報告編委

特別鳴謝（按拼音排序）

報告摘要

人工智能在產(chǎn)業(yè)中落地的20大挑戰(zhàn)

自2019年起，人工智能的發(fā)展進(jìn)入與產(chǎn)業(yè)加速融合的階段。經(jīng)過近幾年的發(fā)展，人工智能已經(jīng)廣泛滲透進(jìn)金融、零售、工業(yè)、能源、醫(yī)療、城市管理等多個行業(yè)和領(lǐng)域，并且一些行業(yè)頭部企業(yè)已經(jīng)全面擁抱了智能化轉(zhuǎn)型。

由于可獲取和參考的建設(shè)經(jīng)驗有限，加上企業(yè)所處行業(yè)、發(fā)展階段的不同，自身需求以及擁有的資源稟賦各異等因素，人工智能在產(chǎn)業(yè)中落地充滿挑戰(zhàn)。在本報告中，愛分析基于大量調(diào)研和過往研究積累，從戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織和人才六個維度梳理出了目前人工智能在產(chǎn)業(yè)中落地面臨的20個主要挑戰(zhàn)。

評估AI應(yīng)用成熟度，因地制宜推進(jìn)智能化

智能化轉(zhuǎn)型沒有統(tǒng)一的路徑和方法，不同企業(yè)在不同階段面臨的問題通常也各不相同。因此，企業(yè)在實施智能化轉(zhuǎn)型之前需要對自身的AI應(yīng)用成熟度狀況進(jìn)行評估，明確在不同成熟度階段需要重點提升的能力，從而制定下一步實施計劃，高效的推進(jìn)智能化轉(zhuǎn)型。

在本報告中，愛分析將AI應(yīng)用成熟度從低到高依次分為早期實驗、初步投入、多維布局、深度應(yīng)用、全面融合五個階段，并從多個維度列舉了每個成熟度階段企業(yè)具備的主要能力特征。此外，愛分析也將目前國內(nèi)主要行業(yè)企業(yè)AI應(yīng)用成熟度各階段數(shù)量占比情況做了展示。

企業(yè)智能化轉(zhuǎn)型的方法論

在本章，愛分析從戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才六個維度論述企業(yè)在應(yīng)對智能化轉(zhuǎn)型的多種挑戰(zhàn)時，可以采取的方法和措施，并從本次調(diào)研的案例中選取相關(guān)實踐經(jīng)驗為企業(yè)提供參考說明。同時，本章還對處于不同成熟度階段的企業(yè)在上述六個維度中需要階段性提升的重點能力分別了給出建議。

同時，愛分析對本次調(diào)研的企業(yè)智能化轉(zhuǎn)型和AI應(yīng)用實踐案例做了詳細(xì)梳理，并將案例內(nèi)容呈現(xiàn)在本章中，其中以字母命名的案例為針對某個特定問題案例，具體包括：

案例1：中新天津生態(tài)城構(gòu)建智慧城市產(chǎn)業(yè)大腦，用AI挖掘數(shù)據(jù)價值案例2：AI數(shù)據(jù)管理平臺助力上汽安吉物流批量化迭代AI模型，讓物流管理更智慧案例3：美宜佳打造商業(yè)智能決策管理平臺，實現(xiàn)線下零售的智能化運(yùn)營案例4：依托計算機(jī)視覺技術(shù)，某餐飲連鎖企業(yè)為餃子品控安上智慧之“眼”案例5：中宏保險構(gòu)建營銷員智能助理，通過保險知識的共享和復(fù)用賦能銷售案例6：AI算法支撐下，AR虛擬試戴讓安克創(chuàng)新用戶獲得更優(yōu)的線上互動體驗案例7：某銀行搭建智能消費(fèi)者保護(hù)中臺，助力消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警案例8：海信集團(tuán)引入AI平臺，構(gòu)建獨(dú)立自主的AI開發(fā)能力案例9：某大型集團(tuán)搭建AI中臺，支撐數(shù)智化升級案例A：某大型保險集團(tuán)制定平臺、應(yīng)用、技術(shù)“三個領(lǐng)先”戰(zhàn)略和“四個關(guān)鍵舉措”推動智能化建設(shè)案例B：虛擬數(shù)字人助力江南農(nóng)商銀行為客戶提供創(chuàng)新性的遠(yuǎn)程視頻柜員服務(wù)案例C：某全球頭部日用消費(fèi)品公司在華公司以費(fèi)用支出為導(dǎo)向規(guī)劃AI應(yīng)用場景案例D：某大型國有商業(yè)銀行構(gòu)建MLOps體系，實現(xiàn)敏捷的模型迭代，高效的模型交付案例E：某頭部家電集團(tuán)建立面向AI開發(fā)和管理的組織架構(gòu)，全面支持產(chǎn)品的智能化創(chuàng)新

企業(yè)智能化趨勢展望

愛分析認(rèn)為，所有的企業(yè)未來想要在市場中保持競爭力，一定都需要全面擁抱智能化。預(yù)計在接下來的3至5年，國內(nèi)大量的企業(yè)對AI的應(yīng)用將從單點的AI建設(shè)走向全面的智能化轉(zhuǎn)型，企業(yè)因此需要針對智能化轉(zhuǎn)型規(guī)劃完善的路徑和方法，同時結(jié)合自身AI應(yīng)用的成熟度，制定符合自身狀況的行動計劃。

相信隨著企業(yè)智能化進(jìn)程的推進(jìn)，AI在產(chǎn)業(yè)中落地仍然會面臨許多新產(chǎn)生的問題，愛分析將對這個領(lǐng)域保持持續(xù)跟蹤研究，對前沿的案例保持關(guān)注，為企業(yè)智能化轉(zhuǎn)型提供更多的決策參考

目錄

1. 人工智能在產(chǎn)業(yè)中落地的20大挑戰(zhàn)

2. 評估AI應(yīng)用成熟度，因地制宜推進(jìn)智能化

3. 企業(yè)智能化轉(zhuǎn)型的方法論

4. 企業(yè)智能化趨勢展望

關(guān)于愛分析

研究咨詢服務(wù)

法律聲明

1. 人工智能在產(chǎn)業(yè)中落地的20大挑戰(zhàn)

在國家政策、產(chǎn)業(yè)需求、數(shù)據(jù)和技術(shù)體系趨于完備三重因素的推動下，人工智能的發(fā)展自2019年起進(jìn)入與產(chǎn)業(yè)加快融合的階段。經(jīng)過近幾年的發(fā)展，人工智能已經(jīng)廣泛滲透進(jìn)金融、零售、工業(yè)、能源、醫(yī)療、城市管理等多個行業(yè)和領(lǐng)域，各種創(chuàng)新性的應(yīng)用場景層出不窮。尤其在金融、智能制造等領(lǐng)域，一些頭部企業(yè)已經(jīng)在各個業(yè)務(wù)和職能部門中引入了大量的人工智能應(yīng)用，并且已經(jīng)構(gòu)建起了較完善的面向智能化運(yùn)營的技術(shù)能力、組織架構(gòu)和創(chuàng)新機(jī)制。

行業(yè)大勢疊加頭部企業(yè)的示范效應(yīng)，吸引了眾多企業(yè)紛紛跟進(jìn)智能化轉(zhuǎn)型。然而，智能化轉(zhuǎn)型仍是一片雖已有眾多人涉足，但鮮有人真正實現(xiàn)深耕的新大陸，企業(yè)可獲取和參考的建設(shè)經(jīng)驗有限，加上企業(yè)所處行業(yè)、發(fā)展階段的不同，自身需求以及擁有的資源稟賦各異，需要針對性地開展人工智能的規(guī)劃和建設(shè)等因素，導(dǎo)致了人工智能在產(chǎn)業(yè)中落地充滿挑戰(zhàn)。

愛分析基于多個國內(nèi)領(lǐng)先企業(yè)的智能化轉(zhuǎn)型和人工智能應(yīng)用實踐案例的深度調(diào)研分析，以及過往對產(chǎn)業(yè)數(shù)字化與智能化的持續(xù)跟蹤研究，梳理出了當(dāng)下人工智能在產(chǎn)業(yè)落地中會面臨的20個主要挑戰(zhàn)，這些挑戰(zhàn)涉及戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才六個維度，具體如下表：

表 1： 人工智能在產(chǎn)業(yè)中落地的20大挑戰(zhàn)

2. 評估AI應(yīng)用成熟度，因地制宜推進(jìn)智能化

智能化轉(zhuǎn)型沒有統(tǒng)一的路徑和方法，不同企業(yè)在不同階段可能面臨的問題通常也各不相同。因此，企業(yè)在實施智能化轉(zhuǎn)型之前需要首先建立一套企業(yè)智能化轉(zhuǎn)型的能力框架，對框架內(nèi)的多個能力維度進(jìn)行評估，確認(rèn)企業(yè)自身的AI應(yīng)用成熟度狀況。在此基礎(chǔ)上，企業(yè)可以明確智能化轉(zhuǎn)型的關(guān)鍵能力要素，以及各維度的能力在不同成熟度階段需要重點提升的方向，從而制定下一步實施計劃，高效的推進(jìn)智能化轉(zhuǎn)型和AI落地。

基于本次調(diào)研和過往研究積累，愛分析將AI應(yīng)用成熟度從低到高依次分為早期實驗、初步投入、多維布局、深度應(yīng)用、全面融合五個階段，并且從戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才六個維度列舉出了每個成熟度階段主要的能力特征，具體如下表：

表2：企業(yè)AI應(yīng)用成熟度及其評估框架

同時，愛分析綜合IDC、紅杉的相關(guān)數(shù)據(jù)以及本次調(diào)研結(jié)果發(fā)現(xiàn)，國內(nèi)金融、零售、工業(yè)、醫(yī)療等主要行業(yè)開展過智能化建設(shè)的企業(yè)中，約30%處于早期實驗階段，約40%處于初步投入階段，約20%處于多維布局階段，約9%處于深度應(yīng)用階段，處于全面融合階段企業(yè)不足1%，僅有少數(shù)行業(yè)超頭部公司達(dá)到這一水平。

圖 1： 主要行業(yè)企業(yè)AI應(yīng)用成熟度各階段數(shù)量占比

考慮到處于早期實驗階段的企業(yè)內(nèi)部對AI規(guī)劃與建設(shè)尚無實質(zhì)性的進(jìn)展，該階段的企業(yè)要推進(jìn)智能化轉(zhuǎn)型可以參照初步投入階段的方法和實踐經(jīng)驗；同時，處于全面融合階段的企業(yè)一方面國內(nèi)的樣本量非常少，另一方面該階段的企業(yè)已基本完成智能化轉(zhuǎn)型，需要更多地關(guān)注和解決智能化運(yùn)營方面的問題。因此，本報告將只對處于初步投入、多維布局和深度應(yīng)用三個階段的企業(yè)如何開展智能化轉(zhuǎn)型進(jìn)行詳細(xì)討論，并分別提供建議。

3.企業(yè)智能化轉(zhuǎn)型的方法論

在本章，愛分析將從戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才六個維度論述企業(yè)在應(yīng)對智能化轉(zhuǎn)型的多種挑戰(zhàn)時，可以采取的方法和措施，并從本次調(diào)研的案例中選取相關(guān)實踐經(jīng)驗為企業(yè)提供參考說明。同時，本章還會對處于不同成熟度階段的企業(yè)在上述六個維度中需要階段性提升的重點能力分別給出建議。

3.1 戰(zhàn)略層面

3.1.1 方法論

3.1.1.1. 明確智能化的目標(biāo)和路徑，并在組織內(nèi)達(dá)成統(tǒng)一

全面的智能化轉(zhuǎn)型需要從頂層開始設(shè)計，避免因依靠局部業(yè)務(wù)需求驅(qū)動的AI能力和應(yīng)用散點建設(shè)造成后期難以統(tǒng)一管理和資源浪費(fèi)。因此，企業(yè)應(yīng)該首先明確智能化轉(zhuǎn)型的關(guān)鍵目標(biāo)，以及明確為了達(dá)到相關(guān)目標(biāo)的建設(shè)思路和路徑，針對這些問題對智能化轉(zhuǎn)型進(jìn)行具備前瞻性和系統(tǒng)性的規(guī)劃。同時，企業(yè)需要在組織、治理結(jié)構(gòu)和制度流程等方面達(dá)成統(tǒng)一，才能高效地推動智能化建設(shè)，達(dá)成相應(yīng)目標(biāo)。

例如在案例A中，某大型保險集團(tuán)制定了平臺、應(yīng)用、技術(shù)“三個領(lǐng)先”戰(zhàn)略，并成立專門大數(shù)據(jù)和人工智能部門，從項目管理機(jī)制、前沿技術(shù)研究、國產(chǎn)化方案替代、應(yīng)用成果孵化等方面開展建設(shè)，從而推動智能化轉(zhuǎn)型。

3.1.1.2. 建立將新技術(shù)用于業(yè)務(wù)創(chuàng)新的機(jī)制，并提供相應(yīng)的資源支持

AI應(yīng)用本質(zhì)上具有實驗性和創(chuàng)新性，因此也天然地會伴隨著一定的不確定性和失敗風(fēng)險。為了實現(xiàn)AI應(yīng)用的落地，企業(yè)需要首先建立鼓勵創(chuàng)新，容忍失敗的工作氛圍，其次，建立業(yè)務(wù)創(chuàng)新機(jī)制，在內(nèi)部密切關(guān)注AI技術(shù)的發(fā)展趨勢，及時識別將AI技術(shù)用于業(yè)務(wù)創(chuàng)新的機(jī)會，以及不斷強(qiáng)化組織內(nèi)的AI開發(fā)能力，并推動應(yīng)用的落地。

3.1.2 給不同成熟度的企業(yè)的建議

初步投入階段：企業(yè)在該階段應(yīng)明確當(dāng)前需要開發(fā)的具體應(yīng)用，并考慮采取怎樣的方式實現(xiàn)落地。

多維布局階段：企業(yè)在該階段應(yīng)首先在組織內(nèi)廣泛地鼓勵創(chuàng)新，明確智能化轉(zhuǎn)型短期的目標(biāo)和路徑。同時需要對中長期的目標(biāo)有所考慮和規(guī)劃。

深度應(yīng)用階段：企業(yè)在該階段應(yīng)建立完善的智能化轉(zhuǎn)型中長期目標(biāo)和規(guī)劃，在組織內(nèi)就智能化轉(zhuǎn)型的方法、流程、創(chuàng)新機(jī)制達(dá)成了統(tǒng)一，并給予全方位支持。

案例A：某大型保險集團(tuán)制定平臺、應(yīng)用、技術(shù)“三個領(lǐng)先”戰(zhàn)略和“四個關(guān)鍵舉措”推動智能化建設(shè)

某大型保險集團(tuán)于2019年成立了集團(tuán)科技中心大數(shù)據(jù)和人工智能部，由此開啟了人工智能技術(shù)發(fā)展之路。該保險集團(tuán)擬在人工智能建設(shè)方面實現(xiàn)“三個領(lǐng)先”的戰(zhàn)略目標(biāo)。一是領(lǐng)先的平臺：持續(xù)打造涵蓋NLP、語音、OCR、人臉識別、大數(shù)據(jù)應(yīng)用子平臺的集團(tuán)統(tǒng)一人工智能技術(shù)平臺，各項技術(shù)指標(biāo)居于行業(yè)領(lǐng)先水平。二是領(lǐng)先的應(yīng)用：聚焦客服、管理、銷售三類機(jī)器人突破，機(jī)器人研究和應(yīng)用水平居于行業(yè)領(lǐng)先水平。三是領(lǐng)先的技術(shù)：核心算法全部自研，關(guān)鍵技術(shù)和硬件具備國產(chǎn)化替代方案。

在建設(shè)思路方面，為了實現(xiàn)“三個領(lǐng)先”的戰(zhàn)略目標(biāo)，該保險集團(tuán)實施了如下關(guān)鍵舉措：

1）制定長期規(guī)劃，營造創(chuàng)新氛圍。集團(tuán)制定了長期人工智能發(fā)展規(guī)劃，和適合科技創(chuàng)新的項目管理機(jī)制，營造鼓勵創(chuàng)新、容忍失敗的工作氛圍。

2）鉆研前沿技術(shù)，加快技術(shù)落地。密切跟蹤人工智能技術(shù)的演進(jìn)趨勢，并適當(dāng)開展前沿技術(shù)的研究，縮短前沿技術(shù)落地的周期；重點加強(qiáng)多模態(tài)AI應(yīng)用落地的能力，加強(qiáng)大數(shù)據(jù)和AI深度協(xié)同的能力，加強(qiáng)研發(fā)人員對業(yè)務(wù)的理解。

3）探索國產(chǎn)化替代方案，實現(xiàn)技術(shù)的提前儲備和自主可控。探索PaddlePaddle等國產(chǎn)深度學(xué)習(xí)基礎(chǔ)框架，驗證國產(chǎn)GPU的實際性能，形成備用方案，確保極端情況下仍然可以開展人工智能的應(yīng)用和研究。

4）加快機(jī)器人突破工程成果孵化，探索研發(fā)通用機(jī)器人。利用機(jī)器人研發(fā)成果，進(jìn)行銷售和管理機(jī)器人嵌入式研發(fā)，重點突破人機(jī)混合運(yùn)營下的機(jī)器學(xué)習(xí)；依托各類私域流量和公域流量，實現(xiàn)純線上化的銷售模式和銷售管理模式；由小規(guī)模、人機(jī)協(xié)作向全覆蓋、無人化演進(jìn)，并探索研發(fā)通用機(jī)器人。

3.2 數(shù)據(jù)層面

3.2.1 方法論

3.2.1.1. 重視數(shù)據(jù)治理與數(shù)據(jù)平臺建設(shè)工作

良好的數(shù)據(jù)基礎(chǔ)是支撐智能化轉(zhuǎn)型的前提，針對數(shù)據(jù)孤島、數(shù)據(jù)質(zhì)量低、數(shù)據(jù)廣度與深度不足、數(shù)據(jù)架構(gòu)老舊等企業(yè)數(shù)據(jù)基礎(chǔ)中的問題，企業(yè)需要重視數(shù)據(jù)治理與數(shù)據(jù)平臺建設(shè)工作。

在數(shù)據(jù)治理方面，企業(yè)應(yīng)該組織專門的數(shù)據(jù)治理工作，制定數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)治理體系，提高數(shù)據(jù)質(zhì)量。如在案例1中，中新天津生態(tài)城在利用內(nèi)部外數(shù)據(jù)，構(gòu)建智慧城市產(chǎn)業(yè)大腦之前，首先成立專門的數(shù)據(jù)治理小組，開展相關(guān)工作以提高數(shù)據(jù)的質(zhì)量。

在數(shù)據(jù)平臺建設(shè)方面，企業(yè)需要構(gòu)建統(tǒng)一的大數(shù)據(jù)平臺或數(shù)據(jù)智能平臺，打通各部門、各系統(tǒng)的數(shù)據(jù)，豐富數(shù)據(jù)的來源，提高數(shù)據(jù)的廣度和深度。同時，設(shè)計面向AI應(yīng)用的數(shù)據(jù)架構(gòu)，方便AI應(yīng)用開發(fā)和運(yùn)營中對數(shù)據(jù)的調(diào)用。例如在案例7中，某銀行為了構(gòu)建智能消費(fèi)者保護(hù)中臺，其首先建設(shè)了全口徑的投訴管理大數(shù)據(jù)平臺，整合行內(nèi)10多類異構(gòu)多模態(tài)數(shù)據(jù)，以打破多業(yè)務(wù)部門、各區(qū)域、各系統(tǒng)數(shù)據(jù)壁壘。關(guān)于數(shù)據(jù)平臺的詳細(xì)構(gòu)建方法可參考愛分析于2021年11月發(fā)布的《2021愛分析?數(shù)據(jù)智能平臺實踐報告》。

3.2.1.2. 建立面向AI開發(fā)的數(shù)據(jù)采集、數(shù)據(jù)處理和數(shù)據(jù)管理等方面的標(biāo)準(zhǔn)化方法和自動化能力

為了高效地給AI開發(fā)提供匹配的數(shù)據(jù)，支撐AI應(yīng)用的規(guī)?；涞兀髽I(yè)內(nèi)部需要建立一套面向AI開發(fā)的自動化的數(shù)據(jù)采集、數(shù)據(jù)處理和數(shù)據(jù)管理的方法與能力。具體而言，可以在數(shù)據(jù)采集端如攝像頭、傳感器內(nèi)置相應(yīng)算法自動采集所需數(shù)據(jù)；采集的數(shù)據(jù)上傳至云端或本地后，設(shè)置相應(yīng)條件，自動觸發(fā)數(shù)據(jù)標(biāo)注任務(wù)，交由業(yè)務(wù)專家標(biāo)注數(shù)據(jù)，在某些情況下還需要自動將新標(biāo)注的數(shù)據(jù)與原先的數(shù)據(jù)集進(jìn)行合并；當(dāng)平臺監(jiān)測到新的數(shù)據(jù)版本后，再自動對模型進(jìn)行訓(xùn)練，并對新的模型進(jìn)行評估和上線。

例如在案例2中，上汽安吉物流在研發(fā)其視覺智能管理系統(tǒng)時，采用了這套標(biāo)準(zhǔn)化和自動化的從數(shù)據(jù)采集，到數(shù)據(jù)標(biāo)注，到模型訓(xùn)練的流程和方法，支撐了平臺功能高效和批量化地迭代更新。

3.2.2 給不同成熟度的企業(yè)的建議

初步投入階段：企業(yè)在該階段應(yīng)首先解決的數(shù)據(jù)基礎(chǔ)較差的問題，因此需要積極開展數(shù)據(jù)治理工作，提高數(shù)據(jù)治理；并建立統(tǒng)一的數(shù)據(jù)平臺，打破數(shù)據(jù)孤島，豐富數(shù)據(jù)來源。

多維布局階段：企業(yè)在該階段應(yīng)已經(jīng)解決了數(shù)據(jù)基礎(chǔ)較差的問題，同時對于AI開發(fā)和運(yùn)營對數(shù)據(jù)的要求較明確，初步建立面向AI開發(fā)的數(shù)據(jù)采集、數(shù)據(jù)處理相關(guān)的標(biāo)準(zhǔn)化方法，并考慮如何提高整個流程的自動化能力。

深度應(yīng)用階段：企業(yè)在該階段應(yīng)建立起完善的數(shù)據(jù)治理機(jī)制，并常態(tài)化的執(zhí)行，建立能夠支撐AI應(yīng)用的數(shù)據(jù)智能平臺；同時，企業(yè)還應(yīng)建立起面向AI開發(fā)的數(shù)據(jù)采集、數(shù)據(jù)處理和數(shù)據(jù)管理等方面的標(biāo)準(zhǔn)化方法和高度自動化的能力。

案例1：中新天津生態(tài)城構(gòu)建智慧城市產(chǎn)業(yè)大腦，用AI挖掘數(shù)據(jù)價值

中新天津生態(tài)城（以下簡稱“生態(tài)城”）是中國與新加坡兩國政府戰(zhàn)略性合作開發(fā)的生態(tài)城市，于2008年9月開工建設(shè)，總規(guī)劃面積為150平方公里，旨在打造產(chǎn)城融合、綠色發(fā)展、智慧城市、國際合作的示范區(qū)。

為了構(gòu)建智慧城市產(chǎn)業(yè)，生態(tài)城當(dāng)前重點發(fā)展5G創(chuàng)新應(yīng)用、大數(shù)據(jù)交易生態(tài)、傳統(tǒng)產(chǎn)業(yè)融合創(chuàng)新應(yīng)用三大交互應(yīng)用產(chǎn)業(yè)，希望打造從數(shù)字生產(chǎn)資料挖掘、到智能產(chǎn)業(yè)研發(fā)孵化、再到龍頭企業(yè)牽引的產(chǎn)業(yè)鏈。然而，生態(tài)城在產(chǎn)業(yè)發(fā)展中，其產(chǎn)業(yè)規(guī)劃、招商引資、企業(yè)服務(wù)工作都面臨著一些痛點問題，這些問題包括：

產(chǎn)業(yè)規(guī)劃與分析缺乏數(shù)據(jù)支撐。生態(tài)城在做產(chǎn)業(yè)規(guī)劃時，沒有每個產(chǎn)業(yè)鏈細(xì)分領(lǐng)域的信息和數(shù)據(jù)支撐；或者有總體數(shù)據(jù)，但缺乏產(chǎn)業(yè)深度分析能力。招商引資方式粗放、單薄。生態(tài)城在確定產(chǎn)業(yè)招商方向后，由于沒有產(chǎn)業(yè)鏈信息，導(dǎo)致招商缺乏針對性的標(biāo)的；或者有明確的招商標(biāo)的，但對待招商企業(yè)進(jìn)行評估時缺乏支撐數(shù)據(jù)和智能評估方法。產(chǎn)業(yè)扶持與企業(yè)服務(wù)缺乏主動能力。生態(tài)城在服務(wù)園區(qū)內(nèi)的企業(yè)時，無法為企業(yè)準(zhǔn)確匹配合適的扶持政策，也無法主動為企業(yè)提供全面、個性化服務(wù)。

從根本上而言，上述問題都在于生態(tài)城在開展產(chǎn)業(yè)發(fā)展工作的過程中，缺乏以數(shù)據(jù)為支撐的產(chǎn)業(yè)分析工具。事實上，生態(tài)城經(jīng)過多年發(fā)展，已經(jīng)積累了大量的智慧城市公共數(shù)據(jù)，包括了區(qū)域經(jīng)濟(jì)運(yùn)行、內(nèi)部工商、財稅、政策扶持等數(shù)據(jù)。與此同時，大量公開的數(shù)據(jù)，如企業(yè)工商、業(yè)務(wù)、專利、招投標(biāo)、投融資、輿情、風(fēng)險等數(shù)據(jù)也能夠為生態(tài)城的產(chǎn)業(yè)發(fā)展規(guī)劃所用。

因此，生態(tài)城要解決產(chǎn)業(yè)規(guī)劃、招商引資、企業(yè)服務(wù)工作中面臨的問題，就需要首先借助一系列的工具和方法，從海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中挖掘出有用的信息，并以體系化的形式呈現(xiàn)出來，為生態(tài)的產(chǎn)業(yè)規(guī)劃和發(fā)展提供數(shù)據(jù)支撐和科學(xué)的指導(dǎo)。

基于知識圖譜、NLP等AI技術(shù)，構(gòu)建智慧城市產(chǎn)業(yè)大腦解決方案

針對上述挑戰(zhàn)，中新天津生態(tài)城希望通過引入大數(shù)據(jù)和人工智能技術(shù)來構(gòu)建解決方案。在對廠商的產(chǎn)品、技術(shù)和服務(wù)能力進(jìn)行綜合評估后，生態(tài)城選擇與愛數(shù)合作共建解決方案。愛數(shù)成立于2006年，是一家大數(shù)據(jù)基礎(chǔ)設(shè)施提供商，提供結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、機(jī)器數(shù)據(jù)、知識圖譜數(shù)據(jù)等全域數(shù)據(jù)能力，為政府、公共事業(yè)及企業(yè)的數(shù)字化轉(zhuǎn)型賦能，幫助各行各業(yè)的客戶釋放數(shù)據(jù)價值，實現(xiàn)即時、隨時、實時的數(shù)據(jù)服務(wù)。

愛數(shù)為中新天津生態(tài)城提供的智慧城市產(chǎn)業(yè)大腦解決方案，包含了一個產(chǎn)業(yè)知識網(wǎng)絡(luò)、三個能力平臺、N個應(yīng)用模塊的“1+3+N“架構(gòu)，為智慧城市產(chǎn)業(yè)發(fā)展中的“產(chǎn)業(yè)-招商-服務(wù)”全環(huán)節(jié)提供數(shù)據(jù)服務(wù)。

產(chǎn)業(yè)知識網(wǎng)絡(luò)即底層的知識圖譜數(shù)據(jù)湖，其將海量的外部網(wǎng)絡(luò)數(shù)據(jù)和智能城市內(nèi)部數(shù)據(jù)進(jìn)行匯總，形成數(shù)據(jù)湖，為產(chǎn)業(yè)大腦提供能力底座。三個平臺包括企業(yè)主動服務(wù)平臺、經(jīng)濟(jì)運(yùn)行分析平臺和產(chǎn)業(yè)精準(zhǔn)招商平臺。通過三個平臺連接政府與企業(yè)，為產(chǎn)業(yè)大腦提供應(yīng)用基礎(chǔ)。N個應(yīng)用模塊是將產(chǎn)業(yè)發(fā)展和智慧營商環(huán)境分為若干個應(yīng)用模塊，實現(xiàn)產(chǎn)業(yè)大腦的實用性和應(yīng)用性。

圖 2： 中新天津生態(tài)城智慧城市產(chǎn)業(yè)大腦架構(gòu)圖

如前文所述，整個解決方案的核心在于如何從海量數(shù)據(jù)中提取出有用信息，并構(gòu)建以產(chǎn)業(yè)鏈、企業(yè)圖譜為中心的大規(guī)模知識網(wǎng)絡(luò)。為了解決這一問題，愛數(shù)項目團(tuán)隊重點開展了如下工作：

1）數(shù)據(jù)治理。生態(tài)城內(nèi)外部大量數(shù)據(jù)的數(shù)據(jù)質(zhì)量狀況較低，因此愛數(shù)為該項目成立了數(shù)據(jù)治理小組，制定數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)治理體系，提高數(shù)據(jù)質(zhì)量。

2）知識抽取。在構(gòu)建知識網(wǎng)絡(luò)前，需要對數(shù)據(jù)尤其是大量非結(jié)構(gòu)化數(shù)據(jù)中的知識進(jìn)行抽取。對此，愛數(shù)使用其AnyDATA產(chǎn)品內(nèi)置的語言模型，同時也為生態(tài)城定制了一些自然語言處理模型，比如產(chǎn)業(yè)政策、企業(yè)基礎(chǔ)畫像、招投標(biāo)、投融資等模型，從數(shù)據(jù)中精準(zhǔn)地抽取關(guān)鍵要素或?qū)傩?。在此基礎(chǔ)上，為這些屬性設(shè)立匹配規(guī)則，從而構(gòu)建知識間的關(guān)系。

3）構(gòu)建知識網(wǎng)絡(luò)。愛數(shù)基于AnyDATA產(chǎn)品內(nèi)置的知識圖譜、決策樹等技術(shù)為生態(tài)城構(gòu)建產(chǎn)業(yè)知識網(wǎng)絡(luò)。同時，提供AnyDATA意圖理解、規(guī)則、推理、圖計算等引擎，可以實現(xiàn)精準(zhǔn)的知識搜索、關(guān)聯(lián)分析和輔助決策。

最終建成的知識網(wǎng)絡(luò)主要包含如下類型：

產(chǎn)業(yè)鏈圖譜：以產(chǎn)品上下游、上下層為關(guān)系構(gòu)建的5000多個產(chǎn)品價值鏈圖譜，并與國民經(jīng)濟(jì)、戰(zhàn)略新興產(chǎn)業(yè)實現(xiàn)有機(jī)對接，可以實現(xiàn)對產(chǎn)業(yè)鏈精準(zhǔn)分類和關(guān)聯(lián)分析；企業(yè)圖譜：基于工商、知識產(chǎn)權(quán)等公開數(shù)據(jù)，構(gòu)建企業(yè)集團(tuán)關(guān)系鏈、市場布局、產(chǎn)品業(yè)務(wù)鏈，實現(xiàn)企業(yè)鏈的精準(zhǔn)定位和分析；產(chǎn)品競爭圖譜：基于企業(yè)產(chǎn)品標(biāo)簽集相似度構(gòu)建競爭網(wǎng)絡(luò)，尋找細(xì)分領(lǐng)域隱形冠軍；政策圖譜與規(guī)則知識庫：省市區(qū)多級政策要素自動抽取，形成分類、分級的政策要素與政策適用規(guī)則庫，以便政策的自動精準(zhǔn)匹配推薦；產(chǎn)業(yè)及經(jīng)濟(jì)運(yùn)行預(yù)測分析：基于產(chǎn)業(yè)鏈、企業(yè)鏈及其他產(chǎn)業(yè)要素動態(tài)事件的可視化推理及關(guān)聯(lián)分析預(yù)測；投融資雷達(dá)：基于投融資事件知識與企業(yè)鏈、產(chǎn)業(yè)鏈的匹配，實現(xiàn)焦點招商、以商招商（園區(qū)關(guān)聯(lián)企業(yè)的投融資線索）。

智慧城市產(chǎn)業(yè)大腦落地后的價值和效果

智慧城市產(chǎn)業(yè)大腦在中新天津生態(tài)城的招商引資、產(chǎn)業(yè)經(jīng)濟(jì)、企業(yè)服務(wù)中產(chǎn)生顯著的應(yīng)用價值和效果。

1）招商引資更加精準(zhǔn)。產(chǎn)業(yè)大腦匯聚了生態(tài)內(nèi)外部的工商、產(chǎn)業(yè)等數(shù)據(jù)，結(jié)合知識圖譜技術(shù)，深度研究行業(yè)、企業(yè)業(yè)務(wù)，基于產(chǎn)品標(biāo)簽集相似度，可以尋找到同類企業(yè)，然后利用企業(yè)畫像工具對企業(yè)實力進(jìn)行評估，尋找行業(yè)隱形冠軍，從而更加精準(zhǔn)地進(jìn)行招商引資。

2）產(chǎn)業(yè)與經(jīng)濟(jì)運(yùn)行狀況了解更及時。產(chǎn)業(yè)大腦根據(jù)企業(yè)產(chǎn)業(yè)標(biāo)簽管理，了解生態(tài)城產(chǎn)業(yè)結(jié)構(gòu)，生態(tài)城因此能夠緊跟國家發(fā)展戰(zhàn)略目標(biāo)；同時，通過多維度分析，生態(tài)城可以了解各產(chǎn)業(yè)發(fā)展情況，掌握產(chǎn)業(yè)增長與下降趨勢，以及影響產(chǎn)業(yè)發(fā)展走勢的主要企業(yè)；并收集宏觀經(jīng)濟(jì)與區(qū)域經(jīng)濟(jì)數(shù)據(jù)，并進(jìn)行對比，掌握經(jīng)濟(jì)發(fā)展差距，為宏觀調(diào)控提供支持。

3）企業(yè)服務(wù)更主動。借助產(chǎn)業(yè)大腦，生態(tài)城可以從從企業(yè)入駐起對企業(yè)進(jìn)行全生命周期管理。對標(biāo)同行上市企業(yè)畫像，判斷企業(yè)發(fā)展方向、可能遇到的問題，進(jìn)行主動培育服務(wù)。同時，基于政策試算器，向政策管理用戶提供政策匹配企業(yè)列表、企業(yè)兌現(xiàn)情況清單。

智慧城市產(chǎn)業(yè)大腦項目經(jīng)驗總結(jié)

對于企業(yè)和政府部門而言，其在業(yè)務(wù)發(fā)展過程中會積累大量的文檔和內(nèi)容數(shù)據(jù)，這些數(shù)據(jù)中存在著大量有價值的信息，通過構(gòu)建知識網(wǎng)絡(luò)整合這些數(shù)據(jù)，能夠為企業(yè)和政府部門的管理、業(yè)務(wù)發(fā)展提供有效的決策支撐。而從數(shù)據(jù)中挖掘價值，需要借助一系列方法和人工智能技術(shù)：首先要收集好各類型的內(nèi)外部數(shù)據(jù)，并做好數(shù)據(jù)治理工作；然后借助NLP技術(shù)從數(shù)據(jù)中精準(zhǔn)地抽取知識，建立知識間的關(guān)系，并且在此過程中，需要適當(dāng)根據(jù)具體業(yè)務(wù)需求定制開發(fā)NLP模型。最后在此基礎(chǔ)上構(gòu)建知識網(wǎng)絡(luò)，并利用規(guī)則、推理、圖計算等引擎從知識網(wǎng)絡(luò)中獲取有效信息。

案例2：AI數(shù)據(jù)管理平臺助力上汽安吉物流批量化迭代AI模型，讓物流管理更智慧

安吉智能是上汽安吉物流旗下專注于智能物流解決方案的服務(wù)商，服務(wù)于上汽安吉物流內(nèi)部的同時，也向汽車制造、機(jī)械電子、醫(yī)藥、冷鏈、日化、服裝等行業(yè)企業(yè)提供相關(guān)技術(shù)服務(wù)。

物流行業(yè)向來注重安全管理工作。以上汽安吉物流為例，其業(yè)務(wù)范圍涵蓋汽車零部件、整車、港口、快運(yùn)四個物流業(yè)務(wù)板塊，包括上汽、特斯拉等主要汽車公司的整車倉儲與進(jìn)出口業(yè)務(wù)，其在全國范圍內(nèi)管理10個港口、300多個網(wǎng)點、5萬多名員工。為了保障如此龐大的物流系統(tǒng)能夠安全有序地運(yùn)轉(zhuǎn)，上汽安吉物流每年花費(fèi)上億元用于雇傭安保人員。但隨著業(yè)務(wù)規(guī)模的增長，過度依賴人力的傳統(tǒng)安全管理模式已經(jīng)無法滿足其發(fā)展需求。

針對物流行業(yè)安全管理中的痛點問題，安吉智能自主研發(fā)了“安眸智能視覺管理系統(tǒng)”，利用計算機(jī)視覺技術(shù)對港口、園區(qū)、倉庫等物流業(yè)務(wù)場景中的核心元素“人員、貨物、設(shè)備”進(jìn)行識別和分析，并對出現(xiàn)的違反安全管理規(guī)范的問題及時提醒和采取相應(yīng)措施，主動化解潛在危險。以倉庫場景為例，安眸系統(tǒng)能夠?qū)}庫內(nèi)的叉車超速、禁區(qū)出現(xiàn)人員、員工危險動作、著裝不規(guī)范等行為作出精準(zhǔn)識別，并進(jìn)行管理。

由于計算機(jī)視覺模型通常只能對預(yù)先訓(xùn)練過的場景和物體進(jìn)行識別，為了滿足上汽安吉物流管理的10個港口、300多個網(wǎng)點，以及其對外服務(wù)的200多個客戶不斷提出的各異的功能需求，在安眸系統(tǒng)中不斷上線新的識別功能，安吉智能的研發(fā)團(tuán)隊就需要不斷獲取新的樣本數(shù)據(jù)，并在不改變邊緣算力的前提下，對AI模型進(jìn)行不斷的更新和運(yùn)維。

因此，安吉智能需要解決AI模型頻繁迭代過程中的多個工程化難題。例如，針對遷移學(xué)習(xí)時模型會產(chǎn)生舊數(shù)據(jù)遺忘的問題，安吉智能已經(jīng)通過自研知識蒸餾、混合學(xué)習(xí)等技術(shù)讓模型在學(xué)習(xí)新的數(shù)據(jù)特征后獲得新的識別能力的同時，也保留原先的識別能力。但安吉智能仍然需要應(yīng)對以下兩點主要的問題：

1)缺少能對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行精細(xì)管理的工具。安吉智能有大的圖像數(shù)據(jù)集，但每個網(wǎng)點或客戶提出新的功能需求時，其提供的圖像數(shù)據(jù)的采集時間、采集目標(biāo)、標(biāo)注類別等信息都不一致，安吉智能需要將這些數(shù)據(jù)增補(bǔ)進(jìn)原先的數(shù)據(jù)集中，記錄數(shù)據(jù)集的層次結(jié)構(gòu)，并形成不同的數(shù)據(jù)版本，從而用于模型誤差分析和模型反復(fù)迭代。然而之前基于文件夾的手動管理方式，不僅很難追蹤過去版本的模型和數(shù)據(jù)集的對應(yīng)關(guān)系，在上百甚至更多個網(wǎng)點和客戶都提出需求時，其數(shù)據(jù)版本就很難以文件夾的形式進(jìn)行管理。

2)算法團(tuán)隊需要深度介入數(shù)據(jù)處理工作，手動執(zhí)行效率較低。由于模型開發(fā)中數(shù)據(jù)的收集、標(biāo)注，以及模型訓(xùn)練等流程存在大量需要算法團(tuán)隊介入的數(shù)據(jù)處理工作，安吉智能需要依靠算法開發(fā)人員對數(shù)據(jù)處理工作進(jìn)行層層把控，手動執(zhí)行各種操作。當(dāng)模型的迭代更新變得非常頻繁時，算法和數(shù)據(jù)團(tuán)隊的深度綁定會使得模型迭代流程非常耗時耗力，甚至無法完成。

依托非結(jié)構(gòu)化數(shù)據(jù)平臺，保障模型迭代中的高質(zhì)量數(shù)據(jù)供給和流程自動化

面對模型頻繁迭代，以及由此帶來的大幅增長的數(shù)據(jù)管理需求，安吉智能選擇與格物鈦智能科技進(jìn)行合作，將格物鈦的AI數(shù)據(jù)管理平臺作為安眸系統(tǒng)研發(fā)中的AI基礎(chǔ)設(shè)施組件之一，以解決其痛點需求。格物鈦智能科技是一家人工智能基礎(chǔ)設(shè)施提供商，其核心產(chǎn)品非結(jié)構(gòu)化數(shù)據(jù)管理平臺向各類創(chuàng)新企業(yè)及團(tuán)隊提供AI數(shù)據(jù)管理解決方案，以數(shù)據(jù)引擎為核心技術(shù)，解決非結(jié)構(gòu)化數(shù)據(jù)的發(fā)現(xiàn)、管理、利用等難題，實現(xiàn)對海量復(fù)雜數(shù)據(jù)的靈活存取用，從而推動企業(yè)的數(shù)據(jù)資產(chǎn)化和AI工程化落地。

針對非結(jié)構(gòu)化數(shù)據(jù)集管理中的難題，格物鈦為安吉智能提供了如下解決方案：

第一，在云端對數(shù)據(jù)進(jìn)行統(tǒng)一托管。安吉智能各個網(wǎng)點的數(shù)據(jù)都存儲在云端，格物鈦的數(shù)據(jù)平臺全面托管了安吉智能的原始數(shù)據(jù)、標(biāo)注數(shù)據(jù)和元信息。在平臺的權(quán)限管理功能保障數(shù)據(jù)訪問安全的前提下，安吉智能的團(tuán)隊可以在平臺上方便地訪問數(shù)據(jù)和進(jìn)行團(tuán)隊協(xié)作。

第二，數(shù)據(jù)版本可追溯。安吉智能每月或每周會在數(shù)據(jù)集內(nèi)新增圖片和物品類數(shù)據(jù)，通過格物鈦數(shù)據(jù)平臺，安吉智能在新增的數(shù)據(jù)上做標(biāo)注，然后合并進(jìn)原有數(shù)據(jù)集，并打上標(biāo)簽，從而形成新的標(biāo)準(zhǔn)化的數(shù)據(jù)集版本。算法工程師只需要根據(jù)標(biāo)簽就能找到需要的數(shù)據(jù)集版本，并比較各個數(shù)據(jù)集之間的差異。

第三，數(shù)據(jù)集分布特征可視化。格物鈦數(shù)據(jù)平臺的可視化組件能讓算法工程師從宏觀層面查看數(shù)據(jù)集的特征分布，以及從微觀層面查看單個文件和標(biāo)注數(shù)據(jù)。安吉智能的算法工程師因此能夠在模型訓(xùn)練前直接查看數(shù)據(jù)標(biāo)注信息，也可以在模型訓(xùn)練后將預(yù)測結(jié)果作為一個數(shù)據(jù)版本，與人工標(biāo)注的數(shù)據(jù)版本進(jìn)行比較，從而判斷模型效果和數(shù)據(jù)標(biāo)注質(zhì)量。

針對算法和數(shù)據(jù)團(tuán)隊的深度綁定，手動執(zhí)行數(shù)據(jù)處理工作效率低的問題，安吉智能通過使用格物鈦數(shù)據(jù)平臺的Action功能，并結(jié)合了一些自研算法，對數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注、模型訓(xùn)練等關(guān)鍵流程設(shè)置任務(wù)自動觸發(fā)機(jī)制，并讓整個流程實現(xiàn)自動化。在數(shù)據(jù)收集階段，安吉智能通過自研圖像相似度和質(zhì)量分析的算法，當(dāng)發(fā)現(xiàn)符合要求的圖像后自動在攝像頭中進(jìn)行抽幀并將圖像上傳至云端；在數(shù)據(jù)標(biāo)注階段，通過使用格物鈦數(shù)據(jù)平臺，當(dāng)符合需要的圖片數(shù)據(jù)達(dá)到一定量級后，平臺自動觸發(fā)數(shù)據(jù)標(biāo)注任務(wù)，然后通過簽約的數(shù)據(jù)標(biāo)注公司在平臺上對數(shù)據(jù)進(jìn)行標(biāo)注，再與原先的數(shù)據(jù)集進(jìn)行合并。在模型訓(xùn)練階段，當(dāng)平臺監(jiān)測到數(shù)據(jù)標(biāo)注完成形成新的數(shù)據(jù)版本后，會自動先進(jìn)行模型訓(xùn)練，然后對更新后的模型的預(yù)測結(jié)果進(jìn)行評估，識別預(yù)測效果不好的圖片，并在平臺上對數(shù)據(jù)標(biāo)注實時地進(jìn)行調(diào)整。

圖 3： 安吉智能AI模型開發(fā)關(guān)鍵流程

非結(jié)構(gòu)化數(shù)據(jù)平臺給安吉智能帶來的價值和效果

首先，格物鈦非結(jié)構(gòu)化數(shù)據(jù)平臺為安吉智能實現(xiàn)了模型開發(fā)中的高質(zhì)量數(shù)據(jù)供給。借助平臺的云端托管、版本管理、數(shù)據(jù)集分布可視化等功能，安吉智能解決了模型迭代中的多種數(shù)據(jù)痛點，減少了數(shù)據(jù)收集、數(shù)據(jù)準(zhǔn)備和模型評估中大量手工操作，讓算法工程師可以專注于用AI模型去解決業(yè)務(wù)問題，模型精度能因此能提高30%以上。

其次，平臺的自動化能力大幅縮短了安吉智能模型迭代的周期，節(jié)約單模型訓(xùn)練的人工成本。安吉智能預(yù)期因此可以實現(xiàn)每周對模型進(jìn)行一次迭代更新，從而上線新的識別功能，最終全年能上線50個識別功能，并且單次模型訓(xùn)練能節(jié)約25%的成本。

安吉智能AI模型開發(fā)和迭代經(jīng)驗總結(jié)

以AI應(yīng)用的復(fù)雜性，其在產(chǎn)業(yè)中落地的一大瓶頸通常在于數(shù)據(jù)的質(zhì)量和匹配度。對于大部分傳統(tǒng)企業(yè)而言，其數(shù)據(jù)量有限，研發(fā)能力也相對不足，如果把AI應(yīng)用開發(fā)的重心放在改進(jìn)算法上，效果往往并不如意。因此，傳統(tǒng)企業(yè)在AI應(yīng)用開發(fā)中應(yīng)該把重點放在獲得質(zhì)量更好、匹配度更高的數(shù)據(jù)上，幫助提高模型效果，讓AI應(yīng)用更好地落地。

企業(yè)在AI模型開發(fā)或迭代頻次較低時，其數(shù)據(jù)管理可以通過文件夾形式手動管理，但隨著AI應(yīng)用的加速落地，企業(yè)每年需要開發(fā)幾十甚至更多個模型的時候，手動管理的方式將難以為繼。此時企業(yè)應(yīng)該選擇標(biāo)準(zhǔn)化的工具對模型開發(fā)中需要的數(shù)據(jù)進(jìn)行高效地管理，從而保障模型的持續(xù)迭代和更新。同時考慮在流程中引入自動化能力，進(jìn)一步縮短模型迭代周期。

3.3 場景規(guī)劃層面

3.3.1 方法論

3.3.1.1. 確定場景規(guī)劃的流程和方法

通常，企業(yè)在確定和規(guī)劃AI應(yīng)用的落地場景時有業(yè)務(wù)需求導(dǎo)向和資金投入導(dǎo)向兩種方式。

對于需要快速推進(jìn)智能化轉(zhuǎn)型，追求AI落地的時間和成本效益的企業(yè)，可以考慮業(yè)務(wù)需求導(dǎo)向的方式。具體而言，企業(yè)可以首先由專門的協(xié)調(diào)管理部門或技術(shù)部門聯(lián)合各業(yè)務(wù)部門確認(rèn)業(yè)務(wù)需求較強(qiáng)的應(yīng)用場景，而業(yè)務(wù)需求強(qiáng)的判斷標(biāo)準(zhǔn)包括了人員投入大、重復(fù)性勞動多、人工操作效率不高或效果不理想等；其次，需要考慮開發(fā)該應(yīng)用所需的數(shù)據(jù)是否容易獲取，如果內(nèi)部數(shù)據(jù)不充分，可以考慮是否能從外部廠商引入相應(yīng)的數(shù)據(jù)；最后，需要業(yè)內(nèi)已經(jīng)有針對該應(yīng)用場景的較成熟的解決方案，降低開發(fā)新應(yīng)用的時間和資金成本。

在上述判斷的基礎(chǔ)上，企業(yè)可以將強(qiáng)業(yè)務(wù)需求、所需數(shù)據(jù)能夠獲取、有較成熟解決方案的場景規(guī)劃為需要實現(xiàn)AI落地的場景。例如案例3中的美宜佳和案例8中的海信集團(tuán)都采用該種方式規(guī)劃和落地AI應(yīng)用的場景，其中，美宜佳前期根據(jù)業(yè)務(wù)需求確認(rèn)了門店選址、門店運(yùn)營和營銷優(yōu)化三類應(yīng)用場景，并從外部引入了實現(xiàn)這些AI應(yīng)用所需的時空數(shù)據(jù)，以及這些領(lǐng)域成熟的AI模型和應(yīng)用解決方案。

對于需要持續(xù)做深智能化轉(zhuǎn)型，且資金和研發(fā)實力較強(qiáng)的企業(yè)，可以考慮資金投入導(dǎo)向的方式。具體而言，企業(yè)可以由專門的協(xié)調(diào)管理部門或技術(shù)部門協(xié)同業(yè)務(wù)部門或相關(guān)管理部門確認(rèn)費(fèi)用支持較大的業(yè)務(wù)場景：其次，需要考慮開發(fā)該應(yīng)用所需的數(shù)據(jù)是否充分和是否容易獲??；最后，需要判斷在該業(yè)務(wù)場景中是否能用算法找到數(shù)據(jù)中的規(guī)律，或者是否能用相關(guān)AI技術(shù)解決解決這一問題。

在上述判斷的基礎(chǔ)上，企業(yè)可以將費(fèi)用支出大、所需數(shù)據(jù)能夠獲取、且能用算法或相關(guān)AI技術(shù)解決的業(yè)務(wù)問題規(guī)劃為需要實現(xiàn)AI落地的場景。例如案例C中，某全球頭部日用消費(fèi)品公司在華公司由其數(shù)據(jù)科學(xué)與人工智能團(tuán)隊對品牌建設(shè)、銷售管理中費(fèi)用支出較高的業(yè)務(wù)場景進(jìn)行篩選，結(jié)合數(shù)據(jù)和算法能力，最終在媒體規(guī)劃、廣告定位、會員活動設(shè)計、促銷優(yōu)化、供應(yīng)鏈管理等場景中落地了多個AI應(yīng)用。

3.3.1.2. 定位高價值度應(yīng)用場景

對于任何類型的企業(yè)而言，其在實施智能化轉(zhuǎn)型時都需要考慮AI應(yīng)用場景落地的先后順序，集中資源在高價值度場景中優(yōu)先構(gòu)建AI應(yīng)用，因此需要對應(yīng)用場景的價值度做排序，并對單個AI場景的ROI做事前預(yù)估和事后評估。

關(guān)于應(yīng)用場景的價值度，一般從高到低可以分為三類。第一類是能夠?qū)I(yè)務(wù)模式或業(yè)務(wù)流程進(jìn)行創(chuàng)新，從而為客戶提供創(chuàng)新性的產(chǎn)品或服務(wù)的應(yīng)用場景，這類應(yīng)用場景價值度通常最高。例如在案例B中，江南農(nóng)商銀行將虛擬數(shù)字人嵌入多個業(yè)務(wù)系統(tǒng)中，從而能夠在無人場景中為客戶提供多種業(yè)務(wù)咨詢和業(yè)務(wù)辦理；在案例6中，在先進(jìn)的AI算法的支撐下，安克創(chuàng)新利用AR虛擬試戴解決方案，為其用戶提供真實度非常高的線上眼鏡試戴功能，不僅為用戶提供了創(chuàng)新性的體驗方式，也大幅提升了購買轉(zhuǎn)化率；第二類是能夠為企業(yè)大幅提高運(yùn)營效率和降低成本的應(yīng)用場景，通常該應(yīng)用可以為企業(yè)帶來數(shù)倍甚至更多地運(yùn)營效率的提升或成本的降低。例如在案例4中，某餐飲連鎖企業(yè)用計算機(jī)視覺對餃子品質(zhì)做檢測，完全代替了原先用大量人工去抽查的方式，為企業(yè)大幅提高了運(yùn)營效率和節(jié)約了成本；第三類是能夠一定程度提升運(yùn)營效率和降低成本的應(yīng)用場景，通常其對運(yùn)營效率的升和成本的降低在100%以內(nèi)，這類應(yīng)用場景可以在企業(yè)資源充足的情況下去考慮智能化。

關(guān)于ROI的評估，企業(yè)主要需要關(guān)注在特定業(yè)務(wù)場景中，投入某項AI應(yīng)用前后，在該場景中企業(yè)的費(fèi)用成本是否有降低，以及降低的比例。除了在事后評估ROI，事先也可以借助可參考的案例對ROI做預(yù)估，確定場景的價值度。例如，在供應(yīng)鏈管理中，企業(yè)可以評估引入AI應(yīng)用前后，供應(yīng)鏈相關(guān)成本是否有得到優(yōu)化。

3.3.2 給不同成熟度的企業(yè)的建議

初步投入階段：該階段的企業(yè)應(yīng)主要參考高價值度應(yīng)用場景定位的方法，優(yōu)先選取價值度最高，且較容易落地的場景去落地。

多維布局階段：該階段的企業(yè)應(yīng)先在多個主要的業(yè)務(wù)部門落地價值度較高的場景，同時要探索并初步建立場景落地的流程和方法。

深度應(yīng)用階段：該階段的企業(yè)應(yīng)建立并常態(tài)化執(zhí)行場景落地的流程和方法，并且做好計劃，每年在各主要部門批量化落地一定數(shù)量的場景。

案例3：美宜佳打造商業(yè)智能決策管理平臺，實現(xiàn)線下零售的智能化運(yùn)營

美宜佳控股有限公司是國內(nèi)第二大連鎖便利店集團(tuán)。自成立以來，美宜佳以廣東為中心，并逐步在全國范圍進(jìn)行業(yè)務(wù)布局。目前，集團(tuán)擁有美宜佳品牌門店兩萬多家，每日門店總客流量達(dá)2500多萬。

線下零售的核心邏輯是以“場”為中心去對接“人”和“貨”， 而“人貨場”各自的特征要素以及它們之間的關(guān)系都在不同程度上影響著門店經(jīng)營策略和結(jié)果。對于正加快在華東、華北等地區(qū)擴(kuò)張門店的美宜佳而言，經(jīng)過早期信息化建設(shè)，其已建有ERP、PIM、BI等業(yè)務(wù)系統(tǒng)，在內(nèi)部積累了較豐富的“人貨場”數(shù)據(jù)?，F(xiàn)階段，美宜佳希望用智能化的方法對人、貨、場的特征要素及其關(guān)聯(lián)進(jìn)行分析和優(yōu)化，支撐門店的穩(wěn)步擴(kuò)張和精細(xì)化運(yùn)營。

結(jié)合業(yè)務(wù)需求、智能化可行性等因素，美宜佳決定在門店選址、門店運(yùn)營、營銷優(yōu)化三類重要場景中引入智能化解決方案。在門店選址方面，美宜佳需要用智能化的方法在城市中確定合適的拓店區(qū)域、該區(qū)域消費(fèi)者習(xí)慣以及自身定位等情況；在門店運(yùn)營方面，具體包含門店評估、品店匹配、銷量預(yù)測、競品分析等應(yīng)用場景，幫助美宜佳更好的制定經(jīng)營策略、提高門店業(yè)績；在營銷優(yōu)化方面，則需要結(jié)合人群定向，對廣告投放策略做優(yōu)化。

為了在上述場景中實現(xiàn)智能化決策，美宜佳決定打造商業(yè)智能決策管理平臺。但美宜佳在相關(guān)數(shù)據(jù)的完備性、以及AI算法能力上存在不足，具體如下：

1）數(shù)據(jù)層面，美宜佳僅掌握店內(nèi)經(jīng)營數(shù)據(jù)和自有供應(yīng)鏈體系的后端數(shù)據(jù)，但缺乏外部的地理位置、周邊人群、周邊競品相關(guān)的數(shù)據(jù)。同時，在與外部廠商共同探索解決方案時，美宜佳需要分享內(nèi)部數(shù)據(jù)時保證其數(shù)據(jù)的隱私和安全。

2）AI算法層面，選址、選品、消費(fèi)者畫像、營銷的智能化分析需要大量AI模型支撐來實現(xiàn)，美宜佳需要外部廠商提供相關(guān)的AI模型，并用模型解決業(yè)務(wù)問題。此外，不同地區(qū)的數(shù)據(jù)分布會有較大區(qū)別，通用的模型很多時候不能直接適用，需要根據(jù)區(qū)域、環(huán)境等因素對模型做調(diào)整和遷移。

以時空數(shù)據(jù)為基礎(chǔ)，AI模型為支撐，美宜佳為門店經(jīng)營各環(huán)節(jié)提供智能化決策

在對廠商的數(shù)據(jù)、AI算法、應(yīng)用解決方案等方面的能力進(jìn)行評估后，美宜佳選擇與維智科技合作，建設(shè)商業(yè)智能決策管理平臺。維智科技是一家時空人工智能平臺提供商，專注于線下場景的數(shù)字化和線上線下的時空融合，通過時空AI技術(shù)打造數(shù)字孿生體，為城市、交通、金融、地產(chǎn)、零售和品牌等提供精細(xì)化場景服務(wù)和智能解決方案。

基于維智Phy-gital飛吉特時空智能平臺，美宜佳構(gòu)建了商業(yè)智能決策管理平臺，其架構(gòu)上分三層：底層是聯(lián)合數(shù)據(jù)倉庫，包含維智科技提供的時空數(shù)據(jù)和美宜佳提供的門店數(shù)據(jù)；中間是技術(shù)服務(wù)層，包括AI模型、時空知識圖譜、業(yè)務(wù)計算邏輯等；上層是各類分析應(yīng)用，包括門店選址評分、門店績效評級、歸因分析、人群畫像、銷量預(yù)測、價格預(yù)測、競品分析等。

圖 4： 美宜佳商業(yè)智能決策管理平臺架構(gòu)

針對數(shù)據(jù)層面的問題，平臺通過聯(lián)合數(shù)倉的形式整合了維智科技的營銷智能基礎(chǔ)數(shù)據(jù)與美宜佳的門店數(shù)據(jù)。維智科技的營銷智能基礎(chǔ)數(shù)據(jù)包含客流、畫像、人群流動偏好、周邊生態(tài)、交通情況、商業(yè)環(huán)境、競合關(guān)系等類別的數(shù)據(jù)，具體包括了路網(wǎng)、交通、AOI（區(qū)塊），POI（點位）等靜態(tài)數(shù)據(jù)，以及測繪相關(guān)的人流、畫像、場景、企業(yè)、經(jīng)濟(jì)等動態(tài)數(shù)據(jù)。在此基礎(chǔ)上，通過梳理“人、貨、場”之間的特征管理，形成時空知識圖譜。為了保護(hù)美宜佳的數(shù)據(jù)隱私，維智科技將其時空數(shù)據(jù)、模型服務(wù)與美宜佳的內(nèi)部數(shù)據(jù)結(jié)合，以一體機(jī)的形式部署在美宜佳的受限環(huán)境中，模型的構(gòu)建、訓(xùn)練、管理和發(fā)布均在一體機(jī)完成，確保美宜佳的數(shù)據(jù)不出庫。

圖 5： 商業(yè)智能決策管理平臺預(yù)訓(xùn)練模型倉庫邏輯

針對AI算法層面的問題，平臺基于分類、排序、聚類、異常發(fā)現(xiàn)、回歸預(yù)測、溯因推理分析等技術(shù)模型，結(jié)合特征工程、自動特征計算等服務(wù)，形成畫像、選址、選品、營銷等方面的預(yù)測分析模型。同時，對于通用模型需要針對區(qū)域數(shù)據(jù)特征有變化進(jìn)行適配的問題，維智科技通過匹配可適配的用例或特征來做模型遷移，并通過數(shù)據(jù)增強(qiáng)或者小樣本學(xué)習(xí)來解決數(shù)據(jù)量少和樣本稀疏的問題。

商業(yè)智能決策管理平臺落地的價值與效果

美宜佳落地商業(yè)智能決策管理平臺，用數(shù)據(jù)智能賦能門店開拓與運(yùn)營，實現(xiàn)了以下業(yè)務(wù)價值。

1）門店選址方面，平臺為美宜佳在廣東、以及華東地區(qū)選址拓店，提供了數(shù)據(jù)支持和智能化的決策依據(jù)。具體而言，通過分析當(dāng)前地區(qū)用戶的習(xí)慣、常駐和流動人員的習(xí)慣、場本身的特性（是周邊是醫(yī)院、社區(qū)、商業(yè)中心等）、周邊競爭態(tài)勢（供需飽和度）、交通便利性等數(shù)據(jù)，判斷某個地點是否適合開店，并給出關(guān)于在該地店的評分，以及影響評分的因子。這比傳統(tǒng)的依靠調(diào)研和專家經(jīng)驗的方式大幅提高了決策效率和準(zhǔn)確率，可以支持美宜佳每年3000家門店的開店合關(guān)店決策。

2）門店運(yùn)營方面，該平臺有效幫助美宜佳品牌門店和加盟門店總計4w+門店，進(jìn)行數(shù)字化智能化運(yùn)營。在門店評級、銷售預(yù)測、歸因分析、運(yùn)營優(yōu)化和營銷優(yōu)化等方面，提供線下大數(shù)據(jù)和智能預(yù)測結(jié)果輔助決策，有效指導(dǎo)門店運(yùn)營優(yōu)化。

商業(yè)智能決策管理平臺的項目經(jīng)驗總結(jié)

第一，線下零售業(yè)涉及的數(shù)據(jù)量大、維度多、動態(tài)更新也相對頻繁，在選址選品、供應(yīng)鏈配貨以及營銷等業(yè)務(wù)中需要依據(jù)這些數(shù)據(jù)做出相對實時的決策，因此復(fù)雜度和難度很大。但零售數(shù)據(jù)核心上還是圍繞人貨場及其關(guān)聯(lián)，面對復(fù)雜的數(shù)據(jù)場景，可以考慮運(yùn)用知識圖譜技術(shù)，將各維度數(shù)據(jù)按人、貨、場梳理，再形成場與場、人與場、貨與場的關(guān)聯(lián)；同時考慮運(yùn)用AI模型來刻畫復(fù)雜的變化規(guī)律、分析思路和決策經(jīng)驗。

第二，只有店內(nèi)數(shù)據(jù)無法在線下零售場景中實現(xiàn)智能化，因此還需要引入店外的時空數(shù)據(jù)，將地理位置、周邊人群、周邊競品等外部數(shù)據(jù)與內(nèi)部數(shù)據(jù)結(jié)合，才能實現(xiàn)1+1>2的效果。并且，在將內(nèi)外部數(shù)據(jù)進(jìn)行結(jié)合時，需要考慮通過相應(yīng)的技術(shù)或產(chǎn)品設(shè)計方式保障數(shù)據(jù)的隱私安全。

案例B：虛擬數(shù)字人助力江南農(nóng)商銀行為客戶提供創(chuàng)新性的遠(yuǎn)程視頻柜員服務(wù)

在銀行業(yè)積極探索更豐富、更精細(xì)化的客戶服務(wù)方式，消費(fèi)者對銀行服務(wù)的效率和便捷性也有了更明確的需求，以及疫情常態(tài)化對銀行遠(yuǎn)程服務(wù)能力要求更高等因素的推動下，江南農(nóng)商銀行于2021年12月與京東科技合作推出的國內(nèi)首個業(yè)務(wù)辦理類數(shù)字人“言犀VTM數(shù)字員工”。

區(qū)別于以往咨詢問答式機(jī)器人，VTM數(shù)字員工的創(chuàng)新之處在于，其采用擬人化的形象與用戶進(jìn)行對話交互，為用戶提供了良好的沉浸式體驗；同時，VTM數(shù)字員工與江南農(nóng)商行的業(yè)務(wù)系統(tǒng)深度耦合，從而支持VTM數(shù)字員工從業(yè)務(wù)系統(tǒng)中調(diào)用數(shù)據(jù)支撐用戶問答與交互，并代替業(yè)務(wù)人員在各類交易場景中幫用戶閉環(huán)完成咨詢、查詢、導(dǎo)覽，以及取款、開戶、密碼重置等業(yè)務(wù)。而支撐虛擬數(shù)字人與銀行的業(yè)務(wù)交易場景打通，為銀行實現(xiàn)創(chuàng)新性業(yè)務(wù)模式的是京東科技在NLP、TTS、ASR、虛擬形象、圖像識別等多種自研AI技術(shù)上深厚的積累，通過將這些AI技術(shù)有機(jī)結(jié)合，VTM數(shù)字員工具備了音唇精準(zhǔn)同步、表情豐富逼真、交互流暢自然等高度擬人化的特征，以及高準(zhǔn)確率的語音語義識別能力，并能精準(zhǔn)識別數(shù)字連讀和方言，也為適老化能力的建設(shè)和鄉(xiāng)村金融服務(wù)的街鄉(xiāng)級滲透提供新路徑。

VTM數(shù)字員工的投入使用，不僅大幅提升了江南農(nóng)商銀行遠(yuǎn)程銀行的接待能力與服務(wù)效率，降低了運(yùn)營成本，還勾勒出銀行服務(wù)的未來發(fā)展的新形態(tài)：即通過運(yùn)用人工智能等先進(jìn)科技，銀行可以構(gòu)建無人場景下的服務(wù)能力，重塑服務(wù)模式與體驗，為客戶提供更便捷的服務(wù)。這將成為未來銀行業(yè)甚至整個服務(wù)產(chǎn)業(yè)的發(fā)展趨勢，具備大規(guī)模推廣的潛力。

案例C：某全球頭部日用消費(fèi)品公司在華公司以費(fèi)用支出為導(dǎo)向規(guī)劃AI應(yīng)用場景

某全球頭部日用消費(fèi)品公司在華公司為保持其市場領(lǐng)先地位，需要在品牌建設(shè)、銷售管理優(yōu)化等方面實現(xiàn)全面的智能化。因此，其數(shù)據(jù)科學(xué)與人工智能團(tuán)隊采用了資金投入導(dǎo)向的方式對AI應(yīng)用進(jìn)行了規(guī)劃。具體而言，該團(tuán)隊篩選應(yīng)用場景的標(biāo)準(zhǔn)有三個：第一，優(yōu)先考慮費(fèi)用支持較大的場景；第二，重點考慮數(shù)據(jù)層面的問題，包括數(shù)據(jù)的充足度、數(shù)據(jù)獲取的難易程度、數(shù)據(jù)的有效度；第三，能夠用算法從數(shù)據(jù)中找到規(guī)律，從而解決該業(yè)務(wù)問題。

基于上述方法，該公司如下五類方向落地了多個AI應(yīng)用，顯著降低了公司的費(fèi)用支出。

第一，媒體規(guī)劃，即將媒體預(yù)算以最優(yōu)的方式分配投入給不同的媒體形式，如視頻、站內(nèi)、電視、戶外廣告等。

第二，精準(zhǔn)廣告定位，即把廣告投向更精準(zhǔn)、更有可能產(chǎn)生購買行為的用戶。

第三，會員活動設(shè)計，即針對會員的過往的表現(xiàn)設(shè)計合理的會員活動。

第四，促銷優(yōu)化，即根據(jù)歷史數(shù)據(jù)來優(yōu)化未來促銷活動的規(guī)劃，減少促銷費(fèi)用的投入。

第五，供應(yīng)鏈管理，包括倉庫的分布、送貨路線的規(guī)劃、庫存的管理等。

3.4 應(yīng)用解決方案開發(fā)層面

3.4.1 方法論

3.4.1.1. 明確自研和引入外部能力的條件

對于處于早期投入階段，尚無AI應(yīng)用構(gòu)建能力和經(jīng)驗的企業(yè)而言，企業(yè)構(gòu)建AI應(yīng)用應(yīng)該主要考慮外采。

對于處于多維布局或者成熟度更高階段的企業(yè)，其已經(jīng)具備了一定技術(shù)能力、專業(yè)人員和AI應(yīng)用開發(fā)經(jīng)驗，此時企業(yè)構(gòu)建AI應(yīng)用應(yīng)該以自研為主。但是當(dāng)企業(yè)在構(gòu)建AI應(yīng)用時，面臨以下一個或多個問題時，需要考慮和外部廠商合作聯(lián)合開發(fā)或者完全外采解決方案。這些問題包括：（1）應(yīng)用解決方案復(fù)雜度較高，需要多種底層AI技術(shù)的支撐，自研難度大、成本高、時間長；（2）企業(yè)內(nèi)部缺乏應(yīng)用開發(fā)所需的數(shù)據(jù)；（3）企業(yè)自身不具備特定應(yīng)用場景的業(yè)務(wù)知識或AI應(yīng)用開發(fā)實踐經(jīng)驗。

例如在案例9中，某集團(tuán)科技公司由于在搭建供應(yīng)鏈管理相關(guān)的AI應(yīng)用時面臨智能調(diào)度、倉配算法開發(fā)難度大，搭建智能營銷應(yīng)用時缺乏市場客戶數(shù)據(jù)，搭建園區(qū)安全時缺乏實踐經(jīng)驗，便選擇與京東云合作在這些領(lǐng)域聯(lián)合開發(fā)AI應(yīng)用。

3.4.1.2. 在AI開發(fā)團(tuán)隊中引入業(yè)務(wù)專家，提供業(yè)務(wù)知識方面的專業(yè)指導(dǎo)

AI應(yīng)用最終需要解決的是業(yè)務(wù)的問題，而精通技術(shù)的算法工程師或數(shù)據(jù)科學(xué)家往往對業(yè)務(wù)問題缺少了解，因此在AI應(yīng)用開發(fā)中，AI開發(fā)團(tuán)隊需要尋求業(yè)務(wù)專家的幫助和指導(dǎo)。

在開發(fā)應(yīng)用解決方案之前，要協(xié)調(diào)內(nèi)部資源，對精通業(yè)務(wù)的人員進(jìn)行深入調(diào)研，針對具體場景梳理業(yè)務(wù)流程，理清每個環(huán)節(jié)的業(yè)務(wù)需求。如在案例5中，中宏保險在搭建營銷員智能助理解決方案之前，首先對保險營銷員的需求進(jìn)行了充分調(diào)研，了解營銷員需要詢問哪些保險知識，對知識的呈現(xiàn)有哪些要求，在問法上有哪些獨(dú)到的習(xí)慣等問題。

在開發(fā)應(yīng)用解決方案過程中，企業(yè)需要業(yè)務(wù)專家協(xié)助，確定業(yè)務(wù)的標(biāo)準(zhǔn)。具體而言，包括了在計算機(jī)視覺相關(guān)的應(yīng)用開發(fā)中，由業(yè)務(wù)專家?guī)椭_定圖像的分類、圖像是否符合要求的標(biāo)準(zhǔn)；在自然語言處理相關(guān)的應(yīng)用開發(fā)中，由業(yè)務(wù)專家對詞性、詞語分割、情感等進(jìn)行標(biāo)注，提高語義理解的準(zhǔn)確度。例如在案例4中，某餐飲連鎖企業(yè)為了在餃子質(zhì)檢應(yīng)用中確定餃子是否合格的標(biāo)準(zhǔn)，便由其業(yè)務(wù)專家與開發(fā)人員一起確定了餃子“白鼓”、“偏皮”等維度判斷標(biāo)準(zhǔn)，并在圖片中做相應(yīng)的標(biāo)記用于模型訓(xùn)練。

3.4.1.3. 依靠經(jīng)驗豐富的AI開發(fā)人員將業(yè)務(wù)問題轉(zhuǎn)化為算法可解決的問題

企業(yè)在探索性的AI應(yīng)用開發(fā)中經(jīng)常會受困于如何將業(yè)務(wù)問題轉(zhuǎn)化為算法可解決的問題，通常這類問題的只能借助精通技術(shù)的同時能對業(yè)務(wù)也非常了解的數(shù)據(jù)科學(xué)家或算法工程師來解決。比如，需要經(jīng)驗豐富的數(shù)據(jù)科學(xué)家或算法工程師能夠判斷某個業(yè)務(wù)問題是屬于分類問題，還是回歸問題；特征工程的特征和目標(biāo)是否有因果關(guān)系等。在此基礎(chǔ)上，企業(yè)在具體執(zhí)行中，還可以進(jìn)一步參考案例4中明略科技在幫某餐飲連鎖企業(yè)開發(fā)餃子質(zhì)檢解決方案時的做法，即通過多種可能的業(yè)務(wù)標(biāo)準(zhǔn)標(biāo)注多個數(shù)據(jù)集，再對照多個算法不斷測試，最終得出效果較好的模型。

3.4.1.4. 提高小數(shù)據(jù)集的數(shù)據(jù)質(zhì)量以支撐AI應(yīng)用開發(fā)

傳統(tǒng)企業(yè)在開發(fā)AI應(yīng)用時，通常會面臨樣本數(shù)據(jù)量較小的問題，比如，制造企業(yè)想開發(fā)針對某個零部件的智能質(zhì)檢應(yīng)用，其樣本數(shù)據(jù)可能不足100個，或者醫(yī)療機(jī)構(gòu)想要構(gòu)建一個罕見病的疾病預(yù)測模型，其樣本數(shù)據(jù)可能只有幾十個。此時，企業(yè)一種方式是可以考慮采用較前沿的小樣本學(xué)習(xí)技術(shù)開發(fā)此類AI應(yīng)用，另一種方式是提高樣本數(shù)據(jù)的數(shù)據(jù)質(zhì)量，不僅是前期做數(shù)據(jù)采集時要考慮通過用一些定制化的方法讓采集到的樣本數(shù)據(jù)與需求盡量高度匹配，同時也要借助業(yè)務(wù)專家提高數(shù)據(jù)標(biāo)注的準(zhǔn)確度，從而能夠以較小的樣本數(shù)據(jù)集開發(fā)出AI模型。

3.4.1.5. 采取先以最少的數(shù)據(jù)讓AI應(yīng)用可用即上線，后續(xù)再維護(hù)更新的策略

為了讓AI應(yīng)用能早日上線發(fā)揮價值，企業(yè)可以在開發(fā)AI模型或AI系統(tǒng)時先用最少的數(shù)據(jù)量去訓(xùn)練模型或系統(tǒng)使其達(dá)到初步可用的狀態(tài)即在業(yè)務(wù)中部署，后續(xù)在運(yùn)營過程中再針對新收集的數(shù)據(jù)，對模型進(jìn)行增量學(xué)習(xí)，或?qū)ο到y(tǒng)進(jìn)行更新，從而使AI應(yīng)用更加聰明，功能更完善。例如在案例5中宏保險智能助理案例中，由于保險行業(yè)知識體系龐雜，為了讓智能助理能夠早日上線發(fā)揮價值，中宏保險采取了在知識庫中先加入營銷員最關(guān)心的問題，后續(xù)再利用平臺的AI自學(xué)習(xí)能力從新的數(shù)據(jù)中學(xué)習(xí)新的知識，并逐漸豐富知識庫的策略。

3.4.1.6. 綜合考慮算力、帶寬等需求，設(shè)計合理的“云邊端”協(xié)同部署方式

針對在業(yè)務(wù)系統(tǒng)中部署AI應(yīng)用會面臨各種場景化適配的問題，如果應(yīng)用解決方案對計算實時性、數(shù)據(jù)安全的要求都不高，數(shù)據(jù)量相對有限，以及追求更低的計算成本，可以主要考慮在邊緣端通過算法控制采集所需數(shù)據(jù)，在云端部署解決方案的方式。例如在案例4某餐飲連鎖企業(yè)的餃子質(zhì)檢解決方案中，其在攝像頭中內(nèi)置過線檢測算法采集到每一盤經(jīng)過出餐口的水餃圖片數(shù)據(jù)，這些圖片數(shù)據(jù)的數(shù)據(jù)量相對有限，對帶寬、存儲和計算要求都不高，然后將圖片數(shù)據(jù)上傳至云端，通過定制的質(zhì)檢算法判斷餃子的品質(zhì)。

而如果解決方案需要實時生效，且數(shù)據(jù)量大，上傳云端對帶寬、存儲和計算資源要求都很高時，企業(yè)需要考慮將解決方案部署在邊緣或設(shè)備端，同時要對算法和SDK包體積的大小以及邊緣或設(shè)備端的算力資源進(jìn)行優(yōu)化，以保證算法能夠在邊緣或設(shè)備端有效運(yùn)行，并產(chǎn)生實時的計算結(jié)果。例如在案例6中，火山引擎在其AR虛擬試穿試戴解決方案中內(nèi)置了3D關(guān)鍵點識別、慣性檢測、人臉屬性等多種AI算法，以保障用戶的試戴體驗的真實性，而為了讓這些算法能夠在移動終端運(yùn)行和實時生效，火山引擎在保證模型精度不降低的前提下，對模型大小進(jìn)行了壓縮，對移動終端的算力資源也做了相應(yīng)優(yōu)化。

3.4.2 給不同成熟度的企業(yè)的建議

初步投入階段：由于企業(yè)自身研發(fā)實力暫時有限，建議主要考慮跟有成熟解決方案的廠商合作，構(gòu)建相關(guān)應(yīng)用。同時，企業(yè)需要對上述問題，如協(xié)調(diào)業(yè)務(wù)人員參與、開發(fā)部署中的重點問題有知曉，在過程中給予應(yīng)用開發(fā)項目組資源支持。

多維布局階段：明確企業(yè)自身的能力和資源，對應(yīng)用是否自研、合作開發(fā)、外采，設(shè)立明確的標(biāo)準(zhǔn)；重視內(nèi)部業(yè)務(wù)專家對應(yīng)用開發(fā)的作用，建立業(yè)務(wù)和技術(shù)人員的協(xié)作機(jī)制；參照上述方法，加快應(yīng)用開發(fā)到部署的效率。

深度應(yīng)用階段：建立較完善的自研能力，尤其重視技術(shù)人才隊伍和技術(shù)基礎(chǔ)設(shè)施的建設(shè)；在應(yīng)用開發(fā)團(tuán)隊中常態(tài)化地引入業(yè)務(wù)專家資源，由統(tǒng)一的部門進(jìn)行協(xié)調(diào)管理；建立標(biāo)準(zhǔn)的解決方案開發(fā)、部署和后續(xù)運(yùn)營的方法和流程。

案例4：依托計算機(jī)視覺技術(shù)，某餐飲連鎖企業(yè)為餃子品控安上智慧之“眼”

某餐飲連鎖企業(yè)是國內(nèi)知名的水餃餐飲連鎖公司，總部管理機(jī)構(gòu)設(shè)于遼寧大連。目前，該餐飲企業(yè)在全國40多個城市擁有700多家連鎖門店，員工8000多人。

發(fā)展至今，該餐飲企業(yè)所有門店都為直營，為的是能夠控制水餃出品的品質(zhì)。而當(dāng)該餐飲企業(yè)在往南方擴(kuò)展后，由于南方鮮有吃餃子的飲食習(xí)慣，出現(xiàn)了南方門店的餃子品質(zhì)和北方門店有較明顯差距的狀況。為了嚴(yán)格統(tǒng)一不同地域門店出品的水餃的質(zhì)量，該餐飲企業(yè)最初采取了神秘訪客的方式對門店進(jìn)行抽查。但由于其門店眾多，該餐飲企業(yè)只能不斷加大神秘訪客的抽查密度，最終付出了高昂的時間和人力成本，但收效并未達(dá)到預(yù)期。

在此背景下，該餐飲企業(yè)決定引入數(shù)字化技術(shù)對水餃品質(zhì)進(jìn)行管理。具體而言，該餐飲企業(yè)希望對每一份經(jīng)過出餐口的餃子都進(jìn)行拍照，并利用計算機(jī)視覺技術(shù)對餃子圖像進(jìn)行分析，判斷和管理水餃的品質(zhì)。然而，不同于常規(guī)的工業(yè)質(zhì)檢，“餃子質(zhì)檢”是一個創(chuàng)新性的應(yīng)用場景，業(yè)內(nèi)尚無成熟的解決方案。要產(chǎn)生實際的效果，就需要重點解決以下問題：

1）穩(wěn)定地獲取高質(zhì)量的餃子圖像。通常，餃子在被服務(wù)員端到顧客餐桌之前，會被統(tǒng)一放置在出餐口下停留1秒左右。因此，攝像頭需要在1秒鐘內(nèi)完成高清裝盤餃子照片的抓拍，同時要克服出餐口下方空間狹小、光線不足，以及餃子熱氣蒸騰模糊鏡頭等困難。

2）將業(yè)務(wù)問題轉(zhuǎn)換成算法可以執(zhí)行的客觀任務(wù)。視覺檢測通常用到的是目標(biāo)檢測算法，包括了位置檢測以及對檢測內(nèi)容的分類。餃子質(zhì)檢場景中要對檢測內(nèi)容進(jìn)行分類，就需要首先確定餃子好壞的客觀標(biāo)準(zhǔn)，通過數(shù)據(jù)標(biāo)注，讓算法能依據(jù)這個標(biāo)準(zhǔn)去學(xué)習(xí)對餃子的分類。然而餃子好壞的標(biāo)準(zhǔn)包含了很多行業(yè)知識，且其描述通常非常主觀和抽象，難以統(tǒng)一。

3）樣本數(shù)據(jù)要覆蓋盡量全面的情形，并兼顧控制冷啟動成本。在該餃子質(zhì)檢場景中，由于場景很固定，訓(xùn)練模型所需的數(shù)據(jù)量未必要很大，但樣本數(shù)據(jù)要覆蓋盡量全面的情形，以保證模型能夠識別各種特殊情況。同時，初期要用少量的數(shù)據(jù)讓模型可用，盡快上線，后續(xù)再對模型進(jìn)行優(yōu)化。

打造集定制相機(jī)、云端視覺識別、品質(zhì)管理系統(tǒng)的整體解決方案

基于對明略科技數(shù)字化技術(shù)和服務(wù)能力的認(rèn)可，該餐飲企業(yè)選擇與明略科技合作，為其定制開發(fā)“餃子質(zhì)檢”解決方案。明略科技是一家企業(yè)級數(shù)據(jù)分析和組織智能服務(wù)提供商，為政府、金融、零售、工業(yè)等行業(yè)企業(yè)提供基于大數(shù)據(jù)和人工智能技術(shù)的產(chǎn)品與解決方案。

經(jīng)過和該餐飲企業(yè)的深度溝通，明略科技智能硬件和深度學(xué)習(xí)算法團(tuán)隊為其定制了一套端云協(xié)同的綜合解決方案，在出餐口下安裝定制相機(jī)，通過這一邊緣設(shè)備獲取餃子的實時圖片數(shù)據(jù)，上傳至云端對圖片進(jìn)行深度學(xué)習(xí)算法的識別分析，對每盤出餐的餃子給出優(yōu)秀、合格、不合格的評級，最后在品質(zhì)管理系統(tǒng)中生成統(tǒng)計分析報告，供管理者及時全面地掌握出品情況。

為了穩(wěn)定地獲取高質(zhì)量的餃子圖像，明略科技項目組為該解決方案定制了攝像頭。鏡頭、補(bǔ)光燈等都做了個性化的定制，從硬件上解決出餐口下方空間狹小、光線不足，以及熱氣蒸騰模糊鏡頭等問題。同時，攝像頭內(nèi)置了過線檢測算法，當(dāng)區(qū)域內(nèi)有物體移動，且移動區(qū)域超過一定界限，攝像頭會快速抓拍物體，從而獲得清晰的餃子圖像。

為了確定判斷餃子好壞的客觀標(biāo)準(zhǔn)，明略科技項目組與該餐飲企業(yè)的業(yè)務(wù)專家合作，分批引入了外觀上的白鼓、偏皮、飽管，以及擺放上的是否順等判斷餃子品質(zhì)好壞的維度。而其中每一個維度的判斷標(biāo)準(zhǔn)，例如白鼓，項目組排除了圖像的角度、光線、餃子餡等干擾因素，篩選出了多個相對客觀的白鼓標(biāo)準(zhǔn)，讓不同的人標(biāo)注同一批數(shù)據(jù)，結(jié)果能夠統(tǒng)一，并依次用不同算法測試這些標(biāo)準(zhǔn)是否能區(qū)分餃子好壞，最終確定了分類方法和所用的模型。

針對樣本數(shù)據(jù)量以及冷啟動成本的問題。項目組在前期主要考慮了樣本數(shù)據(jù)能夠覆蓋更多的情形。比如，樣本數(shù)據(jù)盡可能包含多幾種出餐口拍的餃子，光線也有更多變化等。而由于該場景比較固定，樣本數(shù)據(jù)量選擇在上百左右，這樣可以用最少量的數(shù)據(jù)標(biāo)注就能讓模型達(dá)到可用狀態(tài)，上線達(dá)到初步效果后，再用一定時間收集長尾情況的數(shù)據(jù)并優(yōu)化模型，從而降低了冷啟動的成本。

餃子質(zhì)檢落地后的價值與效果

第一，通過餃子質(zhì)檢解決方案，該餐飲企業(yè)的管理人員能夠在管理系統(tǒng)中查看實時生成的餃子品質(zhì)統(tǒng)計分析報告，了解每家店每天甚至每個時間段的餃子的品質(zhì)情況，具體到合格與不合格的餃子的數(shù)量，從而提高了該餐飲企業(yè)對餃子品質(zhì)管理的效率。

第二，該方案目前已在該餐飲企業(yè)大部分門店推廣使用，有效識別了水餃飽滿、擺盤等問題，識別準(zhǔn)確率在90%以上，其門店的菜品優(yōu)秀率因此提高了20%。

餃子質(zhì)檢項目經(jīng)驗總結(jié)

用計算機(jī)視覺技術(shù)感知現(xiàn)實世界中各種情形，并將其數(shù)字化，為企業(yè)解決各種業(yè)務(wù)問題提供了有效的技術(shù)手段。隨著人工智能在產(chǎn)業(yè)中的加速落地，計算機(jī)視覺也將被應(yīng)用在更廣泛的場景中，甚至無所不在。而在用計算機(jī)視覺技術(shù)解決具體的業(yè)務(wù)問題時，企業(yè)要重點考慮數(shù)據(jù)、算法和冷啟動成本三方面的問題：

1）數(shù)據(jù)方面的問題主要涉及數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注。在數(shù)據(jù)采集階段，由于視覺場景通常差別很大，因此圖像數(shù)據(jù)的采集往往需要針對特定場景定制相應(yīng)的相機(jī)以確保圖像數(shù)據(jù)采集的效果，并且要保證采集的數(shù)據(jù)包含盡量全面的情形。而在數(shù)據(jù)標(biāo)注階段，企業(yè)首先借助業(yè)務(wù)專家的經(jīng)驗，確認(rèn)統(tǒng)一的標(biāo)準(zhǔn)，確保不同的人標(biāo)注結(jié)果能夠一致，并且算法能夠識別和區(qū)分這些標(biāo)準(zhǔn)。

2）對于算法的選擇，企業(yè)可以結(jié)合標(biāo)注數(shù)據(jù)的各種標(biāo)準(zhǔn)，選擇不同算法多做測試，根據(jù)測試結(jié)果選擇有效的標(biāo)準(zhǔn)的同時，也確認(rèn)效果更優(yōu)的算法。

3）初期為了降低冷啟動成本，企業(yè)可以用少量數(shù)據(jù)讓模型達(dá)到可用狀態(tài)即上線，后續(xù)再收集更多長尾情況的數(shù)據(jù)，對模型進(jìn)行更新和優(yōu)化。

案例5：中宏保險構(gòu)建營銷員智能助理，通過保險知識的共享和復(fù)用賦能銷售

中宏人壽保險有限公司（以下簡稱“中宏保險”）是國內(nèi)首家中外合資人壽保險公司，由加拿大宏利旗下的宏利人壽保險（國際）有限公司和中國中化核心成員——中化集團(tuán)財務(wù)有限責(zé)任公司合資組建于1996年11月，現(xiàn)已擁有逾2000名員工和17000名營銷員，為240萬客戶提供金融保險服務(wù)。

保險產(chǎn)品作為專業(yè)的金融產(chǎn)品，客戶對其通常缺乏了解，這導(dǎo)致在選購保險產(chǎn)品時，客戶需要考慮很多需求和因素，整個決策周期也很長。因此，保險行業(yè)為了提高業(yè)績，就需要保險營銷員能夠向客戶持續(xù)輸出產(chǎn)品、條款規(guī)則、政策等專業(yè)知識，基于復(fù)雜信息，以最快的方式有效處理客戶的實際問題，展示出專業(yè)性和解決問題的能力，才能將潛在客戶最終轉(zhuǎn)變成為現(xiàn)實客戶。

多年來，中宏保險一直注重對營銷員的咨詢支持和培訓(xùn)管理工作，然而隨著其業(yè)務(wù)范圍的擴(kuò)展，營銷員的咨詢支持和培訓(xùn)管理工作變得越來越來繁重，消耗了大量內(nèi)部資源，并且實際效果也不夠理想。一方面，中宏保險營銷員原先主要依賴向主管領(lǐng)導(dǎo)和營業(yè)網(wǎng)點服務(wù)臺的工作人員咨詢關(guān)于保險產(chǎn)品的問題，然而這些問題有約50%都是較常見的問題，對常見問題重復(fù)的詢問不僅消耗了主管大量的時間，也占用了營業(yè)網(wǎng)點寶貴的客戶服務(wù)資源。另一方面，保險業(yè)的營銷員人員更替較頻繁，新的營銷員入職后也需要對一些常見問題進(jìn)行詢問和學(xué)習(xí)，人員不停地輪轉(zhuǎn)也進(jìn)一步增加了內(nèi)部培訓(xùn)的壓力。

基于上述原因，中宏保險希望利用自然語言處理、知識庫、對話機(jī)器人等技術(shù)，打造一個線上的保險營銷員智能助理，用于解答營銷員的常見問題，并具備對新員工的培訓(xùn)能力。中宏保險對于營銷員智能助理解決方案有如下兩點最重要的要求：

1）保險行業(yè)涵蓋的知識體系很龐雜，不同的專業(yè)知識有11大類，因此在構(gòu)建智能助理的知識庫時，需要盡量全面地覆蓋營銷員會咨詢和學(xué)習(xí)的知識類型，并且知識庫上線后也要方便持續(xù)地維護(hù)更新；

2）準(zhǔn)確理解營銷員的問題是給出正確答案的前提，因此需要對話機(jī)器人內(nèi)置豐富的AI能力模塊，使其具備出色的自然語義理解能力，能夠與營銷員進(jìn)行流暢對話。同時，需要底層的機(jī)器學(xué)習(xí)平臺具備良好的擴(kuò)展能力，讓普通業(yè)務(wù)人員也能以可視化的方式對特定業(yè)務(wù)場景進(jìn)行算法模型的調(diào)優(yōu)調(diào)參，以達(dá)到更高的語義理解準(zhǔn)確度。

打造以智能知識庫為核心，智能交互為途徑的營銷員智能助理解決方案

在對多家廠商的語音語義、知識管理產(chǎn)品，以及建設(shè)和運(yùn)維方案做了較長時間的評估后，中宏保險選擇與竹間智能合作來搭建營銷員智能助理解決方案。竹間智能成立于2015年，公司以自然語言處理、深度學(xué)習(xí)、知識工程、文本處理、情感計算等人工智能技術(shù)為基礎(chǔ)，將AI能力整合到企業(yè)業(yè)務(wù)中，為金融、制造、政務(wù)、智能終端等行業(yè)提供端到端解決方案。

基于對中宏保險需求的理解，竹間智能為其提供了營銷員智能助理解決方案。從用戶使用方式的角度，智能助理內(nèi)置在中宏保險的內(nèi)部營銷工具中，營銷員咨詢產(chǎn)品或進(jìn)行業(yè)務(wù)培訓(xùn)都可以點擊進(jìn)入智能助理界面，通過文字或語音輸入問題，從而獲取所需信息。從解決方案架構(gòu)的角度來看，其底層包含了機(jī)器人建設(shè)、運(yùn)營工具、機(jī)器學(xué)習(xí)平臺等解決方案的開發(fā)和運(yùn)營工具，構(gòu)成對話機(jī)器人的多個AI模塊，以及豐富的自然語言處理基礎(chǔ)技術(shù)，最上層則是與營銷員進(jìn)行直接交互的界面。

圖 6： 中宏保險營銷員智能助理解決方案架構(gòu)

中宏保險與竹間智能聯(lián)合搭建的智能知識庫涵蓋了豐富的信息，包括：運(yùn)營規(guī)則（包括新單投保、保單服務(wù)、保單理賠等）、營銷員基本法、保險熱銷產(chǎn)品、營銷員榮譽(yù)競賽、客戶活動與增值服務(wù)、數(shù)字化工具使用等信息類型。而為了使知識庫覆蓋盡量全面的知識類型，保障后續(xù)的迭代更新，雙方組建起項目組，在中宏保險的領(lǐng)導(dǎo)下，重點開展了如下工作：

1）在項目前期充分調(diào)研營銷員需求。了解一線營銷員需要了解哪些知識，對知識的呈現(xiàn)有哪些要求，在問法上有哪些獨(dú)到的習(xí)慣等問題。

2）高度自動化的知識圖譜構(gòu)建?；谥耖g智能的Gemini知識工程平臺，項目組從中宏保險的保險條款、產(chǎn)品文檔等非結(jié)構(gòu)化數(shù)據(jù)中自動解析和抽取保險產(chǎn)品名稱、以及與之相關(guān)聯(lián)的猶豫期、等待期、保險責(zé)任等產(chǎn)品屬性。在此基礎(chǔ)上，在Gemini平臺上將抽取的知識進(jìn)行自動關(guān)聯(lián)，形成保險產(chǎn)品的知識圖譜，從而實現(xiàn)知識推理、產(chǎn)品檢索等功能。比如將知識推理用于回答產(chǎn)品的保障內(nèi)容、產(chǎn)品的比較、符合要求的產(chǎn)品有哪些等問題。

3）利用自動化的自然語言學(xué)習(xí)技術(shù)，在智能助理上線前后進(jìn)行高頻問題識別和更新。通過竹間智能Bot Factory A+H人機(jī)協(xié)同平臺的自監(jiān)督學(xué)習(xí)能力，項目組一方面在智能助理上線前對中宏保險的客服錄音和聊天記錄做聚類分析，自動識別出已知的客戶高頻問題及其對應(yīng)語料，視需要由人工核對，從而為營銷員應(yīng)對高頻的產(chǎn)品和業(yè)務(wù)問題提供標(biāo)準(zhǔn)答案。另一方面，在智能助理上線后，通過自監(jiān)督學(xué)習(xí)從營銷員新提問的眾多未得到回復(fù)的問題中識別出高頻問題，中宏保險的業(yè)務(wù)專家隨后對這些問題給出標(biāo)準(zhǔn)答案，自動加入知識庫，從而實現(xiàn)對知識庫的持續(xù)更新。平臺的AI自學(xué)習(xí)能力使之能夠以較低的運(yùn)營成本不斷提升機(jī)器人的模型與會話能力。

為了讓智能助理能夠準(zhǔn)確地理解語義，實現(xiàn)與營銷員的流暢對話。竹間智能在對話機(jī)器人中內(nèi)置了多個AI功能模塊，包括語義解析、FAQ、多輪對話、意圖識別、情感識別、知識推理、智能話術(shù)等。例如，多輪對話引擎通過向營銷員連續(xù)反向提問獲得確認(rèn)具體問題所需的全面信息；意圖識別引擎內(nèi)置50多類、3000多種開箱即用的意圖模型，用于識別營銷員的詢問意圖；情感識別引擎能識別25種情緒，從而使對話更有同理心和溫度。同時，平臺內(nèi)置了一個對話管理框架，當(dāng)營銷員向智能助理提出問題時，對話管理框架會結(jié)合業(yè)務(wù)場景，對不同AI模塊的優(yōu)先級、權(quán)重、分流策略進(jìn)行調(diào)整，從而在其中選擇最匹配的模塊對營銷員的問題進(jìn)行準(zhǔn)確應(yīng)答。

為了讓中宏保險能夠?qū)χ悄苤磉M(jìn)行二次開發(fā)，使智能助理具備針對特定業(yè)務(wù)場景的擴(kuò)展能力，竹間智能在對話機(jī)器人底層提供了自動機(jī)器學(xué)習(xí)平臺，平臺內(nèi)置了多種前沿算法，當(dāng)上層的AI模型對特定場景的語義識別不夠準(zhǔn)確時，開發(fā)人員可以在自動機(jī)器學(xué)習(xí)平臺上以可視化的方式對算法模型進(jìn)行自動化測試、自動調(diào)參、算法融合，讓語義理解準(zhǔn)確度在復(fù)合式算法、僅需要少量數(shù)據(jù)的條件下，自動迭代學(xué)習(xí)。

保險營銷員智能助理落地后的價值與效果

營銷員智能助理落地以后，中宏保險在營銷員的咨詢支持和培訓(xùn)管理上實現(xiàn)了以下顯著的效果：

第一，在對營銷員的咨詢支持方面。首先，智能助理能夠7x24小時不間斷且秒級響應(yīng)營銷咨詢需求，對營銷員常用問題實時給出正確回復(fù)，高解決率有效減輕了主管和營業(yè)網(wǎng)點服務(wù)臺客服的咨詢服務(wù)壓力。自智能助理上線以來，平均回復(fù)準(zhǔn)確率保持在95%以上，得到了一線銷售人員普遍認(rèn)可。其次，智能助理上線后也作為運(yùn)營平臺，可直觀了解未知問題和營銷員關(guān)心的熱門問題，幫助豐富智能助理知識庫和填補(bǔ)營銷員業(yè)務(wù)未知領(lǐng)域，未來結(jié)合智能化的培訓(xùn)練習(xí)，幫助營銷員提升技能，增長業(yè)績。

第二，在對新營銷員的培訓(xùn)方面。實時智能助理能幫助新營銷員快速且全方位地掌握產(chǎn)品、服務(wù)、規(guī)則、政策等全量信息與內(nèi)容，縮短了新人成長過程中知識儲備的周期，讓新人能快速開展業(yè)務(wù)。

保險營銷員智能助理項目經(jīng)驗總結(jié)

第一，在金融、制造等專業(yè)知識密集的行業(yè)，保障知識的高效學(xué)習(xí)與傳承是提高其生產(chǎn)和服務(wù)質(zhì)量的關(guān)鍵。而如果只能依靠行業(yè)“老師傅”去傳授企業(yè)在長期業(yè)務(wù)發(fā)展過程中沉淀的大量專業(yè)知識，不僅耗費(fèi)大量時間精力，也很難保證質(zhì)量。因此，金融、制造等行業(yè)的企業(yè)可以考慮應(yīng)用人工智能技術(shù)解決專業(yè)知識管理與共享的問題。

第二，在用AI對知識進(jìn)行管理并以問答形式對外輸出的過程中，企業(yè)需要重點考慮構(gòu)建智能知識庫以及具備高度語義理解能力的對話機(jī)器人。對知識庫的構(gòu)建需要采用自動化的知識解析和知識圖譜構(gòu)建工具，以及用無監(jiān)督學(xué)習(xí)從海量語料中自動學(xué)習(xí)新知識，從而提高知識庫構(gòu)建和后續(xù)運(yùn)營維護(hù)的效率；對于對話機(jī)器人則需要其內(nèi)置豐富的AI功能模塊，完善的對話管理框架，以及方便二次開發(fā)的自動機(jī)器學(xué)習(xí)平臺，使機(jī)器人能準(zhǔn)確理解語義，實現(xiàn)與用戶的流暢對話。

案例6：AI算法支撐下，AR虛擬試戴讓安克創(chuàng)新用戶獲得更優(yōu)的線上互動體驗

安克創(chuàng)新科技股份有限公司（以下稱“安克創(chuàng)新”） 是一家全球化的消費(fèi)電子品牌企業(yè)，主要從事智能配件和智能硬件的設(shè)計、研發(fā)和銷售，為消費(fèi)者提供充電、無線音頻和智能創(chuàng)新等品類的消費(fèi)電子產(chǎn)品。安克創(chuàng)新的銷售渠道覆蓋國內(nèi)外各大主要的電商平臺和一些線下合作伙伴，在Amazon、Ebay等境外電商平臺上占據(jù)行業(yè)領(lǐng)先的市場份額。

安克創(chuàng)新旗下的音頻品牌Soundcore聲闊，于2021年末推出了新產(chǎn)品“聲闊智能眼鏡”，并計劃重點在歐美市場對該產(chǎn)品做市場營銷和線上產(chǎn)品推廣，但安克創(chuàng)新此時需要應(yīng)對較復(fù)雜的市場環(huán)境。一方面，在購物線上化和海外疫情常態(tài)化的大環(huán)境下，品牌商在線上推廣產(chǎn)品普遍會面臨營銷手段單一，業(yè)績增長乏力的問題。另一方面，年輕群體是消費(fèi)電子的主力用戶人群，為了吸引這類用戶群體，品牌商需要通過不斷的業(yè)務(wù)和場景創(chuàng)新提升消費(fèi)體驗，讓消費(fèi)者感受到品牌的活力和創(chuàng)新力。

在此背景下，安克創(chuàng)新決定引入AR虛擬試戴解決方案來推廣其智能眼鏡產(chǎn)品，讓用戶能足不出戶進(jìn)行眼鏡試戴，模擬真實穿戴智能眼鏡的效果。對于AR虛擬試戴解決方案的要求，安克創(chuàng)新有如下具體考量：

1）AR試戴的效果要足夠好，以保證用戶獲得較真實的試戴體驗，包括：眼鏡的質(zhì)感、材質(zhì)、光澤度等產(chǎn)品細(xì)節(jié)的還原度要高；試戴時，眼鏡要能夠跟隨人臉的運(yùn)動與面部正確位置高度貼合；所有試戴效果要能夠?qū)崟r生效。

2）在保證試戴效果良好的前提下，解決方案要能夠同時支持在移動端和Web端使用，從而滿足不同偏好的用戶使用習(xí)慣，獲得范圍更廣的社交傳播效果。

3）需要廠商具備完整的解決方案的交付能力，提供從商品建模到交付上線全鏈路的產(chǎn)品服務(wù)，讓安克創(chuàng)新能快速上線有效的解決方案。

先進(jìn)的AI算法和實時渲染引擎助力實現(xiàn)多端一致、效果真實的虛擬試戴效果

在對比了國內(nèi)外多家廠商的AR試戴解決方案的技術(shù)水平、使用效果和落地方案后，安克創(chuàng)新選擇與火山引擎合作，為其提供能滿足上述要求的AR眼鏡試戴解決方案?；鹕揭媸亲止?jié)跳動旗下的企業(yè)級技術(shù)服務(wù)平臺，將字節(jié)跳動快速發(fā)展過程中積累的增長方法、技術(shù)工具和能力開放給外部企業(yè)，提供云、AI、大數(shù)據(jù)技術(shù)等系列產(chǎn)品和服務(wù)，幫助企業(yè)在數(shù)字化升級中實現(xiàn)持續(xù)增長。

基于自研技術(shù)，火山引擎為眼鏡、美妝、鞋帽、手表、首飾、美甲等行業(yè)客戶提供AR虛擬體驗場景建設(shè)，可應(yīng)用于品牌營銷、新零售、電商購物等場景。在線上，其解決方案可提供SDK/API，快速進(jìn)行商城（Web）、APP、小程序等第三方集成上線，為消費(fèi)者實現(xiàn)從瀏覽商品-線上試穿/試戴-購買的線上購物體驗閉環(huán)。在線下，可將虛擬體驗產(chǎn)品應(yīng)用于實體店，通過創(chuàng)新的互動手段吸引消費(fèi)者進(jìn)店，提升消費(fèi)者的購物體驗，進(jìn)而促進(jìn)消費(fèi)行為的發(fā)生。通過線上線下體驗和流程的打通，輔助客戶解決傳統(tǒng)零售行業(yè)面臨的高庫存、高銷售成本、低轉(zhuǎn)化等諸多棘手問題。

為了保障安克創(chuàng)新的用戶能夠獲得較真實的試戴體驗，火山引擎從3D素材制作、人臉關(guān)鍵點識別算法、實時渲染三方面著手為安克創(chuàng)新提供解決方案。

火山引擎基于其自研的3D引擎為安克創(chuàng)新定制了10款聲闊智能眼鏡和8款預(yù)熱款眼鏡的3D素材，在對原始素材做基礎(chǔ)建模后，對材質(zhì)的諸多細(xì)節(jié)如高光、反光、半透明等做進(jìn)一步優(yōu)化。例如，對于鏡片透明度的處理，傳統(tǒng)的素材處理只考慮透明度效果，而火山引擎進(jìn)一步針對鏡片在半透的情況下與歐美不同人群的膚色相融合的效果做了優(yōu)化，使效果更自然和真實。為了讓眼鏡在用戶試戴過程中能緊貼面部輪廓，獲得很高的跟隨度?；鹕揭嬖诮鉀Q方案中采用了自研的人臉關(guān)鍵點識別算法對人臉的3D關(guān)鍵點進(jìn)行識別，精細(xì)化定位五官和面部輪廓，并用3D擬合算法實時生成人臉的3D模型，從而使眼鏡模型能夠很好地跟隨和貼合人的面部。同時，解決方案中還采用了運(yùn)動補(bǔ)償和運(yùn)動估計等慣性檢測算法，保證在連續(xù)運(yùn)動和極端角度下試戴效果的穩(wěn)定性。火山引擎的3D引擎具備實時渲染的能力，并且對圖形渲染的性能做了優(yōu)化，保障了為安克創(chuàng)新定制的細(xì)節(jié)度很高的3D素材也能夠?qū)崟r生效。

針對安克創(chuàng)新需要同時支持移動端和Web端的需求，火山引擎通過對算法和算力進(jìn)行優(yōu)化，實現(xiàn)解決方案多端運(yùn)行的穩(wěn)定性和效果一致性。在移動端，火山引擎根據(jù)手機(jī)硬件性能做了算法適配和硬件加速，保證在多算法并行的情況下的真實效果和超低延遲。在Web端，火山引擎也通過相應(yīng)的優(yōu)化能夠應(yīng)對瀏覽器資源調(diào)用、算力需求諸多限制。同時，火山引擎對算法本身進(jìn)行優(yōu)化，使得達(dá)到同樣的模型精度，其模型大小比業(yè)內(nèi)平均水平低幾十倍，從而降低了包體大小方便多端適配，也更節(jié)省了算力。

針對完整的解決方案的交付能力要求，火山引擎提供了包括體驗設(shè)計、技術(shù)解決方案建立、項目管理、數(shù)據(jù)檢測、市場進(jìn)入的端到端解決方案，讓AR眼鏡試戴解決方案能夠在安克創(chuàng)新快速落地和有效應(yīng)用。

圖 7： 火山引擎AR虛擬試戴解決方案交付鏈路

AR虛擬試戴解決方案落地后的價值與效果

從用戶試戴效果的角度，安克創(chuàng)新通過采用AR眼鏡虛擬試戴解決方案，讓用戶能夠不用到店接觸實物，在線上就能獲得很真實的眼鏡試戴效果，并且了解商品的外觀、特點等諸多細(xì)節(jié)的信息，更好的幫助購買決策。

從業(yè)務(wù)價值的角度，虛擬試戴解決方案提升了安克創(chuàng)新用戶的線上消費(fèi)體驗，從而促進(jìn)商品的購買轉(zhuǎn)化。該功能在安克創(chuàng)新官網(wǎng)上線4周就吸引超100萬海外用戶體驗了該功能，對安克創(chuàng)新的品牌推廣及購買轉(zhuǎn)化都產(chǎn)生了很明顯的實際效果。因此，安克創(chuàng)新在中國區(qū)推出智能眼鏡后，也同樣選擇了火山引擎研發(fā)的AR虛擬試戴解決方案。

AR虛擬試戴解決方案的借鑒意義

AR虛擬體驗帶來的交互、場景、終端體驗正在催生體驗式消費(fèi)的新升級，而為了保證更真實和穩(wěn)定的虛擬體驗，需要用人工智能技術(shù)從兩個層面發(fā)揮作用，解決相應(yīng)的問題。

第一，先進(jìn)的計算機(jī)視覺算法是提升虛擬體驗效果真實性的關(guān)鍵。要讓虛擬體驗達(dá)到更加真實的效果，就需要通過采用更加先進(jìn)的計算機(jī)視覺算法對現(xiàn)實中的物體和環(huán)境進(jìn)行感知、識別和重建，從多個層面還原和模擬現(xiàn)實中的情形。

第二，人工智能在實際落地過程中需要重點突破算力的瓶頸。開發(fā)出先進(jìn)的算法通常只解決了問題的一半，要讓算法能夠?qū)嶋H運(yùn)行，尤其是在消費(fèi)者終端運(yùn)行，就需要對其算力消耗、硬件資源進(jìn)行大量的優(yōu)化，保證算法在生產(chǎn)環(huán)境中可用。

案例7：某銀行搭建智能消費(fèi)者保護(hù)中臺，助力消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警

某股份制商業(yè)銀行（以下簡稱“M行”）是國內(nèi)金融零售業(yè)頭部銀行，該行注重對消費(fèi)者的全流程陪伴和打造最佳用戶體驗，踐行消費(fèi)者權(quán)益保護(hù)工作。

在金融產(chǎn)品與服務(wù)體系日益豐富且復(fù)雜的背景下，我國政府與金融監(jiān)管部門愈發(fā)重視金融消費(fèi)者合法權(quán)益的保護(hù)，陸續(xù)出臺了《中國人民銀行金融消費(fèi)者權(quán)益保護(hù)實施辦法》等各類監(jiān)管文件，要求各大銀行建設(shè)或加強(qiáng)消保全流程管控機(jī)制，從產(chǎn)品開發(fā)設(shè)計、定價管理、合同協(xié)議、營銷宣傳、糾紛解決等各方面保護(hù)金融消費(fèi)者合法權(quán)益。

此前，M行已使用傳統(tǒng)的IT系統(tǒng)實現(xiàn)消保審查和投訴處理線上化，例如消保審查系統(tǒng)是由業(yè)務(wù)部門提交申請、各級消保專職部門審批，完成各項消保審查；投訴管理系統(tǒng)是包含客服接聽電話-記錄-分類-轉(zhuǎn)辦-處理等環(huán)節(jié)的工作流系統(tǒng)。但此類系統(tǒng)由分行或業(yè)務(wù)部門各自建設(shè)和使用，且沒有覆蓋全渠道投訴、反饋和跟蹤情況?？傂袥]有統(tǒng)一的投訴處理風(fēng)險反饋機(jī)制，導(dǎo)致投訴風(fēng)險主要依靠各層級消保部門進(jìn)行人工分析，信息流轉(zhuǎn)過慢，管理層無法對消保工作進(jìn)行全過程的監(jiān)控和管理。

出于在全流程業(yè)務(wù)中有效保護(hù)消費(fèi)者合法權(quán)益的需求，M行希望通過建設(shè)智能消費(fèi)者保護(hù)中臺，運(yùn)用語義理解、語音識別、機(jī)器學(xué)習(xí)等技術(shù)增強(qiáng)對消保業(yè)務(wù)全過程管控，智能排查潛在的投訴風(fēng)險，以數(shù)字化手段提升工作質(zhì)效。M行對智能消保中臺解決方案有三點核心需求：

1）現(xiàn)有的消保審查、投訴管理、服務(wù)監(jiān)督檢查和輿情監(jiān)測等系統(tǒng)存在數(shù)據(jù)孤島問題。需要通過中臺建設(shè)打破多業(yè)務(wù)部門、各區(qū)域、各系統(tǒng)數(shù)據(jù)壁壘，拉通“事前審查-事中管控-事后監(jiān)督”全周期消保數(shù)據(jù)。

2）各項業(yè)務(wù)系統(tǒng)產(chǎn)生海量的非結(jié)構(gòu)化文本數(shù)據(jù)，全人工處理和分析的效率低。需要借助OCR、NLP等智能技術(shù)進(jìn)行信息挖掘，用于輔助投訴處理和進(jìn)一步的風(fēng)險智能分析。

3）管理層缺少對全行消費(fèi)者投訴、處理反饋和跟蹤情況進(jìn)行實時掌握和風(fēng)險排查的有效手段。智能消保中臺應(yīng)提供針對潛在投訴風(fēng)險的智能排查工具，形成適配消保業(yè)務(wù)的知識圖譜和標(biāo)簽體系，輸出較為準(zhǔn)確的風(fēng)險研判結(jié)果。

基于認(rèn)知智能技術(shù)，打造銀行智能消費(fèi)者保護(hù)中臺解決方案

M行經(jīng)過對解決方案公開比選，基于對拓爾思認(rèn)知智能技術(shù)和客戶服務(wù)經(jīng)驗的認(rèn)可，選擇與拓爾思合作建設(shè)智能消費(fèi)者保護(hù)中臺。拓爾思是一家人工智能和大數(shù)據(jù)技術(shù)及數(shù)據(jù)服務(wù)提供商，核心技術(shù)是語義智能，即基于語義理解的認(rèn)知智能，為客戶提供從數(shù)據(jù)洞察到智慧決策的解決方案。

拓爾思為M行提供的智能消保中臺解決方案，覆蓋消保業(yè)務(wù)的事前審查、事中預(yù)警、事后督辦的消保全生命周期智能管理，提供投訴升級預(yù)警、重大投訴推送提醒、外部輿論分析等功能，實現(xiàn)潛在風(fēng)險由人工排查向系統(tǒng)自動排查轉(zhuǎn)型。

解決方案有三個核心要點：一是拉通各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)；二是對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理和信息提?。蝗嵌嗑S度的知識挖掘和分析應(yīng)用。

針對數(shù)據(jù)孤島問題，M行通過建設(shè)全口徑的投訴管理大數(shù)據(jù)平臺，整合行內(nèi)10多類異構(gòu)多模態(tài)數(shù)據(jù)，包括全渠道的消保審查、客戶投訴、服務(wù)監(jiān)督檢查、輿情、政策數(shù)據(jù)等。

針對海量非結(jié)構(gòu)化數(shù)據(jù)處理問題，運(yùn)用OCR、NLP等智能技術(shù)從文本中提煉出具有概括性和精確性的字段，再根據(jù)字段的意義和內(nèi)容，結(jié)合標(biāo)簽體系生成信息挖掘結(jié)果。標(biāo)簽體系包含客戶特征、投訴原因、投訴訴求、投訴渠道等近20個維度3000個標(biāo)簽，在消保審查、投訴處理等需要分析大量文本的場景中，能夠有效提高工作效率；并且，平臺可以進(jìn)一步對標(biāo)簽化分析結(jié)果進(jìn)行統(tǒng)計，為消保工作常態(tài)化監(jiān)管提供數(shù)據(jù)支撐。

針對風(fēng)險智能排查需求，一方面，拓爾思基于情感分析、機(jī)構(gòu)識別、語義識別、標(biāo)簽提取、觀點抽取、行為分析等核心算法，根據(jù)M行消保業(yè)務(wù)需求封裝了行業(yè)區(qū)域分析引擎、動態(tài)追蹤引擎、產(chǎn)品分析引擎、聚類分析引擎、歸因分析引擎、投訴用戶畫像引擎等多維度分析模型，支撐投訴預(yù)警、輿論監(jiān)測等前端應(yīng)用；另一方面，運(yùn)用知識圖譜技術(shù)進(jìn)行關(guān)聯(lián)分析，輔助消保全過程的監(jiān)督審查工作。以消保審查中的營銷內(nèi)容審查為例，平臺將經(jīng)過整合的產(chǎn)品圖譜、服務(wù)圖譜和相關(guān)投訴數(shù)據(jù)可視化展示，為營銷內(nèi)容審查提供更全面的參考信息，提高審查質(zhì)效。

圖 8： M行智能消費(fèi)者保護(hù)中臺架構(gòu)

智能消保中臺落地后的價值與效果

基于認(rèn)知智能技術(shù)的智能消費(fèi)者保護(hù)中臺上線以后，對M行的消費(fèi)者權(quán)益保護(hù)監(jiān)控和預(yù)警工作帶來以下了顯著價值和成效。

第一，通過建設(shè)大數(shù)據(jù)平臺消除了M行內(nèi)數(shù)據(jù)孤島，實現(xiàn)全口徑、多渠道消保大數(shù)據(jù)整合，每月自動化處理的消保數(shù)據(jù)超10萬條。

第二，完整的數(shù)據(jù)為消保工作全環(huán)節(jié)線上跟蹤管理和統(tǒng)計、整改、考核評價、責(zé)任追究提供基礎(chǔ)依據(jù)，保障統(tǒng)一的消保審查工作體系在全行持續(xù)落地，有助于實現(xiàn)消保工作規(guī)范化標(biāo)準(zhǔn)化的科學(xué)管理，有助于落實監(jiān)管要求。

第三，充分挖掘消保數(shù)據(jù)價值，采用六大客服分析因子，覆蓋超3000個標(biāo)簽，消保數(shù)據(jù)處理分析效率較過去提升20倍，每年節(jié)約500萬人力成本?；谧匀徽Z言理解技術(shù)，消保專家知識庫積累超5000個知識點，適配超兩萬個意見模板，提升20倍審查效率。實現(xiàn)潛在投訴風(fēng)險的智能化自動排查，有效提高工作質(zhì)效，降低因投訴、訴訟或輿情事件造成的聲譽(yù)損失，也讓消費(fèi)者權(quán)益保護(hù)更加及時有效。

智能消保中臺項目經(jīng)驗總結(jié)

隨著人工智能在產(chǎn)業(yè)中的深入，企業(yè)內(nèi)部出現(xiàn)了大量需要對分文、專業(yè)知識進(jìn)行深度分析以解決業(yè)務(wù)問題的AI應(yīng)用場景，而這類應(yīng)用場景只靠計算機(jī)視覺、智能語音等感知智能技術(shù)已無法解決，此時就需要引入認(rèn)知智能技術(shù)，讓業(yè)務(wù)系統(tǒng)具體思考能力。而要實現(xiàn)認(rèn)知智能需要重點解決多個方面的問題：首先，數(shù)據(jù)，尤其是相關(guān)非結(jié)構(gòu)化數(shù)據(jù)要足夠豐富，并且整合完備；其次，認(rèn)知智能的實現(xiàn)要結(jié)合多種技術(shù)手段，包括OCR、智能語音對信息的提取，NLP對文本的解析、知識圖譜對知識的挖掘和分析、機(jī)器學(xué)習(xí)對數(shù)據(jù)的分析等；此外，在不同的專業(yè)領(lǐng)域需要引入標(biāo)簽體系以便對信息進(jìn)行高效的分類和調(diào)用。

3.5 技術(shù)基礎(chǔ)設(shè)施層面

3.5.1 方法論

3.5.1.1. 實現(xiàn)AI系統(tǒng)與不同業(yè)務(wù)和IT系統(tǒng)的融合

為了彌合老舊的業(yè)務(wù)和IT系統(tǒng)架構(gòu)與AI開發(fā)和部署之間的缺口，企業(yè)需要構(gòu)建新的技術(shù)體系以支撐智能化的實施。具體而言，企業(yè)需要在業(yè)務(wù)和IT系統(tǒng)中引入智能應(yīng)用編排、業(yè)務(wù)指標(biāo)監(jiān)控、數(shù)據(jù)存儲和處理系統(tǒng)、創(chuàng)新實驗系統(tǒng)、各類中間件或產(chǎn)品等，為企業(yè)智能化應(yīng)用提供基礎(chǔ)技術(shù)能力。同時，企業(yè)需要考慮在IT系統(tǒng)中引入基于云的微服務(wù)架構(gòu)，實現(xiàn)更加敏捷和靈活的應(yīng)用構(gòu)建方式，最大限度地利用智能技術(shù)。

3.5.1.2. 使用低門檻的平臺化工具賦能企業(yè)內(nèi)AI應(yīng)用的開發(fā)

大中型企業(yè)的AI開發(fā)需求較廣泛，如果僅依賴數(shù)據(jù)科學(xué)家和算法工程師等專業(yè)人員開發(fā)應(yīng)用，不僅成本高，且很多業(yè)務(wù)部門發(fā)起的需求不能得到很好的滿足，因此企業(yè)需要引入低門檻的AI開發(fā)平臺賦能企業(yè)內(nèi)的業(yè)務(wù)和普通IT人員，使其具備一定AI開發(fā)能力。具體而言，對于專業(yè)能力較弱的業(yè)務(wù)人員，需要開發(fā)平臺具備自動化的數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練等功能，業(yè)務(wù)用戶只需選擇場景和相應(yīng)的數(shù)據(jù)集即可對模型進(jìn)行自動訓(xùn)練；對于具備一定專業(yè)能力的業(yè)務(wù)和IT人員，需要平臺能夠?qū)⑺惴Ｐ头庋b成算子，用圖形化的方式將算子組合成工作流，從而完成模型訓(xùn)練過程。并且，這種方式也讓企業(yè)內(nèi)部人員可以更方便地復(fù)用其他人員在開發(fā)過程中沉淀的模型和經(jīng)驗，從而進(jìn)一步降低AI開發(fā)的門檻。在案例8和案例9中，海信集團(tuán)和某集團(tuán)科技子公司都引入了低門檻的AI開發(fā)平臺讓企業(yè)內(nèi)的業(yè)務(wù)和IT人員具備了一定的AI開發(fā)能力。

3.5.1.3. 通過引入成熟模型，以及提高模型泛化能力等方式降低大規(guī)模AI應(yīng)用開發(fā)的成本

AI應(yīng)用開發(fā)的時間和資金成本都很高，為了提高AI應(yīng)用落地的效率、降低大規(guī)模AI應(yīng)用開發(fā)的成本，企業(yè)可以在AI開發(fā)平臺上引入相關(guān)的能力應(yīng)對這一問題。

第一，在構(gòu)建AI開發(fā)平臺時，盡量選擇與在自己的業(yè)務(wù)領(lǐng)域有大量成熟AI模型和應(yīng)用實踐積累的廠商合作，在AI平臺中內(nèi)置相關(guān)只需適當(dāng)配置即可使用的AI模型，加速AI落地，減少自研成本。例如在案例9中，某集團(tuán)科技子公司需要快速推進(jìn)智能化轉(zhuǎn)型，在考慮到有外部廠商在工業(yè)質(zhì)檢、園區(qū)安全、供應(yīng)鏈管理等領(lǐng)域有成熟AI模型后，便選擇與該廠商合作，引入其智能中臺產(chǎn)品。

第二，在構(gòu)建AI開發(fā)平臺時，盡量在平臺中引入算子和“白盒”的模式，將模型的工作流沉淀下來，使得開發(fā)人員后續(xù)能夠針對相似場景對模型做適當(dāng)修改，實現(xiàn)模型的泛化能力，企業(yè)因此能將模型快速遷移至相似場景，避免從頭重新開發(fā)，從而降低了模型的開發(fā)成本。例如在案例8中，海信集團(tuán)在AI平臺中引入該模式，成功將原先只能識別大尺寸冰箱四條成剪刀形的打包帶的質(zhì)檢模型，通過增加類似場景的標(biāo)注數(shù)據(jù)，對原模型的算子做了適當(dāng)修改，成功讓模型擴(kuò)展到3條類似產(chǎn)線。

3.5.1.4. 建立統(tǒng)一的模型開發(fā)和模型管理能力，提高AI資源的利用率

大型企業(yè)在智能化建設(shè)早期，各個部門通常會獨(dú)立地建設(shè)AI能力，這會造成AI開發(fā)工具、AI模型的重復(fù)建設(shè)和不能復(fù)用，這種“煙囪式”開發(fā)的狀況到了企業(yè)智能化建設(shè)的深入階段會造成大量的資源浪費(fèi)，并阻礙智能化的推進(jìn)。因此，企業(yè)需要引入統(tǒng)一的模型開發(fā)和模型管理工具供相關(guān)人員共同使用，尤其要重視對AI模型和服務(wù)的統(tǒng)一管理，提供如模型版本維護(hù)、模型更新、模型發(fā)布服務(wù)、對模型服務(wù)調(diào)用情況查看等能力，通過平臺實現(xiàn)AI能力的復(fù)用，提高資源利用率。

例如在案例9中，某集團(tuán)科技子公司通過智能中臺構(gòu)建了統(tǒng)一的模型開發(fā)和模型管理能力，使得集團(tuán)的管理人員可以對平臺上的所有模型進(jìn)行統(tǒng)一管控，簡化運(yùn)維工作，提高管理效率。業(yè)務(wù)和IT等人員也可以通過平臺查看集團(tuán)現(xiàn)有的模型資產(chǎn)和AI能力，并根據(jù)需要直接調(diào)用。

3.5.1.5. 構(gòu)建覆蓋模型全生命周期MLOps體系，縮短模型迭代周期，并持續(xù)地保障模型質(zhì)量

當(dāng)AI建模進(jìn)入需要大規(guī)模生產(chǎn)和交付的階段，其運(yùn)營和用例擴(kuò)展對于大部分公司來說都是一個巨大挑戰(zhàn)。此時，企業(yè)可以考慮在機(jī)器學(xué)習(xí)和AI系統(tǒng)中，借鑒軟件工程領(lǐng)域DevOps相關(guān)框架、工具鏈和流程，以及持續(xù)集成、持續(xù)交付、持續(xù)部署的理念，為機(jī)器學(xué)習(xí)和AI開發(fā)提供MLOps體系和相關(guān)工具，即提供系統(tǒng)化的協(xié)作工具將AI開發(fā)和部署中的業(yè)務(wù)、數(shù)據(jù)、算法、運(yùn)維等角色連接起來，建立一個標(biāo)準(zhǔn)化的數(shù)據(jù)準(zhǔn)備、模型開發(fā)、部署與運(yùn)維流程，解決機(jī)器學(xué)習(xí)模型生命周期各環(huán)節(jié)的工程化問題，從而實現(xiàn)其核心目標(biāo)：縮短模型開發(fā)部署的迭代周期，并持續(xù)地保障模型質(zhì)量。MLOps的主要功能和優(yōu)勢包括：統(tǒng)一發(fā)布、自動測試、敏捷迭代、自動化的模型和數(shù)據(jù)集管理、降低建模門檻、流水線式管理、資源集成監(jiān)測、組織高效協(xié)作。

例如在案例D中，某大型國有商業(yè)銀行AI應(yīng)用實踐中構(gòu)建了MLOps體系，一方面，通過一站式的AI開發(fā)平臺降低開發(fā)門檻，另一方面，建立了“信息統(tǒng)一管理、實體統(tǒng)一流轉(zhuǎn)、管理信息與實體流轉(zhuǎn)保持一致”的AI全生命周期管理機(jī)制，從而實現(xiàn)了敏捷的模型迭代，高效的模型交付。

3.5.2 給不同成熟度的企業(yè)的建議

初步投入階段：該階段的企業(yè)當(dāng)前僅有少數(shù)幾個AI應(yīng)用落地，因此需要重點解決如何將AI應(yīng)用在現(xiàn)有IT系統(tǒng)中的部署和運(yùn)營的問題。

多維布局階段：該階段的企業(yè)需首先構(gòu)建適應(yīng)智能化要求的IT系統(tǒng)架構(gòu)；其次，建立統(tǒng)一的AI開發(fā)平臺，讓組織初步構(gòu)建獨(dú)立自主的AI開發(fā)能力，并對AI開發(fā)能力進(jìn)行統(tǒng)一管理。

深度應(yīng)用階段：持續(xù)完善面向智能化運(yùn)營的IT系統(tǒng)，并在AI開發(fā)平臺中建立一站式的從數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)標(biāo)注，到模型訓(xùn)練、部署和運(yùn)營的能力，并降低AI開發(fā)的門檻。同時，需要考慮構(gòu)建覆蓋模型全生命周期MLOps管理體系，縮短模型迭代周期，并持續(xù)地保障模型質(zhì)量。

案例8：海信集團(tuán)引入AI平臺，構(gòu)建獨(dú)立自主的AI開發(fā)能力

海信集團(tuán)是知名的大型電子信息產(chǎn)業(yè)集團(tuán)，旗下有海信、東芝電視、科龍、容聲、ASKO、Vidda等品牌，業(yè)務(wù)涵蓋多媒體、家電、IT智能信息系統(tǒng)和現(xiàn)代服務(wù)業(yè)等多個領(lǐng)域，并且在全球擁有13個廠區(qū)。

近年來，在面對國內(nèi)人口紅利銳減以及國際上歐美國家擠壓的雙重挑戰(zhàn)下，海信集團(tuán)實施了數(shù)字化轉(zhuǎn)型戰(zhàn)略，希望實現(xiàn)降本增效，并重塑海信在全球制造業(yè)領(lǐng)域競爭優(yōu)勢。具體而言，海信集團(tuán)自2019年全面建設(shè)了5G網(wǎng)絡(luò)和工業(yè)互聯(lián)網(wǎng)平臺，涉及云、邊、端協(xié)同，并集成了現(xiàn)有的IT系統(tǒng)、OT系統(tǒng)、大數(shù)據(jù)平臺等系統(tǒng)，平臺建成后產(chǎn)生和匯聚了海量的工業(yè)數(shù)據(jù)。

而為了充分挖掘和發(fā)揮這些工業(yè)數(shù)據(jù)的潛在價值，海信集團(tuán)需要進(jìn)一步實施智能化升級戰(zhàn)略，推動人工智能在集團(tuán)業(yè)務(wù)中的廣泛應(yīng)用，從而提升運(yùn)營效率、創(chuàng)新業(yè)務(wù)模式。由此，海信集團(tuán)需要從應(yīng)用場景、技術(shù)平臺、組織AI素養(yǎng)三個層面構(gòu)建人工智能能力：

1）在應(yīng)用場景層面。首先，海信集團(tuán)希望在智能制造、營銷、研發(fā)、財務(wù)等多個業(yè)務(wù)領(lǐng)域集成智能化應(yīng)用，但集團(tuán)內(nèi)部尚未建立AI應(yīng)用場景落地的評估機(jī)制。其次，海信集團(tuán)需要首先選取幾個高價值度的場景落地AI應(yīng)用，解決業(yè)務(wù)問題的同時，探索并驗證集團(tuán)內(nèi)AI應(yīng)用落地的方法和能力。

2）在技術(shù)平臺層面。海信集團(tuán)此前只有少數(shù)外部采購的AI應(yīng)用解決方案，幾乎沒有自主的AI建模能力，因此需要搭建統(tǒng)一的AI技術(shù)平臺，并且平臺需要滿足易于使用、功能完備、方便協(xié)作等要求，使集團(tuán)內(nèi)部人員可以在該平臺上自主搭建AI應(yīng)用。

3）在組織AI素養(yǎng)層面。海信集團(tuán)的業(yè)務(wù)和IT人員之前的AI能力較薄弱，不具備開發(fā)復(fù)雜的計算機(jī)視覺、機(jī)器學(xué)習(xí)模型的能力，因此需要針對性地提高其AI能力素養(yǎng)。

從場景規(guī)劃、技術(shù)平臺、人員培訓(xùn)著手，全面提升海信集團(tuán)的AI能力

在經(jīng)過前期充分的調(diào)研論證后，海信集團(tuán)選擇與九章云極DataCanvas進(jìn)行合作，為其提供人工智能相關(guān)產(chǎn)品和服務(wù)。九章云極DataCanvas是一家人工智能基礎(chǔ)技術(shù)服務(wù)公司，其核心產(chǎn)品自動化數(shù)據(jù)科學(xué)平臺，能夠幫助業(yè)務(wù)分析師和數(shù)據(jù)科學(xué)家快速協(xié)同開發(fā)，實現(xiàn)自動化模型創(chuàng)建、管理和應(yīng)用支持，為政府和企業(yè)智能化升級提供配套服務(wù)。

基于海信集團(tuán)在智能化升級中的需求，九章云極DataCanvas為海信提供的解決方案包括了應(yīng)用場景規(guī)劃、三個應(yīng)用場景的模型定制開發(fā)、信智AI平臺建設(shè)以及平臺的推廣和培訓(xùn)。

針對應(yīng)用場景層面的問題，海信集團(tuán)在九章云極DataCanvas的協(xié)助下建立了一套AI應(yīng)用場景篩選的評估標(biāo)準(zhǔn)，并定制了三個較復(fù)雜的AI應(yīng)用。

1）基于九章云極DataCanvas在客戶服務(wù)過程中總結(jié)的最佳實踐方法論，以及海信集團(tuán)的實際情況，雙方建立的應(yīng)用場景篩選的評估標(biāo)準(zhǔn)包括以下三點：

應(yīng)用場景需要是強(qiáng)業(yè)務(wù)需求，解決的是最痛點的問題；應(yīng)用開發(fā)所需的數(shù)據(jù)要比較容易獲取，最好具備現(xiàn)成的數(shù)據(jù)；用AI解決該業(yè)務(wù)問題的方法要相對成熟，能直接調(diào)用模型的相關(guān)代碼更佳。

2）在考慮海信集團(tuán)的業(yè)務(wù)需求、應(yīng)用代表性等因素后，海信集團(tuán)合和九章云極DataCanvas合作定制開發(fā)了如下三個AI應(yīng)用場景：

冰箱打包帶檢測，檢測打包帶是否存在多打、少打或歪斜超出工藝質(zhì)量規(guī)定范圍；電視機(jī)銘牌檢測，檢測銘牌是否存在錯貼、漏貼、倒貼等問題；遙控器圖案檢測，檢測按鍵字符/圖案/顏色、絲印、底部Logo/型號是否有印錯。

為了構(gòu)建自主的AI開發(fā)能力，海信集團(tuán)在九章云極DataCanvas的協(xié)助下搭建了信智AI平臺。信智AI平臺是以九章云極DataCanvas自動機(jī)器學(xué)習(xí)平臺APS為基礎(chǔ)，結(jié)合了海信集團(tuán)定制的一些功能和算子，而構(gòu)建的AI技術(shù)平臺。該平臺滿足了海信集團(tuán)對AI平臺的易用、功能完備、方便協(xié)作等要求，具體如下：

1）平臺將模型開發(fā)全流程的功能都封裝成算子，并支持用圖形化、拖拉拽的形式將算子組合成工作流，從而降低了建模門檻。而平臺上包含的算子有200多個九章云極DataCanvas的標(biāo)準(zhǔn)化算子，以及數(shù)十個根據(jù)海信集團(tuán)的需求定制的數(shù)據(jù)處理、NLP算子。同時，平臺采用“白盒”模式，所有內(nèi)置以及后續(xù)場景開發(fā)中（包括三個定制場景）沉淀的算子，其代碼都可以被查看和修改，以便組織內(nèi)成員學(xué)習(xí)、復(fù)用，或做一定修改后遷移至其它場景。

2）針對模型上線過程復(fù)雜的問題，九章云極DataCanvas將數(shù)據(jù)預(yù)處理、深度學(xué)習(xí)模型、以及模型后處理都打包成Pipeline，并提供在生產(chǎn)環(huán)境中調(diào)用的接口，從而簡化了海信集團(tuán)的模型推理工作。

3）為了滿足海信集團(tuán)的應(yīng)用開發(fā)協(xié)作需求，平臺支持業(yè)務(wù)人員、算法工程師、數(shù)據(jù)科學(xué)家等人員登陸平臺并各自完成自動建模、數(shù)據(jù)處理、算子調(diào)整、搭建工作流、模型上線等工作。同時，根據(jù)海信集團(tuán)的需求，九章云極DataCanvas為該平臺定制了單點登錄、標(biāo)注平臺、以及能夠顯示檢測后產(chǎn)品合格率的報表平臺等不同人員所需要的功能。

針對組織AI素養(yǎng)較薄弱的問題，海信集團(tuán)首先通過和九章云極DataCanvas合作定制開發(fā)三個高價值應(yīng)用場景的形式，讓海信集團(tuán)的業(yè)務(wù)和IT人員熟悉平臺的功能以及建模流程，并且將三個場景的工作流沉淀在平臺中供海信集團(tuán)的人員學(xué)習(xí)和復(fù)用。其次，九章云極DataCanvas對海信集團(tuán)的相關(guān)人員進(jìn)行了約20次培訓(xùn)，包括針對三個定制的應(yīng)用的使用和后續(xù)運(yùn)維、工業(yè)檢測、平臺的使用方法等方面的專題培訓(xùn)。

信智AI平臺落地后的價值與效果

信智AI平臺落地后產(chǎn)生的價值包括對業(yè)務(wù)場景的價值、對構(gòu)建自主的AI開發(fā)能力的價值和對降低建模成本的價值三個層面。

1）在對業(yè)務(wù)場景的價值層面。雙方基于AI平臺定制開發(fā)的三個應(yīng)用場景都產(chǎn)生了明顯的效果：三個場景都因為智能質(zhì)檢應(yīng)用的上線，將不良率降低了95%以上。

2）在對構(gòu)建自主的AI開發(fā)能力的價值層面。通過搭建易于使用、功能完備和方便協(xié)作的信智AI平臺，以及相應(yīng)的培訓(xùn)推廣，海信集團(tuán)具備了自主開發(fā)AI應(yīng)用的能力。在平臺上線后一年內(nèi)，海信集團(tuán)基于該平臺自主開發(fā)了電路板測試優(yōu)化、門店地址相似度評估以及一些智能質(zhì)檢等多個應(yīng)用。

3）在對降低建模成本的價值層面。由于信智AI平臺采用算子、工作流以及“白盒”模式，用戶可以通過修改算子，將模型遷移至高度相似的場景中，解決模型不易泛化的問題，從而將模型的建設(shè)成本降低60%。例如，九章云極DataCanvas定制的冰箱打包帶檢測模型，該模型原先識別的是大尺寸冰箱的四條成剪刀形的打包帶的問題，海信集團(tuán)通過增加類似場景的標(biāo)注數(shù)據(jù)，對原模型的算子做了適當(dāng)修改，成功讓模型擴(kuò)展到3條類似產(chǎn)線。

信智AI平臺的項目經(jīng)驗總結(jié)

第一，企業(yè)的智能化升級是項系統(tǒng)工程，除了AI戰(zhàn)略、數(shù)據(jù)基礎(chǔ)外，企業(yè)還需要重點考慮場景規(guī)劃、技術(shù)平臺建設(shè)和組織AI素養(yǎng)提升等方面的問題。在場景規(guī)劃層面，需要首先建立標(biāo)準(zhǔn)化的場景篩選流程和方法，其次，企業(yè)在智能化升級早期，可以考慮跟外部廠商合作開發(fā)幾個高價值場景的應(yīng)用，為企業(yè)后續(xù)的應(yīng)用開發(fā)提供借鑒經(jīng)驗。在技術(shù)平臺建設(shè)層面，企業(yè)要充分結(jié)合內(nèi)部現(xiàn)狀，搭建能在組織內(nèi)廣泛使用的平臺，重點考慮平臺的易用性、功能完備性、協(xié)作便利性等。在組織AI素養(yǎng)層面，除了外部人才的引進(jìn)，也要重視人員的培訓(xùn)工作，包括模型開發(fā)、模型使用、模型運(yùn)維等方面的培訓(xùn)。

第二，模型的泛化能力是企業(yè)AI開發(fā)中需要重點關(guān)注和解決的問題。通過模型的泛化，企業(yè)能將模型快速遷移至相似場景，避免從頭重新開發(fā)，從而降低了模型開發(fā)成本。而在AI開發(fā)平臺中引入算子和“白盒”的模式，將模型的工作流沉淀下來，使得開發(fā)人員后續(xù)能夠針對相似場景對模型做適當(dāng)修改，從而快速實現(xiàn)模型的泛化。

案例9：助力某大型集團(tuán)搭建AI數(shù)據(jù)智能平臺，支撐數(shù)智化升級

某大型集團(tuán)旗下科技公司為行業(yè)及集團(tuán)提供數(shù)字化轉(zhuǎn)型整體服務(wù)，通過構(gòu)建物聯(lián)網(wǎng)、大數(shù)據(jù)和AI平臺等數(shù)字基礎(chǔ)設(shè)施，將生產(chǎn)、流通和消費(fèi)等環(huán)節(jié)的數(shù)據(jù)、算法和應(yīng)用打通，更高效地賦能業(yè)務(wù)。

在本次合作中，該集團(tuán)希望通過建設(shè)AI平臺解決以下三點AI開發(fā)和管理中的難題：

1）“煙囪式”開發(fā)建設(shè)造成的資源浪費(fèi)。該集團(tuán)在以往的AI建設(shè)中，各個工廠和部門都有獨(dú)立開發(fā)或采購一些AI應(yīng)用，因此帶來了集團(tuán)內(nèi)數(shù)據(jù)不能共享，AI開發(fā)工具重復(fù)建設(shè)，以及模型不能復(fù)用等問題。這種數(shù)據(jù)、開發(fā)工具、模型的“煙囪式”開發(fā)建設(shè)浪費(fèi)了集團(tuán)的AI資源，也阻礙了數(shù)智化的推進(jìn)。

2）AI模型開發(fā)門檻高。該集團(tuán)以往的單點AI應(yīng)用多由數(shù)據(jù)科學(xué)家、算法工程師開發(fā)，但此類人力成本高，當(dāng)要在全集團(tuán)廣泛地落地AI應(yīng)用時，就需要提供平臺工具降低AI開發(fā)的門檻，讓業(yè)務(wù)和IT人員也具備一定的AI開發(fā)能力。

3）大規(guī)模的AI應(yīng)用開發(fā)技術(shù)難度大、成本高昂。為了盡快建設(shè)完善的AI數(shù)智平臺，該集團(tuán)需要在園區(qū)安全、供應(yīng)鏈管理、智能營銷等領(lǐng)域同時推進(jìn)多個AI應(yīng)用的開發(fā)，如果都從零開發(fā)如此大量的AI應(yīng)用，成本高昂，統(tǒng)一管理較為困難。因此該集團(tuán)科技公司希望借助在上述領(lǐng)域有成熟AI模型積累的廠商，以較低的成本快速落地多個AI應(yīng)用。

搭建智能中臺，提供統(tǒng)一的AI開發(fā)、AI管理和成熟的AI模型服務(wù)能力

在對多家廠商的產(chǎn)品成熟度、客戶案例、合作深度、團(tuán)隊配置等方面情況進(jìn)行考察后，該集團(tuán)科技公司選擇與京東云合作，為集團(tuán)搭建智能中臺并共建應(yīng)用。京東云是京東集團(tuán)旗下專注于產(chǎn)業(yè)數(shù)字化服務(wù)的業(yè)務(wù)板塊，依托人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等技術(shù)能力，為各行業(yè)企業(yè)和政府部門提供全鏈路的產(chǎn)品與解決方案。

該集團(tuán)的智能中臺是基于京東云Foundry智能中臺產(chǎn)品而構(gòu)建，智能中臺提供了一站式的AI開發(fā)平臺、統(tǒng)一的AI模型管理平臺、以及大量預(yù)置的標(biāo)準(zhǔn)化AI模型。同時，京東云也在智能中臺搭建過程中為該集團(tuán)提供了場景共建、算法定制、人員培訓(xùn)等服務(wù)。

為了解決AI應(yīng)用“煙囪式”開發(fā)的問題，該集團(tuán)借助智能中臺，從數(shù)據(jù)、開發(fā)工具、模型管理三個層面對其進(jìn)行統(tǒng)一建設(shè)和管理。

在數(shù)據(jù)層面。該集團(tuán)科技公司聯(lián)合京東云搭建的大數(shù)據(jù)平臺對集團(tuán)的數(shù)據(jù)進(jìn)行統(tǒng)一的存儲和處理，打破了數(shù)據(jù)孤島。同時，智能中臺提供了統(tǒng)一的數(shù)據(jù)標(biāo)注和數(shù)據(jù)集管理工具，使得AI開發(fā)中所需的數(shù)據(jù)能夠在不同的AI開發(fā)人員間共享和協(xié)作。在開發(fā)工具層面。智能中臺提供了一整套包含數(shù)據(jù)標(biāo)注-模型開發(fā)-模型訓(xùn)練-服務(wù)發(fā)布等全鏈條的AI開發(fā)工具，算法工程師及應(yīng)用開發(fā)等人員都可以統(tǒng)一基于該平臺進(jìn)行AI模型的開發(fā)。在模型管理層面。智能中臺提供了模型倉庫功能以便集團(tuán)對模型服務(wù)進(jìn)行統(tǒng)一管理，如模型版本維護(hù)、模型更新、模型發(fā)布服務(wù)、對模型服務(wù)調(diào)用情況查看等。因此，集團(tuán)的管理人員可以對平臺上的所有模型進(jìn)行統(tǒng)一管控，簡化運(yùn)維工作，提高管理效率。業(yè)務(wù)和IT等人員也可以通過平臺查看集團(tuán)現(xiàn)有的模型資產(chǎn)和AI能力，并根據(jù)需要直接調(diào)用。

為了降低AI開發(fā)的門檻，使得集團(tuán)的業(yè)務(wù)和IT人員也具備AI開發(fā)能力，智能中臺將算法代碼封裝為組件，因此具備一定開發(fā)能力的用戶能夠通過拖拉拽快速構(gòu)建工作流的方式開發(fā)模型，實現(xiàn)對前人經(jīng)驗的復(fù)用。同時，智能中臺也提供更簡單的自動化模型訓(xùn)練功能，業(yè)務(wù)用戶只需選擇場景和相應(yīng)的數(shù)據(jù)集即可對模型進(jìn)行自動化訓(xùn)練。

針對大規(guī)模的AI應(yīng)用開發(fā)技術(shù)難度大、成本高昂的問題，智能中臺內(nèi)置了京東集團(tuán)在長期業(yè)務(wù)發(fā)展過程中積累的大量成熟的AI算法，包含語音語義、圖像及視頻理解、文字識別、機(jī)器學(xué)習(xí)等類別，該集團(tuán)在接受京東云適當(dāng)?shù)呐嘤?xùn)后，能夠自行選擇算法組件，并做好數(shù)據(jù)準(zhǔn)備，即可在工業(yè)質(zhì)檢、園區(qū)安全、供應(yīng)鏈管理、智能營銷等領(lǐng)域快速構(gòu)建AI應(yīng)用。

圖 9： Foundry智能中臺框架

智能中臺落地后的價值與效果

智能中臺為該集團(tuán)帶來的價值包括業(yè)務(wù)價值和管理價值兩方面。

從業(yè)務(wù)價值的角度，智能中臺提供的低門檻開發(fā)工具和AI模型服務(wù)讓該集團(tuán)的業(yè)務(wù)和IT人員也能夠開發(fā)一定的AI模型，從而提升了應(yīng)用開發(fā)效率，降低開發(fā)成本。該集團(tuán)因此能夠充分利用了自身沉淀的數(shù)據(jù)資產(chǎn)，在智能中臺上線半年內(nèi)，即在園區(qū)安全、智能營銷等領(lǐng)域構(gòu)建了多個適配業(yè)務(wù)需求的AI應(yīng)用及解決方案，顯著提高了集團(tuán)的數(shù)智化水平以及業(yè)務(wù)創(chuàng)新能力。

從管理價值的角度，該集團(tuán)通過智能中臺對AI模型和服務(wù)的統(tǒng)一管理，實現(xiàn)了AI能力自主掌控、運(yùn)行狀況可查可看以及AI服務(wù)的精細(xì)化運(yùn)營，從而簡化了模型運(yùn)維工作，提高了管理效率，并且通過AI模型和服務(wù)的復(fù)用提升了資源利用率。

智能中臺項目經(jīng)驗總結(jié)

第一，京東云同該集團(tuán)科技公司合作建設(shè)大數(shù)據(jù)與AI模型訓(xùn)練平臺能力，共同為集團(tuán)帶來從數(shù)據(jù)管理、模型應(yīng)用等方面的技術(shù)工具，從而進(jìn)一步輔助業(yè)務(wù)創(chuàng)新和發(fā)展。通過引入統(tǒng)一的數(shù)據(jù)管理、模型開發(fā)和模型管理工具供相關(guān)人員共同使用，利用平臺實現(xiàn)AI能力的復(fù)用，提高資源利用率。

第二，為了提高AI應(yīng)用落地的效率，加速智能化升級，企業(yè)可以選擇與自身業(yè)務(wù)匹配度較高，且在這些業(yè)務(wù)領(lǐng)域有大量成熟AI模型和應(yīng)用實踐的廠商合作。通過復(fù)用這類廠商的模型，及其最佳實踐方法論，企業(yè)能夠以較低的成本在多個關(guān)鍵領(lǐng)域快速構(gòu)建AI應(yīng)用，賦能業(yè)務(wù)。

案例D：某大型國有商業(yè)銀行構(gòu)建MLOps體系，實現(xiàn)敏捷的模型迭代，高效的模型交付

某大型國有商業(yè)銀行經(jīng)過近幾年的智能化建設(shè)，已經(jīng)搭建了完善的人工智能生態(tài)體系，在數(shù)據(jù)、算法、算力、技術(shù)框架等多領(lǐng)域?qū)崿F(xiàn)了技術(shù)領(lǐng)先，并且已在各業(yè)務(wù)領(lǐng)域落地了500多個AI應(yīng)用。該銀行在AI應(yīng)用實踐中，為協(xié)同模型構(gòu)建團(tuán)隊、業(yè)務(wù)以及運(yùn)維團(tuán)隊，建立起一個標(biāo)準(zhǔn)化的模型開發(fā)、部署和運(yùn)維流程，使得組織能更好的利用AI的能力促進(jìn)業(yè)務(wù)增長，于近年構(gòu)建了MLOps體系。

該銀行的MLOps體系主要從降低開發(fā)門檻和提升模型管理流轉(zhuǎn)效率兩個方面出發(fā)。在降低開發(fā)門檻方面，該銀行構(gòu)建了從需求分析、數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、模型發(fā)布，到模型運(yùn)營的一站式AI工作站，為建模人員提供可視化、低門檻的流水線建模服務(wù)。在提升管理效率方面，該銀行建立了“信息統(tǒng)一管理、實體統(tǒng)一流轉(zhuǎn)、管理信息與實體流轉(zhuǎn)保持一致”的AI全生命周期管理機(jī)制，以提升模型生命周期管理水平。具體而言，該銀行將AI工作站作為統(tǒng)一的模型全生命周期管理平臺收集模型的元數(shù)據(jù)信息，實現(xiàn)全流程管控；同時，構(gòu)建了涵蓋一個模型基礎(chǔ)版本庫+開發(fā)、測試、生產(chǎn)等各套環(huán)境的模型調(diào)用庫，以及模型加密單向同步機(jī)制，實現(xiàn)模型實體的統(tǒng)一存儲、管理和在各模型庫間不落地的安全流轉(zhuǎn)，此外還建立了增存結(jié)合的入庫管理機(jī)制，加強(qiáng)模型入庫管控能力。在此基礎(chǔ)上，將AI工作站的模型管理信息與DevOps平臺的版本交付信息聯(lián)動，DevOps版本交付機(jī)制調(diào)用AI工作站的服務(wù)，控制模型庫間的實體流轉(zhuǎn)，保證賬實相符，支持各應(yīng)用全生命周期模型管理。

圖 10： 某國有商業(yè)銀行MLOps體系

該銀行通過構(gòu)建MLOps體系，取得了良好的實施效果，模型研發(fā)周期從之前的平均3個月最短壓縮到兩周，模型部署的周期縮短至1天以內(nèi)，常規(guī)模型后評價和模型更新最快2天即可完成，自學(xué)習(xí)模型可根據(jù)實際效果實時更新。

3.6 組織與人才層面

3.6.1 方法論

3.6.1.1. 建立適應(yīng)AI開發(fā)和管理需求的組織架構(gòu)，明確部門權(quán)責(zé)和協(xié)同機(jī)制

AI的開發(fā)和管理是項復(fù)雜的系統(tǒng)性工作，需要組織內(nèi)各部門和人員能夠緊密協(xié)作，共同完成。企業(yè)在智能化早期通過設(shè)立單個項目組推進(jìn)的方式在智能化深入階段將不能維繼。此時，企業(yè)需要在整個組織內(nèi)部建立統(tǒng)一的AI組織架構(gòu)，設(shè)立核心部門統(tǒng)籌協(xié)調(diào)各相關(guān)部門開展AI開發(fā)和管理工作，并明確各部門的權(quán)責(zé)。

例如在案例E中，某頭部家電集團(tuán)為保持其AI能力的領(lǐng)先性，構(gòu)建了以AI技術(shù)委員會為核心部門，下轄多個技術(shù)研發(fā)部門分別負(fù)責(zé)特定方向的AI能力建設(shè)，并統(tǒng)籌協(xié)調(diào)技術(shù)研發(fā)部門為產(chǎn)品部門提供應(yīng)用開發(fā)服務(wù)。

3.6.1.2. 內(nèi)外兼顧，培養(yǎng)AI人才隊伍

智能化轉(zhuǎn)型成敗的核心要素之一是人才，企業(yè)一方面要注重從外部不斷引進(jìn)優(yōu)秀的數(shù)據(jù)科學(xué)家、算法工程師等專業(yè)人才；另一方面，需要加強(qiáng)組織內(nèi)的培訓(xùn)，提升業(yè)務(wù)和IT人員的AI開發(fā)能力，以及提升管理人員的AI素養(yǎng)。從而幫助企業(yè)構(gòu)建起能支持智能化轉(zhuǎn)型所需的人才隊伍。

3.6.2 給不同成熟度的企業(yè)的建議

初步投入階段：該階段的企業(yè)當(dāng)前以單點應(yīng)用建設(shè)為主，無需在組織架構(gòu)層面為AI應(yīng)用做太多調(diào)整，但需引進(jìn)關(guān)鍵的AI人才，指導(dǎo)應(yīng)用落地和后續(xù)維護(hù)。

多維布局階段：該階段的企業(yè)在核心部門都有建設(shè)一定的AI開發(fā)和管理團(tuán)隊，建議由公司層面對各部門的AI開發(fā)進(jìn)行統(tǒng)一協(xié)調(diào)部署，做到信息互通；同時要加大對數(shù)據(jù)科學(xué)家、算法工程師等專業(yè)人才的外部引進(jìn)工作。

深度應(yīng)用階段：該階段的企業(yè)需要構(gòu)建完善的面向AI開發(fā)和管理的組織架構(gòu)，各部門之間的權(quán)責(zé)和協(xié)同機(jī)制要明確；同時，除了專業(yè)人才的引進(jìn)，企業(yè)也需要在組織內(nèi)加大培訓(xùn)力度，提升組織內(nèi)相關(guān)人員的AI素養(yǎng)。

案例E：某頭部家電集團(tuán)建立面向AI開發(fā)和管理的組織架構(gòu)，全面支持產(chǎn)品的智能化創(chuàng)新

某頭部家電集團(tuán)在AI研發(fā)和應(yīng)用方面處于業(yè)內(nèi)領(lǐng)先的地位。為了保持集團(tuán)AI技術(shù)的領(lǐng)先，保證其家電產(chǎn)品在智能化方向的持續(xù)創(chuàng)新能力，集團(tuán)近兩年在AI研發(fā)上加大了投入，并對集團(tuán)的AI組織架構(gòu)做了調(diào)整和統(tǒng)一部署，明確了各部門AI相關(guān)的職責(zé)與各部門之間的協(xié)調(diào)機(jī)制。

整體而言，該家電集團(tuán)成立了AI技術(shù)委員會，下轄AI創(chuàng)新中心、中央研究院、集團(tuán)IT、IOT事業(yè)部智能研發(fā)部、以及空調(diào)、冰箱、洗衣機(jī)等各產(chǎn)品事業(yè)部的技術(shù)研發(fā)部門。

圖 11： 某頭部家電集團(tuán)AI組織架構(gòu)

其中，AI技術(shù)委員會的成員為各相關(guān)部門負(fù)責(zé)人，委員會的職責(zé)是統(tǒng)籌協(xié)調(diào)各部門AI建設(shè)需求、AI能力輸出，并做到各部門之間的信息互通；AI創(chuàng)新中心為集團(tuán)新成立的部門，集團(tuán)對該部門的人員和資金做了重點投入，希望在計算機(jī)視覺、語音基礎(chǔ)算法、家庭服務(wù)類機(jī)器人等方向做研發(fā)并具備自主技術(shù)，一是為了降低外采技術(shù)的成本，二是為了賦能產(chǎn)品線打造差異化功能；中央研究院主要負(fù)責(zé)智能制造、工業(yè)互連網(wǎng)相關(guān)的能力建設(shè)；集團(tuán)IT負(fù)責(zé)供應(yīng)鏈管理和部分智能制造領(lǐng)域的AI能力建設(shè)；IOT負(fù)責(zé)圖像、大數(shù)據(jù)、語音相關(guān)的AI應(yīng)用開發(fā)，為家電產(chǎn)品服務(wù)。AI創(chuàng)新中心、中央研究院、集團(tuán)IT、IOT事業(yè)部智能研發(fā)部的AI能力會賦能空調(diào)、冰箱、洗衣機(jī)等各產(chǎn)品事業(yè)部，并提供應(yīng)用解決方案，同時各產(chǎn)品事業(yè)部也會在一些特定的重要業(yè)務(wù)領(lǐng)域根據(jù)需求獨(dú)立開發(fā)或外采AI應(yīng)用解決方案。

該集團(tuán)基于良好的AI研發(fā)和應(yīng)用基礎(chǔ)，在擴(kuò)大AI優(yōu)勢的過程中，重視調(diào)整組織架構(gòu)來適應(yīng)AI能力發(fā)展需求，為集團(tuán)明確分工、優(yōu)化協(xié)作、降低AI研發(fā)成本、提高產(chǎn)品智能化能力提供了機(jī)制保障。

4. 企業(yè)智能化趨勢展望

人工智能在為企業(yè)創(chuàng)新產(chǎn)品服務(wù)、優(yōu)化經(jīng)營決策、提升管理效率等方面已經(jīng)取得了廣泛的效果，并展現(xiàn)出了更加巨大的潛力，因此，愛分析認(rèn)為所有的企業(yè)未來想要在市場中保持競爭力，一定都需要走向全面的智能化。但如前文中所述，國內(nèi)主要行業(yè)目前已經(jīng)開展過智能化建設(shè)的企業(yè)中約70%仍處AI應(yīng)用的早期實驗或初步投入階段，僅約30%的企業(yè)進(jìn)入多維布局或深度應(yīng)用階段，真正在組織內(nèi)實現(xiàn)AI應(yīng)用與業(yè)務(wù)全面融合的企業(yè)不足1%。

愛分析認(rèn)為，在接下來的3至5年，國內(nèi)大量的企業(yè)對AI的應(yīng)用將從單點的AI建設(shè)走向全面的智能化轉(zhuǎn)型。在這個過程中，企業(yè)將會需要解決智能化建設(shè)過程中涉及的戰(zhàn)略、數(shù)據(jù)、場景規(guī)劃、應(yīng)用解決方案開發(fā)、技術(shù)基礎(chǔ)設(shè)施、組織與人才等多方面的挑戰(zhàn)。因此，企業(yè)需要針對智能化轉(zhuǎn)型規(guī)劃完善的路徑和方法，具體的措施包括：制定明確的智能化戰(zhàn)略；完善數(shù)據(jù)基礎(chǔ)設(shè)施，構(gòu)建面向AI開發(fā)的自動化數(shù)據(jù)采集、數(shù)據(jù)處理能力；建立場景規(guī)劃的流程和方法論；提升解決方案的自研能力；建立了標(biāo)準(zhǔn)化的解決方案開發(fā)、部署、和后續(xù)運(yùn)營的方法和流程；重構(gòu)面向智能化運(yùn)營的IT系統(tǒng)；引入AI平臺、AI中臺；構(gòu)建MLOps體系；建立面向AI開發(fā)和管理的組織架構(gòu)；重視AI人才隊伍的建設(shè)等。同時，企業(yè)需要結(jié)合自身AI應(yīng)用的成熟度，對上述舉措更細(xì)化的方法和步驟，實施時間點等方面問題制定符合自身需求的計劃。

人工智能在產(chǎn)業(yè)中的落地正在如火如荼地推進(jìn)，也還有很多未知的領(lǐng)域有待企業(yè)去探索，進(jìn)一步釋放AI的價值。相信隨著這個進(jìn)程的推進(jìn)，AI在產(chǎn)業(yè)中落地仍然會面臨許多新產(chǎn)生的問題，愛分析將對這個領(lǐng)域保持持續(xù)跟蹤研究，對前沿的案例保持關(guān)注，為企業(yè)智能化轉(zhuǎn)型提供更多的決策參考。