(網經社訊)人工智能的發(fā)展經歷了2016 年AlphaGo 打敗人類后的狂熱、2018 年由于實際落地困難帶來的失望、2019 年Deepfake
假視頻等倫理問題顯現，過去一年開始進入穩(wěn)步落地階段。在全球抗疫的大背景下，我們看到，醫(yī)療影像輔助診斷、服務機器人、新藥開發(fā)等AI
在醫(yī)療場景的應用未來有望加速。與此同時，隨著健康碼等聯(lián)系人追蹤應用的普及，以及國家明確數據成為數字經濟時代生產要素，如何規(guī)范和促進數據使用成為發(fā)展人工智能的重要課題。我們認為，除了加速大數據立法以外，聯(lián)邦學習、隱私計算等技術手段的普及也是加速后疫情時代人工智能發(fā)展的重要一環(huán)。
理由
AI 投資向中后期轉移，或將迎來上市潮。隨著AI 技術和商業(yè)模式的逐漸成熟，我們看到2017 年以來中國AI
行業(yè)私募股權投資中，早期投資頻次比例逐年下降、中后期投資比例則逐步提升，同時投資開始向頭部的成熟企業(yè)集中，投資顆粒度不斷變大。整體來看，資金主要投向計算機視覺、自然語言處理等技術，以及企業(yè)服務、機器人等應用場景。而2019
年以來，我們看到AI 投資更加關注芯片、服務機器人等硬件，以及企業(yè)數字化轉型、工業(yè)互聯(lián)網、零售等新場景。我們相信，隨著科創(chuàng)板改革的深化，AI
企業(yè)上市融資的政策條件已趨于成熟，AI 公司或將在不久的將來迎來上市潮。
后疫情時代，AI+醫(yī)療有望迎來大發(fā)展。疫情期間，我們看到AI
已經在診前、診中、診后全階段中發(fā)揮重要作用：1）診前：紅外測溫儀高效篩查體溫異常者、機器人外呼篩查；2）診中：影像輔助診斷；3）診后：健康碼及接觸者追蹤、智能機器人與無人配送車等。由于人臉識別、語音識別技術已經相對成熟，紅外測溫儀、機器人外呼篩查、接觸者追蹤等應用已經較為完善，大幅提高了疾病的早期篩查效率。而影像輔助診斷、無人配送車等醫(yī)療/無人駕駛相關應用，由于涉及安全、數據所有權、隱私等問題，過去發(fā)展一直較為緩慢，在本次疫情的推動下也取得了一定的進展。此外，新冠疫情也暴露出人類長期處于新型疾病威脅中的問題，AI
能在新藥研發(fā)中幫助提高效率、降低成本，具有廣闊的發(fā)展前景。我們認為，在后疫情時代，AI+醫(yī)療有望迎來大發(fā)展。
健康碼再引隱私與效率討論，數據治理成為國際共識。2019 年Deepfake 假視頻大量出現以來，AI
可能造成的負面影響廣受社會各界關注。而疫情中健康碼的普及、人臉識別技術被濫用的擔憂，再次引起數據隱私保護問題的廣泛關注。過去一年，中國首次將“數據”定位上升至生產要素，提出加快培育數據要素市場，并開始加速大數據立法工作；此外，美、歐監(jiān)管機構，以及谷歌、微軟等頭部科技企業(yè)都陸續(xù)提出AI
技術發(fā)展的規(guī)范性指南。目前，舊金山、奧克蘭等部分美國城市已經全面禁止人臉識別技術，全球對AI 技術可以應用的邊界出現了一定的差異。AI
是新基建中重要的新技術基礎設施之一，我們認為，制定一個適應AI 技術發(fā)展的法律和倫理框架，是當前要務之一。
聯(lián)邦學習和隱私計算是保護數據隱私和解決數據孤島問題的重要技術手段。目前制約人工智能發(fā)展的一個瓶頸是保護用戶數據隱私和打破不同主體之間數據孤島的問題。聯(lián)邦學習（Federated
Learning）可以在多個主體間不直接共享數據的情況下，實現模型的合作開發(fā)，我們認為其有望成為解決數據隱私和數據孤島問題的可行解之一，而隱私計算則為聯(lián)邦學習提供安全保護。我們認為，聯(lián)邦學習+隱私計算可能成為繼機器學習和深度學習之后的下一代關鍵AI
技術。
風險
AI 監(jiān)管風險；AI+醫(yī)療落地不及預期。
