AI 抗疫

将先进技术应用到对抗重大疾病的情形并不稀奇，2020 年，在对抗疫情的最前线，人工智能各种算法、各个形状的机器人的确扮演了重要角色。

但围绕 AI 抗疫，远不是「有效」或「无效」这么简单的判断，这些算法与机器人在医疗场景的大规模应用，留给行业诸多思考角度。

首先，至少在这一次，人工智能无法「击败」疫情。年初疫情初现的时候，从加拿大的 BlveDot 到波士顿儿童医院，这些机构都准确地预测到新冠肺炎疫情，而无论是 AI 诊断模型、阿里达摩院的 AI 算法还是百度的 Linearfold 算法，这些一度被认为可以快速击败疫情的 AI 技术现在看起来不过是人类异想天开的口号，站在 2020 年 12 月的时间点，《MIT 科技评论》十个月前的评论可谓最具见地：当下所有 AI 技术应用到新冠肺炎治疗的消息都是炒作，至少这一次疫情中，AI 不会拯救人类。

其二，AI 抗疫不仅是将 AI 应用到医疗领域，更是一场全社会人机协同的实验。当由 AI 算法驱动的诊断系统帮助医生快速诊断疫情的时候，另一些工厂里的协作机器人也在「抗疫最前线」，它们不是传统意义上追求快速、精确的工业机器人，而是与人类员工协同工作，同时还会监测员工之间是否保持社交距离。

其三，AI 抗疫应用的最大收获应该是明确 AI 技术在医疗中的局限性。如果说新冠肺炎是一场没有「预习」的考试，无法通过历史数据的喂养提升算法准确性，那么在一些慢性疾病的治疗过程中，AI 算法表现不佳的原因并不仅仅是技术问题，而是因为现实环境，比如医院网络条件不足，还包括护士操作不当，比如不按要求提取病人数据，所有这些都使得 AI 系统无法发挥真正的作用。更进一步，即便是在一家医院可以取得如实验室一样的成绩，换一家医院或者换一批操作人员，这个诊断系统的精准度还是会下降。

其四，AI 抗疫赋予政府更多获取公众数据的权力，2 月份新华网描述的浙江「大数据联防」场景随后不断在中国其他地方重复上演，各地方的「大数据联防联控」与最高决策者在《求实》杂志上的「命令」遥相呼应：「利用人工智能、大数据等新技术开展流行病学和溯源调查，提高精准度和筛查效率」。

当全球经济迁移到云上

「经此一『疫』，原本需要 3 到 5 年的数字化进程，将在未来 1 年之内加速完成」，阿里云智能总裁张建锋在 6 月的阿里云峰会上如是说道。

张建锋的这个判断也是 2020 年行业数字化的真实写照，全球的疫情催生了巨大的在线工作、教育需求，大量数字工具有了一夜成名的机会，最新一季的财报里，视频会议公司 Zoom 季度营收达到 7.77 亿美元，同比增长 367%，股价更是从 60 美元左右一度上涨到 600 美元，市值超过 1000 亿美元。

与此同时，微软 Teams 仅仅用了四个月就将日活用户数量提高到 4400 万；Facebook、Google 相继推出在线协同与视频会议为主打功能的产品。

资本也在快速挤入这个领域，文档协作公司 Notion 更是在疫情最严重的 4 月完成 5000 万美元的融资，估值已经达到 20 亿美元，远高于上一轮融资后的 8 亿美元估值。

在中国，阿里巴巴钉钉与腾讯企业微信之外，字节跳动的飞书、百度的如流成为新的变量，从内部沟通到协同办公，从企业内部管理到企业内外业务协同，疫情让中国办公软件迎来一次全新的爆发机会。

其次，在全球经济向线上迁移的时候，云计算巨头们成为最大赢家。一份来自 BVP 的云计算投资指数显示，2020 年云计算公司的股市表现跑赢了大盘。

云计算公司的营收数字也证实了这一点，AWS 连续三个季度营收突破 100 亿美元，最新一季营收 116 亿美元，微软最新一季度的公有云业务 Azure 与 Google Cloud 都实现了同比 45% 的增长。

在中国，连续增长的阿里云已经成为季度营收 20 亿美元的生意，过去的 2020 年，阿里云强化了钉钉的入口地位，将其与阿里云上的服务全面打通，喊出「云钉一体」的口号。

正如微软 CFO Amy Hood 对路透记者所言，疫情催生的「远程服务持续需求继续推动业绩增长」，无论是如 Zoom 这样的 SaaS 服务公司还是其他垂直行业的客户，云服务都是其维持业务并持续发展的重要技术支撑。总部位于韩国首尔的多云服务提供商 Bespin GLobal 的一组数字显示，Tiktok、Netflix、Slack、Zoom 等公司在云服务上的支出惊人，其中 Netflix 每年的云计算支出为 5 亿美元。

这意味着，全球云计算的增长还将持续下去，Gartner 给出的预测称， 2021 年全球云计算市场将增长 18.4%，达到 3049 亿美元，高于 2020 年的 2575 亿美元。

这更意味着，从 AWS、Azure、阿里云这样的云计算综合服务商，到 Salesforce、Workday 这样专注某领域的公司，依然可以去瓜分一个更大块的蛋糕。

其三，当全球经济的运转依靠云服务商，任何一次宕机都是对全球经济的巨大打击。云服务公司 Cloudflare CEO Matthew Prince 曾自豪地表示，「如果我们将云计算视为公共行业，你很难想象其他任何公共行业机构可以在使用率增长 50% 的情况下不宕机」。

Matthew Prince 指出了云计算的弹性、灵活扩容能力，但云服务并不意味着不宕机。今年北美地区感恩节期间，AWS 的美国东部数据中心出现故障，引发一系列连锁反应，大量使用 AWS 服务的软件公司（比如 1Password）、互联网公司（比如 Flickr）、电商平台以及媒体机构（比如《华尔街日报》）受到巨大影响，或是无法激活服务或是无法访问网页，由于此次故障发生在北美购物季的黑五前夕，对于亚马逊电商网站、使用 AWS 服务的电商平台以及众多支付平台来说，这都是一个噩梦。

过去十几年，以 AWS 为代表的云计算公司重新构建了一个绝对「中心化」的计算资源池，通过极其复杂的架构、流程，为各行各业提供计算资源服务（也就是通常所说的云计算），这个资源池的任何波动，也在深刻影响全球经济的发展，2017 年 AWS 一次长达 4 个小时的故障，让包括 Slack、Netflix 在内的众多业务瘫痪。

更重要的一点，计算资源「中心化」的趋势还在加速，来自卡内基梅隆大学的一份报告显示，仅以全球前 10 万个网站的 DNS 解析服务为例，Cloudflare、AWS 与 Godaddy 三家公司份额就达到 40%，这意味着，上述任何一家公司出现故障，都将对全球数字经济造成巨大影响。

面部识别的应用与争议

面部识别领域的争论从来没有停止，在过去的 2020 年，从公众到媒体再到政府机构，整个中国都开始严肃谈论面部识别。

李开复的一句「口误」道出了中国面部识别技术早期的诸多潜规则，而站在技术层面去看，面部识别本质上是一种基于计算机视觉的身份识别服务，与指纹识别无异，这是其技术层面的「纯真性」；更进一步，与其他身份识别服务类似，面部识别有着众多应用场景，你可以想象任何一个关于身份识别的应用里，都可以加入面部识别算法，这是其应用层面的普适性。

而随着「中国人脸第一案」一审宣判与包括天津在内的众多地方政府出台相关法规，2021 年围绕中国面部识别的讨论还会持续。

作为机器学习的重要应用之一，面部识别算法天然就有数据偏见，在美国，面部识别算法对于深肤色以及女性的偏见数不胜数，在中国，面部识别的数据也会和其他身份数据，比如身份证、户籍绑定在一起，构成一种「立体的偏见」。

负责 OpenAI 公共政策的 Jack Clark 在一篇写给「2025 年世界」的文章里警告，机器学习在抗疫过程里的应用，特别是在监控领域的应用，将强化政府的监控权力，这其中，面部识别技术又是监控的利器。

这也构成了观察科技公司如何平衡出售面部识别技术与「帮助政府监控」的切入口。过去的 2020 年，IBM 已经公开表示将退出面部识别市场，不再研发与销售相关软件与服务；亚马逊宣布停止向警察部门销售面部识别产品 Rekognition 一年；几乎同时，微软表示，在全国性监管法律出台前，不会向警察部门出售面部识别技术，此前，微软已宣布不再投资面部识别创业公司。

面部识别的「反抗」也从未停止。法律层面，英国法院的一项判决指出，英格兰与威尔士警方使用面部识别技术「违反人权」；美国华盛顿州通过的一项法律意义重大，它是当下美国各州最详细也是最严格的面部识别监管法律，微软在这项法律制定过程中扮演了重要角色。

而来自芝加哥大学的研究者们开发了一个名为「Fawkes」的工具，通过改变用户上传面部图像的某些像素（人类不可见），从而实现不被面部识别系统识别的目的，根据 媒体 给出的结论，其「误导率」可以达到 80%。

新基建与 BAT

「新基建」是中国企业的狂欢，也是中国企业的政治任务。李彦宏（百度）表示百度会在国家的「新基建」战略中继续扮演好平台型公司角色；张建锋（阿里巴巴）称，将把阿里巴巴 20 年建设的技术能力带给全社会，帮助政府和企业建设面向未来的新型基础设施；汤道生（腾讯）坦言，数字化新基建，解决了数据的连接、交互和处理。5G、云、大数据和人工智能，将给产业升级带来更大的空间。

口号之外，上述三家公司也拿出了「真金白银」。阿里巴巴将在 3 年投入 2000 亿元，实现数据中心和服务器规模翻 3 倍；腾讯未来 5 年投入 5000 亿元，用于 AI、云计算、区块链等技术研发以及各地工业互联网基地建设等；百度未来十年加大云服务、芯片投入，预计到 2030 年，百度智能云服务器台数超过 500 万台。

抛开这些口号与数字之后，围绕科技巨头的「新基建」，还有若干个值得关注的方面，其一，新数据中心分布与规模。从云计算到边缘计算再到量子计算以及生物计算，数据中心始终是这些计算形式的物理载体，同时数据中心又是一个重投入、高成本的领域，因此观察 BAT 等公司的数据中心建设以及规模大小，将成为判断其是否真正投入「新基建」的重要标准。

其二，AI 芯片。阿里云去年发布基于 RISC-V 的含光 800 推理芯片，百度发布基于 FPGA 的昆仑芯片，华为此前也推出基于 ARM 架构（华为官方称为「达芬奇架构」）的昇腾系列芯片，这些不同架构的 AI 芯片，一方面展示了中国 AI 芯片的研发实力，更是当下 AI 芯片领域多样性的集中体现，到底什么才是 AI 芯片的真正样子，或许各家还有不同的看法，这也是未来 3 到 5 年的重要看点。

其三，国内云计算的厮杀将持续激烈。2020 年腾讯云首次入围 Gartner 魔力象限，成为中国第二家云计算公司，借助国内「新基建」的政策红利，从阿里、腾讯到华为以及百度，无论是阿里云的三年 2000 亿元投资还是腾讯云的五年 5000 亿投资，无不是聚焦国内，7 月的阿里巴巴财报分析师会议上，阿里巴巴 CEO 张勇强调了中国云计算市场的潜力：「中国目前的云业务规模只有 150 至 200 亿美元，美国要大 8 倍，中国市场仍有很大发展空间」。

这也为未来中国云计算市场的中盘厮杀吹响了号角，而阿里云也与腾讯云在武汉进行了一番「较量」。

量子计算

2020 年 10 月，最高决策层集体学习量子计算引发诸多关注。两个月后，随着中国成功构建 76 个光子的量子计算原型机「九章」，关于量子计算的讨论进入到一个新的阶段。

首先，必须承认「九章」的重要意义，包括 Sceince、Nature 对知名科学期刊都对其做了大篇幅报道。

该项目由中科大潘建伟、陆朝阳团队与中科院上海等多个研究机构合作共同完成。在计算玻色采样问题中，九章花费了 200 秒处理完 5000 万个样本，如果以现在的超级计算机计算能力来计算，处理这些样本需要 6 亿年，从而实现了量子计算的优越性。

其次，量子计算本质上是一种计算形态，也是一种不同于传统或经典的计算形态，借助量子比特的特性，可以满足更多场景的计算需求，比如经典的大数分解算法，只能通过量子计算的形式才能完成。

从这个角度理解，量子计算体现了人类对于更多形态计算与更大算力计算的追求，此前业界也将量子计算机可以解决经典计算机无法解决的问题的时刻称之为「量子优越性（量子霸权）」，今年的「九章」与去年的 Google，都是从不同维度展示了量子计算的潜在力。

其三，必须看到，整个量子计算还处在非常早期的阶段，一方面，需要长期的资金投入，这也不难为何国内外量子计算的玩家们主要是科技巨头，诸如 IBM、微软、Google、阿里巴巴、华为等，而此次最高决策层所透露的信息，也将刺激更多的公司、研究机构加入量子计算的研究中，接下来的投融资趋势变化很值得关注。

另一方面，过去一年多来，很多公司已开始探索依托量子计算的产品落地。2019 年，AWS 推出量子计算云服务，但这项服务目前更像是一个「平台/集市」，其向开发者、企业提供的是第三方量子计算公司的产品。

2020 年，Google 将量子计算与机器学习结合起来，推出 TensorFlow Quantum；微软目前也有自己的量子计算云平台 Azure Quantum，并拥有量子编程语言Q#、开源的量子开发工具包等。

百度在 2019 年的时候发布了云上量子脉冲系统「量脉」，今年又在其深度学习开源框架飞桨中集成了量子计算开发工具「量桨」。

上述这些产品所展示的，依然是一副技术发展的前期模样，由于缺乏真正的落地应用，更多还是利用量子模拟探索各种可能性，并通过一系列的论文吸引更多人才和客户的注意，进而形成品牌效应。最近的一个案例，IBM 在量子计算领域有一份野心勃勃的计划，9 月的时候，IBM 发布了一幅份路线图提及，该公司相信在 2023 年年底，可以构建 1000 量子比特的量子硬件。

但如果向前看，整个领域还有诸多难题，需要相当长的一段时间才能实现真正的突破，更需要企业、学术机构以及政府的通力合作——一如第一代经典计算机的研发过程一样。此前，美国联邦政府已经宣布将在未来 5 年投资 6.25 亿美元用于量子计算基础研究，中国未来将发布怎样的量子计算支持计划，很值得关注。

尾巴：下期预告

在下一期里，我将提供本年度的另外五个关键词：地缘政治与 AI、半导体变局、失望的自动驾驶、AI 创业窗口以及越来越大的机器学习模型。

正如我在开篇所言，每一个关键词背后都能延伸出一段长长的故事，这些故事共同塑造了你我刚刚经历的 2020。