寻找AI技术与产业互联网融合的“芯”动力

在AI技术突破此起彼伏的今天，如何解决AI技术的产业落地问题，真正让AI为企业实现“降本、增效、创新”的目标，最终实现AI和产业 互联网的融合？腾讯云副总裁王龙结合自身经历和产业实际，对这一问题发表了自己的观点。

近年来，AI技术已经深深渗透进越来越多的行业。从金融、医疗、交通运输到娱乐领域，AI已经无处不在。

但随之而来就是AI技术“落地难”的问题，如何让AI新技术从人们口中的“热词”真正成为身边的“热应用”，真正为企业实现“降本、增效、创新”的目标，最终实现AI与产业互联网的融合？

在2019年3月27日举办的新智元 “智能云·芯世界“AI技术峰会上，腾讯云副总裁王龙先生发表了题为《人工智能：产业互联网的”芯“动力》的演讲，对这一话题分享了自己的想法。

以下为新智元整理的演讲内容：

腾讯云副总裁 王龙

各位来宾，各位朋友，早上好！感谢新智元的邀请，让我有机会和大家分享一下我对AI与产业互联网的一些想法。

过去的二十年，我在中国、德国、美国的IT行业中历炼，经历过很多新技术从孵化、热炒再到成熟的整个周期。从最早的ERP到MES，再到后来的云计算、移动支付和AI。可以看到一个共同的现象，就是很多时候一项新技术作为当时热词很流行，真正进入实体经济之后却往往会遇到很多困难。同样的，AI显然也遇到了相同的情况。

过去的两年中，腾讯云与IT界各企业服务公司开展了很多合作，也有很多成功的案例。 我们也在不断思考，AI到底如何才能走向成熟？如何才能让这些热词、这些技术为实体产业带来真正的动力？

我们先来看看已经被证实的，AI确实能够有效服务产业互联网的场景。

AI已经解锁的一些产业互联“芯”场景

降低成本：智能客服、智能核保

基于语音识别、自然语言处理等AI技术的智能客服解决方案，已经可以为金融客户节省90%以上的客服人员和质检人员，实现7*24小时的在线客服问答，并提供更加高效和客观的客服质量管理。

与之类似，AI文字识别和自研语音处理技术在保险理赔和核保领域，也可以实现提高审核效率、节约人工成本的效用。通过自动化技术能够在几小时、甚至几分钟之内给出保单的核保结论。

提升效率：实人实名、地铁安检

现在很多人会使用手机做一些和金融相关的操作，去政府部门办事的时候，不管是提取公积金，还是处理医疗保险，都可以使用AI实人实名服务来登录和验证身份，平均业务办理时间减少70%。而过去使用传统认证方式，涉及到身份认证可能80%需要去现场办理。

北京的上班族对地铁安检一定不陌生。尤其在早晚高峰时段，进站安检的时候排队往往很长。但是在人流密度极大、安检人员配备接近饱和的情况下，一台安检机能否起到维护安全的作用？安检机制的有效性如何保证？会不会成为一个摆设？

利用AI算法可以有效解决这些疑问。再敬业的安检员也免不了偶尔有所倦怠，AI则完全不存在这个问题，在算法的辅助下，地铁安检会更高效，同时节省大量人力和成本。

快速创新：内容增强、人脸融合

AI无论是在P图、挂件还是人脸融合方面都有众多应用场景，给我们的生活带来了很多便利和乐趣。腾讯云也推出了人脸融合技术，开发了一些小程序能够将人脸与历史人物进行融合。

同样的技术也用在了电影摄制中，比如《速度与激情7》男主角保罗·沃克在拍摄过程中去世，通过AI技术，他的弟弟拍了剩余的动作，然后再“换脸”，最终让电影如期上映，《猩球崛起》也使用了这样的技术。

总体而言，任何新技术应用到企业和行业的时候，其爆发点可能永远只有三条：为企业降低成本、为企业增加效益、为企业寻找创新的机会。

当然，我们也看到，以目前的AI技术水平，很多时候还只能在产业的某一个环节、某一个步骤实现“降本、增效、创新”，只有在极少数情况下，AI技术才可能完全替代人类。

然而，在经过数百个场景和项目的验证中，我们也逐渐看到了AI技术落地的一些挑战和边界。

三类场景、五大要素： AI与产业互联网融合的“芯”挑战

AI落地的最大挑战到底是什么？要想解答这个问题，利用AI技术真正实现“降本、增效、创新”的目标，必须从技术上来回答一个问题，AI能够做到什么事情？目前来看，AI在产业中应用的主要场景可以分为三大类：

首先是智能感知。原来有些事情必须通过人和很复杂的设备感知物理世界，把物理世界映射到数字世界中，现在这个过程可以通过AI实现。例如基于视频/图像识别的人流检测、基于视频/图像识别的行为检测等。

其次是智能交互。以前，在完成感知环节后，需要将大量数据传输到云端服务器上才能进行交互，现在通过AI技术，很多时候在边缘节点上就能够实现人机交互。例如智能音箱和其他能够实现语音控制的硬件设备等。

最后是智能决策。以前我们的很多决策都基于逻辑判断和专家系统。现在通过AI技术和深度学习，可以在某些领域基于大量数据和算法获得更优的决策质量。例如信用卡支付交易欺诈识别、工业设备预测性维保等。

这三类场景的应用，AI如果真正落地，也面临巨大的挑战。几年前，我们一直说AI要有强大的算力、优秀的算法、足够好的数据框架，最后要有落地的场景。现在，随着AI技术逐步从线上走到线下，人们逐步发现正是这些要素的缺乏，形成了对产业很大的挑战。

换句话说，如果算力成本不够低，算法和框架的性能不够高，AI落地的时候就会因为成本过高而失去商业价值，这种情况下，即使实现了商业化，也没法实现规模化。

AI技术真正落地障碍重重

AI落地难：线上线下，两个世界

对于AI在线下场景的应用，企业第一位考虑的往往是投资回报。对于算法和模型而言，如果是线上应用，数据质量往往较好，数据分布收敛度较高，算法和模型性能只要稍微提升一点，就会产生很好的效果。

线下的情况则大不一样，以最常见的摄像头为例，光照条件、拍摄角度、抖动、传输延时等因素都是优化算法必须考虑的因素。对于音箱，距离不同，算法和模型上的挑战都可能截然不同。另外，对于智能设备而言，模型、算法和软件的版本更新，也会随时导致意想不到的后果。

AI落地难：场景、资源、模型、设备、数据，牵一发而动全身

应用场景、资源与基础设施、算法和模型、智能设备、数据构成了AI技术落地的五要素。如何将这五大要素在落地场景中实现协调，是AI技术在产业界落地中另一个关键点。在实现智能感知、智能决策、智能交互的时候，往往任何一个要素的变化都会导致其他要素的变化。比如算法模型发生变化，设备资源调度都要跟着改变。结果就是，真正落地实施的时候就会需要算法专家、设备专家、资源专家，以及应用开发的合作伙伴都在场。最终结果就是AI落地的成本太高，没有办法真正在产业应用中大规模铺开。

如何解决？标准化、模块化、自服务化

怎么办？首先我们需要让这五个要素并行发展，让我们不再需要在任何时候都要顾及所有要素。也就是说，算法专家不用关心应用是什么情况，设备供应商也不用关心算法问题，把这五个要素进行解耦，让一个要素相对其它几个要素变得更加透明。例如，对于一个已经落地的应用，换了摄像头，负责优化算法其他几个人不需要在场，可以远程自适应进行算法的调整，这样才可能让整个AI落地的成本快速降到有商业价值的水平。

这个思路看上去有点像PC操作系统的诞生，为什么大家都愿意用操作系统？就是因为操作系统把鼠标、键盘等所有这些设备之间的复杂度，都通过一个标准化的协议屏蔽掉，它们之间能够互相解耦，各自专注自己擅长的方向。只有这样才能降低各个方面的成本，AI才能真正规模化，实现商业上的成功。

腾讯云AI产品“芯”引擎：“解耦”促进AI与产业互联网融合

腾讯云AI大数据产品矩阵共分为三层。

最下面的一层是基础服务产品层，过去几年已经发展得非常成熟了，目前腾讯云已经建立了专业大数据平台、数据仓库和数据湖，积累的数据通过机器学习和深度学习能力，形成各种AI引擎能力。

最上面的一层是行业解决方案，也就是AI技术成功落地的案例。今天上面介绍的四个典型场景就属于这一层的内容，包括基于AI语音识别、人脸识别、内容增强等方面的行业应用，这一层主要面对具体业务管理者。

基于实际需要，为了更好的落地，我们在这两层中间进一步提供应用服务产品层，目的就是希望能够把AI落地的成本降低，并让各个部件之间形成解耦，让每个人都有机会参与到这个生态环境中。这一层主要面对的是开发者。开发者可以完全不理会计算模型，也不需要理会什么设备能够解决AI落地的问题。

腾讯云AI目前对外也提供三大技术平台：腾讯人工智能服务平台、腾讯智能对话平台和腾讯数据资产管理平台。

智能对话平台可以让语音语义技术通过音箱、麦克风和传感器连接线下场景，像智能门锁和生产设备控制，智能家居的语音助手都适用这样的场景。

人工智能服务平台可以把数据科学家、智能设备提供商、应用开发者更好的解耦，让这些人更专注在自己擅长的领域，从而使得生态中的所有角色都能健康、高效的发展。

我们希望能够为业界提供最好的技术和平台，让更多的合作伙伴能够以更简单、更方便、更低成本的方式来使用腾讯的技术和服务。我们也欢迎更多的合作伙伴加入我们，参与到AI技术落地的浪潮中来，一起更好地服务产业互联网，为中国的产业数字化转型做出贡献。