软上周又签下一个大客户，CNBC 报道称，从 2020–2021 赛季开始，NBA 将与微软展开全面的技术合作，其中，NBA 官方网站以及移动应用的主要模块将逐步迁移到 Azure 公有云平台，同时由 Azure 来处理海量、实时的视频数据。目前尚不清楚整个合同的总体规模，双方也没有透露这项合作的期限。

OpenAI。OpenAI 上周发布了名叫 Microsope 的神经网络可视化产品。根据 VB 的报道，这个产品将目前流行的 9 个神经网络模型变成一种可视化的图像，类似于实验室使用显微镜查看微生物一样，此举可以帮助研究人员更好地理解神经网络的架构。