毫无疑问，3年过去了，这个诺言还是没有兑现。这是一种Watson的常规套路，上来先捡最难的问题宣传一下。当大部分AI应用都专注于医疗影像解读、病历管理等领域的时候，Watson大举杀入了肿瘤研究。

Watson在肿瘤研究中的基本方案，是依靠输入大量的真实病历，来解读癌症背后的成因、深层病理，并给出治疗方案建议。但需要注意的是，差不多所有购买了Watson的医疗机构，都明确指出这套系统的作用是：帮助研究。

事实上，肿瘤治疗的临床决策是非常复杂的，机器学习的先进程度难以支撑解决核心问题，甚至就连数据链都难以搭建清楚。随着越来越多的医疗机构宣布退出与IBM的合作，Watson 的医疗之旅似乎也被打上了问号。

综合来看，AI医疗在今天更适合解决那些琐碎、重复度高的医疗工作，比如誊写病历、看X光片、检查化验单等等，这些工作可以把医生的时间解放出来。让AI本身去治疗重大疾病，无论是技术能力还是安全风险上都无法承担。

喜欢把目标定得好高骛远，并不只是Watson 在健康领域上的问题。在企业服务领域，Watson更像是给老板看的机器人战略咨询师，而AWS则是替代和帮助执行某项具体工作的“工薪阶层”。然而前者的难度和风险都比后者大上了太多太多。

　　2、苛刻的应用条件

Watson既然定位为解决重大问题，那么也就意味着其需要复杂的训练和数据输入过程。

假如我们只是希望AI替换视频中的人脸，那么无非就是输入视频和替换照片就可以训练。而假如想要用Watson提供某项重大企业决策建议，甚至揭示某种癌症的真相，那么需要的数据就可能极其庞大而复杂，甚至需要大量专家精心研究和筛选。

相关报道: