那些看不见的“抗疫战士们”| 联想创投未来午餐会，硬科技“真香”

【猎云网（微信：）北京】7月7日报道

7月6日， 联想创投“未来午餐会” 对话栏目正式云上开播！聚焦最前沿的技术与最酷的产业应用，第一期邀请到了 中奥科技创始人郑申俊，旷视总裁付英波，视见科技联合创始人、COO兼CMO肖翔，香港科技大学智能自动驾驶技术中心主任、一清创新创始人刘明，与联想创投执行董事、CMO陈蜀杰共同对话 ，揭秘人工智能、大数据等技术如何在疫情中协助防控、体温筛查、诊断与配送，成为我们背后 “隐形的守护者”。

健康码背后的安全网：中奥科技数字化抗疫

随着总体疫情防控形势逐渐好转，国内小伙伴逐渐恢复到往日喧闹的生活中，这背后“科技抗疫”的力量功不可没。在疫情爆发初级阶段，由于事发突然，又正值春运，人员基数大、流动性激增、出行数据分散都成为了抗击疫情的巨大挑战。

长期服务于公安、政法、公共安全和政务的中奥科技，利用其自身政务AI的运营服务能力，从疫情初期就联合多地职能部门，协助做好防疫工作。“最初是公安部门让我们分析来自疫区的流动人员轨迹，比如从武汉、从湖北最近到杭州的都有哪些人，他们都分布在什么地方，后来我们觉得，仅仅有这些数据还不够，我们就联合了医疗、卫健部门，除了分析出这些人分布在什么地方之外，还可以查看出他们是否有去医院就医，是否有去过发热门诊等。”中奥科技创始人郑申俊说：“后来我们开始搭建整体的AI大数据防控系统提供给城市管理者、社区工作者等，帮助防疫人员第一时间识别风险，采取防控措施。”

随着疫情防控形势的逐渐好转以及复工复产需求的日益迫切，防疫和人员流动需求要平衡进行，做好不同风险级别地区的人员识别成为了新一阶段的目标，中奥科技为百姓生活、企业复工复产提供健康码的计算服务，整合多行业多省数据服务浙江、杭州，并与其他合作伙伴一起，把杭州的经验推广到了其他省份的二三十个城市，郑申俊透露， 北京的“健康码”的使用，中奥科技也贡献了一份力量。

对于疫情和防控需求成功的快速反应，离不开背后强大的技术支持，郑申俊介绍到，中奥科技自有平台（大数据平台）+三个中台（数据中台、智能中台和业务中台）在防疫的过程中发挥了非常大的作用，其中， 数据中台解决的是数据的采集、汇聚、治理和服务的问题，智能中台实现了数据处理、计算的服务方式，业务中台应对疫情防控的业务需求，通过业务系统的建设实现其生命周期，包括功能、数据类型、工具算法、角色权限的控制、可视化要求等。 中奥科技针对防疫需求做出快速定制，两天完成了领导人驾驶舱的建设、四天完成了健康码的基础计算、五天完成了疫情防控系统的开发。在平台和中台相关的合作方面，中奥科技与联想同步进行着深入合作。

随着数据智能技术不断应用于政务、警务等领域，政府行政效率将会得到提高，民生服务也会更加便利，交通、警务、医院、教育等领域部门之间有望实现零距离接触，由“最多跑一次”到“一次不用跑”的转变可期。除了G20峰会智慧安防、城市数据大脑等经典案例外，郑申俊还介绍到，目前浙江正在打造智慧超级高速，为无人驾驶提供人车协同和车路协同的解决方案，希望在数字经济的快速发展中，从多领域着手，中奥科技也将继续以AI、大数据等新技术为人们的生活保驾护航。

隐形的翅膀：旷视AI测温

疫情爆发后，体温筛检成为疫情监测的主要手段。随着企业复工复产后，人员集中性流动给防疫测温工作带来更大挑战，而近距离测温会增加检测人员的感染风险，紧要关头，AI测温设备如何帮助解决了燃眉之急？

“在疫情刚开始爆发的时候，我们就在迅速思考这样一个问题：人工智能能为抗疫一线的医务人员和社区工作者提供哪些技术力量。”旷视的技术团队 在春节前后不到10天内，针对汽车站、火车站、机场、地铁站等高通量场景，迅速开发出一套 “人体识别+人像识别+红外/可见光双传感”的技术方案”，支持大于3米的非接触远程测温，测温精度偏差控制在±0.3度之内 ，并于2月份迅速用于武汉、北京等城市。旷视总裁付英波表示，目前旷视各类AI智能测温产品已经在北京百余家超市、部分三甲医院、南京某高校等场景，以及东南亚、欧洲等国家和地区上线，助力全球抗疫。

当你在过地铁安检，去机场或者高铁，会发现 测温不需要做任何停留，戴着口罩和口罩，精准度几乎不受影响。 付英波表示，旷视对于人群体温筛查的产品和方案之所以能够在多个疫情高风险地区迅速投入使用，本质上是因为旷视有一套自研的新一代AI生产力平台Brain++与其核心深度学习框架天元，可以依据不同的场景需求，以最快时间做出精准的神经网络模型，除了人脸识别技术，旷视也会基于ReID做人形识别。付英波举了个例子说，比如一个人带了口罩，只露出了额头的测绘区域，旷视的AI系统则对检测算法模型进行了专项优化，通过人脸关键点识别来缩小测温范围，将测温区域精准聚焦在额头，故在戴着口罩的情况下，也能精准识别额头区域，从而实现精准测温，保障人流密集场景的安全高效通行。正是因为有着这样的底层技术支持，保证了旷视的AI技术和产品能够在一些细分场景实现快速落地。

随着中国数字经济的不断发展，与国家新基建的建设速度不断加快，中国已经到了数字化转型的下半场，付英波说， 如果说上半场还是在通过互联网做流程线上化，那么下半场我们要建设起推动整个城市和生产力提升的底层系统 ，比如一个能够感知城市运行状态的城市操作系统，一方面能够为管理者提供更好的管理视角和管理维度，另一方面也能够让人们的生活更加智能化。

此外，付英波认为还需要从传统产业端进行考虑，用AI赋能工业制造、智能制造、物流等场景和领域，“它们是构成整个中国经济最主要实体，我们也需要思考如何能够用我们的AI生产力平台Brain++和深度学习框架天元，帮助它们更好的实现智能化和数字化转型，助力实体经济发展。旷视坚信 算法能够创造极大价值，并坚持为追求降本增效和极致体验的行业用户提供简单又富有成效的AI产品和解决方案 ，为城市的管理者、B端企业和C端用户提供更加智能的科技体验，切实提高生活质量。

时间就是生命：视见科技新冠肺炎影像辅助智能筛查

疫情期间，影像检查在防控诊断新冠病毒肺炎中起到重要作用。受限于基层医院的医疗装备和医疗水平，影像检查在多个地区成为了病情检测的首选方法。随着各类医学图像数据爆炸性增加，日益增长的图像数据给医生阅片带来极大的挑战和压力。因此，如何快速得出影像检查结果、高效诊疗疑似患者成为需要尽快解决的难题。

视见科技联合创始人、COO兼CMO肖翔在直播间表示，早在疫情之前，视见科技就专注于放射影像相关产品的研发，主要聚焦在胸部CT和胸部DR两种影像模态。其中，CT影像负责判断包括肺结核、早期肺癌和骨折在内的病种诊断；胸部DR产品能够准确覆盖19种病征，通过AI自动判断病症部位与结果，并为医生提供辅助诊断建议，大力提高诊疗效率。

据肖翔透露，今年1月份，视见科技就收到来自院方对影像辅助病例筛查的需求。“接到院方需求后，我们在春节前就讨论了针对新冠疫情的智能筛查技术路径，并决定立项”。春节期间，视见科技完成了初步算法的开发并陆续积累新冠肺炎患者的数据，为春节后的产品数据训练做足准备。仅仅几天时间，针对新冠疫情的智能筛查产品正式发布，并在深圳市新冠定点医院上线。经过两周的数据测试，智能筛查产品的正式版本完成上线，并陆续在深圳、广州、厦门、成都、山东等多地医院完成部署， CT和DR的影像筛查日处理量高达3000人次，相当于医生人工阅片的30倍 ，协助医护工作者快速辨别病症，显著提高出片速度，缓解了资源不足、需求量巨大的状况。

对于影像学辅助筛查的积极作用，肖翔表示，基于目前国内医生缺口高达十万人的现状，AI智能辅助筛查以更快速的方式落实分级诊疗。除胸部CT和胸部DR外，视见科技的核磁类、病理类产品都在很大程度上缓解了医疗资源分布不平均的难题。一方面，AI辅助筛查显著提高了诊疗效率，辅助医生快速诊断患者病症。

另一方面，影像科医生需要通过长时间大量案例的阅片训练，才能更精准判断病情。在这次突发的疫情中，知识传递是存在滞后性的，武汉的医生对于肺片的判断已经非常熟练了，但其他地区的医生还不一定。 影像学AI产品通过大量的数据累积以及自身不断强化学习，为短时间接触真实病病例不多的医生提供辅助，能弥补人与人之间知识传递的不足。 有效避免了浪费延长诊疗时间，这也是AI筛查产品更加突出的作用之一。

随着影像学辅助筛查的快速发展，我们的生活会有哪些改变？肖翔认为，我们国家的影像市场每年增速保持在30%左右，而放射医生数量的年增长率仅有4%，再加上我国医疗发展水平的不平衡，导致误诊漏诊的情况。未来，AI智能筛查产品将 以提升结果准确性为目标，同时继续丰富扩大诊断病种，部分成熟病种有望在2至3年内在市场得到普遍应用。 此外，AI医生有可能成为重复性劳动密集型病症的主要“读”片手段，医疗云平台甚至能够直接为C端患者提供个人化治疗方案，有效缓解就诊需求巨大、医疗资源有限和影像学多环节严格诊疗间的矛盾。

科技抗疫：一清创新低速无人驾驶物流车

如果说医生是疫情中逆行的英雄，同样也有一群“人”不顾安危、不知疲倦，为疫情一线的医生和工作人员提供支持，运送必要物资，他们就是疫区“特别的勇士”——一清创新无人驾驶物流车。

香港科技大学智能自动驾驶技术中心主任、一清创新创始人刘明表示，在疫情期间， 有直接为疫情本身服务的无人车，比如解决末端配送和消毒消杀的无人车，也有消防、新零售、载人接驳等从其他方面降低人与人接触的无人车 ，并在直播间为大家线上展示了一清创新无人车在末端配送、消防运输、消毒喷洒、生活休闲等不同领域的应用，已在深圳、苏州、山东等多地部署，此外，在一些城市尤其是产业园区，都可以看到无人车往返运输生鲜瓜果、快递外卖、医疗器材和工业物资， 实现了疫情防控期间的安全“无接触”配送。

关于无人车在技术上如何实现“一路畅通”的问题，刘明表示，这是一个 由感知到决策，最后到控制的过程。 感知就是解决无人车所在位置、周围环境的问题，在三维场景中，做出颜色和关键物体的识别标记，最后形成一个高精度地图，无人车利用这样一个高精度地图，作为认识世界和表达世界的其中一种方法。在感知的基础上，无人车制定一些决策，比如车身前方有另一台车或者是雨天的情况，就需要调整车体速度。第三部分，就是将决策的路径，放在无人车的实体上执行，这部分被称为控制。这三个层面共同形成一个无人车的系统。

除此之外，一套无人车的系统背后需要有传感器、低功耗算力等支持，还要对无人车制造工艺、供应链等方面多角度考量处理。刘明表示，总体来说，无人车是一个比较庞大的系统工程，要让一台车运行起来， 至少需要上千个不同的模组，甚至是不同的算法、模块之间的相互配合。 另外在仿真环境里面，我们也可以去仿真不同的道路、天气和季节情况，得出大量的训练结果，在真实的车体上做一些迁移。

对于“未来无人车还将在哪些场景大显身手”的问题。刘明表示，我们把无人车的应用拆分成载人和载物、高速和低速这四类， 交叉后共有四种场景，高速载人，高速载物，低速载人，低速载物。 如果是载人相关场景，需要重点考虑车上人员的安全、车体周围环境，相比于载人场景， 载物场景因为其运载物品的价值比较明确，未来会更快实现应用。

刘明认为，“任何一个新技术的应用都会涉及到经济成本和社会成本的计算。经济成本主要是衡量性价比，比如一台无人车应用， 在五年内可能会节省40%-60%的成本，带来实际回报 ；另外一点，当人们接受和习惯路上开始越来越多出现无人车，不会觉得新奇或者不安全，社会成本就降低了。 当经济成本更低，社会可接受的门槛也变低，无人车会迎来比较大规模的爆发。”