全球资本在向哪些人工智能领域流动？

马斯克有一句名言，“如果不能打败人工智能，那么就加入人工智能的队列”。

其实马斯克本人是人工智能技术威胁论者，非常担忧普遍人工智终将毁灭人类，但他没有一味躲闪，而是主动用人工智能来延展人类能力。

2020 年 3 月，Neuralink 宣布，研发出一款由 3000 多个电极组成的微型芯片，连接比人类头发还细的电极，植入大脑后，可监测 1000 个神经元的活动。马斯克透露，这个芯片未来会成为理解大脑的先进工具，可以解救神经障碍患者，并帮助人类挣脱生物进化规律的束缚。

事实上，现在人类个体的综合智能远远超过世界上最聪明的机器。但是，许多科学家仍然在不断探索普遍人工智能。

前 IBM 大数据和分析业务全球负责人、新兴市场大数据中心总经理王晓梅结合其在大数据分析与人工智能领域 20 多年的资深经验与独到见解，深入解析人工智能落地的方方面面，聚焦“行业+人工智能”的现在与未来，为中国的产业创新来了了新的思考和推力。

1. 医疗

2020 年新型冠状病毒疫情暴发，全世界措手不及。全球医药学家和大型药企夜以继日地研发疫苗和特效药。

然而，一款新药的研发周期至少要 10 年，但新型冠状病毒等不及，人们只能以“老药新用”的研究方法，寻找对症药物。

有了人工智能技术的加持，医学界在短短几个月内陆续发现克力芝、氯喹、羟氯喹、瑞德西韦、连花清瘟胶囊、金花清感颗粒、血必净注射液等候选药物，并陆续投入临床测试。

单在中国，针对新冠病毒登记的临床试验就有超过 500 个项目，涉及已有药物、新型药物约 100 个。

过去，测试已有药物在新适应证上的效果，只能采用挨个比对的“碰运气”模式，耗时数月甚至数年，成本以数千万至数亿美元计算。启用人工智能，在较短时间内即可全面筛查药物库，基于药物数据的分析，将其与新的适应证进行匹配。

如今，人工智能辅助药物研发在医药界已成为流行趋势。

2017 年，生物制药公司辉瑞（Pfizer）也开始大规模与 IBM Watson 合作，利用机器学习、自然语言处理等技术，研发癌症药物。那一年，美国至少有 30 家初创公司将人工智能用于药物研发，这一数字至 2019 年又增加到 148 家。

此外，中国是全球潜在的最大医疗市场，也将拥有全球最大的健康医疗大数据库。发挥中国的数据优势，利用好人工智能技术，有助于中国公司在全球医药研发市场寻找新生的机会。

具体来说，有以下七个方面：

• 加快罕见病药物的研发。罕见病是发病率低、患病人数占总人口的比例低于1‰的疾病，但论绝对规模，人数也不少。中国人口众多、医疗数据丰富，本土公司可加快罕见病患者的筛选、录入和临床试验，在市场中抢占先机。
• 分析医学知识、药物作用机制，挖掘已有药品治疗的新方向，发现新用途，预测副作用并研发可替代性药物。利用人工智能，“老药新用”的研究效率正快速提升，研发周期已普遍缩短为6.5年，未来依然有改进空间。
• 利用真实世界的数据，加快药品临床试验与上市。目前，中国、美国均可采用真实世界数据支持产品上市，且实现了真实世界数据的国家互通。
• 利用虚拟临床数据，进一步提高研发效率。很多CRO公司利用大量可穿戴设备对药物进行临床研究。
• 提升药品上市后的安全性监测效率。药品行业有要求，上市之后必须进行至少3000人的临床安全性监测。在中国，病人基数大，可在较短时间内完成安全性监测，提升效率。
• 分析海内外临床知识、药品研发数据等医疗大数据，使药物经济学模型进行迭代。利用深度学习，可对产品定价、药品研发策略、保险报销政策、药品审批政策等进行准确分析，建立更合理的药物经济学模型。
• 利用海量数据，优化中国的公共卫生投入与产出政策。中国高血压、糖尿病等慢性疾病的患者人数过亿，这类人群的病情发展历程、治疗手段效果可以形成专门数据库，并以此进行全方位的数据分析，从而改进公共卫生政策，提高公共卫生资金的投入产出比。

2.数据 VS 隐私

对传媒业来说，数据隐私是最大的挑战，谁在用户服务与数据隐私之间找到平衡，谁就是赢家。

人工智能为传媒行业的产业链创造了价值，但“硬币的另一面”是我们必须防止数据被滥用，保护用户的隐私数据不被泄漏。

例如，2020 年“超级碗”（Super Bowl，美国职业橄榄球大联盟的年度冠军赛）的黄金时段，亚马逊和谷歌分别为其智能语音助手“Alexa”和谷歌助手（Google assistant）推出一支广告，广告里的两款产品功能相似，但广告的受众反响却截然不同。

亚马逊将 Alexa 定调为生活中不可缺少的助手，可以调控温度、播放音乐、说笑话、播放新闻、删除敏感信息等。广告安抚了大家，Alexa 以一种轻松、有趣、毫无侵略性的方式渗入人类的生活。

谷歌智能助手的广告则诉诸温情：一位 85 岁的独居老人通过谷歌助手回忆起与亡妻生活的点点滴滴，仿佛亡妻依旧在世，自己依旧青春。

回忆过程中，谷歌助手逐步记录老人的信息，用算法智能应答老人的需求。这则广告在拨动观众心弦之余，却让人生发出担忧，与谷歌助手互动，自己的隐私是否受到侵犯，情感是否为人工智能操纵？

就人工智能而言，存在一个螺旋式的互动法则：个人信息越详细，智能设备才能更懂你，提供的服务才能更便捷、更个性，而这些需要个人付出更多数据。

目前，全球各国均在陆续出台和升级数据隐私保护相关法律，数字传媒巨头们纷纷修改其隐私政策，改进收集、保护数据使用的标准流程，以符合隐私保护法规条例。

除了数据隐私的考虑，随着科学家们不断突破人工智能的极限，我们还需要学会理解那些不真实的个人数据，或者说那些不是来自人类的数据。

现在的计算机算法已经在生成“假”数据，以便其他算法继续训练。人工智能可以创造数百万张不属于任何人的合成脸，改变被盗身份的含义。这种欺诈性数据可能进一步扭曲社交媒体和互联网的其他部分。

可以确定的是，未来，如果没有数据，传媒公司的人工智能就是纸上谈兵；然而，用户数据一旦泄漏或被用于非法勾当，公司也可能陷入困境。

如何实现用户个人服务与隐私之间的平衡，既保护数据隐私和安全，又能达到智能技术与人文伦理的双赢，是全球监管机构和产业各方都不得不深入探讨的课题。

3.掘金汽车产业

当汽车刚开始在马粪遍地的街道上隆隆行进，与马车比赛时，它就像是没有蹄子的马车，因而被人们称为“无马之车”。而今天，无人驾驶汽车就像当初的无马之车一样，正在开启新一轮的上升。

凭借在电气整车平台上的技术优势，新兴公司 Rivian 成了林肯的大客户，并与特斯拉并肩。

Rivian 打破全美电动汽车一家独秀的局面，主要在于其自主研发了电动传动系统滑板平台，滑板平台是 Rivian 旗下所有电动汽车的核心。

在商业模式上，Rivian 通过客户预订的形式，向客户交付符合定制的、可连接到互联网的无人驾驶 SUV（运动型多用途汽车）和皮卡。它针对豪华皮卡市场，销售基于订阅制的汽车使用权，然后这些连接互联网平台的皮卡和 SUV 就会按客户使用需求，自行无人驾驶到客户端交付使用。

传感、摄像、雷达、控制器、计算系统等软硬件的发展极大地推动了无人驾驶的发展。

10 多年以前，无人驾驶被戏称为天马行空的想法，和全世界每一个新兴技术一样，它落地之初十分尴尬。几经波折，现在无人驾驶汽车风靡全球。

2016 年 6 月，在美国东海岸马里兰州的国家港口，出现了一个又圆又胖的电动公交车“Olli”。这辆公交车没有司机，却可以陪乘客聊天。

它由 IBM 和 3D 打印汽车生产商 Local Motors 合作完成，除了能简单按照预先设定的路线载客，它还能充当司机、导游和技术专家的角色，回答乘客上车后提出的相关问题，比如“Olli，你能载我到市中心吗？”或者“我们已经到了吗？”这类路线问题。

这些强大的功能都依赖 IBM Watson 基于云的认知计算能力，车内嵌入的几十个传感器为这种认知计算提供了源源不断的交通数据。

可以说，与日俱增的关注，新潮无限的设想，不断迭代的技术，大量涌入的资金，让无人驾驶吸引了全球知名科技企业的目光，2018 年年底，谷歌旗下公司 Waymo 正式开始商业无人驾驶汽车服务；优步与来福车（Lyft）等移动出行平台，以及英特尔、捷克路虎、福特等传统公司也开始磨刀霍霍。

4.未来的金融

对于金融行业来说，互联网带来巨大的数据资产，移动互联网又带来丰富的应用场景，数据和场景满足了人工智能大力发展行业的前提。

全球平台型科技公司依仗其技术能力和数据能力，在金融领域狂飙突进，势头越来越猛。

20 年前，金融业的高管可能想不到，未来最大的竞争对手会是方兴未艾的平台型科技公司。

2000 年开始，基于业务需求，平台型科技公司开始涉足金融业务，从简单的金融信息撮合到担保线上交易的支付，再到基于大数据的贷款与投资理财服务，一步步蚕食传统金融机构的领地。

这几年，平台型科技公司在金融业务上范围越来越广，从支付、投资理财到信用贷款等，存贷汇产品线一应俱全，客户需求一触即得。这些平台上的客户数以亿计，通过与客户的高频互动，源源不断地获取大量动态及时的数据。

在海量数据的基础上，借助人工智能技术，平台型科技公司可以开发出优质的金融产品与服务，客户与产品服务精准匹配，为客户提供支付、投资理财、信用贷款等方面的金融服务。

在个性化投资理财方面，机器可以比人做得更好。人工智能投资顾问利用机器学习，可以为成千上万的客户提供符合其风险偏好的、个性化的理财服务，且可以实现自动调仓、智能止盈止损等。

在信用贷款方面，利用客户的社交行为数据及支付方式、支付速度、购物频次、购买内容等交易数据，建立全新的信用评分模型，公司能对申请者进行个性化的信用评级，建立对应的信用贷款档案。

此外平台型科技公司在金融领域的优势也得益于网络协同效应。

庞大的客户群体可以形成客户端的网络效应。在产品与服务的提供上，也可以形成大规模的供给需求市场。平台型科技公司通过机器学习和数据分析，匹配客户和服务；同时在这个动态的需求与供给平衡中，通过不断迭代的数据分析来完成经济学最优匹配，既做到了针对个人服务的最优，也做到了整体经济的最优。

作者介绍：

王晓梅，本文截取自其编写的《AI 3.0——人工智能落地的商业逻辑》一书，该书深度解析全球人工智能未来战略蓝图，描述了下一个 20 年，AI 将走向何方以及面对第三次 AI 浪潮的机遇与挑战，我们该如何不被时代淘汰。