從AI晶片自製熱潮 看AI商用應用發展起伏
名家廣場 -2021.09.16
文/夏肇毅 CubicPower晶智能中心創辦人
現在人工智慧的開發越來越廣泛,許多公司為了訓練新的人工智慧模型,必須提供大量的運算資源以供計算。有的公司無法滿足於現有的運算資源,於是便興起了開發適合自己的運算硬體的念頭。像生產電動車的特斯拉,一直致力於開發自動駕駛軟體。為了訓練用於自駕車的人工智慧模型,日前就替自己的公司總部開發了用於訓練的D1晶片。
這陣子許多大公司不約而同地開發自家用晶片,一方面是不想受制於人,另一方面是要為自己的特殊需求來量身訂做開發晶片,以便更符合自身需要,同時也能讓產品和競爭對手做出差異區隔。
像GOOGLE為旗艦手機研製處理器,蘋果也為MAC開發自己的處理器。這些公司在剛開始都是採用現有供應商的產品,用久之後,也許覺得受人把持不合己意,或是覺得花了太多錢在這些供應商上面,所以乾脆自己跳下來做,以便完全掌控開發方向,同時獨享開發成果。
聯發科兩年前開發出5GAI晶片,推出後得到廣大的採用,業績與股價大幅成長。NVIDIA與AMD也因持續採用台積電最先進製程來開發人工智慧繪圖計算晶片,業績與市佔大幅提高。自發現委託台積電來生產HPC晶片變成了讓業績成長的萬靈丹後,大家便爭先恐後的搶用。
相對於在硬體投資上不吝千金的意氣風發,大公司幾年前競相成立的人工智慧應用的機構卻悄悄地關門或重整。像日前新聞報導的Google宣佈解散健康部門Google Health,Open AI解散機器人研究團隊,IBM縮減Watson Health團隊等。不過才短短5、6年,當時重金禮聘的重量級人才與開發團體,如今業務無法推展,在不敵現實壓力下,只好黯然縮編裁撤。
不知道是否看到硬體的廠商生產IC,好像印鈔機在那重複轉動,就可以不斷地印出鈔票,而提供雲端硬體服務的大公司,一個大案就可以拿到十數億美金的合約來。但做軟體應用服務的,每個需求都不同,好像要一小單一小單慢慢地談,費許多心力後才能有一個案子的一次性些許收入。同時這種最新科技的應用,也並不是廣大群眾一時之間就會張開雙手欣然接受的。像手機在上市之後,也是經過了2G,3G,4G,5G等不同世代的改善後,才被廣泛接受為日常生活的一份子。加上人工智慧實際案例應用的準確性,也不如原先宣傳的那麼樂觀,於是推展起來自然阻礙重重。
著名的IT研究與顧問諮詢公司Gartner對於新興科技的發展歷程,有一套稱為Hype Cycle的理論。所有新興科技議題聲量在經過觸發期,攀頂期之後,經過大量供應商增殖,聲望將達到峰頂。之後便開始急遽下墜。其間有供應商倒閉合併,聲量墜落到谷底。存活下來的公司在得到二三輪資金的挹注後,才能夠繼續開發第二代,跟第三代的產品。之後才能通往成熟的高原期,開始得到百分之二十到三十的消費者採用,變成一個成熟商品。
人工智慧產品也一樣,唯有在Edge AI與5G AI手機都廣泛地散佈在人們身旁,各類可靠準確的應用模型被訓練出來後,最後再仰仗加值經銷商VAR的螞蟻雄兵,來將各式人工智慧應用嵌入我們的日常生活中,自然到都不覺得它們的存在。到那時,人工智慧才是真正開花結果了。
附圖:為更符合自身需要,並與對手作出產品出隔,許多大公司投資開發自家用晶片。圖/本報資料照片
資料來源:https://view.ctee.com.tw/technology/32430.html?fbclid=IwAR2y1UfKDMcigrasB-RnK2VAFQ0wFyjxcO5dcstRB74lCqIPDI9NvO_mQ7I
ibm watson health 在 TechOrange 科技報橘 Facebook 的最佳解答
繼 IBM 智慧醫療 Watson Health 華生醫師失利後,Google 健康照護部門也碰壁,科技大咖為什麼要進入白色巨塔這麼難?
ibm watson health 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
谷歌也扛不住了:醫療AI探索再遇重挫,科技公司們節節敗退
2021年6月20日
又一科技巨擘,在醫療AI行業面前鎩羽而歸。
一度被視作裡程碑式項目、准備借助AI在醫療領域“火力全開”的谷歌健康,被美國媒體BI曝光正陷入重重危機之中,不得不大規模裁員重組。
此時,距離谷歌當初合並DeepMind健康業務、成立健康部門,並挖來蓋辛格醫療中心CEO領軍僅僅過去了三年時間。
當初IBM的沃森醫療陷入困境被群嘲,沒想到谷歌也逃不過類似的命運。
實際上,國內諸多的明星AI獨角獸,也相繼陷入了裁員、倒閉、資金鏈斷裂……等等窘境之中。
醫療AI賽道全球范圍內的大潰敗還在繼續。
谷歌健康,“雷聲大雨點小”
2018年11月,谷歌成立谷歌健康部門(Google Health),合並了DeepMind旗下的健康部門DeepMind Health、和負責推進“Streams”醫療APP的團隊。
對於部門合並,DeepMind創始人表示,這將是一個“重要的裡程碑”。
而當時的輿論媒體,對於谷歌健康也非常看好。
據Forbes當時發表的一篇文章預測,谷歌健康將會在醫療健康的5個領域大展身手:
促進家庭健康,包括管理用戶健康狀況、監控獨居老人等;
通過運輸解決醫療保健問題,包括自動駕駛業務對醫療領域的支持;
利用大數據對抗疾病,通過算法讓人們更容易獲取健康信息;
發明下一代可穿戴設備和跟蹤器,擴大相關市場份額;
成為醫療AI的領導者,將AI引入醫療保健中。
沒錯,當時媒體普遍認為,在AI領域已經成為巨頭的谷歌,同樣能將AI完美地應用到醫療中,並實現“引領行業”的目標。
加上谷歌還從蓋辛格醫療中心挖來了David Feinberg就任主管,後者是全美最好的成人專科醫院之一。
有著UC伯克利學歷加持的David Feinberg,曾經主持了整個賓夕法尼亞衛生系統Geisinger的成立,並統一了這個系統在醫療領域的各個分散項目。
當時,行業普遍認為,David Feinberg的加入能讓谷歌在醫療健康領域如虎添翼。
但現實情況是,直至2021年,谷歌與醫療AI相關的創新業務也沒有做起來。
谷歌最新一期2021 Q1季度財報顯示,谷歌包括人工智能DeepMind、智能醫療Verily在內的創新業務,仍然處於虧損狀態。
具體到業務上來看,一項名為糖尿病視網膜病變篩查的業務,一直是谷歌健康對醫療AI重點宣傳的核心。
谷歌此前發表在《美國醫學會期刊》(JAMA)上的研究顯示,AI算法在這一研究中起到的作用極大,使得這一工具的准確率達到了90%,理論上幾秒就能出結果,“足以和眼科專家的診斷結果相媲美”。
然而,這一工具在實際應用中卻出現了“水土不服”的情況。
2020年,谷歌與泰國公共衛生部門合作,在泰國的11所診所安裝了這一工具。
由於算法對檢查照片的要求極高,導致准確率不如預期;此外,當地醫院的網絡信號不好,從上傳照片到出結果往往需要相當長的時間,病人更願意找醫生診斷。
即使如此,這次在重組時,David Feinberg還是宣傳了這一核心項目:
當我們在談“全球影響力”時,我指的不是收入,而是讓糖尿病視網膜病變篩查這樣的產品,在印度和泰國以外的其他世界地區也能得到推廣。
對於這次變動,David Feinberg回應:
這將提高部門的影響力和執行速度……我們重點考慮的不是營收。
消息傳遞的信號,其實已經非常明確——
谷歌這個成立近3年的健康部門,根本不賺錢。
這次的谷歌健康部門重組,再次把醫療AI推上了輿論浪尖。
AI公司在醫療賽道節節敗退
畢竟,不止是谷歌,知名科技公司的醫療AI業務,面臨重組、收購的情況還有很多。
國內某家在2017年B輪獲2億投資成為AI醫療影像領域亮眼明星的公司,還沒有挺到C輪就在2019年底左右面臨資金鏈斷裂。
醫療影像輔助診斷是當時醫療AI公司扎堆投入的領域。這家公司最大的賣點肺結節診斷,則是紅海中的紅海。
一家醫院接入4、5家AI肺結節診斷產品成了司空見慣,曾有影像醫師笑稱:
中國人的肺結節都不夠用了。
以免費提供的形式進入醫院只是一張入場券,遲遲找不到盈利路線的這家公司,靠燒錢最終無以為繼。
另一家知名AI獨角獸,雖然醫療不是全部業務,但之前聲勢浩大,一度前景光明,可最近也傳出收縮業務、相關團隊整組整組地調整。
IBM的Watson Health部門,是IBM佈局醫療AI的窗口,主要利用AI幫助醫院,保險公司和制藥商管理數據、輔助診斷。
但成立6年,年收入才為10億美元,佔公司總收入2%以下,至今尚未獲得盈利。然而之前,IBM光是收購Waston就花了40多億美元。
與谷歌健康幾百人規模不同,Watson Health在2016年甚至達到過一萬人的規模。
然而,據IEEE Spectrum統計,2011-2019年期間,IBM Watson與其他機構合作的25個具有代表性的項目中,卻僅有5個合作項目推出了AI醫療產品。
不僅如此,在2018年,Watson還被曝出給患者開錯了藥物,嚴重的話可能會致人死亡。
IBM的路線不是醫學影像,而是用NLP去理解醫學文本。就連圖靈獎得主Yoshua Bengio,也不看好IBM的這種模式,他認為:
在醫學文本文件中,人工智能系統無法理解其模糊性,也無法瞭解人類醫生注意到的微妙線索。
目前醫療AI公司落地情況
事實上,據動脈網調查,在醫療AI領域中,目前真正落地並成功上市的公司,基本都處在“大數據管理”和“語音錄入”這兩個方向。
然而,這兩個方向對於技術的要求,其實都與醫療本身沒有直接關系。
關系到患者隱私的臨床數據分散在各個醫院難以互通共享,是AI醫療發展面臨的最大障礙。
除了數據歸屬權問題,行業內目前也缺少數據的標准化規范,在訓練數據上的投入是AI醫療公司一大成本構成。
吳恩達2020年在斯坦福HAI研討會的演講中也分析過,醫療領域AI研究的算法難以投入到生產,因為以部分數據訓練出的模型,難以泛化到其他情況。
吳恩達的這話,多少有點反思的意味。
畢竟想當初,他可是最看好AI變革醫療的大牛之一啊。
所以醫療AI這件事,之前或許都太樂觀了。
你怎麼看?
附圖:△谷歌健康部門主管David Feinberg
△圖源:動脈網
資料來源:https://tw.news.yahoo.com/%E8%B0%B7%E6%AD%8C%E4%B9%9F%E6%89%9B%E4%B8%8D%E4%BD%8F%E4%BA%86%EF%BC%9A%E9%86%AB%E7%99%82ai%E6%8E%A2%E7%B4%A2%E5%86%8D%E9%81%87%E9%87%8D%E6%8C%AB%EF%BC%8C%E7%A7%91%E6%8A%80%E5%85%AC%E5%8F%B8%E5%80%91%E7%AF%80%E7%AF%80%E6%95%97%E9%80%80-070128623.html?guccounter=1&guce_referrer=aHR0cDovL20uZmFjZWJvb2suY29tLw&guce_referrer_sig=AQAAAIAJo6RyvAR-fbjyTvJiXDlKx1Y86j3IV8GomZbfHnPjfFfU3XKaZVCoJIVrXyzaZeTdmrHJbL14Kgej1_WzHugjoNsei24ErgEM2b9ri3nPuGjwlR3tL5ZkSBnNnshUIFKM7nE_UZEkLZu7_f4TikrHNrDUdT4RZc3m-tBK0J_q
ibm watson health 在 IBM Watson Health Population Health Management System 的推薦與評價
... <看更多>