騰訊云副總裁王龍：云+AI是產(chǎn)業(yè)升級的最佳搭檔

　　8月31日，2019世界人工智能大會在上海舉辦。在主題為 “科技有道，擇善而行”騰訊論壇上，騰訊云副總裁王龍表示，云+AI將是產(chǎn)業(yè)升級的最佳搭檔，騰訊在過去20年積累的數(shù)百種AI能力正在通過騰訊云對外開放。這些數(shù)字化、智能化的能力，在產(chǎn)業(yè)互聯(lián)網(wǎng)時代，將助力數(shù)以萬計的企業(yè)保持高速創(chuàng)新發(fā)展。

　　過去幾年，以計算機視覺、語音識別、自然語言處理等代表的人工智能技術(shù)的飛速發(fā)展，已經(jīng)成為產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型和智能化升級非常重要的技術(shù)驅(qū)動力。這些AI技術(shù)在智能客服、智能核保、智能開戶等眾多場景下，不僅能有效降本增效，同時還能大幅優(yōu)化用戶體驗。

　　王龍認為，雖然AI技術(shù)幫助企業(yè)實現(xiàn)智能化升級，但是對于眾多小企業(yè)或者技術(shù)能力不那么強的企業(yè)來說，AI技術(shù)在實施和落地上都面臨巨大的困難，這些問題得不到解決，很難讓人工智能普惠更多的企業(yè)。

　　騰訊云副總裁 王龍

　　一方面在構(gòu)建AI能力過程中，AI人才獲取門檻高，深度學(xué)習(xí)模型訓(xùn)練和迭代成本高，眾多新場景下，智能設(shè)備適配困難;另一方面在應(yīng)用AI的時候，項目建設(shè)周期長，效果低于預(yù)期，后期運維效率低，投入大。

　　為解決這樣的問題，云+AI的結(jié)合會全鏈路降低AI落地門檻。面對AI構(gòu)建能力的挑戰(zhàn)，騰訊云聯(lián)合上百AI領(lǐng)域的合作伙伴，為用戶提供多個領(lǐng)域數(shù)千算法專家，數(shù)百種先進的預(yù)訓(xùn)練模型，同時，還能夠提供一站式開發(fā)、調(diào)試、部署、運維工具，以及高效、靈活、無限的云資源。針對應(yīng)用AI的挑戰(zhàn)，基于云計算自服務(wù)特性，用戶即付即用，云端多種多樣的算法集市以及免維護，彈性伸縮的能力，可以有效降低新應(yīng)用落地的成本。

　　以下為王龍在大會現(xiàn)場的演講全文：

　　各位來賓，各位朋友，大家早上好!很榮幸在這里跟大家分享一些AI技術(shù)在云服務(wù)上的進展。經(jīng)過過去幾年的發(fā)展，大家充分意識到人工智能技術(shù)會成為產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型和智能化升級的非常重要的一個技術(shù)驅(qū)動。怎么去看待這件事情呢?在過去幾年中我們做了大量的客戶的案例，做了大量的成功的解決方案�；仡^來做一個總結(jié)，我們認為產(chǎn)業(yè)互聯(lián)網(wǎng)智能化升級，數(shù)字化升級都離不開幾項技術(shù)。

　　第一，要讓它感知，用各種各樣的計算機技術(shù)感知這個物理世界，映射到數(shù)字世界中成為數(shù)字孿生體。二是認知，當(dāng)數(shù)據(jù)集中到云端，計算機需要了解背后的邏輯，了解背后運行的規(guī)律。做了這樣的了解之后，能夠更好地去和物理世界，和我們現(xiàn)實生活做交互和決策。所有這些都和幾位實驗室的專家介紹的一樣，離不開計算機視覺技術(shù)，語音識別，自然語言處理技術(shù)。

　　有了方法論指導(dǎo)，各種各樣的場景當(dāng)中，看到AI和產(chǎn)業(yè)結(jié)合的效果。

　　比如說智能客服場景當(dāng)中，一個完整的方案，包括語音識別，意圖識別，各種各樣的問答技術(shù)，多輪對話技術(shù)。在智能客服完整系統(tǒng)當(dāng)中，在每一個環(huán)節(jié)都應(yīng)用一項或者多項深度學(xué)習(xí)的模型，各種AI相關(guān)的能力。那么在我們多個智能客服系統(tǒng)落地過程中，我們可以看到它的好處是非常明顯的。這是我們的一個客戶，他有300人工客服坐席，每年服務(wù)量增長20%，運營成本大概每年三千萬，能提供5×8服務(wù)，客戶滿意度經(jīng)自己調(diào)研是93%。在使用這樣一個系統(tǒng)之后，很明確地看到它的人力成本節(jié)約600萬，但是有一點不一樣，通過智能客服體系，把服務(wù)能力從5×8變成7×24，提升客戶滿意度。當(dāng)然所有的企業(yè)在做這樣一個投資的時候，都會考慮投資回報率，我們經(jīng)過機器核算之后，它收回投資的周期是24個月。

　　智能核保，是現(xiàn)在正在流行的場景。用戶或者被保險人提供了報銷申請之后，我們需要使用OCR技術(shù)來獲取報銷單的信息和保單信息匯總，利用NLP各種技術(shù)和模型來做這樣一個核保流程的處理，確定核保通過智能化解決還是人工解決。對其中一個客戶進行分析，它能節(jié)約成本20%、30%，能夠大大提升用戶的體驗，預(yù)計在20個月收回成本。

　　還有其他的場景，比如說識人識名的認證技術(shù)，用在智能開戶上，包括圖象識別、包括OCR識別來獲取身份證，利用視頻技術(shù)來做安全的認證，語音合成和語音識別的技術(shù)來減少人力開戶的一些線下的工作。通過這樣一個方式，我們可以節(jié)約傳統(tǒng)證券公司開設(shè)多個柜臺、提供多個人工服務(wù)的成本，同時也能夠加速他們獲取用戶的一個過程。通過使用這樣一個人工智能系統(tǒng)，可以通過機器替代人力的十多項步驟，在人力上也是有30%、40%的提升。

　　這有語音質(zhì)檢的技術(shù)，客戶人員完成一次服務(wù)，需要人去抽檢，因為量太大了，一般有一百個客服坐席，只有三到四個質(zhì)檢人員，抽取客服人員服務(wù)記錄，確定客服人員是否專業(yè)有效回答客戶的問題。一是全人工審核，二是審核標準不一樣，審核人員素質(zhì)參差不齊。可以把質(zhì)檢提高100%，效率提升10倍以上。

　　AI只要使用得當(dāng)，或多或少都可以幫助我們企業(yè)完成降本增效，能夠幫助他們尋找到很多創(chuàng)新的機會。剛才前沿實驗室專家的演講，包括我講的數(shù)據(jù)并不能覆蓋所有的用戶。剛剛我們有一些用戶，使用我們的整體的解決方案之后，它的成本能節(jié)約20%。那對于某些大企業(yè)節(jié)約20%非�？捎^，可以推動這樣一個技術(shù)的落地，推動這樣一個擴展或者擴張。但是很多小企業(yè)，或者很多技術(shù)能力不那么強的企業(yè)，它在實施周期上，在落地上都面臨巨大的困難，我們很多技術(shù)在規(guī)�；瘮U張中這種問題如果不解決，很難讓人工智能普惠更多的企業(yè)。

　　解決這個問題，需要拆解我們在使用人工智能技術(shù)的步驟，針對每個步驟做一個優(yōu)化。人工智能落地分為兩種，一是構(gòu)建AI能力所面臨的困難，二是使用AI能力所面臨的困難。

　　在構(gòu)建AI能力過程中，我們看到人才非常熱、非常貴，所以獲取門檻很高。我們都知道最近這幾年，AI是以深度學(xué)習(xí)為引領(lǐng)的，深度學(xué)習(xí)需要好的數(shù)據(jù)規(guī)模和質(zhì)量，這是比較難控制的。我們可以看到由于深度學(xué)習(xí)模型訓(xùn)練和迭代成本非常高，整個周期變得很長。很多人工智能應(yīng)用場景當(dāng)中，還要和設(shè)備進行連接，進行適配，在整個過程中需要大量的算力，但是對算力的需求無限的增長，我們獲得的收益并不能無限的增長，這是構(gòu)建AI能力上的挑戰(zhàn)。

　　在應(yīng)用AI的時候，一方面像傳統(tǒng)軟件在傳統(tǒng)企業(yè)落地的周期長、成本高、運維效率低等，AI應(yīng)用的困難會疊加上來，我們怎么評估效果?怎么讓效果為企業(yè)、為工作帶來真正的好處?解決這一點，我們再進一步拆解構(gòu)建AI和應(yīng)用AI每一個步驟。

　　我們在構(gòu)建AI的時候，需要準確的找到一個問題，假定這個問題能夠被AI解決。我們定義好這個問題，我們才能去準備各種各樣的數(shù)據(jù)，準備各種各樣符合這個場景的數(shù)據(jù)進行標注，然后進行訓(xùn)練、測試、分裝。很多時候前面講到還要多個AI能力組合在一起，才能完成一個場景，然后再和現(xiàn)有的業(yè)務(wù)系統(tǒng)進行對接、開發(fā)、部署，上線之后還要持續(xù)的進行迭代和優(yōu)化。我們可以看到每一個步驟需要有合適的人，了解這個步驟的人，然后在每一個步驟投入都可能是巨大的。

　　那怎么辦?我們需要一個平臺把這些步驟全部都串聯(lián)起來，無論在數(shù)據(jù)相關(guān)工作當(dāng)中，還是在應(yīng)用開發(fā)的工作，還是智能設(shè)備的適配，還有最底層的算力的調(diào)度、模型的優(yōu)化，最終還要有一個很好的評估機制。這和在傳統(tǒng)寫代碼過程中評估代碼質(zhì)量一樣，我們需要一個評估AI應(yīng)用的效果，AI應(yīng)用開發(fā)質(zhì)量的機制。通過這樣一個平臺，才能夠有效的解決構(gòu)建AI當(dāng)中面臨的困難。

　　我們解決這些之后，反過來看應(yīng)用落地的困難。應(yīng)用落地的困難和傳統(tǒng)軟件類似，應(yīng)用落地的困難同樣可以使用傳統(tǒng)軟件過去數(shù)年一直使用的方法克服這些困難。

　　我們于是認為云+AI會全鏈路降低AI落地門檻。面對AI構(gòu)建能力的挑戰(zhàn)，一旦使用云端的服務(wù)，像騰訊的專家，預(yù)訓(xùn)練模型、在內(nèi)部使用的開發(fā)測試、部署運維工具都可以對我們的客戶和合作伙伴進行開放，同時在騰訊云周圍聚集上百AI領(lǐng)先的合作伙伴，高效、靈活、無限的云資源可以獲取。針對傳統(tǒng)的挑戰(zhàn)，通過云服務(wù)，一是自服務(wù)，即付即用;二是云服務(wù)實時更新，自訓(xùn)練工具，多種多樣的算法集市;三是云的免維護，彈性伸縮的能力，可以降低新應(yīng)用落地的成本。

　　如果不依賴云，全部依賴于自身一個團隊的構(gòu)建，全部依賴一個環(huán)境，我們在自研一個AI應(yīng)用，或者部署AI應(yīng)用的時候，平均的周期時長是26天。一旦使用云和AI配合，這個研發(fā)周期將縮短至7天，未來還有進一步提升的空間。

　　再回剛才提到智能客服，使用云服務(wù)之前和使用云服務(wù)之后，這是我們得到的一個數(shù)據(jù)。我們在新的智能客戶落地過程中，將通過依賴于算力，依賴于底層的模塊部署在云端，或者使用云端的服務(wù)，而將貼近客戶的有定制化的、跟客戶的應(yīng)用綁的比較緊、放在客戶本地。同時使用客戶或者合作伙伴的團隊來進行更加貼身的服務(wù)。通過這樣的方式，我們前面研發(fā)成本進一步縮減，它的基礎(chǔ)設(shè)施成本、維護和運營成本都能獲得超過50%的縮減，還有最重要的軟件或者是企業(yè)服務(wù)的實施周期，及收回投資的周期得到非常明顯的提升。

　　智能核保也做了數(shù)據(jù)評估，也看到相同的效果，所有這些成本的降低、效率的提升、實施周期的縮短、社會投資周期的縮短，都能夠大大提升我們AI在各行各業(yè)的應(yīng)用范圍，讓AI在各行各業(yè)的應(yīng)用更加有效率，獲得更多的收益。

　　騰訊云在AI領(lǐng)域的目標是讓AI無處不在。騰訊過去20年開發(fā)數(shù)海量不同的應(yīng)用，這些應(yīng)用當(dāng)中也使用了數(shù)百種不同的AI能力。這些數(shù)字化、智能化的能力，在過去20年更好的幫我們服務(wù)C端用戶，讓他們獲得更好的用戶體驗，相信這些能力在產(chǎn)業(yè)互聯(lián)網(wǎng)時代，能夠同樣幫助我們的企業(yè)提供更高速發(fā)展的機會。

　　這些在海量應(yīng)用中打磨過的實驗室的AI技術(shù)能力，正在通過騰訊云對外進行輸出，無論是數(shù)據(jù)科學(xué)家、算法專家，還是應(yīng)用開發(fā)者，還是最終的CEO們，他們都能夠在騰訊云這樣一個豐富的產(chǎn)品矩陣中找到他們所需要的，找到切實幫他們降本增效、幫他們發(fā)覺創(chuàng)新機會的產(chǎn)品和服務(wù)。

　　除了內(nèi)部的合作伙伴，我們也和行業(yè)中大量AI公司進行合作。在整個產(chǎn)品矩陣，對于整個解決方案的每一個鏈路，我們秉持開放的心態(tài)，更好地為客戶、為企業(yè)提供完整的端到端能力。我們也將和合作伙伴緊密合作，為用戶提供更多的能力。

　　在此歡迎更多合作伙伴加入我們，歡迎更多的數(shù)據(jù)科學(xué)家、算法專家，應(yīng)用開發(fā)者能夠到騰訊云來體驗我們的產(chǎn)品，今天我的分享就到這里!謝謝大家!