經過近兩個月的全國各地嚴密防控、勠力奮戰，這場牽動人心的疫情終于得到了有效控制。在這場戰“疫”中，AI、大數據、云計算等科技力量，正不斷被應用各種生活場景，為扼制疫情蔓延和復工復產發揮了積極作用。

尤其，在這場疫情中，AI技術在各個領域內的應用正釋放出更大的潛力。在2020年以前，AI泡沫破裂的言論不絕于耳，而在這場疫情中，我們看到泡沫破裂的或許只是公司，而不是技術。“殺不死我的終將使我強大”，AI經此一役，愈來愈成熟。

從科普、問診到診斷，AI“瘋狂輸出”

在這場沒有硝煙的戰場里，AI技術作為醫療“輔助武器”一直在與疫情賽跑。以BAT為代表的互聯網企業都在將自身的AI技術應用到互聯網醫療的各個場景，從健康科普、在線問診到病情診斷，AI技術成為提高看病效率的關鍵“武器”。

據悉，疫情期間，百度搜索流量增長率超過30%，醫療方面的搜索問詢量更是同比增長35%。從百度搜索數據能夠側面反映出，醫學科普需求巨大。用戶在百度搜索“流感”“新冠狀病毒肺炎”等詞條時，跟疾病相關的內容會通過文字、視頻、長圖、問答等形式非常醒目的展現出來，用戶可以快速獲取更可靠的健康知識。

而這些內容的變化源于百度對百度百科醫學內容升級，百度聯合業內領軍專家、頂級科普機構對多種常見病進行編審，以百度AI技術為依托智能化生產內容，極大提升科普內容與網民需求的匹配度。

除此之外，因很多醫院科室停診，只留發熱門診，導致一些慢性病、常見病患者無法得到及時醫治，BAT等互聯網巨頭紛紛推出免費醫療咨詢平臺，僅百度健康‘問醫生’單日咨詢量就超過85萬。

這些醫療咨詢平臺作為線下問診的補充，通過遠程義診方式解決患者疑問，為線下醫療機構分流一些壓力，避免出現交叉感染的情況。從在線科普到在線問診，不僅避免了用戶產生恐慌情緒，同時還幫助用戶提高保健意識。

在這次疫情中，AI技術對病情診斷也發揮了重大作用。從助力核酸檢測盒開發到CT診斷，AI技術都成為了破局利器。阿里巴巴和騰訊紛紛將AI技術作用到CT診斷技術，針對新冠疑似案例 CT 影像做出快速判讀，大幅壓縮確診時間，減輕抗疫前線影像科醫生的工作量。

疫情之下，有了AI技術的助力，不僅提高了科普、在線問診、病情診斷的效率，也幫助互聯網醫療打破“叫好不叫座”的尷尬局面，讓更多受眾認可，并且在一定程度上消除了就醫不平等的局面 。

正如Eric Topol博士在《深度醫學》一書中所表示：看病貴、看病難，醫療問題成為了貧富分化問題的一個表現，而人工智能具有改善醫療問題的潛力和希望。

加速場景落地，才能取得AI時代制高點

自人工智能發展以來，不少科技巨頭紛紛向AI轉型，傳統企業也紛紛利用AI技術來推動業務向智能化轉型升級，疫情之下，BAT、京東、華為等科技互聯網巨頭反應迅速，除了在醫學科普、在線問診、病情診斷等醫療方面能看到他們AI技術的身影，在助力工業生產、科學研究、民生服務等方面，也加速場景落地，搶占AI時代制高點。

在這次疫情中，AI技術對病情診斷也發揮了重大作用。從助力核酸檢測盒開發到CT診斷，AI技術都成為了破局利器。阿里巴巴和騰訊紛紛將AI技術作用到CT診斷技術，針對新冠疑似案例 CT 影像做出快速判讀，大幅壓縮確診時間，減輕抗疫前線影像科醫生的工作量。

疫情之下，有了AI技術的助力，不僅提高了科普、在線問診、病情診斷的效率，也幫助互聯網醫療打破“叫好不叫座”的尷尬局面，讓更多受眾認可，并且在一定程度上消除了就醫不平等的局面 。

正如Eric Topol博士在《深度醫學》一書中所表示：看病貴、看病難，醫療問題成為了貧富分化問題的一個表現，而人工智能具有改善醫療問題的潛力和希望。

加速場景落地，才能取得AI時代制高點

自人工智能發展以來，不少科技巨頭紛紛向AI轉型，傳統企業也紛紛利用AI技術來推動業務向智能化轉型升級，疫情之下，BAT、京東、華為等科技互聯網巨頭反應迅速，除了在醫學科普、在線問診、病情診斷等醫療方面能看到他們AI技術的身影，在助力工業生產、科學研究、民生服務等方面，也加速場景落地，搶占AI時代制高點。

自疫情爆發以來，BAT等科技巨頭紛紛與地方政府、國家科研機構合作“搶占先機”，其中以百度為例，免費向各基因檢測機構、防疫中心及全世界科學研究中心免費開放線性時間算法 LinearFold 以及世界上現有最快的 RNA 結構預測網站。

在醫療產業中，與醫療領域相關的AI應用在時間驗證時需要“慢工出細活”，百度通過開放的形式供全世界科學家使用，可以盡快對IT基礎設施、數據質量、算法對市場的適合度等各方面進行驗證，以此來為醫療智能化提供助力與推動。

目前，國家已經對北京、上海、杭州、合肥等多個城市建設國家新一代人工智能創新發展試驗區，在這些試驗區，大多都政策強支持、人才供給“給力”、產業基礎良好。同時，因為政策導向，AI股權投資也會更注重人工智能與產業的融合。

國內的AI企業分類主要為三大層面：基礎層、技術層和應用層。應用層占比超過七成，而中小AI企業也多以應用層為主，強人工智能時代還未到來，對于應用型中小AI企業來說，選擇應用場景多元、基礎設施健全、教科資源豐富的試驗區發展，更能“事半功倍”。否則，對于那些基礎研究薄弱、沒有應用場景、商業變現途徑不明確的AI企業來說，勢必會被加速淘汰。

而在這場疫情中，凡是將AI技術持續大規模應用并通過防疫戰考驗的企業，勢必能在中國產業智能化進程中成為更關鍵的力量。

《連線》雜志前主編凱文·凱利曾經表示：“最偉大的產品到現在還沒有發明出來，現在開始一點也不晚，而現在已經發生的事情根本就什么都不算。”

對于正在跑步入場的中小科技公司來說，現在并不晚，機遇與風險并存。想要成為人工智能的獨角獸，能做的就是提供能夠融入各個產業的新產品和服務。