随着产业需求的变化，5G、AI以及大数据等新技术风口密集爆发，为传统行业赋能全新价值。在近期爆发的疫情当中，为了实现更好的管控防治效果，不少企业纷纷应用诸多技术手段来抗击疫情。对比2003年肆虐的非典疫情，此次的疫情在症状上潜伏期更长，传染性更强，因此在防治方面无疑会面临更大的困难。
监控人员流向、潜在传染人群、切断传染源，在这场“战疫”中，这些都是亟待解决的问题。虽然疫情的传播性更强，但相比2003年，当下也有了更多的新颖技术来进行应对。在这场疫情抗击中，背后的技术手段正在发挥重要作用。
在传染病疫情的防治上，确定传染源是最为重要的一点。相比明显的症状，此次疫情较长的潜伏期和春运流动无形中扩大了传染范围，因此加剧了疫情状况。对于这一方面，大数据就发挥了作用。此前武汉市市长周先旺表示已有500万人员出于春节节假以及疫情等因素流出武汉，而这一庞大的人员流动毫无疑问会增强潜在的传染风险。
对于这一点，百度地图慧眼迁徙大数据通过数据定向、分析等途径确定了500万人员流出的方向。在1月1日至1月26日期间，武汉人员迁出地前十排行多为孝感、黄冈等省内市区。通过百度迁徙，用户可以对全国乃至省市每天迁入迁出流动进行分析。在直观的可视图下，地方可以对疫情控制进行更加精准和严格的控制。
例如在武汉迁出地上，不只是疫情爆发期间，在23日封城之前，我们也不难看出孝感和黄冈两者迁出比例都排名前列，传染风险性更高。从确诊人数来看也确实如此，截至2020年1月31日24时，湖北省内确诊人数分别为武汉(3215例)、黄冈(726例)以及孝感(628例)。在采取封锁政策之后，除开武汉，黄冈和孝感等高迁出目的地也应当给予重视，避免出现“灯下黑”的情况。
除开宏观的人员流向，大数据还能够应用于微观用户的运动轨迹。对于已确定感染人群来说，通过基于移动终端的轨迹，我们可以通过汇集的大数据来勾画关系图谱，进一步追踪接触者以进行隔离管理。
这两种应用场景并不相同，但在技术手段上还是依靠地理位置授权等数据。以百度为例，除开百度地图应用的用户位置感知，当用户打开百度系等APP的时候，基于LBS我们可以同样知悉用户地理位置。除此之外，大数据也将会对用户的支付、车票行程、住宿等信息进行整合分析。通过AI对于密集的用户信息进行分析，我们将可以通过多个维度来筛出潜在传染用户，并且迅速采取措施斩断彼此的联系。
5G在去年迎来了风口，而应用场景在此次疫情中也逐渐落地。由于拥有更大的带宽、更低的时延优点，5G在数据传输上具有明显优势。在疫情爆发的时间段内，5G网络的布设不仅可以让诊断更加高效，同时还能够有效减轻交叉感染的机会，从而增强疫情防控效果。无论是各省市医院还是火神山、雷神山医院，5G网络加设都在其中起到了重要作用。
通过5G网络，对于医院人流量情况相应部分可以实现实时高清视频监控，同时医生还能够开展远程视频诊疗、远程视频会议，远程手术，从而减少直接接触，提高防控能力。不只是传播维度的拓宽，5G网络的高速率还保证了通讯的畅通，营造出更为畅通的信息环境。
除开直接的信息通讯，5G网络还带来了“业务上云”的可能。例如在病患信息采集上，可以直接通过5G网络实时反馈到医生面前，减少直接接触的机会。此外，病患的病历还可以实现云上共享，打通彼此信息，从而便捷病情之间的诊断交流。
大数据的处理离不开人工智能，而后者在疫情中所能发挥的作用也越来越多。此次疫情不仅本身具有较强的传染性，在时间点上也碰上了流感爆发以及春运流动的时间点，因此病情人数不断上升。也正因如此，在大规模传染之后，现有的医疗资源势必难以满足抬升的病患用户。
为了提高效率，此前阿里巴巴达摩院推出了“智能疫情机器人”，通过语音识别、自然语义理解等人工智能技术，机器人可以针对疫情问题、就医注意、防护措施进行回答。对于正常用户、轻症用户来说，人工智能可以起到一定的答疑作用，避免医疗资源紧缺以及交叉感染的风险。
人工智能还被应用于疫苗科研研发。通过AI技术的深度学习处理，它能够便于科研人员进行数据分析、快速筛选文献以及相应的测试工作。不仅如此，AI还可以应用于建立模型以观察疫情传播。早在之前，国内基于AI和大数据的流感实时预测模型便登上了《柳叶刀》的子刊，为传染病预测提供了更加精准的逻辑框架。
该模型由平安科技、平安智慧城市、重庆市疾病预防控制中心、陆军军医大学和清华大学联合完成，用以预测重庆市流感活动。通过对卫生系统内部流感监测数据、天气数据、互联网舆情等数据的监测分析，相关部门可以更好地把握疾病发生周期、预计活动，从而合理分配卫生医疗资源、引导居民进行预防。
利用数据分析来确定疾病威胁等级，从而预测疫情爆发，在海外也已经有了相应健康公共风险评估机构。对于这一次疫情，加拿大BlueDot表示在去年12月底便已经发现了新型冠状病毒的存在，并已向客户进行了通报。应对疫情来袭，疫苗和疗法是重中之重，但在往后的风险传播中，人工智能势必将会被更多地应用于预测疫情爆发。
