焦点

理解医疗 AI 的行业态势

科技公司正在成为医疗领域的关键力量。疫情前的 2019 年年底，世卫组织召开了一场关于数字时代人类健康的会议，包括中国的百度、腾讯在内的众多科技公司成为座上宾。

过去两年的疫情，科技公司的影响力更大。支付宝与微信的健康码成为居住在中国的「通行证」，欧美主要国家的卫生部门很长一段都寄希望于苹果、Google 可以在各自手机操作系统中提供「追踪式 API」，这些消费科技公司的产品，构成了医疗发展的新景观。

与此同时，医疗领域的人工智能应用呈现出几个有趣的变化。

一方面，无论是 Google 还是 IBM，这些产业巨头试图通过 AI 改变医疗产业的努力都遭遇了非常尴尬的境遇，比如 Google 曾将「AI 诊断视网膜病变」系统部署到泰国的多家医疗诊所，整个落地过程充满了各种意外，医生无法获取高清的图像、系统在低清图像识别方面准确度不足、云上分析过程需要极高的带宽……

而 IBM 经营多年的 Watson 医疗部门尽管可以达到 10 亿美元的年度营收，但依然无法盈利，这个已经花费超过 40 亿美元的「AI 改变医疗」项目正在寻求新的买家，IBM 为其标价 10 亿美元。

另一方面，资本市场并没有像巨头一样停止对医疗 AI 的追逐。亿欧智库统计了 2020 年中国医疗 AI 企业的数据，目前有 129 家，其中医学影像类型最多，占比达到 42.6%。

在 CB Insights 给出的 2021 第三季度全球 AI 投资趋势里，医疗 AI 领域的投资总额与交易数量都创新高。

如何理解上述两个几乎相反的行业态势？

其一，医疗 AI 是一个宏大的领域，整个产业链非常长，涉及医院、制药集团、医疗器械等多个垂直领域，每个领域又细分出众多市场，宏观上，AI 各项技术的确在进入到不同的细分市场，但微观层面，目前还看不到真正意义上的变革或创新。

其二，在众多细分市场，大型制药集团对于 AI 的态度很值得关注，比如，利用 AI 加速药物发现，路透社的最新报道称，制药巨头赛诺菲将与 AI 公司 Exscientia 合作，共同推进 15 种候选药物研发，涵盖癌症和免疫系统。

当然，现在就判定这个市场能有多大为时尚早，路透社援引一份 2019 年的数据称，大约有 90 家公司「分割」了利用 AI 进行药物发现的 4.73 亿美元市场，其中包括辉瑞、罗氏以及 Alphabet 旗下的 Deep Mind。

其三，在医院的 AI 场景应用里，数据是最大的障碍，这既包括医疗数据的隐私性，也由于其具有本地性，导致一些 AI 算法或模型无法实现大规模应用，比如在印度，通过一个手机应用扫描 X 光片提供结核病的风险评估，可以帮助医生决定接下来的医疗方案，但这个在印度当地准确率极高的 AI 应用，并不适用于欧美地区，因为后者患病率低，训练数据少。

面向未来，我们当然会看到越来越的医疗 AI 应用，但这必然是一个缓慢的过程。

产业观察

机器学习的三个要点

Jeff Dean 本周代表 Google AI 团队分享围绕机器学习的五个要点，包括：

• 更强大的通用模型；

• 效率持续提升的机器学习；

• 机器学习对社会和个体有益；

• 机器学习在科学、医疗领域等拥有巨大潜力；

• 关于机器学习的深入理解；

当然这个总结多少有些 PR 性质，引用的案例也以 Google 自己的实践为主，不过，上述五个要点反映也的确是当下机器学习最值得关注的方向，下面谈谈我的想法。

首先，更强大、更通用模型变得越来越多，特别是在自然语言处理领域，无论是 GPT-3 还是 Google、DeepMind 的一系列超大规模模型，为人类征服自然语言领域的众多难题提供了一个可以探索的方向。

与此同时，以 Transformer 为代表，很多超大模型具备了通用价值，过去一年多的时间，我们看到非常多自动驾驶公司将 Transformer 应用到图像标记、分割的场景里，带来了比之前更好的处理效率，或许能为接下来的自动驾驶发展带去新的希望。

其次，机器学习的快速发展离不开底层算力的突破，反过来，基于机器学习，改进、优化芯片设计的尝试，又成为推动芯片设计的新路径。Jeff Dean 此前曾分享过一个认识深度学习、计算架构与芯片的认知框架，感兴趣的朋友可以在这里阅读这篇无需多少技术背景的论文。

去年 6 月，Google 还发布了一篇利用强化学习加速芯片设计的论文，并将其应用到下一代 TPU 的设计中，你可以在这里查看这篇论文。

第三，机器学习已经在科学研究、医疗领域取得了众多突破，过去一年，各种科技巨头的产业 AI 峰会上，诸如天文、基因等所谓「硬科学」领域的研究者们成为新的演讲嘉宾，机器学习正在改变这些领域的研究方法，逐步构建起一个全新的研究框架。

但也必须看到，机器学习在科学领域的诸多「应用」，与我们一般理解的「应用」不完全相同，更多还是停留在小范围的实验室环境里，其取得的成绩能否在大规模产业应用复制还有诸多疑问。

产业·巨头

先谈谈云计算。根据北京冬奥组委会披露的消息，北京冬奥的核心信息系统，包括赛事成绩、赛事转播、信息发布、运动员抵离、医疗、食宿、交通等信息系统已经实现 100% 运行在阿里云上。

这是奥运史上首次由云计算替代传统 IT。

AWS 面向超算场景的计算实例 Hpc6a 全面可用，该实例采用第三代 AMD EPYC 处理器，并在内存、存储方面做了大量优化。

对于 AWS、微软等云计算巨头来说，英国金融监管机构正在密切关注银行上云之后的数据隐私与安全问题，如今，云上金融系统的安全问题不亚于一场金融危机。

掌管腾讯产业互联网的汤道生在一个专访里谈到云的未来，一方面，技术维度的云会越来越来融合，所谓「数字合力」简单来说就是将云作为底层技术设施，支撑起诸如 5G、物联网、自动驾驶、智能制造等场景；另一方面，业务维度的云还在降低使用云的成本，从「上云」到「云上」，低代码、可视化的云产品会越来越多。

汤道生的这番判断也道出了 2022 年云计算产业最有可能的进化方向：每一家云计算公司都会变成 PaaS 公司。

就像阿里云上周发布的「低代码音视频工厂」，这个定位在 PaaS 层的产品，打包、整合多项 AI、云原生技术，「最快通过一键开通、三步集成，十行代码，即可帮助企业用户搭建高品质的专属音视频业务平台」。

沿着这个思路去看的话，关于微软分拆 Windows 和 Office 的建议就显得极为荒唐。CNBC 援引前微软高管 Ben Slivka 的话称，微软应该专注于 Azure 云领域，把 Windows、Office 业务分拆。

数字层面，Windows 的确已经变得无足轻重，Office 之于微软的价值到底有多大，似乎并不为外人所知，但有两个需要关注的角度：其一，基于传统 Office 办公软件的存量用户，订阅制的 Office 365 增长不容忽视；其二，在微软的「智能云业务」产品体系里，Office 构成了一个入口，也是新产品出现的底层平台。

也因此，我们有理由相信，微软会不断强化 Office 的价值；阿里云也会持续加码钉钉的战略定位；AWS 会在未来一年推出更多应用软件层面的产品。

再看两个语言模型。Meta 的这个 AI 框架可以让人工智能助手「更接近人类水平的语音感知」。

根据其官方博客的介绍，这项技术可以帮助建立不受噪音影响的语音识别系统，从而也使得智能手机助手在人群中更好地理解用户对他们说的话，这是因为这个被称为「视听隐藏单元BERT(Audio-Visual Hidden Unit BERT)」的系统不仅通过听人们说话，还通过观察他们的嘴唇变化来学习语言。

百度近期展示了将知识加入预训练语言模型的尝试，这个名为「ERNIE 3.0 Titan」的模型是一个拥有大型知识库的超大规模语言模型，拥有 2600 亿个参数，在问答、文本生成、文本摘要方面拥有不俗表现。

值得注意的是，该模型的训练过程采用了异构芯片集群，既有英伟达的 V100 也有华为的昇腾 910。你可以通过这篇论文进一步了解该模型。

未来驾驶

2022 年汽车领域在智能化方面的探索首先在 CES 上出现。先看芯片，即将独立上市的 Mobileye 发布三款面向不同场景的汽车芯片，但无论是辅助驾驶的 EyeQ® 6L、EyeQ® 6H 还是自动驾驶的 EyeQ® Ultra™，其交付时间都在 2023 年之后，联系到该公司即将上市的信息，这更像是对资本市场的示好。

车厂与技术公司的合作里，吉利汽车旗下的汽车品牌 Zeekr 将为 Waymo 生产自动驾驶出租车。预计第一辆车将是一辆可以通过 Waymo One 呼叫的自动驾驶车辆。

专注自动驾驶卡车的图森未来，宣布会使用英伟达的汽车芯片。

与此同时，下周起，特斯拉将美国地区的 FSD 软件价格上调到 1.2 万美元；沃尔沃计划为其加利福尼亚的客户推出一个无需人工干预的的自动驾驶功能 RidePilot。

在中国，北京宣布「京台高速部分路段（大兴区兴亦路K0+600至旧宫新桥K5+280之间双向路段）为智能网联汽车测试道」，包括小马智卡、主线科技-京东联合体、主线科技-北汽福田-福佑联合体在内的几家公司可以上路测试。

面向未来的汽车市场，华为一定会成为中国市场的重要玩家，国金证券去年年底梳理了华为在电动汽车领域的一系列动作，感兴趣的朋友可以在这里查看这份分析报告。