【人工智能】常态化的企业级AI发展该如何演进规划？

2018 年 12 月 12 日 产业智能官

常态化的企业级AI发展该如何演进规划？三个阶段可稳步前行

说起AI的发展，有些人认为：近两年是爆发期，未来几年将逐年上升趋势发展；也有人认为：当前处于AI的初级阶段，AI还是个小婴儿未来仍漫漫长路；还有人认为：AI只不过是这两年炒作的话柄罢了，它不会改变人类，更不会替代人类……

无论哪种理解，现实情况是：AI及衍生体已经成为我们今天工作生活中不可或缺的组成部分，尤其在科研和技术领域更是如此，很多企业需要借助AI提升现有业务，或者引入AI的某些元素拉动投资，种种迹象表明：谈AI的企业级应用和发展态势已经成为非常重要的话题，而且必须要有所规划、稳步前行。

所以今天主要介绍近三年的企业级AI演进和发展规划。我们认为，企业级AI的应用发展规划可按阶段逐渐演进和建设，即：AI引擎引入阶段，AI智能化分析阶段，AI智慧运营阶段。

第一阶段，AI能力引入阶段（2019年）：

近年来，AI能力的行业关注点主要聚焦在语音识别、语义理解、图像识别等能力栈，这些能力在行业间可大规模应用，通用性强；所以在第一阶段我们可以将AI应用在当前已有的场景下，主要引入AI的核心能力（如识别能力），目的是提升整体的业务流程和效率，但整体业务流程和实现方法保持不变；

这样的能力引入有几个好处，一个是当前AI整体发展尚不成熟，自己独立打拼探索并找到新的商业模式实在太难；再有就是AI最为吸引眼球的往往还是那些图像识别、语音识别等能力，这些能力最容易让老百姓所理解认同，并认为有这样的能力就是AI；第三就是实现起来比较简单，往往组件化的模块就可以通过调用的方式嵌入到已有的系统。

第二阶段，AI智能化分析阶段（2020年）：

除了AI的核心能力外，在算法和模型领域还有很长的路要走，自然也是AI的核心技术突破。所以应该将此能力引入到现有环境中；所以在第二阶段将主要强化AI的分析能力，提升分析探索平台的挖掘效果，这样可以帮助业务分析师洞察数据原因、甚至追溯前端的业务问题。

这个阶段才是真正发挥AI效能的阶段，也是人工智能在算法领域的核心要素。说白了就是将现在特殊领域特殊场合运用的Alphago，应用在更多的生活场景上，而且能够非常普及，这个阶段的效果也就达成了。

第三阶段，AI智能认知 / AI智慧运营阶段（2021年）：

AI的高阶能力主要有机器认知、智能预测/预警等自学习迭代过程。这个过程是一种联动关系，也是机器感知、自我提升的过程；第三阶段主要探索AI的智能化持续运营。将前端语音交互、人脸识别、流程导向等模式与后端运营打通，帮助分析师自助式解决业务问题；

这个阶段的效果呈现，就是讲目前比较初级的AI能力进行进一步延伸，能够流程化、智能化的完成一系列相关应用流程的动作。比如：用户去“未来银行” 办理业务，进门有自动取号机、然后有自动叫号系统、有自动收单收证件机制、客户语音提供需求输入，自动化办理完成等等，这个过程就是流程的自动化和自助方式，也是AI的高阶运营能力。

如何跳出大数据视角规划一个标准的人工智能平台？就这么简单！

我们在写文章的时候，通常需要通过一个总-分-总的结构去构思，这样的方法形成的文章是有体系的、有内容的且逻辑通畅。同样我们在写方案PPT的时候以可以照猫画虎，这样的材料总会让人感觉既有内涵有充实饱满。

说起人工智能，很多专家学者对其的理解一套一套的，有些关注AI的行业应用和未来前景、有些专注于内部算法和模型、还有些研究AI的外围周边配套……无论哪个领域都是行业大拿。另外在展现自己思路的过程中，一定要先说清楚整体的体系结构，这样接下来才能由粗到细、由浅入深的剖析其内部。基于此，我们还必须说出与传统大数据平台之间的关系，于是画了这样一页图，希望能尽可能的清晰勾勒出人工智能平台的体系结构。

绿色区域中分别将人工智能平台区分为：系统层、能力层和接入层。

系统层：主要是底层系统的能力区域，为AI提供基础设施、存储计算能力和云化环境；

能力层：主要包括AI能力服务平台和AI深度分析平台，是AI的核心能力输出；

接入层：主要包括各类AI开放接口，如能力级API、模型级API和样本数据回收API等等；

蓝色区域则体现了企业现有的大数据系统/大数据平台，他能体现出它与人工智能平台之间的关系。这个大数据系统可能是开源Hadoop，也可能是商用级产品，再或者又是混搭架构的技术栈，包括常规的存储能力、计算能力、统计分析能力、数据可视化能力等等，但请记住它只是个大数据系统。

所以我们能看出：

人工智能平台主要包括AI能力服务平台和AI深度分析平台，同时整个平台与当前大数据系统紧密联系；
底层交互数据可直接用于深度学习及模型训练，同时海量数据集可输送到大数据平台，进一步挖掘更多信息后，再反馈给人工智能平台，提高服务质量。

AI能力服务平台：负责输出核心的语音、语义、视觉能力服务，提供统一的API接口和多平台SDK，方便快速集成使用；

AI深度分析平台：负责深度学习等模型训练，为AI能力平台提供具有高识别效果、高效率底层模型；

深度学习平台和AI能力平台的关系：深度学习平台通过不断优化模型，使AI能力平台可以提供更加优质的服务；而AI能力平台搜集到的海量数据又为深度学习平台提供更多训练样本，二者之间可闭环迭代演进；

说到这里是否能与您形成共鸣？人工智能不仅仅是数学问题、并不一定是机器学习理论、也并仅仅是一堆技术的堆砌，而可以用一页清晰直观的图去勾勒体系，阐述能力。虽然或许有些粗糙，但值得挖掘推敲。

企业级AI应用创新已大势所趋，底层平台应具备哪些能力支撑？

随着行业内外对人工智能的关注度提升，我们有更多的应用场景可以引入AI的元素。其实，人们所接触的人工智能产品并不多见，所以对之产生比较单薄的印象，但是它经过近两年发展，已经悄然发芽并开始逐渐“成长”。

人工智能企业主要的应用领域主要集中在教育、医疗、无人驾驶、电商零售、金融、个人助理、园区、家居、展厅等多个垂直领域内的多个场景。

人工智能+教育：人工智能教育的相关概念一直受到资本市场的关注，技术上，通过语音交互和自然语言处理技术，实现智能机器人阅卷改卷、背诵机器人、在线口语评测等功能；

人工智能+医疗：去年8月，腾讯推出了首款将人工智能技术运用在医学领域的产品“腾讯觅影”，将图像识别、大数据处理、深度学习等AI领先技术与医学跨界融合研发而成，辅助医生进行疾病筛查和诊断；

人工智能+无人驾驶：即使无人驾驶的噱头足够吸引人，但是为了弥补人工智能的不足，仍然需要采取幕后有人为监督的干预措施，并逐渐逐渐将人工智能应用在没有监督的情况下运行；

人工智能+零售：人工智能针对电商领域实现的功能主要有客服、实时定价促销、搜索、销售预测、补货预测，还可以智能推荐你喜爱的商品信息以及机械手臂机器人完成自动工作；

人工智能+个人助理：在这个领域的应用通常比较多见，比如苹果Siri、微软小冰等，都是接触较为基础的应用，随着聊天机器人日益发展成真正的智能助理，其可以帮助用户做很多事情；

人工智能+园区：通过“互联网+”的领域延伸，构建智慧运维平台，融入物联网、人工智能等核心技术，为园区和入驻企业的产品与服务提供智能展示平台，实现园区招商的可视化；

人工智能+家居：通过语音控制设备，从而轻松调节家里的风扇、空调、空气净化器等家电，这样的场景目前已基本实现。

所以我们可以看出AI所涉及的学科非常众多、其发展至今所沉淀的应用场景也绝不仅仅是上面这些。但企业在支撑AI创新的同时，也呈现出一个新的问题，那就是：为了支持企业级AI发展，底层平台到底应该具备哪些能力呢？之所以抛出这个问题，那是因为自移动互联网的蓬勃发展，一个又一个平台浮出水面，包括云计算平台、大数据平台、精准营销平台、智能运维平台、语音交互平台、客户画像平台等等，所以建设平台、优化平台、运营平台已成为IT界最为关注的问题。

说道这里，作为支撑AI的能力平台自然也不在话下，这样的平台应该具备什么能力呢？我们总结四点如下——

平台运用新兴技术的能力（语音、图像识别等）

引入AI领域的新兴技术能力，这些技术大多可作为后续数据分析的输入。如：语音识别、图像处理、文本检索、NLP等能力的运用，可以与智能硬件有效的结合在一起；而且我们发现很多AI的应用都是先以这些吸引眼球的黑科技切入，这些能力很容易以“模块”的形式在产品或场景间复制。

平台具备高级算法和分析引擎（深度学习类）

以前很多文章都介绍过，AI的核心主要在于算法的突破，能力平台可以集成多种分析能力：多维分析、图分析、预测分析、分类&聚类、归因分析、文本挖掘、统计分析等。然后还要支持各类分析工具：如SAS、Rstudio分析工具、Dataiku大数据服务工具、KNIME数据挖掘平台等。最后支持多种开发语言：R语言、Python、Scala、Golalng/Go等；

平台引入高效的基础设施（芯片、云化资源等）

永远不要忘记硬件的强大。从CPU到GPU，现在已经发展到了TPU，专为机器学习所量身定做的处理器。因为说起处理器芯片巨头，Inter长期是超级巨无霸，不过新型的互联网巨头们一边在采购Intel处理器，一边也有自己的打算。据市场调机构估计，全球销售的服务器处理器中有大约5％都被Google买走了，同时Google也在创造自己的TPU，加速其第二代人工智能系统TensorFlow的运行，而且效率也大大超过GPU。所以强大的计算速度和分析能力促使微电子产业的升级创新，智能服务为实现万物互联，必须要求无缝覆盖的智能网络等；

平台支持更广泛的AI应用（多类别应用）

最后就是人工智能的分析场景、智慧客服场景、智慧营销场景、智能化运维场景、精细化管理场景、智慧管家、服务机器人、智能语音交互、精准人脸识别及声控识别等内外应用支撑；

所以我们看出，作为人工智能的底层平台与传统意义的平台虽然能力各异，但侧重点截然不同，范围更广泛、覆盖更全面。人工智能的未来发展，一个是人工智能的生命力在于实践应用，再一个就是离不开行色各异的人人参与和体验，最后就是离不开产业间的互联互通。

谈人工智能不能仅仅局限于模型和算法，它更受惠于行业大趋势发展

人工智能的演变能力支撑

今天分享的内容是：人工智能的演变能力支撑

首先，人工智能（Artificial Intelligence）是最近两年非常火爆的技术科技名词，从Alphago开始就掀起了IT及相关行业的一番热潮。现在，人工智能已是无人不知、无人不晓、在各行各业已如火如荼的前沿科技，而且未来它会在很多领域完全可能达到人类的智慧高度，取代人类部分劳作，例如无人汽车、无人商店、智能家居……

说起AI，我们大多看见的内容主要有两部分：第一就是行业应用，也就讲人工智能在哪些领域做了实践和应用；另一部分就是AI的核心——用了什么高级神经网络、深度学习算法等等。但今天我分享的内容主要是谈谈AI的演进，这就是：从10年前具有颠覆意义的云计算到后来无人不谈的大数据，以及最近热门的AI（人工智能）等概念延伸，是如何演进发展的。

图中所示的内容有两个坐标，横向代表时间、发展阶段；纵向代表相关行业应用及业务创新点，在这里我们分别将早年间的云计算、后来成熟普及的大数据以及今天的人工智能分别加以阐述。

云计算字眼儿在国内出现约在12年前，当时谈的最多的就是资源池，云计算按类型可以划分为公有云、私有云和混合云等，按服务的提供方式可以分为IaaS、PaaS和SaaS等，在当时那个概念渗透的时期，应用领域就是云存储、云邮箱、虚拟化资源池建设等等，慢慢到后面就是帮助客户解决传统应用上云，业务迁移的问题，更多聚焦于IaaS层。今天，无论是国外的AWS还是国内的阿里云，可以说云化基础设施层的能力已经非常完备了，依托于这样一样强大的能力引擎（存储空间、计算资源、网络链路），云计算作为底层资源较好的承载上面的能力。

什么是上面的能力？那就是大数据。2012年左右，云化资源在各行业应用的同时，大数据概念也随之产生了。大数据提供了海量数据的存储能力，与云计算的存储资源池的概念非常相近，与此同时具备NoSQL数据库的管理和查询能力，而且主要面向于大数据量的高并发处理与数据分析，可以说这些能力充分体现了大数据的特点，也是大数据与云计算衔接的重要阶段。2013年左右，希望开展大数据领域相关项目的客户们陆续着手建设大数据平台，后续几年逐步聚焦于大数据上层应用以及PaaS能力共享，这些都是做大数据的目的——通过开展数据分析探索业务价值。而这些能力的关键在于——大数据已经完全适应了云计算的良好土壤。无论开源、无论商用产品都可以分布式集群本地部署，也可以基于虚拟化资源池云化部署，还可以依托于容器技术自定义部署。而且在“as a service”方向，云计算时期的PaaS再也不空谈web应用、数据库中间件等能力，一切都可以用服务的形式进行封装，将“XaaS”的能力运用的淋漓尽致。

在大数据领域，目前已经形成了诸如数据仓库、数据可视化、大数据分析平台等商用产品，也有Hadoop、Spark等开源生态系统，这里面其中有那么一块儿知识领域就是机器学习/算法库，这部分组件儿将大数据分析价值施展的更精准、更有价值，而且也单独形成了一个新领域——人工智能。人工智能的核心是深度学习、是新型神经网络、是高级算法，可以追溯到1955年的达特茅斯会议，也可以追溯到1982年霍普菲尔德神经网络……我想说，伴随着计算能力未能突破大规模数据训练和复杂任务，使得AI进入一个又一个低谷。但今天不再一样，AI的今天已经具备了云计算大规模资源的基础环境、也具通过大数据能力构建复杂知识学习的分析能力，至今开展了相关语音图像等识别类应用、机器人/智能助手等设备类应用、精准体验/推荐类客户应用以及智能化告警/预测类维护应用。

因此，云计算和大数据是人工智能的“助推剂”，我们可以将云计算的资源能力比喻成“土壤”，将大数据的分析能力比喻成“水源”，将人工智能比喻成“树苗”（早期阶段），人工智能的发展离不开业务创新与实践等发展进程，这种能量循序渐进的推动了ICT产业乃至整个社会迈向数字化、智能化；

构建企业级人工智能支撑环境

如何构建企业级人工智能的支撑环境呢？在这里引入另外一张图。

正如前面所讲，云计算提供了基础环境，大数据驱动了的知识学习，AI引擎（算法）增强了人机协同，而且在整个过程中，技术的发展是迭代过程，企业级人工智能的演进仍然需要“社会迭代”，这就需要持续不断的知识传递、服务跟进、人才保障…才能构建好一个企业级人工智能的雏形。而且要综合考量开展哪类AI应用？做AI软件能力还是AI硬件产品、或两者兼备的智能机器人？AI产品主要面向谁、如何运营等问题，这才是AI发展的路标。

所以，未来主要以人工智能应用建设为导向，将云计算、大数据和AI引擎等能力极致发挥。

企业级AI总体功能框架

最后贡献一张框架图，这张图是结合多方对AI的理解、参考多领域案例后所勾勒出的——企业级人工智能的整体框架图。我们将AI能力框架分为三个区域：AI支撑域、AI核心域、AI应用域。

AI支撑域：包括IT基础设施、虚拟化资源池、大数据存储计算能力以及相关数据分析工具，核心是完成AI任务的计算工作、进行样本数据的存储、完成数据分析过程，这一层要求具备IaaS、PaaS和DaaS能力。

AI核心域：包括AI平台控制与核心组件，需要机器学习的算法和能力支撑，具体涉及到语音识别、文字识别、图像识别、生物识别、自然语言处理等方面，从而构建起机器认知、机器理解、机器思维等AI核心引擎。这一层要求具备图像处理、声音合成、情景感知、智能控制等能力。

AI应用域：包括AI产品化交付，为客户、企业内外提供应用支撑。这里领域主要根据自有行业特点开展AI应用建设，随便列举几个：智能化客户管理、智能推荐、客户助手、生物识别等等。

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。