▍ 摘要

在突发公共事件面前，多项人工智能技术在疫情防控、医疗诊断、物流及在线办公/教育方面发挥积极作用。移动的CT设备组合云端的部署，辅助医生应对大量的临床诊断；无人配送在城市实现无接触配送、疫区支援、运力补充，维持城市运行并提供生活便利；互联网及云端技术支撑在线办公与教育平台，支撑社会劳动和增长。在抗击疫情的催生下，全民的快速适应和技术应用大幅降低了用户教育成本，随着技术的利用将成为常态，也意味着人工智能在未来的发展将诞生更多深化的场景。

基于当前中国疫情基本得到控制，由“战疫”状态进入后疫情时代的背景，5月17日举办的未来·局邀请到企业界人工智能专家代表，以前沿科学技术为主题，解剖人工智能在疫情中体现的增长和社会价值，分析人工智能在各个应用场景的长远贡献及发展潜力，一同探讨“后疫情”时代人工智能的发展趋势及机遇。

▍ 分享嘉宾

主持嘉宾：

•   颜水成，未来论坛青年理事、依图科技CTO、新加坡工程院院士、IEEE/IAPR Fellow

主题分享嘉宾：

• •   夏华夏，美团首席科学家、美团AI平台总经理
  
• •   梅涛，未来论坛青创联盟成员、京东集团技术副总裁、京东AI研究院副院长、IEEE/IAPR Fellow
  
• •   肖盾，一起教育科技联合创始人
  
• •   颜水成，未来论坛青年理事、依图科技CTO、新加坡工程院院士、IEEE/IAPR Fellow
  

主题讨论嘉宾：

•   黄乐平，中金公司研究部电子及通讯行业首席分析师、董事总经理

•   陆遥，中山大学数据科学与计算机学院教授、广州柏视医疗科技有限公司董事长

•   山世光，未来论坛青年理事会轮值主席、中科院计算所研究员、博士生导师 

•   吴冰，石墨文档创始人

•   曾坚阳，清华大学交叉信息研究院长聘副教授、燧坤智能科技创始人&CTO

•   张磊，未来论坛青创联盟成员、MicrosoftCloud & AI 首席研究员

•   周少华，未来论坛青创联盟成员、中国科学院计算技术研究所研究员/博士生导师

• ▍ 主题分享
• 
  
• 夏华夏：“战疫”按下无人配送的快捷键
• 
  

• 无人驾驶近年有了很多非常蓬勃的发展。各种无人驾驶包括机器人在疫情期间提供了帮助，这次疫情对无人配送的发展也有非常大的促进作用。

无人驾驶分析常考虑以下六个因素：场景、技术、运营、资本、生态、政策。无人驾驶有许多应用场景，不同场景对技术的有不同需求。相对而言，速度越高、场景越复杂，难度越大。大规模硬件资产的管理意味着高昂的运营和资本要求。生态是指上下游的供应链。生态和政策往往需要依赖大环境的发展。

疫情期间要求社交隔离。这些需求在疫情期间对很多和无人驾驶相关的技术提出了很高要求。很多公司在疫情期间推出无人驾驶的出租车，但仅谷歌Waymo做到了真正去人化运营。无人配送方面，美团、京东、行深智能、一清科技等公司都尝试在室外配送物资。美团在顺义的蔬菜配送在2月份开始常态化运行。也有很多公司利用机器人在做室内的端盘送菜的工作，目的是减少与人的接触。室内机器人还能够用来消毒杀菌，如擎朗科技的机器人，达闼科技的消毒机器人。疫情中也出现了一些很有趣的无人机的应用，比如利用无人机高空喊话、在公共场所红外远程测量居民体温、喷洒消毒水、投递物品等。

这次疫情促进了无人驾驶在生态和政策因素上的改善。习近平总书记在2月23日在全国的县级干部的电话讲话上，他指出有一些新兴产业会展现出强大的成长潜力，无人配送是其中之一。生态方面，政府特别强调用新基建去帮助生态的发展，比如大规模的云数据中心、V2X&5G。

我们希望最终无人机、无人车，空中、地面和人力配送能配合起来，从而形成高效的人机协同末端物流网络。

“战疫”按下人工智能快捷键——梅涛

在疫情期间京东主要在抗击疫情和复工复产两个方面做出了贡献。

1. 抗击疫情方面，我们做了两套系统，智能供应链应急响应和智能疫情助理。智能供应链应急响应包含了一系列紧急开发的产品，包括基于AI的物资识别与分配，应急公共服务平台，应急物资智能供应链平台。比如基于AI的防疫物资识别分配系统使用图像识别、OCR、京东的拍照购等技术实现了防疫物资的数字化并上传入库；智能应急物资供应链平台能提供物资采购、轮换、调拨和送达，并在全国很多省市都得到了应用，包括湖北武汉、北京海淀等地。

疫情助理方面，我们开发了智能助手，疫情外呼机器人，疫情咨询智能分析助手，能帮助政府和民众通过对话交互、语音交互了解疫情的情况，并通过语音对话、文字对话方式实现疫情科普、疫情问题咨询、在线问诊等。其中涉及到许多AI技术，比如AI的疫情的排查访问、特殊的疫情通知、智能情感分析，涉及到流式的端到端语音语言一体化建模方法ASR、TTS的实时合成等语音识别、自然语言处理技术。

2.复工复产方面，我们主要做了无接触温感筛查系统，目前在全国20个城市人群高密集区、关键出入口做一些使用。我们还做了一套基于人脸识别的系统，目前在万级别的人群里戴口罩人员的识别准确率达到98%以上。另外，我们在远程办公和交易方面也做了一些部署。

疫情发生后AI方面的工作都发生了很大变化，我希望未来的人工智能以人为本，关怀到人的情感。远程办公、情感计算、多模态交互都可以做尝试。实体经济和研究方面都有很多机会。从人机协同，机器协作到机器自主、多机协同、机脑结合都是有机会尝试的。

“后疫情”时代，在线教育赋能正当时——肖盾

新冠疫情同样给在线教育行业按下了快进键。我们的创业公司专注于中小学的公益教育，最近随着直播技术的发展我们推出了名为一起学的网校，在疫情期间每天帮助上千万的学生和老师完成直播教学。

 

我们利用平台做了一个小小的问卷调查（针对在线教育情况），一共22万份有效问卷，基于一起教育科技平台超6400万学生、3600万家长、320万老师的用户群体，提取2020年2月17日到3月29日一起教育科技小学生在线作业、评测大数据，并于4月21日-25日在全国范围针对学生、老师、家长群体发放调研问卷，经过数据清理后最终获得224,707份有效调研数据，其中小学生200，327份、小学老师7,077份、小学家长17,303份。并得出几个结论：

1 截至到3月30日，绝大多数各地市小学通过在线教育的方式进行学习，达到30%的完成度，相比平时并不落后，甚至有些超前，因为课堂内容学生可以通过直播完成，课后作业可以通过在移动设备完成，部分手写内容可以通过图像识别，手写识别，自动收集等技术实现内容分发，自动批改，自动反馈，从而极大帮助老师管理学生作业。

2 关于学习满意度如何，最满意的是学生，其次是家长，最后是老师。而关于对孩子家里的表现，小学生里大概85%都觉得自己非常自律，而70%多的家长觉得学生还是比较自律的，将近30%的家长觉得和平常差不多。关于是否希望复学，学生最希望复学其次是爸爸，再其次是妈妈。

而人工智能除了帮助对作业（尤其是手写体作业）的自动识别管理于分发，还有一个特别重要的作用：每天上千万的学生可以积累好几亿条的数据，这些经验可能比一个老师一生积累的学习数据还要多。因此我们不仅可以对学生的普遍问题做总结，帮助老师分析问题，并且可以对每个学生做单独的个性化总结，从而产生个性化的提高。

最后，根据我们的用户调研，90%的老师都会继续使用线上教学方式，通过直播方式上课，如果包括作业，备课等其他场景，几乎100%老师都选择继续用这种方式。90%的家长也认为继续选择线上教学。我们认为长期线上教育还是线下教学很好的补充方式。

疫情急，“AI”（爱）依在——颜水成

依图最近主要是推出了基于自研的人工智能芯片，希望打造软硬一体化的行业解决方案，特别是医疗领域。在这次疫情之下，我们主要围绕疾病筛查和追溯的流程，提供了一系列解决方案去帮助疫情防控。

首先是小依医生，利用语音识别和自然语言处理技术的结合，帮助用户自我筛查，当前落地了200多个不同的机构。之后主要有两块，一块是测温和戴口罩人脸识别，第二是基于CT影像的新冠肺炎辅助诊断系统。这三块系统可以把所有信息结合在一起，做成的大数据系统希望实现更大规模的智能管控和追溯。

关于人脸识别，不同的场景限制会导致不同的产品精度，不同于刷脸支付等有用户配合的场景，非限制型场景（类似戴口罩，地铁刷脸）想要达到同样的精度有更大的挑战性。而依图不仅在戴口罩场景中达到相同的精度，并且更快地打通算法流程，工程化，测试流程，让系统快速上线。并且在测温环节，依图的产品一方面是常规的单点的测温，戴口罩人脸识别。另一块，不需要用户做太多配合的多点测温模块，可以外植在人脸识别系统之外，实现测温和人体一起的解决方案，实现一人一档，在不识别具体人名信息情况下实现归档人在城市中的行动路线。

对于新冠肺炎的辅助诊断，依图基于此前CT影像分析诊断的积累，从建立产品研发团队，到2月4日系统正式在上海的定点医院上线，再到把产品部署到全国20多个省市100多个机构，我们大概只用了一个多月的时间，这不仅考验算法研究能力，更考验算法和产品化的流程，和快速把产品部署的能力等等。依图的新冠肺炎辅助诊断产品，用AI算法把里面每一张图片的像素级做一个分析，并对肺部进行肺叶、肺段的分割，可以实现对病变组织的形状、密度和范围的定量分析，最后给出病情严重性的分级，还可以把同一个病人不同时期的病情发展综合在一起。

▍ 跨界讨论

颜水成：今天除了我们4位演讲嘉宾，还有7位讨论嘉宾。首先邀请他们给大家介绍一下他们所在的领域，对科技应用和科技发展趋势做一个分享。

黄乐平：在疫情当中我们看到两个现象，一个是消费的恢复好于制造业，中国制造业的数字化程度或者人工智能的程度远远慢于需求端。第二个问题是如何从共享经济到无接触经济。我个人觉得疫情之后很重要的一点是怎么建构一个无接触时代的新基建基础网络。我们认为新基建的构建有可能会把边缘计算发展起来。

陆遥：对于这次新冠肺炎疫情，我们通过影像数据、临床数据和实验室数据做了包括检测、诊断和预测相关的工作。在具体实践过程中，我们发现新冠肺炎对于AI的需求，其实比其他疾病更加迫切。突发性传染病在早期的介入是非常有用的，比如对入院病人轻重症的预测、AI的无接触诊断辅助等。我相信通过这次AI的实战练兵，AI对临床的辅助作用会得到更大的提升。

山世光：后疫情时代在很多领域按下了快进键。这个快进最明显的是医疗健康领域的智能化，也包括医疗健康领域体系性的变化。第二个是以人工智能为基础的无人化的进程，包括出行、物流等等。第三个是加速社会虚拟化的进程，特别是以虚拟现实、增强现实为基础的办公、教育、社交。所有这些恐怕以物联网为基础，对人、机器和物体这三元的融合会有非常大的需求。

曾坚阳：这次疫情的爆发也给我们敲了一个很大的警钟，现在虽然各项技术已经非常发达，但我们对生物体的认知还处在非常初级的阶段。针对这次新冠病毒，短期时间内如何找到一个有活性的特效药，并能够治疗这个疾病和控制疫情的蔓延是一个巨大的挑战。相信后疫情时代，生命健康相关领域的研究应该会受到更多的重视。未来随着高通量实验技术的发展，生物医疗大数据的涌现和生命数字化的普及，相信AI技术会在加速药物开发或者提高诊断结果发挥重要作用。

张磊：疫情让大家要保持社交距离，从而就催生了很多自动化产业。另一方面大家又需要保持联系，大家需要远程开会，需要和朋友和家庭成员保持联系。这就更多对计算机视觉提出要求。围绕远程沟通，如何让AI发挥更大作用，这是很多科技研究工作者的工作，也是疫情带来的机遇和挑战。

周少华：这次新冠疫情对AI医疗绝对是快进键，整个行业对AI医疗的应用从谨慎到欢迎。技术层面，AI辅助诊断、AI筛查，都是非常有用的。成像方面，由于消毒时间会拖很长；所以可以先做无接触的成像，甚至可以无人成像。价格层面，尤其是第三世界国家对医疗的价格非常敏感，美国也因为价格太贵导致CT没有广泛使用。

▍ Q&A

提问：此次疫情催生了很多新科技的应用，或者以前只是可选项，现在变成了必选项，在这些科技应用中有哪些可能会演化成常态的可持续发展的应用场景？将来日常生活中一定会用到的？

肖盾：我们调研我们的用户，他们都觉得在线教育会成为一个新常态。这一代人他们的信息方式和人的交互方式很多是通过信息化手段实现的，这是一种存在，这是最基本的一种变化。对于学习来说，未来获取信息的方式也不会完全基于物理环境。另一个角度，现在越来越多看到最后还是以人为本，人工智能发展的最终方向是以人为本，只要人继续存在，教育就会继续存在。颜水成：现在在线教育一个是体制内的，一个是体制外的。你觉得体制内的在线教育将来大概会是什么样子？肖盾：教育本身就是一个挺慢的行业，十年树木百年树人，因为它的回馈不是那么及时，可能整个行业迭代的过程总体是稍慢的。颜水成：这次疫情再继续下去，假如两年内都没有办法回学校课堂教育，你觉得会促进体制内的在线教育的发展吗？肖盾：首先这次就是超级快的快进，学校也好、老师也好，包括一些政府教育局，他们也会主动找我们，你们有什么解决方案，我们都愿意试，肯定是加速。另一方面对于学校的这种组织形式是需要改革的，未来不一定有真正意义上现在学校的概念，更多是学习的中心，人更多凑在一块儿学习，但学习的内容可以是云端，老师的角色更多不是知识传播者，真正像一个灵魂的工程师，把他的兴趣、他的激情进行分享。学生碰到问题，知识方面、情感方面、态度方面他都能够给予指导。但这个改革更多还要从体制内出发。我们作为一个民营企业，我们能做的就是给用户提供的教育服务做的尽量好，随着时间的发展一定会往这个方向去改革。

陆遥：AI医疗在未来可能常态化。在AI医疗中，我们比较多关注的是一些重大疾病，这次疫情把AI医疗直接切入到公共卫生领域，以前，AI在这个领域涉足的并不多，因为涉及到谁买单的问题。通常情况下，重大疾病诊疗所产生的费用最终由医院或者病人买单，而在公共卫生领域实际上是政府买单。从这次疫情的发展，我们会发现AI对一般性的传染病或者重大传染病其实非常有用。

从临床来看，在重大传染病发生的时候，现有的医疗资源不足以应对，这种情况下如何利用AI方式判断病人是否需要进入ICU抢救，是一个非常有研究与应用价值的课题。

以往通常分析比如CT等、单模态影像数据非常多，这类产品和临床差异还是比较大的，因为临床通常使用多模态的数据进行分析，现在可以明显感觉出来越来越多的诊断模型更多转向多模态数据，包括检测数据、实验室数据都进来了。未来，这个是长期的而且是非常重要的应用场景。

问题：有一位朋友问AI的筛查是走IVD吗？在疫情如此紧急的前提下，为什么政府没有做快速审批流程？需求和政策之间的矛盾各位老师怎么看？这可能和疫苗有点相似。

周少华：没有任何一个人能够预知到底是什么情况，都是实践中摸索。卫健委的推荐也是表明了，我们国家的适应能力非常强。另一方面，我完全同意一个产品真正要审批，必须要安全有效，按照FDA的标准，必须要注明安全有效，这个东西是需要时间的。

问题：一些方向对疫情来说是非常有价值的，但是科技技术还不是非常的成熟，我可能会觉得无人配送，像AI生物制药，大家都认为可能非常有价值。各位嘉宾分享一下哪些可能是属于这种范畴的？

夏华夏：比如无人配送，有很多技术和政策都没有成熟到大规模部署的阶段。我们测算过，如果按照美团的需求，我们可能部署10万台量级以上的无人车，如果每台车60万，大概几百亿的成本。所以还需要整个行业的成熟，包括传感器、计算芯片等，以使得成本下降到合理区间。

无人机在技术上也有很大进展，但对政策要求更高一些。这样的技术、政策一旦成熟，我相信无人配送是会改变整个线下消费方式的一个技术。包括其他的无人驾驶应用，例如Robotaxi，如果成熟了，会让整个的出行会非常颠覆，同时会带来很多其他行业的巨变，比如房地产，因为我随便可以打一辆无人车，一个小时睡个觉就到公司了，住得远近都没关系了。包括娱乐、物流都会改变，所以我们还是非常期待。但是这个过程要长一些。

张磊：我比较相信疫情给我们带来的一些变化，一方面是自动化的技术，包括无人车、机器人，还有一些辅助的，比如医疗辅助设备，还有一些是通讯，我觉得辅助技术可能变得越来越重要。

颜水成：医疗设备会不会将来不会到医院，会被夏老师他们这种外卖的方式直接送到家里？

夏华夏：美团外卖上线了一个产品，如果要测核酸，我们可以把咽拭子送到你家里，采样后再拿到医院去完成检测。

颜水成：医疗体系会不会分离，检测会通过送上门的形式，医生在家里，只是住院的病人才需要去。

张磊：很可能。华盛顿州这边比尔盖茨资助的研究机构提供的试剂盒，试剂盒可以快递送到家里，个人测试结果再送到数据中心，这种测试盒的方式还是非常有创意的一种方式，可能会改变很多以后医疗诊断的模式。

周少华：最近这两天美国有好几个公司推出唾沫测试盒，只测抗体。

山世光：接着张磊老师提到的远程医疗，面对疫情时还是有很多问题，比如刚才张磊老师提到指夹式血氧仪可能买不到的，我相信未来可能有越来越多的生理指标的测量设备逐渐家庭化或者便携式甚至穿戴式，然后这些设备会联网，这样医生做远程医疗的时候就可以有这样基础的生理指标可以作为诊断依据。我前一段时间一直调研远距离“遥测“血氧饱和度，我认为如果被测量者比较配合，普通摄像头或者普通红外摄像头是有可能测出来的。

颜水成：这和直接快递一个到家里相比，优势在什么地方？哪个精度更高？

山世光：那还是要快递一个东西，不可能随时想做就做，但如果是普通的摄像头再加上一个AI软件，可能手机上的一个小APP就可以测了。

颜水成：这只能解决一些指标。夏老师他们的方案基本上都可以做。

山世光：可能会有不同的层次的需求。一些基础生理指标是可以在家测的，比如现在体温、脉搏等大家都可以自己在家测。如果血氧饱和度能够通过app直接测出来，会非常便于大家监控自己病情的发展。而一些专业的医疗指标也许可以设备快递到家，而更专业的比如CT之类恐怕只能去医院。另一个层面，这次我们注意到全球范围内非常多的地方首先在养老院、老人院爆发疫情，我们一直说老年服务机器人，说了很多多年，但并没有做的特别好。未来这块技术如果能够进步，不管是人形的生活服务机器人，还是一套面向老人日常生活、健康、行为安全检测等服务的智能养老院系统，都可能对老人院、养老院的老人的生命健康的保护有非常重要的作用。

颜水成：当前老人院这个状态是因为技术上没有达到？还是从商业角度是有问题的？

山世光：不管在西方还是在中国，老人都是相对的弱势群体，不管是国家还是商业机构，对这块资金的投入都是不足的。我注意到李飞飞老师也已经开始关注这方面，很多技术也逐渐在走向成熟，我相信随着经济和社会发展，未来越来越多这方面的技术是会逐渐落地的。

曾坚阳：从AI在药物开发方面来讲，常规的药物发现其实是一个周期非常漫长、成本极高的过程，而且成功率非常低。一般开发一个新药平均需要10年以上的时间，针对这次新冠肺炎，为了控制疫情的发展，如果我们要从头开发一个新药，时间上是肯定来不及。但我们可以运用“老药新用”这种策略，从已上市或者进入临床的旧药当中去寻找能够有效抑制新冠病毒复制的药物。这种老药新用的策略其实在药物开发历史上已经有很多经典案例。但这些案例一般具有随机性和偶然性，我们现在可以以数据驱动为导向，充分利用现在先进的AI技术，迅速找到有抗新冠病毒的老药。
事实上，新冠肺炎疫情发生以后很多研究单位包括我们课题组已经在从事这方面研究，目前已经找到一些uM级别活性的老药，有些已经进入临床。其实药物发现本质上也可以看做是一个模式识别的问题，也就是寻找分子相互作用之间的模式或者特征。但数据积累到一定程度，或者积累到一定的经验，这些数据或者经验就可以被AI或者机器学习模型很好的捕捉到。本质上分子之间相互作用的模式识别在数据层面上其实和自然语言处理或者计算机视觉图像数据处理有很多共同之处。 

我们课题组最近针对新冠病毒，提出了一个老药新用模型，能够有效整合所有病毒相关的药物数据，比如药物靶点、药物副作用、药物和疾病的关联等，并在这些异构的网络知识图谱的基础上，提出了一个新的数据挖掘方法，能够有效进行药物靶点相互作用的预测。通过这个模型，我们跟江苏省疾病预防控制中心合作，找到了一个具有uM级别的老药，并在体外成功验证了其抗新冠病毒的效果。另外一方面，我们也提出了一个能够对海量文献进行自动文本挖掘的机器学习模型。我们现在知道，其实新冠病毒在病毒基因组或者导致的肺炎病理特征上，跟2003年的非典具有很大的相似性，而在过去的17年，我们也积累了很多研究经验和成果。通过我们开发的文本自动挖掘模型，我们对过去的科学文献进行自动知识提取，也找到了很多具有潜在抗新冠病毒的老药。

黄乐平：我给大家分享一下做投资或者市场上怎么看这个问题。有几点，什么东西是一次性的，什么东西是能够持续的。我们看到的情况，比如测温的需求，其实从3月底就开始下的非常快。学校复课这一波，设备需求过了以后。很多公司一个月做了一年的收入，接下来一年没有收益。市场上可能比较谨慎。对远程教育，当学生回到课堂以后，这个需求是不是会真的持续？投资人来看有一定的怀疑程度。

投资讲PE，是假设五年、十年需求是一直在的。特别是我们看到测温这皮上去再下来，是蛮可怕的，我们不知道有哪些是持续的需求，有哪些是近一个月、两个月。我是从投资的角度和大家分享，有可能是偏负面一点的，或者是从不同的角度来看。

周少华：我可以分享一个需求，是关于影像设备本身的。就影像设备本身的趋势而言，如果你去参加医疗设备的国际会议，你发现它本身在走大而全，实际上现在慢慢走向小型化、专门化，价格可以降的很低。因为新冠肺炎不会一下子过去，做个非常小型的、专门针对新冠肺炎或者肺炎检测的影像设备，而且有很多智能的功能，还可以放在社区，方便移动。我觉得这可能是有真正需求的场景。

问题：当新情况出现的时候，AI要解决这个问题，从研发到最后落地有一个周期，意味着如果速度太慢，那么疫情早期就起不到特别的价值。这次疫情对于AI的研究和研发带来哪些反思？比如出现重大疫情的情况下，还是一家小公司做自己的研究，还是有一家机构把大家聚集在一起大家一起攻打这场战争，目前情况看还是各家公司自己做，合力的还是非常少。

梅涛：我想补充一个观点，大家讲到很多医疗设备的问题，但我觉得其实是一个模式的问题。京东也在尝试做医疗大健康，我在疫情期间也在线上做了问诊，效果还不错，除了暂时还不能开药、无法做正常检查之外，其他的体验都不错。
谈到疫情之后对AI的研究和研发问题，我非常赞同，从研究上面来说，可能接下来一年内都不能参加国际会议了，学生也不能去交流了，这时候我们静下心来研究，是不是真正地去解决实际问题，而不是为了发表论文才发表论文。以及我们的研究是不是更关注我们的生命健康。

研发角度来说有两个问题，从商业化角度，AI还没有解决长期的行业痛点问题；从工程的角度，在疫情期间可以看得出来，应急产品考验了各个公司的AI工程化、敏捷性以及快速商业化能力。举例来说，能不能在一个月甚至几个礼拜之内，快速给用户交付一个可用的产品，提供及时的服务，这非常考验AI公司的工程化能力。

山世光：确实它对科研已经带来了蛮大的影响，疫情的出现给科研工作者也带来了一些反思，我们和学生交流的时候也越来越觉得不能再把科研工作定义成是做论文，应该要做真正有价值的科学问题，做有利于社会进步和人民幸福的关键技术。

颜水成：研究的最早期目标应该就是这样的，只不过后来变味了。

山世光：分基础研究还是应用基础研究，不同的目标应该要定位清楚，做基础研究以论文作为评价标准我认为无可厚非，如果做大量的应用基础研究，还把论文作为最重要的评价指标确实导向有问题，这一点上包括我自己也在反思。工业界，真的需要做痛点需求。而且在关键时刻比如疫情期间一定要有非常快速的响应能力。

问题：最后一个议题，疫情对AI创业公司的影响是比较大的，对有一些2B的公司现金流的影响比较大， 很多2B业务没有办法进行了。大家觉得政府应该做一些什么事情来帮助这些公司渡过难关。

肖盾：听说政府给民营企业很多扶持，咱们是未来论坛，我从更长远角度谈一下。这次疫情，中国政府还是表现出非常强的协调能力，中国也把AI当做重要的国家战略，长期来看这个战略核心还是人才。人工智能是人+智能，大量人员做数据标注，更重要的是对于科学、科研、实践、工程都有真知灼见的领军人物，我的经验是这种人的形成在早期基础教育的阶段至关重要，两个方面，一个是他需要有一个好老师引导他的兴趣。中国今天对于基础教育老师的重视程度，完全没有从他的回报上表达出来。

梅涛：现在我们国家在搞新基建，我担心这么大规模的投入聚集在一些头部企业，最后很多中小微企业没有得到红利。我和几个创业朋友聊了一下，我代表他们来发声，他们提了一些共性的期望，具体来说，第一，现在处于智能化升级阶段，希望政府在采购中增加AI项目的比重，增加科技项目的比重。第二，对AI优质的公司进行一些补助，特别是困难时期鼓励研发，AI人才比较贵，对人才的引进、落户，大城市的生活能不能解决一些问题。第三，政府牵头设立更多的科研课题，利用新技术解决更多问题，同时也更加开放。第四，政府在保证数据安全的前提下，政府现在有很多数据，包括政务数据、居民个人消费数据，在严格保证隐私的情况下，这些数据可以提供底层的数据支持，能够切实推进一些小型企业AI的跨越式发展。这是我的几个建议。

陆遥：对于初创公司来说，迫切需要政府发挥政策优势以整合现有的医疗数据，建立公共数据库，实现数据共享。从这次疫情来看，与欧美国家相比，我国政府在公共数据库的建设这方面反应是比较慢的，到目前也没有一个比较好的公共数据库，这一块是我们迫切需要解决的问题。

颜水成：无论是大公司还是小公司，今年扩张的尺度肯定大大放缓，有一批人在就业上有巨大压力，政府在保障就业或者促进就业方面需要有很多功课，是一定要做的事情。如果情况很糟糕的话，其实也会对创业公司带来非常负面的影响。

问题：AI基础的诊断与疫苗不同，疫苗是有效、无效的区别，AI是属于诊断检测，两者在医疗上属于不同的归口。FDA的审批可以加速测试，目前CFDA的审批两到三个AI产品，造成这种现象的原因是目前走快速流程的通道没有打开？还是政策层面上的不认可？

周少华：这是我个人的观察。其实我们国家对AI产品是很重视的，感觉在政策层面没有不认可，还是认可AI产品的，但的确审批通道、流程、规范还没有完全打通或出台，不像美国FDA基本上是建起来了。

陆遥：中检院在这方面还是做了很多工作，我也参与了他们标准化建立的一些工作流程。对新冠其实是有悖论的，从先后发布的几个指南中可以看出整个影像指标先是被列入到指南里了，后来又被去掉了，临床上对此也有很多争论。基于新冠AI诊断产品的审批，相们CFDA他们一定想很快促成这件事，但由于之前我们在标准化的建设和FDA之间还是有一定差距，所以在这个方面我们还是需要根据评审最基本的规则很努力的往前走，确实需要一些时间。在参与的过程中，我明显的感觉到中检院确实在迅速地推进这件事情。

颜水成：审批肯定是加速的方向在走，但是有一些它的规则，虽然稍稍有一些放松，但是规则还是在那个地方。相对已经比以前的过程快很多，不然不会最近那么多的东西在on going，我觉得可以算在“Fast track”的尺度。 

问题：即时检测产品，怎么解决检测的灵敏性和准确性？不同产品检测结果用时不同，学术界可以有更好的解决方案吗？

周少华：这个问题不应该是学术界的解决方案，我觉得应该是产品的解决方案。学术界肯定是希望尽最大可能的提高检测灵敏性和准确度，但场景会有不同的要求。

颜水成：首先数据很重要，AI基本算法肯定是核心，数据是关键，比如说对中国的检测，数据越多，肯定性能会提升，数据的红利肯定在这儿。还有一个比较现实的问题，在真正落地的时候，比如说中国的产品到海外它的性能怎么样，这也是要考虑的。

（全文结束）