日前，在《自然》雜志醫學版上報道了一則谷歌AI團隊的最新人工智能研究成果——預測肺癌。

通過一套卷積神經網絡算法，谷歌 AI 部門建立了一種端到端的分析方法，僅從CT圖像就可以預測肺癌的風險。

在 6716個測試病例中，這套人工智能系統能夠以 94% 的準確率發現極小的惡性肺結節，打敗了6名放射專家（并非普通醫生）。

在無先前 CT 掃描圖像的情況下，該系統的表現超越所有 6 位放射醫學專家。而在有先前 CT 掃描圖像的情況下，兩者表現不相上下。

而參與測試的 6 位放射專家，有平均 8 年（ 4 年到 20 年）的讀片經驗。

相比“傳統”射科醫生的行醫方法，醫生必須審查數百個單獨的2D 掃描切片以發現問題，而腫瘤可能會很微小導致難以察覺，這種新的機器學習算法則可以分析高通量的 3D 肺部圖像，不僅可以對整體腫瘤進行預測，還可以通過肺結節識別細微的惡性組織。再加上先前的掃描數據對比，就可以用來評估肺結節的生長速度。

相關論文共同作者，美國西北大學醫學院 Mozziyar Etemadi 博士表示，3D 檢測早期肺癌的能力比人眼檢測 2D 圖像要敏感得多。事實上，新系統在技術上可以納入 4D 范疇，因為它不僅僅是一次 CT 掃描，而是包括了當前和先前共計兩次的掃描，所以可以檢測出肺結節隨時間的生長變化。

2019 年 5 月 7 日，Lily Peng 在 2019 年開發者大會上稱，他們研發的人工智能技術可以比醫生早一年查出肺癌，使患者存活的概率提升 40% 。

毫無疑問，通過谷歌的這項技術，可以造福更很多人。在 2015 年，中國肺癌的發病和死亡例數分別達 73萬 和 61 萬，發病率和死亡率非常接近，其主要原因是臨床診斷病例多已為晚期，失去了手術機會。

然而，或許有一天我們分享不到這份成果。對于華為中興事件的反思，面對美國接下來可能在各方面實施的技術封鎖，中國人工智能的發展還需要再加把勁。

我國AI進展——算法的錯位缺失

我們以前討論電腦或者移動終端時，離不開硬件、軟件和應用的范疇。討論人工智能時，同樣離不開硬件、算法和數據這三個要素。

簡單來說，中美人工智能發展在硬件上的差距，遠沒有在算法的差距來得大。

計算機硬件技術的發展一直伴隨著通用性和專用性的矛盾，通用的設計普適性強，但對于某一類特殊計算，性能就會打折扣，如果做個比喻的話，就是瑞士軍刀和菜刀的區別，也可謂術業有專攻。

在這樣的背景下，人們開始研發用于神經網絡算法和機器學習的專用芯片。

如今，以通用圖形處理器（GPGPU）為基礎的NVIDA在深度學習市場占有一席之地，谷歌憑借16年發布的張量處理器（TPU）成為后起之秀。

通過與自家的人工智能開發系統TensorFlow相結合，谷歌也形成了一套完整的人工智能開發環境。

國內人工智能芯片創新同樣非常活躍，在人工智能芯片的競賽中與國外不相上下。其中的明星企業就是最近兩年來被反復提及的獨角獸公司“寒武紀”，取名借用地質學“寒武紀”時代的概念，比喻即將到來的人工智能大爆發時代。

寒武紀Cambricon-1H8

此外，百度深度學習實驗室前主任余凱創立的地平線也同樣值得關注。一年多時間就完成了Intel和SK領投的兩輪過億融資。

但是無論是寒武紀還是地平線，都還無法和美國企業完全抗衡，美國不僅有NVIDIA和谷歌，還有英特爾、微軟和IBM等一批大企業每年將巨資投向人工智能領域。

至于另一大要素——數據，鑒于中國龐大的互聯網人口，深度學習所需要的大數據則可以由國內用戶提供。

人工智能發展所需的三個要素中，算法是目前我們最薄弱的一環。不論是前面提到的谷歌AI卷積神經網絡測癌算法，或是NVIDIA此前大火的GauGAN畫圖，都證明了美國企業的領先，而我國在這方面的發展屬于相對滯后的。

在2019年長江商學院和清華大學公布的兩份報告中，均指出了中國人工智能發展基礎薄弱。

長江商學院人工智能與制度研究中心主任許成鋼教授對記者表示，在人工智能領域，中國發表的論文總數雖然超過了美國，卻在深度學習、機器人流程自動化、以及包括推理學習等在內的其他領域，從發表總數和引用率方面，與美國的差距顯著。

對有高質量、高影響力的千級論文（是指每一篇論文被引用的數字超過了1000次），中國與美國差距巨大，中國只有個別的論文影響力能達到這個水平。

為什么中國很多論文從來不被引用？許成剛認為的癥結之一在于我國科研機構只注重數量，不注重深度。 “我個人分析，在中國體制內大學有一個SCI現象，即就是教授的水平高低，或者職稱評定，就是看教授發了多少篇SCI文章（美國科學資訊研究所采用的期刊文獻檢索工具），不管你這篇文章到底有多大的影響力。”

知乎一篇相關問答下也不難看到，論文換湯不換藥的做法幾乎已成為除頂級機構之外相當普遍的做法。

這也導致了我國空有4倍于英國的論文發表數量，然而論文影響力竟反而不如英國的結果。

同時，幾乎93%的中國研究者使用人工智能開源軟件包，這也是美國的機構開發提供的。中美兩國人工智能研究者使用最多的軟件庫就是前面提到的Google TensorFlow。在2018年初，中美研究人員對此的關注人數，分別達到將近9000人和約7000人。

整體上中、美AI研究者關注美國機構開發的開源AI軟件包的數字，相當于他們關注中國機構開放的軟件包數字的20幾倍。這表明中國研究者在基本算法方面，對美國開源軟件包的嚴重依賴。

新智元創始人楊靜18年曾對《環球時報》記者表示，人工智能平臺分硬件和軟件，核心技術一直掌握在西方手里，比如芯片技術。此外，中國沒有主流開源框架也是很可怕的，深度學習、強化學習等算法的研究也落后于西方。

在牛津大學最新完成的一份報告《解碼中國AI夢》里，作者也得出了相同的結論。除了數據，中國在硬件、人才、算法和產業等方面，仍然落后于美國。但編寫這份報告的Jeffery Ding仍表示， “我認為AI是中國第一個真正有機會制定游戲規則的技術領域。”

實際上，正是由于中國龐大的互聯網人口，提供了強大的數據基礎，在市場的導向之下才使得我國的人工智能更偏重具體應用。對此，IDC公司在一份報告中稱：“數據或許不會出現在資產負債表上，但數據是一個公司最寶貴的無形資產。中國初創企業尤其懂得如何利用海量數據打造雙贏的商業生態。”

人工智能競賽終將走向人才競爭

科技競爭的本質最終還是人才的競爭，美國人工智能相關的從業人員和公司數量現在也遙遙領先。

2012年前，中國活躍的人工智能創業公司還要多于美國，但是在2012年卻被美國反超，美國與人工智能有關的企業數量遠超中國。

據《中國人工智能指數2018》分析，美國的人工智能工程師遠比中國多。

據領英（LinkedIn）人才數據庫顯示，中國的AI人才總數為5萬人，而美國的AI人才總數為83萬人。美國AI人才總數是中國的16.5倍之多。并且，中國人工智能領域工作10年以上的人才不到39%，相比之下，美國超過71%的人工智能領域的人工作了10年以上。

來源：長江商學院《中國人工智能指數報告》

“在中國，人工智能是更年輕的行業，而在美國雖然領域是年輕的，但是里面的多數人并不年輕，是有充分經驗的。”許成剛說。

人才分布方面，中國在智能交通/自動駕駛，智能/精準營銷， 硬件/GPU/智能芯片需求比例要多于美國，但美國在算法、機器學習的方面，美國不但人才的比例比中國大，人才總數也是中國的20多倍。

來源：清華大學中國人工智能發展報告2018

但隨著美國對外開放的收縮，也給了很多海外的技術型人才回國發展的機會。

實際上，早在2017 年 12 月美國發表的“國家安全戰略”中便公開表示：將限制 世界上所有去美國學習STEM 專業（科學、技術、工程、數學）的留學生簽證。

根據南華早報的說法，在美國 363341 名中國學生中，約有 36％ 在 STEM 領域學習。

這次美方設置的障礙，可能將會給更多在美國的中國留學生，在美尋求工作的中國人帶來危機和恐懼。

站在人工智能角逐的角度來看，美國反而在這方面有點自縛手腳的意思。

澎湃新聞：美國埃默里大學涉嫌歧視華人教授

但五矩認為，最為關鍵的一環還是在于國內要加強對于基礎教育的重視和投入。

“我關心教育不是關心華為，是關心我們國家。如果不重視教育，實際上我們會重返貧窮的。”5月26日晚間，華為創始人、CEO任正非在央視《面對面》節目中說道，因為這個社會最終要走向人工智能的。

在任正非看來，能與基礎研究相提并論的是基礎教育。他認為，我國目前基礎研究方面水平不夠，和基礎教育跟不上直接相關。為此，他曾自費請權威機構的專家進行中國基礎教育狀況的調查研究。