谷歌的AlphaGo在完胜人类顶尖围棋高手柯洁后，DeepMind创始人戴密斯·哈萨比斯就宣布AlphaGo此后将永远退役，其团队将把未来的研发精力投入到其他具有挑战性的领域，包括找到治愈人类重大疾病的方法、发明革命性新材料等等。

有些人认为人工智能在人类面前刷了一波存在感之后，可能又会像过去几十年前那样沦为一个起起伏伏的概念。但实际上它并没有走远，潜移默化中，人工智能早已渗透到了我们的诸多生活场景之中。

在中国，人工智能在细分领域的落地开花并产生实际应用价值，这件事并非一蹴而就，它是由某几个科技领域的巨头和一大批有想法、有创意的新锐公司共同完成的，前者扮演平台方的角色提供底层技术支撑，而后者深耕细分领域。

“没有场景支持的人工智能研究是空中楼阁”，腾讯集团董事长马化腾曾经这样说过。

事实也确实如此，如果用一个分数来形容，“下围棋”这个技能或许仅仅是人工智能存在的一种可能性而已，这个分母会随着技术的民主化普及而逐渐增大。

近日，钛媒体编辑实地探访了作为这个领域巨头之一的英特尔以及与其相关联的合作伙伴，从应用场景切入，感受人工智能是如何有效解决具体问题的。

一、人工智能辅助诊疗

人工智能与医疗领域的结合，在科技界应该是IBM开启的先河，当人们还在感叹人工智能怎样发挥作用的时候，IBM的Watson已经为MD癌症中心工作了好一阵子了，通过强大的认知计算能力，系统可以从病人病例和丰富的研究资料库中寻找资料，为临床医生提供有价值的见解，帮助医生找到有效的治疗方案。

类似的案例也出现在了浙江大学附属第一学院的超声医学科，该医院是率先尝试用人工智能方式辅助诊断甲状腺结节的医学机构。

具体而言，这是一套由德尚韵兴与浙江大学特聘教授孔德兴团队主导，依托英特尔至强融合处理器平台开发而来的辅助诊断系统。

资料显示，浙江德尚韵兴成立于2013年，浙江大学特聘教授孔德兴担任主要的技术负责人，公司专注的领域为人工智能、机器视觉、三维可视化和数字量化技术等图像处理与分析在医学领域的研究、开发和应用。

1、工作原理

浙江大学第一附属医院超声科赵主任展示系统

从功能上来说，这是一套基于超声波影象的甲状腺结节良恶性的辅助诊断系统，根据甲状腺结节检查时候拍摄的医学影像的特征，通过对图像的识别和标注，来帮助医生更准确的做出诊断结论。

对于甲状腺结节的检查目前主要依靠超声的方式，相较于CT和核磁，超声的好处是便宜、灵活、无副作用，所以它也是目前临床医学使用最为广泛的一种检测手段，不足之处是图像不清楚、造影比较大，它对医生的要求就比较高。

浙江大学第一附属医院超声科赵主任向钛媒体表示，起初对这种系统也是将信将疑，因为涉及到病人诊断结果，如果不靠谱的话产生的危害非常大，但是尝试几次之后发现，确实能提升医生的工作效率。

计算机视觉对图像的处理，传统的机器学习是人为定义特征，由于目前收集到的数据来源于多家医院，标准和规范不统一，德尚韵兴专门采用了一种有监督的深度学习，让医生对数据进行标注，每一个培训的样本都是医生人工标注的，结节的大小、位置，还包括病人的其他的病理特征，之后再反馈给机器进行训练。

根据德尚韵兴总经理胡海蓉提供的，“目前三甲医院医生的平均准确率为60%-70%，基层医院会更加低一些，而辅助诊断系统目前准确率可以达到85%以上，不过由于在我国人工智能还没有行医资格，所以我们将其定位为辅助诊疗，只是给医生提供一些参考。”

2、数据的作用

如今无论是互联网巨头还是芯片厂商，凡是直接或间接拥有海量用户的公司，都会给自己贴上一个“数据公司”的标签，大数据也是伴随着人工智能时代到来的一个典型特征。

对于计算机来说，所谓“思考”的过程本质上都是基于一定数据基础、再按照特定的规则进行决策、判断的过程，进入数据时代我们此前面临的很多问题都可以转换为一类特定场景下的数据问题。

以刚刚在围棋领域战胜人类的AlphaGo为例，2016年3月战胜李世乭的版本等级分大约在3700分，今年的AlphaGo等级分已经达到了4500分，这其中的提升正是来源于AlphaGo几百万次的自我训练，数据的作用功不可没。

大数据的一个明显特点就是体量巨大，这点从AlphaGo的对弈棋局数中可以见得，但是数据想要发挥作用必须要具备一些其他的特征，尤其是医疗领域中的数据。

浙江大学孔德兴教授向钛媒体编辑介绍，“在美国不到3% 的数据是用来科研的，现在的数据收集和处理的手段还需要突破，是一个非常关键点的问题，采集到数据后如何对它进行处理显得尤为重要。”

针对医疗行业，数据共享并不是一件顺风顺水的事。截至目前为止，这套智能诊断辅助系统已经在数十家基层医院试点，积累了20000件案例，浙江大学医学院附属第一医院就是其中之一。

由于定位于基层医疗，这套系统除了能够帮助基层医院提高诊断的水平，也有利于国家推行分级诊疗政策。

谈及人工智能在医疗领域普及过程中所遇到的困难，孔教授认为“应该采取政策主导和研究机构配合的方式，首先从大环境告诉大家人工智能所带来的好处；其次在技术层面下功夫，如存储数据的分析、算法的精度、运行速度都要提升。”

二、算法平台需要更强的计算力

用图像识别的方式辅助医生提升诊断准确率，让人工智能在我们的生活中产生了相当强的“存在感”，殊不知在更多我们看不见的领域，人工智能也无处不在。

科大讯飞就是一个很好的例子，科大讯飞从成立到现在将近20年的时间里，一直在研究语音这件事，如今也水到渠成地转型成为了一家人工智能公司。

在科大讯飞的展厅当中，有一块实时显示用户交互数据的大屏幕，数据显示截至目前讯飞开放平台在线日服务超过30亿人次，每天有数以万计的APP客户端、数以亿计的写入请求。

人工智能需要非常强大的计算能力，现在深度学习算法促进了整个人工智能的发展进程，它的特点是以模型驱动整个人工智能的业务和体验，比如大家用的一些图像识别、语音识别或者翻译，实际上是将输入的图片、语音或者语句经过一个模型计算匹配的特点，然后将结果反馈回来。

科大讯飞研究院深度学习平台、HPC研发总监张致江介绍，“深度学习是一个模型驱动的平台或者技术，首先需要设计模型，然后用大量的数据去学习，来使这个模型的算法更加精确。在这种情况下，很显然单台服务器是不够的，需要一个非常庞大的计算集群，这个集群我们现在称为讯飞语音云平台。”

当一定的计算量暴增的时候，它不简简单单是一个加机器的过程，而是一个重新计算的问题，重新出现计算问题的时候需要一种新的解决方案，此时一直以来深耕高性能计算领域的英特尔正好可以满足讯飞的需求。

张致江表示，“英特尔A10的FPGA方面做得非常好，可以简单的将双路通用的CPU的语音识别提升一倍，这种提升不仅带来了采购成本、使用成本的降低，运用的成本也没有那么几何量的上升。”

科大讯飞懂人工智能的算法，也非常清楚需要什么样的计算工具与之相匹配，而这正好是英特尔最擅长的部分，据悉英特尔在讯飞内部进行了大量的关于CPU架构的培训和调优。

随着运算量需求越来越大、应用场景越来越多，我们的需求精度越来越高，从这个角度来看运算的需求是无止境的，包括英特尔和科大讯飞在内的很多基础技术提供方也都在探索更适合人工智能场景的解决方案。

三、支撑人工智能大跃进式发展

“人工智能不是什么新东西，我20多年前上大学的时候，人工智能就已经很热了，为什么后来冷寂了呢，那时候因为一些算法不够先进，计算能力不够。”英特尔亚太研发中心总经理的何京翔博士认为，人工智能正在迎来一场大跃进式的发展。

作为一个技术应用的领域非常广泛，人工智能是一个横向的技术，可以加速我们对大数据的处理，从底层的计算架构、算法平台到细分行业的具体应用案例，英特尔几乎在每个领域都有自己的尝试。

英特尔亚太研发有限公司总经理何京翔博士表示，“在物和云的连接方面，英特尔已经逐渐建立了自己的闭环，各个方面都有很多的产品和投入，包括在深度学习领域的解决方案Xeon， Xeon5和Nervana、Lake Crest等等。”

自从英特尔AIPG（人工智能部门）成立之后，英特尔在人工智能方面做的一些原本分散的产品或者研究，都被放在了一个更连贯的生态环境里，而为了推动人工智能进入民主化，英特尔的触角也会伸向更多领域。（本文首发钛媒体，记者/李玉鹏）