聯想創投未來午餐會，硬科技「真香」
【獵雲網（微信：ilieyun）北京】7月7日報道
7月6日，聯想創投「未來午餐會」對話欄目正式雲上開播！聚焦最前沿的技術與最酷的產業應用，第一期邀請到了中奧科技創始人鄭申俊，曠視總裁付英波，視見科技聯合創始人、COO兼CMO肖翔，香港科技大學智能自動駕駛技術中心主任、一清創新創始人劉明，與聯想創投執行董事、CMO陳蜀傑共同對話，揭秘人工智慧、大數據等技術如何在疫情中協助防控、體溫篩查、診斷與配送，成為我們背後 「隱形的守護者」。
健康碼背後的安全網：中奧科技數字化抗疫
隨著總體疫情防控形勢逐漸好轉，國內小夥伴逐漸恢復到往日喧鬧的生活中，這背後「科技抗疫」的力量功不可沒。在疫情爆發初級階段，由於事發突然，又正值春運，人員基數大、流動性激增、出行數據分散都成為了抗擊疫情的巨大挑戰。
長期服務於公安、政法、公共安全和政務的中奧科技，利用其自身政務AI的運營服務能力，從疫情初期就聯合多地職能部門，協助做好防疫工作。「最初是公安部門讓我們分析來自疫區的流動人員軌跡，比如從武漢、從湖北最近到杭州的都有哪些人，他們都分布在什麼地方，後來我們覺得，僅僅有這些數據還不夠，我們就聯合了醫療、衛健部門，除了分析出這些人分布在什麼地方之外，還可以查看出他們是否有去醫院就醫，是否有去過發熱門診等。」中奧科技創始人鄭申俊說：「後來我們開始搭建整體的AI大數據防控系統提供給城市管理者、社區工作者等，幫助防疫人員第一時間識別風險，採取防控措施。」
隨著疫情防控形勢的逐漸好轉以及復工復產需求的日益迫切，防疫和人員流動需求要平衡進行，做好不同風險級別地區的人員識別成為了新一階段的目標，中奧科技為百姓生活、企業復工復產提供健康碼的計算服務，整合多行業多省數據服務浙江、杭州，並與其他合作夥伴一起，把杭州的經驗推廣到了其他省份的二三十個城市，鄭申俊透露，北京的「健康碼」的使用，中奧科技也貢獻了一份力量。
對於疫情和防控需求成功的快速反應，離不開背後強大的技術支持，鄭申俊介紹到，中奧科技自有平台（大數據平台） 三個中台（數據中台、智能中台和業務中台）在防疫的過程中發揮了非常大的作用，其中，數據中台解決的是數據的採集、匯聚、治理和服務的問題，智能中台實現了數據處理、計算的服務方式，業務中台應對疫情防控的業務需求，通過業務系統的建設實現其生命周期，包括功能、數據類型、工具演算法、角色許可權的控制、可視化要求等。中奧科技針對防疫需求做出快速定製，兩天完成了領導人駕駛艙的建設、四天完成了健康碼的基礎計算、五天完成了疫情防控系統的開發。在平台和中台相關的合作方面，中奧科技與聯想同步進行著深入合作。
隨著數據智能技術不斷應用於政務、警務等領域，政府行政效率將會得到提高，民生服務也會更加便利，交通、警務、醫院、教育等領域部門之間有望實現零距離接觸，由「最多跑一次」到「一次不用跑」的轉變可期。除了G20峰會智慧安防、城市數據大腦等經典案例外，鄭申俊還介紹到，目前浙江正在打造智慧超級高速，為無人駕駛提供人車協同和車路協同的解決方案，希望在數字經濟的快速發展中，從多領域著手，中奧科技也將繼續以AI、大數據等新技術為人們的生活保駕護航。
隱形的翅膀：曠視AI測溫
疫情爆發後，體溫篩檢成為疫情監測的主要手段。隨著企業復工復產後，人員集中性流動給防疫測溫工作帶來更大挑戰，而近距離測溫會增加檢測人員的感染風險，緊要關頭，AI測溫設備如何幫助解決了燃眉之急？
「在疫情剛開始爆發的時候，我們就在迅速思考這樣一個問題：人工智慧能為抗疫一線的醫務人員和社區工作者提供哪些技術力量。」曠視的技術團隊在春節前後不到10天內，針對汽車站、火車站、機場、地鐵站等高通量場景，迅速開發出一套 「人體識別 人像識別 紅外/可見光雙感測」的技術方案」，支持大於3米的非接觸遠程測溫，測溫精度偏差控制在±0.3度之內，並於2月份迅速用於武漢、北京等城市。曠視總裁付英波表示，目前曠視各類AI智能測溫產品已經在北京百餘家超市、部分三甲醫院、南京某高校等場景，以及東南亞、歐洲等國家和地區上線，助力全球抗疫。
當你在過地鐵安檢，去機場或者高鐵，會發現測溫不需要做任何停留，戴著口罩和口罩，精準度幾乎不受影響。付英波表示，曠視對於人群體溫篩查的產品和方案之所以能夠在多個疫情高風險地區迅速投入使用，本質上是因為曠視有一套自研的新一代AI生產力平台Brain 與其核心深度學習框架天元，可以依據不同的場景需求，以最快時間做出精準的神經網路模型，除了人臉識別技術，曠視也會基於ReID做人形識別。付英波舉了個例子說，比如一個人帶了口罩，只露出了額頭的測繪區域，曠視的AI系統則對檢測演算法模型進行了專項優化，通過人臉關鍵點識別來縮小測溫範圍，將測溫區域精準聚焦在額頭，故在戴著口罩的情況下，也能精準識別額頭區域，從而實現精準測溫，保障人流密集場景的安全高效通行。正是因為有著這樣的底層技術支持，保證了曠視的AI技術和產品能夠在一些細分場景實現快速落地。
隨著中國數字經濟的不斷發展，與國家新基建的建設速度不斷加快，中國已經到了數字化轉型的下半場，付英波說，如果說上半場還是在通過互聯網做流程線上化，那麼下半場我們要建設起推動整個城市和生產力提升的底層系統，比如一個能夠感知城市運行狀態的城市操作系統，一方面能夠為管理者提供更好的管理視角和管理維度，另一方面也能夠讓人們的生活更加智能化。
此外，付英波認為還需要從傳統產業端進行考慮，用AI賦能工業製造、智能製造、物流等場景和領域，「它們是構成整個中國經濟最主要實體，我們也需要思考如何能夠用我們的AI生產力平台Brain 和深度學習框架天元，幫助它們更好的實現智能化和數字化轉型，助力實體經濟發展。曠視堅信演算法能夠創造極大價值，並堅持為追求降本增效和極致體驗的行業用戶提供簡單又富有成效的AI產品和解決方案，為城市的管理者、B端企業和C端用戶提供更加智能的科技體驗，切實提高生活質量。
時間就是生命：視見科技新冠肺炎影像輔助智能篩查
疫情期間，影像檢查在防控診斷新冠病毒肺炎中起到重要作用。受限於基層醫院的醫療裝備和醫療水平，影像檢查在多個地區成為了病情檢測的首選方法。隨著各類醫學圖像數據爆炸性增加，日益增長的圖像數據給醫生閱片帶來極大的挑戰和壓力。因此，如何快速得出影像檢查結果、高效診療疑似患者成為需要儘快解決的難題。
視見科技聯合創始人、COO兼CMO肖翔在直播間表示，早在疫情之前，視見科技就專註於放射影像相關產品的研發，主要聚焦在胸部CT和胸部DR兩種影像模態。其中，CT影像負責判斷包括肺結核、早期肺癌和骨折在內的病種診斷；胸部DR產品能夠準確覆蓋19種病徵，通過AI自動判斷病症部位與結果，並為醫生提供輔助診斷建議，大力提高診療效率。
據肖翔透露，今年1月份，視見科技就收到來自院方對影像輔助病例篩查的需求。「接到院方需求後，我們在春節前就討論了針對新冠疫情的智能篩查技術路徑，並決定立項」。春節期間，視見科技完成了初步演算法的開發並陸續積累新冠肺炎患者的數據，為春節後的產品數據訓練做足準備。僅僅幾天時間，針對新冠疫情的智能篩查產品正式發布，並在深圳市新冠定點醫院上線。經過兩周的數據測試，智能篩查產品的正式版本完成上線，並陸續在深圳、廣州、廈門、成都、山東等多地醫院完成部署，CT和DR的影像篩查日處理量高達3000人次，相當於醫生人工閱片的30倍，協助醫護工作者快速辨別病症，顯著提高出片速度，緩解了資源不足、需求量巨大的狀況。
對於影像學輔助篩查的積極作用，肖翔表示，基於目前國內醫生缺口高達十萬人的現狀，AI智能輔助篩查以更快速的方式落實分級診療。除胸部CT和胸部DR外，視見科技的核磁類、病理類產品都在很大程度上緩解了醫療資源分布不平均的難題。一方面，AI輔助篩查顯著提高了診療效率，輔助醫生快速診斷患者病症。
另一方面，影像科醫生需要通過長時間大量案例的閱片訓練，才能更精準判斷病情。在這次突發的疫情中，知識傳遞是存在滯後性的，武漢的醫生對於肺片的判斷已經非常熟練了，但其他地區的醫生還不一定。影像學AI產品通過大量的數據累積以及自身不斷強化學習，為短時間接觸真實病病例不多的醫生提供輔助，能彌補人與人之間知識傳遞的不足。有效避免了浪費延長診療時間，這也是AI篩查產品更加突出的作用之一。
隨著影像學輔助篩查的快速發展，我們的生活會有哪些改變？肖翔認為，我們國家的影像市場每年增速保持在30%左右，而放射醫生數量的年增長率僅有4%，再加上我國醫療發展水平的不平衡，導致誤診漏診的情況。未來，AI智能篩查產品將以提升結果準確性為目標，同時繼續豐富擴大診斷病種，部分成熟病種有望在2至3年內在市場得到普遍應用。此外，AI醫生有可能成為重複性勞動密集型病症的主要「讀」片手段，醫療雲平台甚至能夠直接為C端患者提供個人化治療方案，有效緩解就診需求巨大、醫療資源有限和影像學多環節嚴格診療間的矛盾。
科技抗疫：一清創新低速無人駕駛物流車
如果說醫生是疫情中逆行的英雄，同樣也有一群「人」不顧安危、不知疲倦，為疫情一線的醫生和工作人員提供支持，運送必要物資，他們就是疫區「特別的勇士」——一清創新無人駕駛物流車。
香港科技大學智能自動駕駛技術中心主任、一清創新創始人劉明表示，在疫情期間，有直接為疫情本身服務的無人車，比如解決末端配送和消毒消殺的無人車，也有消防、新零售、載人接駁等從其他方面降低人與人接觸的無人車，並在直播間為大家線上展示了一清創新無人車在末端配送、消防運輸、消毒噴洒、生活休閑等不同領域的應用，已在深圳、蘇州、山東等多地部署，此外，在一些城市尤其是產業園區，都可以看到無人車往返運輸生鮮瓜果、快遞外賣、醫療器材和工業物資，實現了疫情防控期間的安全「無接觸」配送。
關於無人車在技術上如何實現「一路暢通」的問題，劉明表示，這是一個由感知到決策，最後到控制的過程。感知就是解決無人車所在位置、周圍環境的問題，在三維場景中，做出顏色和關鍵物體的識別標記，最後形成一個高精度地圖，無人車利用這樣一個高精度地圖，作為認識世界和表達世界的其中一種方法。在感知的基礎上，無人車制定一些決策，比如車身前方有另一台車或者是雨天的情況，就需要調整車體速度。第三部分，就是將決策的路徑，放在無人車的實體上執行，這部分被稱為控制。這三個層面共同形成一個無人車的系統。
除此之外，一套無人車的系統背後需要有感測器、低功耗算力等支持，還要對無人車製造工藝、供應鏈等方面多角度考量處理。劉明表示，總體來說，無人車是一個比較龐大的系統工程，要讓一台車運行起來，至少需要上千個不同的模組，甚至是不同的演算法、模塊之間的相互配合。另外在模擬環境裡面，我們也可以去模擬不同的道路、天氣和季節情況，得出大量的訓練結果，在真實的車體上做一些遷移。
對於「未來無人車還將在哪些場景大顯身手」的問題。劉明表示，我們把無人車的應用拆分成載人和載物、高速和低速這四類，交叉後共有四種場景，高速載人，高速載物，低速載人，低速載物。如果是載人相關場景，需要重點考慮車上人員的安全、車體周圍環境，相比於載人場景，載物場景因為其運載物品的價值比較明確，未來會更快實現應用。
劉明認為，「任何一個新技術的應用都會涉及到經濟成本和社會成本的計算。經濟成本主要是衡量性價比，比如一台無人車應用，在五年內可能會節省40%-60%的成本，帶來實際回報；另外一點，當人們接受和習慣路上開始越來越多出現無人車，不會覺得新奇或者不安全，社會成本就降低了。當經濟成本更低，社會可接受的門檻也變低，無人車會迎來比較大規模的爆發。」
