近年来,AI技术正在以前所未有的速度刷新着健康产业的认知边界。尤其在2022年,国内有关AI医疗器械的监管政策实现了重大突破,也使得AI影像医疗器械的审批创先新高——整个2022年,NMPA共发出了二十多张AI三类证,是历年来AI三类证获批最多的一年,在目前已获批的AI三类证中占据了接近半数。
包括监管政策在内,各种政策的不断完善无疑为AI医疗的前进提供了保证。与此同时,作为数字医疗的代表,技术的发展对于AI医疗的推动也必不可少。这些领域的有赖于整个行业生态的共同努力。
概括而言,决定AI产品差异的核心要素主要包括数据、算法和算力。作为全球AI算力的主要提供者,半导体巨头英伟达(NVIDIA)在2022年连续在医疗领域发力,发布了多个针对AI医疗的解决方案。这些方案,也将会在未来逐渐被引入到AI与医疗结合的各个场景中。
从云端到边缘端,
硬件升级提升AI算力
通过一代又一代产品的改进,英伟达为AI行业持续提供低成本高性能的算力方案,并帮助AI行业将这些算力切实有效地导入到具体应用场景。这也使得AI应用在最近几年实现了长足发展,并使得英伟达的软硬件方案成为了人工智能行业最为重要的“基础设施”之一。
尽管如此,英伟达在自我迭代上丝毫没有放松。以针对数据中心的AI加速卡为例,英伟达在此之前已凭借两代数据中心GPU在数据中心AI加速上占据了绝对的市场份额。但在2022年的GTC22上,英伟达又再次发布了全新的数据中心加速卡,通过云服务商在数据中心的部署,可望将全球云端AI算力提升到一个全新的水平。
当然,除了云端AI算力的提升,边缘AI算力的提升或许更容易被感知。随着物联网的迅速普及,人工智能与物联网在实际应用中的落地与融合无疑将推动人类社会进入“万物智能互联”时代,而随之产生的数据也将呈井喷式爆发。这些数据对于现有网络带宽是巨大的压力,也为传统的云端AI加速提出了巨大的难题。
好消息是,正是基于云端AI加速赋予的强大算力,人工智能和机器学习领域取得了巨大进步,并为机器学习、神经网络训练等网络架构和工具不断适配、兼容到嵌入式系统上提供了先决条件。越来越多的AI应用开始可以直接在边缘设备运行,使得边缘AI成为当下的发展趋势。
所谓边缘AI是指在硬件设备上本地处理的AI算法,可以在没有网络连接的情况下处理数据。这意味着其可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。为了实现这些目标,边缘AI可以在云上靠深度学习生成数据,而在设备本身(边缘)执行模型的推断和预测。