在AI技術突破此起彼伏的今天，如何解決AI技術的產業落地問題，真正讓AI為企業實現“降本、增效、創新”的目標，最終實現AI和產業 互聯網的融合？騰訊云副總裁王龍結合自身經歷和產業實際，對這一問題發表了自己的觀點。

近年來，AI技術已經深深滲透進越來越多的行業。從金融、醫療、交通運輸到娛樂領域，AI已經無處不在。

但隨之而來就是AI技術“落地難”的問題，如何讓AI新技術從人們口中的“熱詞”真正成為身邊的“熱應用”，真正為企業實現“降本、增效、創新”的目標，最終實現AI與產業互聯網的融合？

在2019年3月27日舉辦的新智元 “智能云·芯世界“AI技術峰會上，騰訊云副總裁王龍先生發表了題為《人工智能：產業互聯網的”芯“動力》的演講，對這一話題分享了自己的想法。

以下為新智元整理的演講內容：

騰訊云副總裁 王龍

各位來賓，各位朋友，早上好！感謝新智元的邀請，讓我有機會和大家分享一下我對AI與產業互聯網的一些想法。

過去的二十年，我在中國、德國、美國的IT行業中歷煉，經歷過很多新技術從孵化、熱炒再到成熟的整個周期。從最早的ERP到MES，再到后來的云計算、移動支付和AI。可以看到一個共同的現象，就是很多時候一項新技術作為當時熱詞很流行，真正進入實體經濟之后卻往往會遇到很多困難。同樣的，AI顯然也遇到了相同的情況。

過去的兩年中，騰訊云與IT界各企業服務公司開展了很多合作，也有很多成功的案例。 我們也在不斷思考，AI到底如何才能走向成熟？如何才能讓這些熱詞、這些技術為實體產業帶來真正的動力？

我們先來看看已經被證實的，AI確實能夠有效服務產業互聯網的場景。

AI已經解鎖的一些產業互聯“芯”場景

降低成本：智能客服、智能核保

基于語音識別、自然語言處理等AI技術的智能客服解決方案，已經可以為金融客戶節省90%以上的客服人員和質檢人員，實現7*24小時的在線客服問答，并提供更加高效和客觀的客服質量管理。

與之類似，AI文字識別和自研語音處理技術在保險理賠和核保領域，也可以實現提高審核效率、節約人工成本的效用。通過自動化技術能夠在幾小時、甚至幾分鐘之內給出保單的核保結論。

提升效率：實人實名、地鐵安檢

現在很多人會使用手機做一些和金融相關的操作，去政府部門辦事的時候，不管是提取公積金，還是處理醫療保險，都可以使用AI實人實名服務來登錄和驗證身份，平均業務辦理時間減少70%。而過去使用傳統認證方式，涉及到身份認證可能80%需要去現場辦理。

北京的上班族對地鐵安檢一定不陌生。尤其在早晚高峰時段，進站安檢的時候排隊往往很長。但是在人流密度極大、安檢人員配備接近飽和的情況下，一臺安檢機能否起到維護安全的作用？安檢機制的有效性如何保證？會不會成為一個擺設？

利用AI算法可以有效解決這些疑問。再敬業的安檢員也免不了偶爾有所倦怠，AI則完全不存在這個問題，在算法的輔助下，地鐵安檢會更高效，同時節省大量人力和成本。

快速創新：內容增強、人臉融合

AI無論是在P圖、掛件還是人臉融合方面都有眾多應用場景，給我們的生活帶來了很多便利和樂趣。騰訊云也推出了人臉融合技術，開發了一些小程序能夠將人臉與歷史人物進行融合。

同樣的技術也用在了電影攝制中，比如《速度與激情7》男主角保羅·沃克在拍攝過程中去世，通過AI技術，他的弟弟拍了剩余的動作，然后再“換臉”，最終讓電影如期上映，《猩球崛起》也使用了這樣的技術。

總體而言，任何新技術應用到企業和行業的時候，其爆發點可能永遠只有三條：為企業降低成本、為企業增加效益、為企業尋找創新的機會。

當然，我們也看到，以目前的AI技術水平，很多時候還只能在產業的某一個環節、某一個步驟實現“降本、增效、創新”，只有在極少數情況下，AI技術才可能完全替代人類。

然而，在經過數百個場景和項目的驗證中，我們也逐漸看到了AI技術落地的一些挑戰和邊界。

三類場景、五大要素： AI與產業互聯網融合的“芯”挑戰

AI落地的最大挑戰到底是什么？要想解答這個問題，利用AI技術真正實現“降本、增效、創新”的目標，必須從技術上來回答一個問題，AI能夠做到什么事情？目前來看，AI在產業中應用的主要場景可以分為三大類：

首先是智能感知。原來有些事情必須通過人和很復雜的設備感知物理世界，把物理世界映射到數字世界中，現在這個過程可以通過AI實現。例如基于視頻/圖像識別的人流檢測、基于視頻/圖像識別的行為檢測等。

其次是智能交互。以前，在完成感知環節后，需要將大量數據傳輸到云端服務器上才能進行交互，現在通過AI技術，很多時候在邊緣節點上就能夠實現人機交互。例如智能音箱和其他能夠實現語音控制的硬件設備等。

最后是智能決策。以前我們的很多決策都基于邏輯判斷和專家系統。現在通過AI技術和深度學習，可以在某些領域基于大量數據和算法獲得更優的決策質量。例如信用卡支付交易欺詐識別、工業設備預測性維保等。

這三類場景的應用，AI如果真正落地，也面臨巨大的挑戰。幾年前，我們一直說AI要有強大的算力、優秀的算法、足夠好的數據框架，最后要有落地的場景。現在，隨著AI技術逐步從線上走到線下，人們逐步發現正是這些要素的缺乏，形成了對產業很大的挑戰。

換句話說，如果算力成本不夠低，算法和框架的性能不夠高，AI落地的時候就會因為成本過高而失去商業價值，這種情況下，即使實現了商業化，也沒法實現規模化。

AI技術真正落地障礙重重

AI落地難：線上線下，兩個世界

對于AI在線下場景的應用，企業第一位考慮的往往是投資回報。對于算法和模型而言，如果是線上應用，數據質量往往較好，數據分布收斂度較高，算法和模型性能只要稍微提升一點，就會產生很好的效果。

線下的情況則大不一樣，以最常見的攝像頭為例，光照條件、拍攝角度、抖動、傳輸延時等因素都是優化算法必須考慮的因素。對于音箱，距離不同，算法和模型上的挑戰都可能截然不同。另外，對于智能設備而言，模型、算法和軟件的版本更新，也會隨時導致意想不到的后果。

AI落地難：場景、資源、模型、設備、數據，牽一發而動全身

應用場景、資源與基礎設施、算法和模型、智能設備、數據構成了AI技術落地的五要素。如何將這五大要素在落地場景中實現協調，是AI技術在產業界落地中另一個關鍵點。在實現智能感知、智能決策、智能交互的時候，往往任何一個要素的變化都會導致其他要素的變化。比如算法模型發生變化，設備資源調度都要跟著改變。結果就是，真正落地實施的時候就會需要算法專家、設備專家、資源專家，以及應用開發的合作伙伴都在場。最終結果就是AI落地的成本太高，沒有辦法真正在產業應用中大規模鋪開。

如何解決？標準化、模塊化、自服務化

怎么辦？首先我們需要讓這五個要素并行發展，讓我們不再需要在任何時候都要顧及所有要素。也就是說，算法專家不用關心應用是什么情況，設備供應商也不用關心算法問題，把這五個要素進行解耦，讓一個要素相對其它幾個要素變得更加透明。例如，對于一個已經落地的應用，換了攝像頭，負責優化算法其他幾個人不需要在場，可以遠程自適應進行算法的調整，這樣才可能讓整個AI落地的成本快速降到有商業價值的水平。

這個思路看上去有點像PC操作系統的誕生，為什么大家都愿意用操作系統？就是因為操作系統把鼠標、鍵盤等所有這些設備之間的復雜度，都通過一個標準化的協議屏蔽掉，它們之間能夠互相解耦，各自專注自己擅長的方向。只有這樣才能降低各個方面的成本，AI才能真正規模化，實現商業上的成功。

騰訊云AI產品“芯”引擎：“解耦”促進AI與產業互聯網融合

騰訊云AI大數據產品矩陣共分為三層。

最下面的一層是基礎服務產品層，過去幾年已經發展得非常成熟了，目前騰訊云已經建立了專業大數據平臺、數據倉庫和數據湖，積累的數據通過機器學習和深度學習能力，形成各種AI引擎能力。

最上面的一層是行業解決方案，也就是AI技術成功落地的案例。今天上面介紹的四個典型場景就屬于這一層的內容，包括基于AI語音識別、人臉識別、內容增強等方面的行業應用，這一層主要面對具體業務管理者。

基于實際需要，為了更好的落地，我們在這兩層中間進一步提供應用服務產品層，目的就是希望能夠把AI落地的成本降低，并讓各個部件之間形成解耦，讓每個人都有機會參與到這個生態環境中。這一層主要面對的是開發者。開發者可以完全不理會計算模型，也不需要理會什么設備能夠解決AI落地的問題。

騰訊云AI目前對外也提供三大技術平臺：騰訊人工智能服務平臺、騰訊智能對話平臺和騰訊數據資產管理平臺。

智能對話平臺可以讓語音語義技術通過音箱、麥克風和傳感器連接線下場景，像智能門鎖和生產設備控制，智能家居的語音助手都適用這樣的場景。

人工智能服務平臺可以把數據科學家、智能設備提供商、應用開發者更好的解耦，讓這些人更專注在自己擅長的領域，從而使得生態中的所有角色都能健康、高效的發展。

我們希望能夠為業界提供最好的技術和平臺，讓更多的合作伙伴能夠以更簡單、更方便、更低成本的方式來使用騰訊的技術和服務。我們也歡迎更多的合作伙伴加入我們，參與到AI技術落地的浪潮中來，一起更好地服務產業互聯網，為中國的產業數字化轉型做出貢獻。