新基建助推，人工智能應(yīng)用邁入新階段

　　報(bào)告編委

　　報(bào)告指導(dǎo)人

　　黃勇 愛(ài)分析 首席分析師

　　報(bào)告執(zhí)筆人

　　莫業(yè)林 愛(ài)分析 分析師

　　李毓 愛(ài)分析 分析師

　　外部專(zhuān)家(按姓氏拼音排序)

　　陳志豪 華東空管局 氣象中心氣象創(chuàng)新實(shí)驗(yàn)室主任

　　胡一川 來(lái)也科技 CTO

　　黃九鳴 星漢數(shù)智 CEO

　　簡(jiǎn)仁賢 竹間智能 CEO

　　喬昕 深睿醫(yī)療 聯(lián)合創(chuàng)始人兼CEO

　　孫元浩 星環(huán)科技 創(chuàng)始人兼CEO

　　童臻 山景智能 資深行業(yè)專(zhuān)家

　　閆正 眼控科技 人工智能研究院院長(zhǎng)

　　特別鳴謝(按拼音排序)

　　報(bào)告摘要

　　新基建加速人工智能應(yīng)用落地

　　新冠疫情、經(jīng)濟(jì)增長(zhǎng)放緩、競(jìng)爭(zhēng)加劇等多重挑戰(zhàn)下，企業(yè)加速應(yīng)用人工智能進(jìn)行智能化建設(shè)，但仍面臨諸多挑戰(zhàn)。

　　2020年，人工智能被列入新基建的范疇，新基建為人工智能發(fā)展提供數(shù)據(jù)、算力和算法三個(gè)層面的基礎(chǔ)設(shè)施支撐;同時(shí)，新基建將拓展人工智能的應(yīng)用場(chǎng)景。

　　企業(yè)人工智能應(yīng)用新趨勢(shì)

　　AI+RPA助力企業(yè)實(shí)現(xiàn)端到端自動(dòng)化。AI與RPA技術(shù)的結(jié)合將實(shí)現(xiàn)RPA和AI技術(shù)單獨(dú)使用無(wú)法實(shí)現(xiàn)的效果，擴(kuò)展了企業(yè)自動(dòng)化的業(yè)務(wù)價(jià)值。

　　知識(shí)圖譜技術(shù)助力企業(yè)挖掘非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值，進(jìn)一步從感知智能邁向認(rèn)知智能。

　　人工智能工程化助力智能化應(yīng)用規(guī)模部署。在數(shù)據(jù)治理、模型開(kāi)發(fā)兩大環(huán)節(jié)，數(shù)據(jù)中臺(tái)、AI中臺(tái)等建設(shè)幫助企業(yè)提升智能化應(yīng)用開(kāi)發(fā)效率和業(yè)務(wù)響應(yīng)敏捷性。

　　人工智能未來(lái)展望

　　人工智能正在從云計(jì)算向邊緣計(jì)算延伸，未來(lái)將形成云計(jì)算與邊緣計(jì)算協(xié)同發(fā)展的態(tài)勢(shì)，為人工智能提供更強(qiáng)大的基礎(chǔ)設(shè)施。

　　隨著人工智能應(yīng)用不斷深入，作為基礎(chǔ)設(shè)施之一，人工智能治理體系建設(shè)的緊迫性不斷增強(qiáng)，企業(yè)應(yīng)當(dāng)將治理體系作為人工智能應(yīng)用中的重要考量因素。

　　目錄

　　1. 新基建背景下，人工智能應(yīng)用新機(jī)遇

　　2. 企業(yè)人工智能應(yīng)用新趨勢(shì)

　　3. 人工智能落地進(jìn)展與實(shí)踐案例

　　4. 人工智能未來(lái)展望

　　結(jié)語(yǔ)

　　1、新基建背景下，人工智能應(yīng)用新機(jī)遇

　　1.1.新基建加速企業(yè)智能化轉(zhuǎn)型

　　當(dāng)前，受經(jīng)濟(jì)增長(zhǎng)放緩、競(jìng)爭(zhēng)加劇等多種因素影響，企業(yè)普遍面臨經(jīng)營(yíng)成本上升、業(yè)績(jī)?cè)鲩L(zhǎng)的壓力，同時(shí)疊加新冠疫情的影響，越來(lái)越多的企業(yè)加速了數(shù)字化轉(zhuǎn)型。

　　智能化是企業(yè)實(shí)現(xiàn)數(shù)字化的深入階段，是指基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器視覺(jué)、知識(shí)圖譜等人工智能技術(shù)，對(duì)企業(yè)內(nèi)外部數(shù)據(jù)進(jìn)行處理、分析，挖掘數(shù)據(jù)的業(yè)務(wù)價(jià)值，改進(jìn)企業(yè)業(yè)務(wù)流程。

　　企業(yè)智能化的表現(xiàn)形式主要體現(xiàn)在三個(gè)方面：流程自動(dòng)化、分析決策智能化、商業(yè)模式的創(chuàng)新化。流程自動(dòng)化主要針對(duì)企業(yè)內(nèi)部操作流程和客戶(hù)交互流程的自動(dòng)化，一般只涉及數(shù)據(jù)識(shí)別，屬于感知智能技術(shù)的單獨(dú)應(yīng)用;分析決策智能化則對(duì)應(yīng)的是認(rèn)知智能，能夠在數(shù)據(jù)結(jié)構(gòu)化處理的基礎(chǔ)上，理解數(shù)據(jù)之間的關(guān)系和邏輯，進(jìn)行分析和決策;商業(yè)模式創(chuàng)新化對(duì)應(yīng)行動(dòng)智能，主要表現(xiàn)形式為人機(jī)協(xié)同。

　　總體上，企業(yè)對(duì)于人工智能技術(shù)的應(yīng)用，大部分處在流程自動(dòng)化階段，分析決策智能化及商業(yè)模式創(chuàng)新化還處在嘗試探索階段。計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和NLP文字識(shí)別等技術(shù)已能夠代替部分重復(fù)的人力勞動(dòng)，幫助企業(yè)實(shí)現(xiàn)諸多業(yè)務(wù)流程的自動(dòng)化。越來(lái)越多的企業(yè)開(kāi)始利用AI輔助業(yè)務(wù)決策：海量的數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)治理，通過(guò)AI模型分析數(shù)據(jù)之間的關(guān)聯(lián)，挖掘數(shù)據(jù)的業(yè)務(wù)價(jià)值， 進(jìn)行原因挖掘、趨勢(shì)預(yù)測(cè)等，輔助業(yè)務(wù)決策。

　　同時(shí)，企業(yè)在應(yīng)用人工智能技術(shù)方面，也面臨多方面挑戰(zhàn)。

　　首先，在自動(dòng)化層面，企業(yè)已在實(shí)際業(yè)務(wù)中運(yùn)用AI技術(shù)，實(shí)現(xiàn)了單點(diǎn)業(yè)務(wù)或者部分的自動(dòng)化，不過(guò)自動(dòng)化智能程度有待改善，限制了更高價(jià)值釋放。例如在發(fā)票錄入的業(yè)務(wù)場(chǎng)景中，企業(yè)已能夠利用OCR技術(shù)識(shí)別、抽取發(fā)票信息，不過(guò)后續(xù)信息錄入的場(chǎng)景中，仍然依靠人工，缺乏相關(guān)技術(shù)手段實(shí)現(xiàn)全流程自動(dòng)化的閉環(huán)。

　　其次，在分析決策環(huán)節(jié)，智能化程度仍不夠成熟，尤其面對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)，企業(yè)仍沒(méi)有可靠的技術(shù)應(yīng)對(duì)手段。

　　最后，隨著應(yīng)用場(chǎng)景的增長(zhǎng)，需要企業(yè)具備AI工程化開(kāi)發(fā)的能力，而傳統(tǒng)上企業(yè)采用“煙囪式”的AI建設(shè)思路，也即通過(guò)單點(diǎn)開(kāi)發(fā)的方式部署AI應(yīng)用。這種建設(shè)思路帶來(lái)很大問(wèn)題：AI應(yīng)用開(kāi)發(fā)速度跟不上變化，無(wú)法實(shí)現(xiàn)對(duì)業(yè)務(wù)的敏捷響應(yīng);同時(shí)，“煙囪式”開(kāi)發(fā)造成極大的資源浪費(fèi)，開(kāi)發(fā)成本居高不下。

　　2020年以來(lái)， 新基建政策不斷推進(jìn)，人工智能被列入新基建范疇。新基建政策成為了企業(yè)采納人工智能技術(shù)的助推器，將加速人工智能行業(yè)的發(fā)展。

　　1.2.新基建完善人工智能基礎(chǔ)設(shè)施

　　數(shù)據(jù)、算力和算法是支撐人工智能發(fā)展的“三駕馬車(chē)“。數(shù)據(jù)是AI的根基，為模型訓(xùn)練提供基本的資料;算力是實(shí)現(xiàn)AI系統(tǒng)所需的硬件計(jì)算能力，為AI技術(shù)提供底層基礎(chǔ)設(shè)施的支撐;算法是機(jī)器的學(xué)習(xí)方法，提供各種各樣的通用算法模型，并結(jié)合具體應(yīng)用場(chǎng)景提供特定技術(shù)接口。

　　2020年初，人工智能被納入新基建的范疇，與5G、特高壓、城際高速鐵路和城市軌道交通、新能源汽車(chē)充電樁、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)中心一起被確立為新基建的七大領(lǐng)域。

　　新基建的概念于2018年12月的中央經(jīng)濟(jì)工作會(huì)議首次提出，隨后全國(guó)各地掀起了一股新基建建設(shè)的熱潮，各地政府和企業(yè)踴躍參與，紛紛宣布相關(guān)投資計(jì)劃。根據(jù)信通院的數(shù)據(jù)，“十四五”期間，新基建投資預(yù)計(jì)將達(dá)到10.6萬(wàn)億，占全社會(huì)基礎(chǔ)設(shè)施投資10%左右。

　　人工智能本身被定義為一種新型基礎(chǔ)設(shè)施，將助力產(chǎn)業(yè)實(shí)現(xiàn)智能化;反過(guò)來(lái)，新基建又將推動(dòng)人工智能產(chǎn)業(yè)化，為人工智能產(chǎn)業(yè)提供基礎(chǔ)設(shè)施，助力人工智能場(chǎng)景落地。

　　具體來(lái)看，新基建將在數(shù)據(jù)和算力、算法三個(gè)層面為人工智能提供基礎(chǔ)設(shè)施支持。

　　數(shù)據(jù)量迎來(lái)爆發(fā)增長(zhǎng)。新基建推動(dòng)數(shù)據(jù)量增長(zhǎng)的源泉主要是5G網(wǎng)絡(luò)和IoT的發(fā)展。根據(jù)工信部的數(shù)據(jù)，截至12月中旬，中國(guó)累計(jì)建成71.8萬(wàn)個(gè)5G基站，數(shù)量位居全球第一。隨著未來(lái)5G基站數(shù)量進(jìn)一步增加，5G網(wǎng)絡(luò)逐漸普及。 5G網(wǎng)絡(luò)具備高傳輸速率、低延時(shí)的特點(diǎn)，5G時(shí)代，更多的線下設(shè)備將聯(lián)網(wǎng)，真正迎來(lái)大規(guī)模物聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)量將迎來(lái)爆發(fā)增長(zhǎng)。

　　新基建為人工智能發(fā)展提供算力支持。數(shù)據(jù)中心是新基建的重要領(lǐng)域之一，成為各地方政府和企業(yè)加碼投資的對(duì)象。數(shù)據(jù)中心的大規(guī)模建設(shè)將為數(shù)據(jù)中心的使用方——包括云服務(wù)提供商以及其他傳統(tǒng)行業(yè)企業(yè)——降低數(shù)據(jù)托管的成本。數(shù)據(jù)中心的建設(shè)將加速企業(yè)上云，通過(guò)云端進(jìn)行AI模型開(kāi)發(fā)、訓(xùn)練和推理等，將降低AI對(duì)傳統(tǒng)芯片硬件算力的依賴(lài)。

　　此外，在物聯(lián)網(wǎng)環(huán)境下，大部分IoT場(chǎng)景對(duì)數(shù)據(jù)實(shí)時(shí)性要求高，屬于延遲敏感、數(shù)據(jù)密集型技術(shù)，需要在邊緣處進(jìn)行數(shù)據(jù)處理，帶動(dòng)了邊緣數(shù)據(jù)中心的崛起。邊緣數(shù)據(jù)中心的發(fā)展有利于減輕云數(shù)據(jù)中心壓力，降低數(shù)據(jù)中心的整體電力消耗，從而降低企業(yè)發(fā)展人工智能所需的總體算力成本。

　　算法層面，作為新基建的一部分，人工智能本身將受益于新基建的政策支持。目前中國(guó)人工智能產(chǎn)業(yè)主要依賴(lài)以TensorFlow、Caffe等為主的美國(guó)企業(yè)或機(jī)構(gòu)研發(fā)的算法框架，新基建強(qiáng)調(diào)加強(qiáng)自主創(chuàng)新，將推動(dòng)中國(guó)企業(yè)構(gòu)建自主可控的算法支撐體系。

　　1.3.新基建拓展人工智能應(yīng)用場(chǎng)景

　　新基建區(qū)別于傳統(tǒng)基建的核心在于數(shù)字化、智能化的屬性，人工智能將在新基建的智能化建設(shè)中發(fā)揮關(guān)鍵作用，拓展應(yīng)用場(chǎng)景。新基建涉及到的5G、特高壓、城際高速鐵路和軌道交通、新能源汽車(chē)充電樁、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)中心等領(lǐng)域，都存在大量可利用AI改進(jìn)業(yè)務(wù)流程、提升效率的場(chǎng)景

　　以下將以5G、工業(yè)互聯(lián)網(wǎng)、城際高速鐵路和城市軌道交通三個(gè)領(lǐng)域?yàn)槔�，通過(guò)具體實(shí)例分析新基建相關(guān)場(chǎng)景如何使用人工智能技術(shù)，改造業(yè)務(wù)流程。

　　1)5G

　　5G建設(shè)涉及到基站選址、機(jī)房設(shè)備更新、5G通訊設(shè)備安裝等環(huán)節(jié)，在這些環(huán)節(jié)中，AI都可發(fā)揮作用，如在選址環(huán)節(jié)，可基于當(dāng)?shù)厝丝谝?guī)模、產(chǎn)業(yè)發(fā)展?fàn)顩r等數(shù)據(jù)，利用人工智能技術(shù)預(yù)測(cè)不同片區(qū)對(duì)5G網(wǎng)絡(luò)的需求，從而實(shí)現(xiàn)更科學(xué)的選址。

　　中國(guó)鐵塔是由中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信和中國(guó)國(guó)新共同出資設(shè)立的大型通信鐵塔基礎(chǔ)設(shè)施服務(wù)企業(yè)，承擔(dān)了部分5G基站的具體實(shí)施部署工作。中國(guó)鐵塔搭建了鐵塔AI中臺(tái)，將AI技術(shù)融合于公司運(yùn)營(yíng)管理的每個(gè)環(huán)節(jié)，支撐了5G網(wǎng)絡(luò)的部署、節(jié)能和運(yùn)維。

　　具體來(lái)看，鐵塔AI中臺(tái)為鐵塔公司各項(xiàng)AI應(yīng)用研發(fā)提供了需求、方案、建模、上線、反饋等全環(huán)節(jié)的全棧式支持，并沉淀符合鐵塔公司業(yè)務(wù)場(chǎng)景的共性AI能力。對(duì)內(nèi)，可賦能鐵塔公司運(yùn)營(yíng)管理效率提升、降低成本、實(shí)現(xiàn)業(yè)務(wù)自動(dòng)化;對(duì)外，將強(qiáng)化鐵塔公司的產(chǎn)品質(zhì)量和服務(wù)水平、創(chuàng)新用戶(hù)體驗(yàn)。

　　2)工業(yè)互聯(lián)網(wǎng)

　　工業(yè)互聯(lián)網(wǎng)平臺(tái)能夠基于設(shè)備運(yùn)行數(shù)據(jù)、工業(yè)參數(shù)、質(zhì)量檢測(cè)數(shù)據(jù)、物料配送數(shù)據(jù)和進(jìn)度管理數(shù)據(jù)的采集，利用AI技術(shù)，對(duì)數(shù)據(jù)進(jìn)行分析，在制造工藝、生產(chǎn)流程、質(zhì)量管理、設(shè)備維護(hù)等具體場(chǎng)景進(jìn)行優(yōu)化。

　　中國(guó)石油將人工智能技術(shù)運(yùn)用在了石油勘探開(kāi)發(fā)業(yè)務(wù)中，共同打造了勘探開(kāi)發(fā)認(rèn)知計(jì)算平臺(tái)，建設(shè)了覆蓋勘探開(kāi)發(fā)所有專(zhuān)業(yè)的知識(shí)圖譜。石油勘探的一個(gè)重要環(huán)節(jié)“測(cè)井”，要對(duì)數(shù)千米以下的底下構(gòu)造和油藏特征進(jìn)行判斷，十分依賴(lài)專(zhuān)家經(jīng)驗(yàn)。不過(guò)，借助該平臺(tái)，中國(guó)石油的大港油田，對(duì)900口油井進(jìn)行機(jī)器學(xué)習(xí)，實(shí)現(xiàn)了油氣層位的智能識(shí)別，平均時(shí)間縮短了70%，識(shí)別準(zhǔn)確率達(dá)到了測(cè)井解釋專(zhuān)家的水平，降低了從業(yè)門(mén)檻。

　　3)城際高速鐵路和城市軌道交通

　　高速鐵路和城市軌道交通建設(shè)過(guò)程中，在工程建設(shè)、勘查設(shè)計(jì)、裝備制造、鐵路運(yùn)輸?shù)拳h(huán)節(jié)，都可利用人工智能技術(shù)，提高效率、減少人力成本。

　　中國(guó)中車(chē)某分公司上線了高速列車(chē)故障預(yù)測(cè)與健康管理系統(tǒng)，實(shí)現(xiàn)了對(duì)車(chē)輛的關(guān)鍵部件、核心系統(tǒng)等狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，助力其對(duì)高鐵車(chē)輛從狀態(tài)維修轉(zhuǎn)變?yōu)轭A(yù)測(cè)性維護(hù)。

　　具體來(lái)看，該系統(tǒng)通過(guò)遠(yuǎn)程獲取高鐵軸箱軸承的狀態(tài)信息原始數(shù)據(jù)和判據(jù)特征，在監(jiān)測(cè)中心做深度的分析與診斷，對(duì)列車(chē)關(guān)鍵設(shè)備及運(yùn)營(yíng)關(guān)鍵設(shè)備提供狀態(tài)監(jiān)測(cè)、PHM、故障診斷等服務(wù)，并轉(zhuǎn)變被動(dòng)維護(hù)策略為預(yù)測(cè)性維護(hù)策略。上線了該系統(tǒng)后，中國(guó)中車(chē)某分公司提升了列車(chē)運(yùn)營(yíng)的安全性和穩(wěn)定性，能夠準(zhǔn)備識(shí)別20余種故障模式，軸承故障識(shí)別精準(zhǔn)率超過(guò)90%。

　　2.企業(yè)人工智能應(yīng)用新趨勢(shì)

　　2.1.AI+RPA助力企業(yè)實(shí)現(xiàn)端到端自動(dòng)化

　　在企業(yè)實(shí)現(xiàn)智能化的初期階段，首先涉及通用AI技術(shù)的運(yùn)用，包括機(jī)器視覺(jué)、語(yǔ)音識(shí)別、部分NLP技術(shù)等。此類(lèi)技術(shù)行業(yè)屬性弱，具備開(kāi)箱即用、標(biāo)準(zhǔn)化程度高的特點(diǎn)，也因此能夠快速鋪開(kāi)。

　　這些技術(shù)已能夠在大量業(yè)務(wù)場(chǎng)景下代替人力。例如，智能外呼已廣泛被金融、消費(fèi)與零售等行業(yè)企業(yè)采納，應(yīng)用于營(yíng)銷(xiāo)與銷(xiāo)售、貸款催收等場(chǎng)景;OCR技術(shù)能夠處理類(lèi)似圖片、PDF等非結(jié)構(gòu)化文本，被廣泛應(yīng)用于企業(yè)文件處理的場(chǎng)景。

　　不過(guò)，大部分企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中，由于缺乏統(tǒng)一規(guī)劃，對(duì)于此類(lèi)AI技術(shù)的部署一般比較孤立，與其他IT系統(tǒng)互通性較差。這導(dǎo)致AI賦能實(shí)現(xiàn)的流程自動(dòng)化比較局限，難以實(shí)現(xiàn)橫跨多個(gè)系統(tǒng)的全流程自動(dòng)化。以智能外呼技術(shù)為例，現(xiàn)階段大多數(shù)外呼平臺(tái)都是SaaS服務(wù)，通常只能完成外呼相關(guān)工作，很難與企業(yè)業(yè)務(wù)系統(tǒng)如CRM、ERP等進(jìn)行集成，在用戶(hù)信息導(dǎo)入、外呼結(jié)果導(dǎo)出以及客戶(hù)回答提取方面無(wú)法實(shí)現(xiàn)自動(dòng)化。

　　在已有AI技術(shù)應(yīng)用的基礎(chǔ)上，融入RPA技術(shù)可以很好的解決這些問(wèn)題。RPA是一種軟件自動(dòng)化技術(shù)，由運(yùn)行在電腦等智能設(shè)備上的RPA機(jī)器人模擬人類(lèi)的點(diǎn)擊、輸入等操作，完成基于固定規(guī)則的重復(fù)性工作。AI與RPA兩種技術(shù)的結(jié)合能夠助力企業(yè)實(shí)現(xiàn)更加智能的自動(dòng)化。

　　上圖描述的將發(fā)票錄入并發(fā)送客戶(hù)的場(chǎng)景，利用AI和RPA技術(shù)實(shí)現(xiàn)全流程自動(dòng)化的過(guò)程。如圖顯示，在開(kāi)始環(huán)節(jié)，利用NLP、機(jī)器學(xué)習(xí)等AI技術(shù)對(duì)發(fā)票內(nèi)容進(jìn)行識(shí)別，提取相關(guān)內(nèi)容;通過(guò)RPA技術(shù)對(duì)內(nèi)容進(jìn)行整理，形成格式化文檔;RPA將AI系統(tǒng)與ERP系統(tǒng)進(jìn)行自動(dòng)對(duì)接，并登錄ERP系統(tǒng); 隨后，RPA將發(fā)票號(hào)等信息錄入系統(tǒng)，并與ERP系統(tǒng)中客戶(hù)購(gòu)買(mǎi)訂單進(jìn)行匹配，形成客戶(hù)需要的發(fā)票;最后，通過(guò)RPA將發(fā)票通過(guò)郵件發(fā)送給客戶(hù)。

　　由此可見(jiàn)，AI與RPA技術(shù)的結(jié)合將實(shí)現(xiàn)RPA和AI技術(shù)單獨(dú)使用無(wú)法實(shí)現(xiàn)的效果：AI技術(shù)完成了對(duì)文本的識(shí)別后，利用RPA對(duì)信息進(jìn)行歸納整理，在不同系統(tǒng)間進(jìn)行自動(dòng)搬運(yùn)，實(shí)現(xiàn)了整個(gè)流程自動(dòng)化的閉環(huán)，也即端到端的自動(dòng)化。

　　AI與RPA技術(shù)的結(jié)合給企業(yè)帶來(lái)的利好是顯而易見(jiàn)的。AI與RPA的結(jié)合擴(kuò)展了企業(yè)自動(dòng)化的業(yè)務(wù)范圍，降低了企業(yè)人力成本;同時(shí)員工從繁瑣重復(fù)性的工作中解放出來(lái)，得以投入到更具創(chuàng)造性的工作中。

　　已有越來(lái)越多的企業(yè)開(kāi)啟了智能自動(dòng)化進(jìn)程。德勤2019年初一份針對(duì)523位全球企業(yè)高層(所在企業(yè)橫跨26個(gè)國(guó)家和多個(gè)行業(yè))的調(diào)查顯示，58%受訪者表示，他們所在企業(yè)已經(jīng)開(kāi)啟了智能自動(dòng)化進(jìn)程，其中47%表示在智能自動(dòng)化戰(zhàn)略中將AI與PRA技術(shù)結(jié)合。

　　AI+RPA技術(shù)助力基層社區(qū)疫情高效防控

　　今年年初，新冠疫情在武漢爆發(fā)，武漢全城進(jìn)入封鎖狀態(tài)。隨后全國(guó)各地紛紛啟動(dòng)了重大公共衛(wèi)生事件響應(yīng)，對(duì)從疫區(qū)或者外地返回人員進(jìn)行排查和監(jiān)測(cè)，各城市基層社區(qū)承擔(dān)了大部分工作，在此次疫情防控中作出了重要貢獻(xiàn)。

　　在疫區(qū)武漢，基層社區(qū)首當(dāng)其沖，承擔(dān)起大部分疫情排查的工作。在其他地市，基層社區(qū)需要對(duì)外地返回當(dāng)?shù)氐娜藛T，以及來(lái)社區(qū)家庭探訪的人員，逐一展開(kāi)健康監(jiān)測(cè)。隨著復(fù)工復(fù)產(chǎn)的推進(jìn)，基層社區(qū)疫情防控工作也更加細(xì)致、涉及內(nèi)容更繁瑣。

　　無(wú)論疫情排查、健康監(jiān)測(cè)、還是社區(qū)出入證辦理等工作，任務(wù)量都十分巨大，費(fèi)時(shí)費(fèi)力。而全國(guó)大部分基層社區(qū)的人員配備狀況明顯不足，社區(qū)工作人員面臨巨大的壓力，需要加班加點(diǎn)進(jìn)行工作。不少社區(qū)意識(shí)到這些問(wèn)題后，引入了人工智能及RPA技術(shù)來(lái)解決人手供應(yīng)不足的問(wèn)題，極大提高了效率。

　　RPA+智能外呼機(jī)器人實(shí)現(xiàn)疫情排查全流程自動(dòng)化

　　1)北京朝陽(yáng)區(qū)東壩鄉(xiāng)第一社區(qū)

　　武漢1月23日封城后，北京朝陽(yáng)區(qū)東壩鄉(xiāng)第一社區(qū)隨即接到任務(wù)，需要對(duì)來(lái)京人員進(jìn)行健康監(jiān)測(cè)。該社區(qū)共有工作人員10名，從1月23日起，工作人員就基本沒(méi)有休息，具體工作任務(wù)包括打電話(huà)詢(xún)問(wèn)社區(qū)人員健康狀況、信息記錄、電話(huà)回訪等。

　　在這一背景下，該社區(qū)選擇了來(lái)也科技作為合作伙伴。來(lái)也科技創(chuàng)辦于2015年，致力于做人機(jī)共生時(shí)代智能機(jī)器人公司，核心技術(shù)涵蓋機(jī)器人流程自動(dòng)化(RPA)、流程挖掘、自然語(yǔ)言處理(NLP)、智能對(duì)話(huà)交互、文字識(shí)別與圖像識(shí)別等。

　　來(lái)也科技向該社區(qū)提供了一套R(shí)PA+外呼機(jī)器人的解決方案。這套解決方案于2月初上線，東壩鄉(xiāng)第一社區(qū)一直使用到5月份(北京宣布解除隔離要求)，在社區(qū)疫情防控工作中發(fā)揮了極大作用。

　　這一套R(shí)PA+外呼機(jī)器人的解決方案可自動(dòng)識(shí)別名單上的電話(huà)，自動(dòng)對(duì)外撥出。通話(huà)結(jié)束后，自動(dòng)保存電話(huà)通話(huà)內(nèi)容，利用語(yǔ)音識(shí)別及語(yǔ)義理解技術(shù)將語(yǔ)音內(nèi)容轉(zhuǎn)化為文字;基于RPA技術(shù)，將文字內(nèi)容進(jìn)行打標(biāo)簽，歸類(lèi)整理;最后自動(dòng)生成表格，整個(gè)過(guò)程都是全自動(dòng)的。

　　整套解決方案使用起來(lái)，操作簡(jiǎn)單：社區(qū)工作人員每天只需向指定郵件發(fā)送一張當(dāng)天需要對(duì)外呼叫的姓名和電話(huà)列表。來(lái)也科技的AI機(jī)器人完成了電話(huà)外呼之后，會(huì)向社區(qū)發(fā)回一張表格，自動(dòng)整理好社區(qū)所需的相關(guān)人員信息。

　　這套解決方案部署在云端，來(lái)也科技花了三天時(shí)間就將解決方案部署完畢，于2月初在就在東壩鄉(xiāng)第一社區(qū)投入使用。RPA+外呼機(jī)器人的解決方案上線后，東壩鄉(xiāng)第一社區(qū)的工作得到了明顯改善。

　　首先是效率的提升。一個(gè)電話(huà)機(jī)器人可以一次呼出50個(gè)電話(huà)號(hào)，表格也可以自動(dòng)生成。機(jī)器人取代了原來(lái)人工進(jìn)行的打電話(huà)、信息記錄的工作，社區(qū)工作人員只需對(duì)最終返回的外呼結(jié)果予以檢查和確認(rèn)，對(duì)于一些健康狀況異常的人員，打電話(huà)進(jìn)一步了解情況。

　　原來(lái)工作人員每人每天花費(fèi)在打電話(huà)的平均時(shí)長(zhǎng)為4-6小時(shí)，使用RPA+智能外呼解決方案后，花在這些方面的時(shí)間縮短為半個(gè)小時(shí)。

　　其次，提高了準(zhǔn)確度。通過(guò)機(jī)器人進(jìn)行電話(huà)外呼、信息記錄等工作，避免了人工情況下因疲勞等原因造成的記錄、歸檔錯(cuò)誤等問(wèn)題，同時(shí)還很好的避免了人為主觀判斷的情況。

　　項(xiàng)目實(shí)施過(guò)程和上線后也遇到了一些挑戰(zhàn)，主要集中在語(yǔ)音對(duì)外呼叫這一環(huán)節(jié)。首先，第一個(gè)挑戰(zhàn)是，一開(kāi)始居民對(duì)外呼電話(huà)接通率不高。針對(duì)這一問(wèn)題，來(lái)也科技采取的策略讓東壩鄉(xiāng)第一社區(qū)通過(guò)包括微信群等各種途徑在電話(huà)撥出之前提前進(jìn)行宣傳和預(yù)告，大大提升了接通率。第二個(gè)挑戰(zhàn)是，電話(huà)外呼的時(shí)間太長(zhǎng)，部分居民不愿意完成整個(gè)對(duì)話(huà)。來(lái)也科技隨后對(duì)話(huà)術(shù)進(jìn)行了調(diào)整，將話(huà)術(shù)的輪次從原來(lái)的12輪壓縮到8輪，時(shí)間從3分鐘壓縮到2分鐘。

　　最后一個(gè)挑戰(zhàn)是方言。在項(xiàng)目初期，電話(huà)外呼的語(yǔ)音識(shí)別結(jié)果準(zhǔn)確率偏低，只有40%-50%。來(lái)也科技之后對(duì)系統(tǒng)進(jìn)行了優(yōu)化，針對(duì)性的對(duì)一些受訪人員常出現(xiàn)的方言同音詞進(jìn)行了替換，將準(zhǔn)確度大幅提升至80%-90%。

　　2)武漢市騰龍社區(qū)

　　武漢市騰龍社區(qū)有超過(guò)2300位居民，居民主要是老年人，但僅有不足10名社區(qū)工作人員。疫情發(fā)生后，東湖高新區(qū)龍泉街道采取措施，征集志愿者、黨員等加入疫情防疫工作。

　　不過(guò)疫情排查范圍廣、人員多，不僅需要消耗大量人力物力、且很難準(zhǔn)確全面統(tǒng)計(jì)疫情狀況，面對(duì)面的訪問(wèn)調(diào)查還會(huì)增加交叉感染風(fēng)險(xiǎn)。

　　針對(duì)這一情況，該社區(qū)也選擇了來(lái)也科技科技作為合作伙伴，上線了RPA智能查訪機(jī)器人。

　　機(jī)器人收到社區(qū)名單后，自動(dòng)讀取居民信息，逐個(gè)向居民發(fā)送短信、撥打電話(huà)，并根據(jù)語(yǔ)音識(shí)別匯總判斷居民是否正常，哪些居民需要幫助，同時(shí)自動(dòng)生成表格，快速實(shí)現(xiàn)居民健康信息采集與疫情摸底。

　　自動(dòng)辦證機(jī)器人，零接觸，解放員工雙手

　　廈門(mén)市翔安區(qū)馬巷鎮(zhèn)西坂社區(qū)有常住居民2400多名，外來(lái)人口1.5萬(wàn)多名，但僅有8名社區(qū)工作人員。當(dāng)時(shí)，根據(jù)廈門(mén)市疫情管控有關(guān)要求，所有小區(qū)需要為居民辦理小區(qū)出入通行證，對(duì)于從外省來(lái)廈的人員，過(guò)了14天觀察期，還需要進(jìn)行換證。

　　這為西坂社區(qū)帶來(lái)了巨大挑戰(zhàn)，辦證、換證手工填寫(xiě)，需要投入大量人力和時(shí)間;獲取正確信息，社區(qū)工作人員需要長(zhǎng)時(shí)間與申請(qǐng)辦證、換證人員反復(fù)溝通，增大了交叉感染概率的風(fēng)險(xiǎn)。

　　在這一背景下，西坂社區(qū)選擇了來(lái)也科技作為合作伙伴，上線了自動(dòng)辦證機(jī)器人。自動(dòng)辦證機(jī)器人是來(lái)也科技自主研發(fā)的產(chǎn)品，申請(qǐng)辦證、換證人員只需掃碼完成信息填寫(xiě)，就能獲得紙質(zhì)版的出入證，整個(gè)過(guò)程完全不需要人工干預(yù)，也不需要社區(qū)工作人員額外學(xué)習(xí)新技術(shù)。

　　自動(dòng)辦證機(jī)器人的優(yōu)點(diǎn)包括：第一、“解放”工作人員雙手。辦證、換證自動(dòng)完成，不再需要工作人員手動(dòng)填寫(xiě);第二，減少面對(duì)面接觸。申請(qǐng)人自己掃碼填寫(xiě)信息，無(wú)需長(zhǎng)時(shí)間詢(xún)問(wèn)溝通。

　　截至4月3日，自動(dòng)辦證機(jī)器人已累計(jì)為西坂社區(qū)辦理了超過(guò)2000多張出入證件，隨后以每天30-40張的速度在持續(xù)增長(zhǎng)，直至疫情暖和，社區(qū)解除封鎖。

　　RPA+AI技術(shù)快速落地，有效幫助基層社區(qū)解決了人手不夠的問(wèn)題，將人從繁瑣的工作中解放出來(lái)，提升了效率，在此次疫情防疫工作中發(fā)揮了極大作用。不少基層社區(qū)目前開(kāi)始將RPA+AI技術(shù)運(yùn)用到常態(tài)化工作場(chǎng)景中，包括人口普查、政府公告通知、水電費(fèi)繳納提醒等。

　　2.2.企業(yè)級(jí)知識(shí)圖譜支撐認(rèn)知智能應(yīng)用

　　隨著數(shù)字化轉(zhuǎn)型的加深，企業(yè)內(nèi)部產(chǎn)生海量數(shù)據(jù)，尤其以非結(jié)構(gòu)化數(shù)據(jù)為主，對(duì)于某些企業(yè)，非結(jié)構(gòu)化數(shù)據(jù)占據(jù)總數(shù)據(jù)量的80%以上。非結(jié)構(gòu)化數(shù)據(jù)范圍廣泛，包括圖片、視頻等富媒體數(shù)據(jù);發(fā)票、郵件等文件類(lèi)數(shù)據(jù);傳感器收集的物聯(lián)網(wǎng)相關(guān)數(shù)據(jù)等。

　　面對(duì)海量非結(jié)構(gòu)數(shù)據(jù)，企業(yè)需要新的技術(shù)手段理解數(shù)據(jù)并挖掘數(shù)據(jù)的價(jià)值。知識(shí)圖譜技術(shù)為企業(yè)應(yīng)對(duì)這一挑戰(zhàn)提供了很好的解決方案。盡管知識(shí)圖譜概念于2012年才正式由Google提出，知識(shí)圖譜相關(guān)的圖技術(shù)此前已廣泛被搜索引擎、電商等互聯(lián)網(wǎng)科技公司使用。近年來(lái)，越來(lái)越多的企業(yè)也開(kāi)始采納這一技術(shù)。

　　知識(shí)圖譜是一種語(yǔ)義網(wǎng)絡(luò)結(jié)構(gòu)，由網(wǎng)狀的節(jié)點(diǎn)、邊線、弧線組成，用于呈現(xiàn)不同來(lái)源的數(shù)據(jù)實(shí)體以及數(shù)據(jù)實(shí)體之間的關(guān)系。通過(guò)知識(shí)圖譜，可實(shí)現(xiàn)對(duì)某個(gè)知識(shí)點(diǎn)的“定位”(知識(shí)圖譜作為一種索引方式)，或者可以進(jìn)行“信息合成”(知識(shí)圖譜作為一種數(shù)據(jù)來(lái)源)。

　　簡(jiǎn)單來(lái)看，知識(shí)圖譜的構(gòu)建過(guò)程經(jīng)歷下圖所示的三個(gè)階段。

　　在第一階段，從不同來(lái)源(包括公司內(nèi)部和外部公開(kāi)數(shù)據(jù))的自由文本中抽取相關(guān)有用數(shù)據(jù)，利用自然語(yǔ)言識(shí)別技術(shù)，通過(guò)詞形還原、詞干提取等自然語(yǔ)言識(shí)別技術(shù)，對(duì)文本進(jìn)行預(yù)處理。

　　進(jìn)入下一階段，在前一階段處理的信息基礎(chǔ)上，進(jìn)行關(guān)系抽取，以三元組的形式存放至知識(shí)庫(kù)中。一個(gè)知識(shí)庫(kù)往往包含無(wú)數(shù)個(gè)三元組，這些三元組通過(guò)本體論的方法進(jìn)行排列組合。

　　最后，基于知識(shí)庫(kù)中的三元組，構(gòu)成了一張知識(shí)圖譜網(wǎng)絡(luò)，能夠展示不同實(shí)體的關(guān)系，包括在前一階段知識(shí)庫(kù)環(huán)境下無(wú)法顯示出來(lái)的隱性關(guān)系。

　　在功能層面，知識(shí)圖譜的核心優(yōu)勢(shì)體現(xiàn)在對(duì)于實(shí)體、屬性等客觀世界事物的關(guān)聯(lián)關(guān)系分析，包括顯性關(guān)系與隱性關(guān)系識(shí)別，尤其體現(xiàn)在對(duì)于隱性關(guān)系的識(shí)別上。基于知識(shí)圖譜，能夠挖掘到一些僅靠人的業(yè)務(wù)經(jīng)驗(yàn)或者一般數(shù)據(jù)分析模型難以發(fā)現(xiàn)的業(yè)務(wù)邏輯和線索，輔助企業(yè)業(yè)務(wù)決策，支撐認(rèn)知智能應(yīng)用。

　　比如，在公安日常工作中，主要面臨嫌疑人是誰(shuí)，嫌疑人在哪里，嫌疑人和誰(shuí)在一起以及嫌疑人將去哪里等四大類(lèi)問(wèn)題，公安人員開(kāi)展工作多數(shù)都是依賴(lài)現(xiàn)在信息化系統(tǒng)收集的軌跡工具而展開(kāi)的，通過(guò)對(duì)軌跡數(shù)據(jù)的分析，鎖定嫌疑人，發(fā)現(xiàn)嫌疑人行蹤和團(tuán)伙。而通過(guò)軌跡發(fā)現(xiàn)人與人之間，車(chē)與車(chē)之間的隱形關(guān)系，就是基于公安知識(shí)圖譜挖掘技術(shù)實(shí)現(xiàn)的，能夠在公安破案的過(guò)程中為公安提供有力的線索。

　　此外，基于知識(shí)圖譜技術(shù)搭建的領(lǐng)域知識(shí)庫(kù)，相較傳統(tǒng)的知識(shí)工程，在實(shí)際應(yīng)用中效果也更好。由于傳統(tǒng)知識(shí)工程知識(shí)相對(duì)分散，關(guān)聯(lián)性低，要求使用者對(duì)于知識(shí)應(yīng)用的匹配度較高，同時(shí)無(wú)法延伸知識(shí)的應(yīng)用場(chǎng)景，所以傳統(tǒng)知識(shí)工程往往應(yīng)用效果一般。在搭建領(lǐng)域知識(shí)庫(kù)的過(guò)程中，知識(shí)圖譜實(shí)現(xiàn)了知識(shí)的建模、抽取、融合、存儲(chǔ)、應(yīng)用，同時(shí)將相關(guān)知識(shí)進(jìn)行關(guān)聯(lián)，達(dá)到智能化的知識(shí)應(yīng)用水平。

　　根據(jù)愛(ài)分析的調(diào)研，目前企業(yè)對(duì)知識(shí)圖譜的應(yīng)用主要集中在金融和政府與公共服務(wù)行業(yè)，落地的場(chǎng)景主要以金融行業(yè)內(nèi)的營(yíng)銷(xiāo)與風(fēng)控場(chǎng)景和公共安全行業(yè)的業(yè)務(wù)場(chǎng)景居多。

　　“智能搜索”助力某大型商業(yè)銀行實(shí)現(xiàn)APP精細(xì)化運(yùn)營(yíng)

　　移動(dòng)互聯(lián)網(wǎng)對(duì)傳統(tǒng)商業(yè)銀行的倒逼革新已經(jīng)進(jìn)入了加速度。“互聯(lián)網(wǎng)+金融”爆炸式增長(zhǎng)，滲透甚至重塑了絕大多數(shù)用戶(hù)的習(xí)慣，移動(dòng)APP也已經(jīng)成為各行各業(yè)企業(yè)經(jīng)營(yíng)的重要組成部分，在企業(yè)經(jīng)營(yíng)用戶(hù)和收入貢獻(xiàn)占比巨大。

　　作為數(shù)字化轉(zhuǎn)型的一部分，國(guó)內(nèi)某大型商業(yè)銀行此前推出了官方信用卡APP，以更好向用戶(hù)提供服務(wù)。不過(guò)，在發(fā)展初期，由于缺乏APP建設(shè)經(jīng)驗(yàn)和相關(guān)技術(shù)支撐，信用卡APP上線后，用戶(hù)體驗(yàn)有待改善。

　　具體來(lái)看，該銀行搭建的信用卡APP基本功能已經(jīng)具備，可通過(guò)APP向用戶(hù)提供銀行的各項(xiàng)服務(wù)。但是，APP在搜索方面存在諸多短板，例如對(duì)用戶(hù)搜索問(wèn)題匹配答案準(zhǔn)確度不高、無(wú)法精準(zhǔn)識(shí)別用戶(hù)搜索意圖等，使用體驗(yàn)欠佳，導(dǎo)致APP日活增長(zhǎng)緩慢、獲客率留存率低等問(wèn)題。

　　該銀行希望通過(guò)借助人工智能技術(shù)，在信用卡APP中嵌入更加智能化的搜索功能，將銀行服務(wù)更精準(zhǔn)的推向客戶(hù)，實(shí)現(xiàn)“人找服務(wù)”到“服務(wù)找人”的轉(zhuǎn)變，推動(dòng)APP日活增長(zhǎng)，提升獲客率和留存率，最終推動(dòng)業(yè)務(wù)增長(zhǎng)。

　　在這一背景下，該銀行的信用卡中心選擇了竹間智能作為合作伙伴。竹間智能向該銀行提供了Gemini知識(shí)工程平臺(tái)產(chǎn)品作為解決方案，對(duì)信用卡APP進(jìn)行了改造和升級(jí)，上線了智能搜索服務(wù)。

　　成立于2015年的竹間智能以獨(dú)特的情感計(jì)算研究為核心，以自然語(yǔ)言處理、深度學(xué)習(xí)、知識(shí)工程、文本處理等人工智能技術(shù)為基礎(chǔ)，研發(fā)具有情感識(shí)別能力的對(duì)話(huà)機(jī)器人，并且?guī)椭�企業(yè)解決知識(shí)應(yīng)用難題，目前在AI+金融、AI+醫(yī)療醫(yī)藥、AI+教育、AI+互聯(lián)網(wǎng)、AI+智能終端、AI+傳統(tǒng)產(chǎn)業(yè)等領(lǐng)域提供完整的解決方案。

　　Gemini知識(shí)工程平臺(tái)是竹間智能面向客戶(hù)提供的六大核心平臺(tái)之一，是專(zhuān)門(mén)幫助客戶(hù)解決數(shù)據(jù)和知識(shí)應(yīng)用的產(chǎn)品平臺(tái)。知識(shí)工程平臺(tái)是竹間以獨(dú)特自研的的自然語(yǔ)言處理技術(shù)為基礎(chǔ)，打造的“知識(shí)工廠”， 可自動(dòng)構(gòu)建知識(shí)圖譜，行業(yè)知識(shí)圖譜，進(jìn)行知識(shí)管理，及知識(shí)搜索，極大地縮短了業(yè)務(wù)流程中需要人工處理文本的時(shí)間，解決企業(yè)數(shù)據(jù)應(yīng)用難題。

　　基于竹間智能Gemini知識(shí)工程平臺(tái)，該銀行上線的智能搜索服務(wù)解決方案大致流程如下：Gemini知識(shí)工程平臺(tái)的底層基于NLP能力，當(dāng)用戶(hù)在APP輸入搜索內(nèi)容，發(fā)出請(qǐng)求時(shí)，平臺(tái)會(huì)對(duì)請(qǐng)求進(jìn)行語(yǔ)義分析及知識(shí)提取，隨后將請(qǐng)求在數(shù)據(jù)庫(kù)或知識(shí)庫(kù)中進(jìn)行查詢(xún)請(qǐng)求，最終輸出用戶(hù)期望得到的結(jié)果。

　　該銀行信用卡APP升級(jí)后，凸顯了四方面的優(yōu)勢(shì)：基于用戶(hù)搜索行為的智能化推薦、根據(jù)用戶(hù)搜索行為的熱詞智能排序推薦、靈活可控的搜索內(nèi)容、基于智能語(yǔ)義理解的搜索詞抽取分析。

　　基于用戶(hù)搜索行為的智能化推薦

　　升級(jí)后的信用卡APP可根據(jù)用戶(hù)搜索行為進(jìn)行智能化的推薦，用例如下圖所示。在搜索界面，展示相關(guān)的推薦內(nèi)容;當(dāng)用戶(hù)輸入“分期”時(shí)，可自動(dòng)推薦“分期”“我要分期”等內(nèi)容。

　　傳統(tǒng)上，受移動(dòng)APP屏顯內(nèi)容有限的影響，產(chǎn)品經(jīng)理和運(yùn)營(yíng)需要花費(fèi)很大精力思考如何呈現(xiàn)層次，內(nèi)容如何編排以更有效率實(shí)現(xiàn)用戶(hù)意圖。智能化推薦解決了這一痛點(diǎn)。

　　此外，該功能提升了隱形服務(wù)的曝光率，減少因?yàn)楫a(chǎn)品設(shè)計(jì)帶來(lái)的觸達(dá)困難。由原來(lái)屏顯內(nèi)容的剛性組合，一級(jí)菜單二級(jí)菜單，變成用戶(hù)隨機(jī)搜索內(nèi)容+智能化推薦的軟性組合。兩種組合的同時(shí)運(yùn)用，極大地提升了信息呈現(xiàn)的效率。

　　有了該功能，用戶(hù)不再需要費(fèi)力地找某個(gè)功能入口，同時(shí)也能夠獲取原始目的之外的“意外需求”，對(duì)于企業(yè)而言，例如信用卡App分賬率即使提升百分之一，巨大的用戶(hù)基數(shù)面前，這個(gè)功能能直接創(chuàng)造可觀的收入和利潤(rùn)。

　　基于用戶(hù)搜索行為的熱詞智能排序推薦

　　升級(jí)后的信用卡APP，當(dāng)用戶(hù)搜索某個(gè)關(guān)鍵詞時(shí)，每次點(diǎn)選和跳轉(zhuǎn)具體內(nèi)容，系統(tǒng)后臺(tái)都能學(xué)習(xí)每個(gè)用戶(hù)的操作數(shù)據(jù)，并且迅速“反應(yīng)”，實(shí)現(xiàn)熱詞的智能排序。如用戶(hù)輸入“白金卡“關(guān)鍵字，下方會(huì)據(jù)此推薦”白金卡專(zhuān)區(qū)“和”白金卡“兩個(gè)熱點(diǎn)搜索詞(”白金卡專(zhuān)區(qū)“排在前面)。當(dāng)用戶(hù)選擇了”白金卡“時(shí)，系統(tǒng)會(huì)學(xué)習(xí)到”白金卡“是用戶(hù)優(yōu)先想要搜索的詞，當(dāng)用戶(hù)下次再進(jìn)行同樣的搜索時(shí)，”白金卡專(zhuān)區(qū)“和”白金卡“兩個(gè)熱點(diǎn)搜索詞會(huì)調(diào)整排名。

　　這大大提升了用戶(hù)的使用體驗(yàn)，順暢快捷的意圖實(shí)現(xiàn)，APP也越用越順手。

　　靈活可控的搜索內(nèi)容

　　升級(jí)后的APP搜索內(nèi)容具備靈活可控的特點(diǎn)，可定時(shí)和實(shí)時(shí)內(nèi)容同步、失效下線。該功能減輕了運(yùn)營(yíng)和維護(hù)的工作量，降低了出錯(cuò)的幾率。

　　基于智能語(yǔ)義理解的搜索詞抽取分析

　　升級(jí)后的APP具備基于智能語(yǔ)義理解的搜索詞抽取分析的功能。具體來(lái)看，當(dāng)用戶(hù)輸入相關(guān)信息時(shí)，后臺(tái)會(huì)對(duì)用戶(hù)輸入的內(nèi)容進(jìn)行分析，即便用戶(hù)輸入的是長(zhǎng)句、拼音或者其他“變形”的搜索詞，系統(tǒng)也能夠進(jìn)行聯(lián)想，匹配用戶(hù)意圖目標(biāo)之內(nèi)的內(nèi)容。例如，當(dāng)用戶(hù)輸入“滿(mǎn)減“關(guān)鍵詞時(shí)，系統(tǒng)會(huì)推薦”隨機(jī)減“;用戶(hù)輸入”baijinka“，系統(tǒng)能夠識(shí)別出用戶(hù)的意圖，在下方推薦”白金卡“或者”白金卡專(zhuān)區(qū)“的字樣供用戶(hù)選擇。

　　這一功能真正做到了以用戶(hù)為中心，最大程度對(duì)用戶(hù)的使用習(xí)慣“不設(shè)限“。

　　效果層面，該銀行對(duì)信用卡APP進(jìn)行了升級(jí)后，實(shí)現(xiàn)了真正的客戶(hù)個(gè)性化服務(wù)，優(yōu)化了用戶(hù)體驗(yàn)，提升了對(duì)用戶(hù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)的能力。

　　升級(jí)版的信用卡APP上線后，該銀行信用卡中心的用戶(hù)和業(yè)務(wù)收入實(shí)現(xiàn)了極大的增長(zhǎng)。目前該銀行的信用卡APP月活用戶(hù)達(dá)到1,045.32萬(wàn)戶(hù)，在信用卡類(lèi)APP中排名第四。

　　2019年，該銀行信用卡中心新增發(fā)卡1,149.83萬(wàn)張，累計(jì)發(fā)卡7202.56萬(wàn)張，同比增長(zhǎng)19%。信用卡實(shí)現(xiàn)交易額26,588.07億，同比增長(zhǎng)16.17%，業(yè)務(wù)收入475.67億元，同比增長(zhǎng)21.84%。

　　2.3.人工智能工程化助力AI應(yīng)用規(guī)�；�部署

　　企業(yè)數(shù)字化轉(zhuǎn)型催生了大量AI應(yīng)用場(chǎng)景以及各式各樣的智能化業(yè)務(wù)需求。一般而言，業(yè)務(wù)部門(mén)提出一個(gè)需求后，研發(fā)團(tuán)隊(duì)需要針對(duì)性地開(kāi)展數(shù)據(jù)分析處理、模型的構(gòu)建過(guò)程等，導(dǎo)致AI應(yīng)用落地往往十分漫長(zhǎng)，業(yè)務(wù)的敏捷性相應(yīng)慢。隨著智能化應(yīng)用的場(chǎng)景拓展，這一矛盾更加突出。

　　與此同時(shí)，針對(duì)新場(chǎng)景的開(kāi)發(fā)，企業(yè)需要重新購(gòu)買(mǎi)、部署硬件和CPU、GPU計(jì)算資源，再次進(jìn)行數(shù)據(jù)接入、數(shù)據(jù)處理和模型開(kāi)發(fā)流程，造成多套AI系統(tǒng)的重復(fù)開(kāi)發(fā)，造成極大的資源浪費(fèi)，開(kāi)發(fā)成本居高不下。

　　完整地看，AI應(yīng)用的開(kāi)發(fā)包括數(shù)據(jù)治理以及模型開(kāi)發(fā)兩個(gè)大的環(huán)節(jié)。面臨AI應(yīng)用單次開(kāi)發(fā)業(yè)務(wù)敏捷性低下和成本高的挑戰(zhàn)，越來(lái)越多企業(yè)開(kāi)始強(qiáng)化AI工程化的能力。

　　1)數(shù)據(jù)治理工程化

　　數(shù)據(jù)是一切AI模型的基礎(chǔ)，完善數(shù)據(jù)的基礎(chǔ)設(shè)施建設(shè)對(duì)于AI項(xiàng)目開(kāi)發(fā)至關(guān)重要。然而，由于數(shù)據(jù)基礎(chǔ)的不完善，以及數(shù)據(jù)治理過(guò)程主要依靠人工完成，導(dǎo)致數(shù)據(jù)治理環(huán)節(jié)耗費(fèi)大量時(shí)間投入，甚至占據(jù)整個(gè)AI應(yīng)用開(kāi)發(fā)周期的一半以上。

　　為了解決上述問(wèn)題，一方面，企業(yè)需要重視數(shù)據(jù)中臺(tái)等數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，為AI應(yīng)用開(kāi)發(fā)提供基本能力，包括數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)實(shí)體化、數(shù)據(jù)服務(wù)統(tǒng)一化等;通過(guò)搭建數(shù)據(jù)中臺(tái)應(yīng)用，還能提供數(shù)據(jù)處理的智能化需求，包括智能數(shù)據(jù)模型、關(guān)聯(lián)分析、主成分分析、異常點(diǎn)分析等。

　　其次，越來(lái)越多企業(yè)開(kāi)始在數(shù)據(jù)治理過(guò)程中結(jié)合AI技術(shù)，提升數(shù)據(jù)處理的效率。在數(shù)據(jù)接入、數(shù)據(jù)清洗、數(shù)據(jù)模型管理、元數(shù)據(jù)管理、數(shù)據(jù)安全等方面，AI技術(shù)都可在其中發(fā)揮作用。

　　數(shù)據(jù)接入。利用OCR、NLP和機(jī)器學(xué)習(xí)等技術(shù)，自動(dòng)化批量接入同源異構(gòu)數(shù)據(jù)。

　　數(shù)據(jù)清洗。基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)通過(guò)提取有效的數(shù)據(jù)質(zhì)量評(píng)估指標(biāo)，實(shí)現(xiàn)數(shù)據(jù)清洗自動(dòng)化;利用機(jī)器學(xué)習(xí)、NLP技術(shù)建立重復(fù)識(shí)別匹配規(guī)則和匹配鏈接規(guī)則，對(duì)多個(gè)系統(tǒng)中的同一數(shù)據(jù)項(xiàng)進(jìn)行匹配和合并。

　　數(shù)據(jù)模型管理。利用知識(shí)圖譜技術(shù)，采用語(yǔ)義網(wǎng)絡(luò)架構(gòu)中RDF模型表示數(shù)據(jù)，構(gòu)建包含主體、屬性和客體的知識(shí)圖譜數(shù)據(jù)集，實(shí)現(xiàn)概念模型與計(jì)算機(jī)模型的融合。

　　元數(shù)據(jù)管理。利用語(yǔ)音識(shí)別、CV、文本分析等技術(shù)實(shí)現(xiàn)企業(yè)元數(shù)據(jù)的業(yè)務(wù)詞庫(kù)的構(gòu)建，成為提取各類(lèi)有價(jià)值的非結(jié)構(gòu)化元數(shù)據(jù)的資源池。

　　數(shù)據(jù)安全�；�于機(jī)器學(xué)習(xí)、NLP和文本聚類(lèi)分類(lèi)技術(shù)，對(duì)數(shù)據(jù)進(jìn)行基于內(nèi)容的實(shí)時(shí)精準(zhǔn)分類(lèi)分級(jí)，防止重要數(shù)據(jù)泄露。

　　搭建數(shù)據(jù)中臺(tái)，某商業(yè)銀行實(shí)現(xiàn)數(shù)據(jù)服務(wù)敏捷交付，支撐AI智能化應(yīng)用

　　總部位于杭州的浙江某商業(yè)銀行(以下稱(chēng)“該銀行”)成立于1987年，2005年完成股份制改造，2006年由地方城市信用社改建為商業(yè)銀行，致力于做小微企業(yè)和市場(chǎng)商戶(hù)的商貿(mào)金融伙伴。

　　幾年前大數(shù)據(jù)浪潮興起時(shí)，該銀行在傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)之上拓展搭建了大數(shù)據(jù)平臺(tái)，并與多家廠商合作，建設(shè)了多個(gè)大數(shù)據(jù)相關(guān)系統(tǒng)，但是系統(tǒng)間聯(lián)動(dòng)能力較差。這就導(dǎo)致了數(shù)據(jù)需求被多個(gè)操作人員轉(zhuǎn)化成了數(shù)以萬(wàn)計(jì)的ETL任務(wù)，散落在幾千張表中，無(wú)法形成有效的數(shù)據(jù)資產(chǎn)。

　　配合數(shù)字化轉(zhuǎn)型戰(zhàn)略的實(shí)施，該銀行成立了數(shù)字金融部，作為數(shù)據(jù)管控和服務(wù)的一級(jí)部門(mén)，主要負(fù)責(zé)數(shù)據(jù)資產(chǎn)的管理和對(duì)接業(yè)務(wù)部門(mén)的數(shù)據(jù)需求。通常，業(yè)務(wù)部門(mén)提出需求后，管控部門(mén)首先去理解相關(guān)需求指標(biāo)，定位源數(shù)據(jù)表和數(shù)據(jù)本體，再分析指標(biāo)如何計(jì)算實(shí)現(xiàn)，然后提交科技部門(mén)開(kāi)始開(kāi)發(fā)測(cè)試工作，完成后通知業(yè)務(wù)進(jìn)行結(jié)果確認(rèn)，最后進(jìn)行批量的后臺(tái)處理。

　　這一系列流程周期長(zhǎng)，從幾周到幾個(gè)月不等。對(duì)于業(yè)務(wù)部門(mén)，數(shù)據(jù)需求排期流程十分漫長(zhǎng)，過(guò)程中與開(kāi)發(fā)人員反復(fù)確認(rèn)口徑，溝通成本高。由于缺少友好的自助分析工具，過(guò)于技術(shù)化難以理解;對(duì)于科技部門(mén)，業(yè)務(wù)部門(mén)反復(fù)提出取數(shù)需求，擠占大量開(kāi)發(fā)人員時(shí)間，無(wú)暇顧及更高價(jià)值的業(yè)務(wù)分析或AI類(lèi)需求。

　　總結(jié)來(lái)看，該銀行面臨數(shù)據(jù)需求兌付緩慢的痛點(diǎn)，主要有三個(gè)方面的原因：第一，系統(tǒng)聯(lián)動(dòng)能力差，無(wú)法形成統(tǒng)一的數(shù)據(jù)資產(chǎn)，新場(chǎng)景開(kāi)發(fā)難以復(fù)用已積累的數(shù)據(jù)資產(chǎn)，需要重新取數(shù);第二，取數(shù)工作流程長(zhǎng)，耗時(shí)長(zhǎng);第三，數(shù)據(jù)分析依賴(lài)于開(kāi)發(fā)人員用繁瑣的代碼完成，技術(shù)門(mén)檻高，開(kāi)發(fā)效率低。

　　為了解決以上問(wèn)題，該銀行經(jīng)過(guò)慎重考核，選擇了山景智能作為合作伙伴。山景智能是一家面向未來(lái)銀行的數(shù)據(jù)及業(yè)務(wù)智能服務(wù)提供商，旨在幫助金融機(jī)構(gòu)構(gòu)建和提升數(shù)據(jù)資產(chǎn)及AI智能化服務(wù)能力，目前已推出智能數(shù)據(jù)平臺(tái)-星際STELLA、智能AI平臺(tái)-星云NEBULA、智能業(yè)務(wù)平臺(tái)-覺(jué)醒AWAKE、全流程敏捷開(kāi)發(fā)管理平臺(tái)系列自研產(chǎn)品。

　　經(jīng)過(guò)深入的調(diào)研后，山景智能為該銀行搭建了一套業(yè)務(wù)中臺(tái)和數(shù)據(jù)中臺(tái)，通過(guò)數(shù)據(jù)資產(chǎn)化將行內(nèi)此前數(shù)據(jù)治理的成果串聯(lián)，同時(shí)滿(mǎn)足離線、實(shí)時(shí)數(shù)據(jù)查詢(xún)、分析需求。

　　管用一體，支撐數(shù)據(jù)需求的敏捷交付

　　在本次合作中，該銀行主要做了三個(gè)方面的工作。

　　首先，對(duì)該銀行原有技術(shù)平臺(tái)進(jìn)行串聯(lián)整合，以集中API化的方式在山景智能的底層數(shù)據(jù)服務(wù)平臺(tái)進(jìn)行統(tǒng)一的數(shù)據(jù)調(diào)用。一方面，所有資產(chǎn)發(fā)布必須與行內(nèi)現(xiàn)行的基礎(chǔ)數(shù)據(jù)標(biāo)準(zhǔn)和指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)對(duì)標(biāo)�；�礎(chǔ)數(shù)據(jù)資產(chǎn)的發(fā)布對(duì)接該銀行現(xiàn)有數(shù)據(jù)倉(cāng)庫(kù)(Oracle， Teradata)或者大數(shù)據(jù)平臺(tái)(CDH、TDH等)。另一方面，各類(lèi)報(bào)表、AI、數(shù)據(jù)應(yīng)用和數(shù)據(jù)API均基于發(fā)布后的數(shù)據(jù)資產(chǎn)進(jìn)行封裝或衍生。保證了數(shù)據(jù)可基于同一套標(biāo)準(zhǔn)進(jìn)行管控，并且保證了數(shù)據(jù)入口和出口的統(tǒng)一。

　　其次，山景智能為該銀行制定了數(shù)據(jù)資產(chǎn)的規(guī)劃項(xiàng)目，讓科技部門(mén)用貼近業(yè)務(wù)的語(yǔ)言準(zhǔn)確表達(dá)需求，并將該需求自動(dòng)生成為數(shù)據(jù)資產(chǎn)，避免實(shí)現(xiàn)過(guò)程中的理解差異與反復(fù)，也讓科技部門(mén)更好的復(fù)用數(shù)據(jù)資產(chǎn)，實(shí)現(xiàn)快速交付。

　　具體而言，在數(shù)據(jù)資產(chǎn)化的環(huán)節(jié)，山景智能采用本體建模的方法，基于面向業(yè)務(wù)的語(yǔ)言構(gòu)建數(shù)據(jù)資產(chǎn)，映射元數(shù)據(jù)，進(jìn)而形成全行級(jí)的知識(shí)圖譜。隨后，以樂(lè)高積木的方式對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行拼裝，數(shù)據(jù)資產(chǎn)的衍生通過(guò)配置實(shí)現(xiàn)，便于追溯，保證資產(chǎn)的可復(fù)用性。并以圖形化對(duì)數(shù)據(jù)血緣進(jìn)行展示，這樣可以更好的反應(yīng)數(shù)據(jù)資產(chǎn)或數(shù)據(jù)標(biāo)準(zhǔn)的系統(tǒng)分布�；�于數(shù)據(jù)資產(chǎn)外放的指標(biāo)庫(kù)、標(biāo)簽庫(kù)、API庫(kù)，用戶(hù)自定義形成的查詢(xún)、分析、模型、報(bào)表構(gòu)成了數(shù)據(jù)應(yīng)用市場(chǎng)，最終實(shí)現(xiàn)場(chǎng)景賦能。

　　在數(shù)據(jù)中臺(tái)的模式下，從業(yè)務(wù)需求到數(shù)據(jù)資產(chǎn)化的整個(gè)過(guò)程實(shí)現(xiàn)了閉環(huán)。業(yè)務(wù)人員提出需求后，需求隨后流轉(zhuǎn)到數(shù)據(jù)資產(chǎn)管理部(即數(shù)據(jù)金融部)，數(shù)據(jù)資產(chǎn)管理人員對(duì)需求的業(yè)務(wù)指標(biāo)進(jìn)行分析，如果發(fā)現(xiàn)該指標(biāo)已存在于數(shù)據(jù)平臺(tái)中，則直接進(jìn)行資產(chǎn)發(fā)布;反之，管控人員會(huì)將需求轉(zhuǎn)達(dá)至科技部開(kāi)發(fā)人員，進(jìn)行模型研發(fā)工作，根據(jù)需求自動(dòng)生成數(shù)據(jù)資產(chǎn)。

　　最后，在數(shù)據(jù)應(yīng)用的環(huán)節(jié)，山景智能的數(shù)據(jù)中臺(tái)可對(duì)衍生數(shù)據(jù)需求開(kāi)發(fā)轉(zhuǎn)化成配置任務(wù)，實(shí)現(xiàn)SQL的自動(dòng)生成同時(shí)，平臺(tái)開(kāi)放自助取數(shù)、自助分析的功能，可幫助業(yè)務(wù)用戶(hù)、數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家更高效的產(chǎn)出數(shù)據(jù)洞察。

　　山景智能提供的業(yè)務(wù)中臺(tái)和數(shù)據(jù)中臺(tái)幫助該銀行實(shí)現(xiàn)了數(shù)據(jù)需求的敏捷交付，交付速度從月降到了天。效果體現(xiàn)在以下三個(gè)方面。

　　1. 建立統(tǒng)一的數(shù)據(jù)資產(chǎn)，實(shí)現(xiàn)可復(fù)用：本次合作項(xiàng)目主要對(duì)接的是該銀行的小微部和零售部，已經(jīng)建立的指標(biāo)庫(kù)已能夠滿(mǎn)足這兩個(gè)部門(mén)對(duì)數(shù)據(jù)使用的基本需求，日常所需的大部分報(bào)表都可通過(guò)數(shù)據(jù)中臺(tái)實(shí)現(xiàn)自動(dòng)獲取。截至目前，該銀行的數(shù)據(jù)中臺(tái)利用數(shù)據(jù)資產(chǎn)基于需求自動(dòng)生成的方法構(gòu)建了近500個(gè)指標(biāo)。2. 建設(shè)了數(shù)據(jù)中臺(tái)后，該銀行的業(yè)務(wù)部門(mén)、數(shù)字金融部以及科技部門(mén)的工作流得到了很好的改善。3. 科技開(kāi)發(fā)人員不再需要用繁瑣的代碼實(shí)現(xiàn)業(yè)務(wù)需求，提升了交付速度。

　　此外，基于山景智能的業(yè)務(wù)中臺(tái)和數(shù)據(jù)中臺(tái)，該銀行建立了強(qiáng)大的數(shù)據(jù)資產(chǎn)管理和服務(wù)能力，在上層實(shí)現(xiàn)了智能營(yíng)銷(xiāo)、智能運(yùn)營(yíng)等AI智能化應(yīng)用。

　　2)模型開(kāi)發(fā)的工程化：從“煙囪式”架構(gòu)到“中臺(tái)”架構(gòu)

　　傳統(tǒng)上，企業(yè)部署AI應(yīng)用，一般通過(guò)單點(diǎn)開(kāi)發(fā)的方式，即“煙囪式”架構(gòu)部署AI應(yīng)用。海量AI應(yīng)用場(chǎng)景爆發(fā)使得原來(lái)傳統(tǒng)的“煙囪式“AI開(kāi)發(fā)流程無(wú)法跟上業(yè)務(wù)的快速變化，開(kāi)發(fā)速度慢、周期長(zhǎng)。

　　越來(lái)越多的企業(yè)開(kāi)始采取工程化的建設(shè)思路以應(yīng)對(duì)這一問(wèn)題，通過(guò)建設(shè)統(tǒng)一的AI底層平臺(tái)，實(shí)現(xiàn)上層AI應(yīng)用的自動(dòng)開(kāi)發(fā)，以此縮短AI應(yīng)用開(kāi)發(fā)的周期，增強(qiáng)對(duì)業(yè)務(wù)響應(yīng)的敏捷性，并降低總體AI開(kāi)發(fā)的成本。

　　AI工程化建設(shè)可劃分?jǐn)?shù)據(jù)治理和AI模型工程化兩大環(huán)節(jié)，在全生命周期中都可利用AI技術(shù)提升效率，而以工程化的建設(shè)思路可在多個(gè)環(huán)節(jié)中實(shí)現(xiàn)流程自動(dòng)化，加速AI模型的快速、批量搭建。

　　建模流程自動(dòng)化的實(shí)現(xiàn)主要依賴(lài)AI中臺(tái)的搭建。一般而言，廠商提供的AI中臺(tái)產(chǎn)品包括四大模塊：開(kāi)發(fā)平臺(tái)層、資產(chǎn)層、業(yè)務(wù)邏輯層、平臺(tái)管理層。

　　開(kāi)發(fā)平臺(tái)層：主要負(fù)責(zé)數(shù)據(jù)處理、模型訓(xùn)練與發(fā)布。數(shù)據(jù)處理主要包括訪問(wèn)數(shù)據(jù)中臺(tái)、數(shù)據(jù)庫(kù)或其他數(shù)據(jù)存儲(chǔ)系統(tǒng)的數(shù)據(jù)，并提供數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)分析和特征工程等能力;模型訓(xùn)練提供多種建模方式，如可視化拖拉拽建模、Notebook建模等。

　　資產(chǎn)層：包括算法庫(kù)&樣本庫(kù)，內(nèi)置特征工程、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和NLP等AI算子和大量AutoML模塊。企業(yè)可將算法封裝稱(chēng)獨(dú)立算子，可供直接調(diào)用。

　　業(yè)務(wù)邏輯層：主要是指根據(jù)對(duì)業(yè)務(wù)需求的理解，提供可復(fù)用的建模方案模板、服務(wù)編排等能力。業(yè)務(wù)邏輯層能夠?qū)⑺惴�能力包裝稱(chēng)AI組件。

　　平臺(tái)管理層：負(fù)責(zé)角色權(quán)限管理、賬戶(hù)管理、資源統(tǒng)一管理等功能。

　　數(shù)據(jù)治理后，在特征工程、模型訓(xùn)練、模型評(píng)估、模型管理等環(huán)節(jié)中，以AI中臺(tái)的思路可助力整個(gè)建模流程實(shí)現(xiàn)自動(dòng)化。如在特征工程環(huán)節(jié)，基于AI中臺(tái)，可內(nèi)置實(shí)時(shí)特征計(jì)算引擎技術(shù)，提供自動(dòng)特征組合、可視化特征重要性評(píng)估等;在模型訓(xùn)練環(huán)節(jié)，可實(shí)現(xiàn)拖拉拽流程建模以及自動(dòng)模型調(diào)參;在模型評(píng)估環(huán)節(jié)，可實(shí)現(xiàn)可視化模型效果展示;在模型管理環(huán)節(jié)，模型中心提供對(duì)平臺(tái)開(kāi)發(fā)模型的統(tǒng)一管理能力。

　　某全國(guó)性商業(yè)銀行，從總行到分行智能外呼、智能客戶(hù)等AI應(yīng)用需求爆發(fā)，在AI建設(shè)初期，由于缺乏經(jīng)驗(yàn)和全局規(guī)劃，各個(gè)部門(mén)各自為政，建設(shè)了多套NLP系統(tǒng)，無(wú)法進(jìn)行統(tǒng)一管理及規(guī)范化輸出，優(yōu)化模型也無(wú)法共享。同時(shí)，多個(gè)系統(tǒng)的存在還必須分別投入運(yùn)維團(tuán)隊(duì)進(jìn)行管理。

　　該銀行搭建了一套AI平臺(tái)，底層的NLP能力統(tǒng)一由一家國(guó)內(nèi)領(lǐng)先的人工智能客服廠商提供。AI平臺(tái)提供統(tǒng)一的平臺(tái)化管理能力，提供標(biāo)準(zhǔn)的自然語(yǔ)言處理服務(wù)，只需在平臺(tái)上進(jìn)行少量的個(gè)性化設(shè)置，即可完成不同業(yè)務(wù)場(chǎng)景的機(jī)器人的搭建。

　　借助NLP平臺(tái)，該銀行目前完成了總行全渠道運(yùn)營(yíng)智能客服、總行RCS貸款問(wèn)答機(jī)器人、財(cái)富問(wèn)問(wèn)在線機(jī)器人以及人力客服機(jī)器人等建設(shè)。目前該銀行還將基于NLP平臺(tái)進(jìn)行分行的機(jī)器人搭建，由于前期已完成了NLP平臺(tái)的搭建工作，新機(jī)器人的建設(shè)可以基于同一套知識(shí)庫(kù)進(jìn)行，簡(jiǎn)單快捷，基本不需要額外的成本投入。

　　3.人工智能落地進(jìn)展與實(shí)踐案例

　　2020年，人工智能技術(shù)落地進(jìn)展加快，尤其是新冠疫情爆發(fā)加快了AI技術(shù)的落地。面對(duì)此次疫情出現(xiàn)的種種問(wèn)題，以人工智能為主的數(shù)字技術(shù)為疫情防控提供了可靠的應(yīng)對(duì)工具，在醫(yī)療和城市治理等多個(gè)領(lǐng)域中釋放應(yīng)用價(jià)值。

　　例如在醫(yī)療領(lǐng)域，AI圖像識(shí)別的應(yīng)用，大大提升了醫(yī)療效率。比如，在疫情期間，湖北多家醫(yī)院聯(lián)合國(guó)內(nèi)一家大型互聯(lián)網(wǎng)和AI廠商，部署了人工智能CT設(shè)備，利用AI醫(yī)學(xué)影像產(chǎn)品，輔助醫(yī)護(hù)人員診療。在患者做完CT檢查后，設(shè)備數(shù)秒就可以完成AI識(shí)別，在一分鐘內(nèi)為醫(yī)生提供輔助診斷參考，診斷效率提升數(shù)倍。

　　在城市治理方面，人工智能技術(shù)廣泛應(yīng)用于社區(qū)防疫、智慧政務(wù)等場(chǎng)景中。比如，疫情期間，大量社區(qū)安裝了帶有AI算法的智能攝像頭、熱成像門(mén)禁機(jī)等設(shè)備，具備實(shí)時(shí)身份認(rèn)證、測(cè)量體溫以及預(yù)警記錄上報(bào)等功能。此外，在政務(wù)領(lǐng)域，智能客服等應(yīng)用可以完成自動(dòng)外呼等功能，與轄區(qū)內(nèi)居民聯(lián)絡(luò)，進(jìn)行人機(jī)對(duì)話(huà);智能機(jī)器人還能自動(dòng)生成防疫統(tǒng)計(jì)報(bào)告，不僅提升了工作效率，還避免了信息采集人員與居民交叉感染的風(fēng)險(xiǎn)。

　　本章將重點(diǎn)分析人工智能在不同行業(yè)的最新應(yīng)用進(jìn)展。我們將以金融、消費(fèi)品與零售、政府與公共服務(wù)、醫(yī)療與醫(yī)藥以及房地產(chǎn)與建筑五大AI應(yīng)用較廣泛的行業(yè)為例，嘗試對(duì)相關(guān)AI應(yīng)用場(chǎng)景的成熟度以及新應(yīng)用場(chǎng)景情況進(jìn)行剖析，并展示相關(guān)成熟的應(yīng)用案例。

　　3.1.金融

　　金融行業(yè)仍然是目前人工智能應(yīng)用最為成熟的領(lǐng)域。金融業(yè)的業(yè)務(wù)流程大致包括產(chǎn)品設(shè)計(jì)研發(fā)、營(yíng)銷(xiāo)與銷(xiāo)售、風(fēng)險(xiǎn)管理和支持性業(yè)務(wù)四個(gè)方面，在這四個(gè)業(yè)務(wù)環(huán)節(jié)，都已有眾多成熟的AI應(yīng)用場(chǎng)景。下圖展示了當(dāng)前人工智能在金融行業(yè)產(chǎn)業(yè)鏈不同環(huán)節(jié)各個(gè)應(yīng)用場(chǎng)景的成熟度。

　　當(dāng)前，隨著銀行業(yè)進(jìn)入長(zhǎng)期低增長(zhǎng)的“存量時(shí)代”，企業(yè)普遍更加重視通過(guò)智能化手段提高經(jīng)營(yíng)效率和增加收入，而構(gòu)建營(yíng)銷(xiāo)風(fēng)控一體化的管理體系，成為了銀行業(yè)數(shù)字化轉(zhuǎn)型的核心環(huán)節(jié)。

　　在營(yíng)銷(xiāo)與銷(xiāo)售方面，企業(yè)更加注重挖掘存量用戶(hù)的價(jià)值，在用戶(hù)場(chǎng)景、用戶(hù)洞察、用戶(hù)觸達(dá)、用戶(hù)轉(zhuǎn)化、用戶(hù)運(yùn)營(yíng)等方全生命周期中，在各個(gè)環(huán)節(jié)中通過(guò)AI技術(shù)實(shí)現(xiàn)銷(xiāo)售閉環(huán)。比如在用戶(hù)洞察環(huán)節(jié)，銀行業(yè)企業(yè)普遍面臨對(duì)消費(fèi)者數(shù)據(jù)開(kāi)發(fā)不足的問(wèn)題，AI技術(shù)的加持能夠?qū)崿F(xiàn)更深層次的客戶(hù)洞察，基于多維度的用戶(hù)數(shù)據(jù)構(gòu)建用戶(hù)畫(huà)像，實(shí)現(xiàn)更精準(zhǔn)的用戶(hù)觸達(dá)。

　　風(fēng)控方面，目前國(guó)內(nèi)銀行在零售信貸風(fēng)險(xiǎn)管理領(lǐng)域的AI應(yīng)用實(shí)踐主要集中在貸前反欺詐、貸前授信審批、貸中預(yù)警和貸后處置四個(gè)方面。以貸前和貸中階段為例，銀行和消費(fèi)金融公司能基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)，利用已有的用戶(hù)標(biāo)簽建立資質(zhì)擋板，構(gòu)建人群基礎(chǔ)畫(huà)像。并在此之上進(jìn)行后續(xù)環(huán)節(jié)的風(fēng)險(xiǎn)篩查，覆蓋貸前風(fēng)險(xiǎn)識(shí)別和定額，以及貸中實(shí)時(shí)監(jiān)測(cè)預(yù)警。

　　與此同時(shí)，除了傳統(tǒng)營(yíng)銷(xiāo)與風(fēng)控場(chǎng)景，AI在金融業(yè)的應(yīng)用逐漸滲透至監(jiān)管領(lǐng)域。金融監(jiān)管政策制定涉及多方利益，往往牽一發(fā)而動(dòng)全身，通過(guò)引入深度學(xué)習(xí)等AI技術(shù)，可對(duì)政策帶來(lái)的影響進(jìn)行分析預(yù)測(cè)，輔助監(jiān)管措施的制定。

　　某期貨交易所搭建AI預(yù)測(cè)模型，提升智能決策水平

　　期貨市場(chǎng)連接實(shí)體經(jīng)濟(jì)和金融市場(chǎng)，有效彌補(bǔ)了現(xiàn)貨市場(chǎng)的不足，對(duì)于穩(wěn)定與促進(jìn)市場(chǎng)經(jīng)濟(jì)發(fā)展發(fā)揮著重要作用。

　　保證金標(biāo)準(zhǔn)、漲跌停板幅度、交易手續(xù)費(fèi)等措施是期貨交易所開(kāi)展市場(chǎng)監(jiān)管的重要手段。以往，交易規(guī)則制定往往基于專(zhuān)家經(jīng)驗(yàn)和規(guī)則作為決策的主要依據(jù)，但市場(chǎng)隨時(shí)都在發(fā)生變化，過(guò)去的規(guī)則經(jīng)驗(yàn)往往對(duì)當(dāng)下的市場(chǎng)反應(yīng)估計(jì)不足。

　　尤其是針對(duì)高頻交易場(chǎng)景，這一問(wèn)題更為凸顯。高頻交易數(shù)據(jù)量大，噪聲多，數(shù)據(jù)類(lèi)型較為單一。而高頻度違規(guī)的交易模式，如頻繁撤單、自買(mǎi)自賣(mài)，虛假報(bào)單等，卻隱藏于這海量的交易數(shù)據(jù)當(dāng)中，十分不易發(fā)現(xiàn)。過(guò)去通過(guò)人工識(shí)別的異常交易手段已無(wú)法滿(mǎn)足龐雜的金融數(shù)據(jù)及瞬息萬(wàn)變的市場(chǎng)操作。

　　此外，在針對(duì)交易行為監(jiān)控方面，以往，交易所的審批工作都是基于人工完成，費(fèi)時(shí)耗力，業(yè)務(wù)響應(yīng)效率低。

　　在這一背景下，某期貨交易所選擇了星環(huán)科技作為合作伙伴，以解決以上痛點(diǎn)。星環(huán)科技成立于2013年，專(zhuān)注于企業(yè)級(jí)容器云計(jì)算、大數(shù)據(jù)和人工智能核心平臺(tái)的產(chǎn)品研發(fā)，目前公司建立了多個(gè)產(chǎn)品系列：基于容器的智能大數(shù)據(jù)云平臺(tái)TDC、一站式大數(shù)據(jù)平臺(tái)TDH以及智子人工智能平臺(tái)Transwarp Sophon等。

　　星環(huán)科技利用數(shù)據(jù)科學(xué)平臺(tái)的機(jī)器學(xué)習(xí)及深度學(xué)習(xí)技術(shù)，為該期貨交易所搭建了深度神經(jīng)網(wǎng)絡(luò)模型，應(yīng)用在交易規(guī)則制定、交易異常行為識(shí)別以及套期保值額度審批三個(gè)場(chǎng)景中。對(duì)應(yīng)這三個(gè)場(chǎng)景，星環(huán)科技為該期貨交易所分別搭建了三個(gè)系統(tǒng)——監(jiān)管措施輔助決策系統(tǒng)、異常交易識(shí)別系統(tǒng)以及套期保值審批額度推薦系統(tǒng)。

　　輔助交易規(guī)則制定，政策制定更審慎合理

　　交易規(guī)則調(diào)整屬于低頻度行為，過(guò)往數(shù)據(jù)較少、歷史數(shù)據(jù)信噪比低。此外，期貨交易品種間交易特性也并非完全一樣，這對(duì)模型的算法能力提出了更高要求。

　　考慮這一難點(diǎn)，在搭建監(jiān)管措施輔助決策系統(tǒng)時(shí)，星環(huán)科技最終選用了Seq2Seq和專(zhuān)家規(guī)則的場(chǎng)景融合算法。星環(huán)科技提供的監(jiān)管措施輔助決策系統(tǒng)結(jié)合歷史措施調(diào)整情況和大量歷史數(shù)據(jù)，建立監(jiān)管參數(shù)目標(biāo)值與市場(chǎng)運(yùn)行情況的關(guān)系模型，深度分析并挖掘不同的監(jiān)管措施目標(biāo)值可能對(duì)市場(chǎng)產(chǎn)生的影響(交易量、持倉(cāng)量變化等)。能夠在政策措施出臺(tái)前，評(píng)估某一政策對(duì)期貨市場(chǎng)產(chǎn)生的影響，提供交易規(guī)則措施制定的輔助決策，使得政策更加審慎合理。

　　如上圖所示，數(shù)據(jù)清洗加工環(huán)節(jié)采用星環(huán)TDH大數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)的抽取、清洗、存儲(chǔ)和加工;隨后，基于星環(huán)TDH并結(jié)合TensorFlow框架進(jìn)行數(shù)據(jù)輸入，通過(guò)星環(huán)人工智能平臺(tái)Sophon協(xié)作開(kāi)發(fā)，采用Seq2Seq深度學(xué)習(xí)相關(guān)技術(shù)進(jìn)行算法建模。

　　在建模過(guò)程中，采用專(zhuān)家經(jīng)驗(yàn)機(jī)器學(xué)習(xí)相結(jié)合的方式進(jìn)行規(guī)則發(fā)現(xiàn)，基于星環(huán)Slipstream 進(jìn)行規(guī)則計(jì)算，利用星環(huán)最新發(fā)布的 FIDE 規(guī)則引擎平臺(tái)進(jìn)行規(guī)則決策，結(jié)合指標(biāo)計(jì)算模塊實(shí)時(shí)計(jì)算的能力，對(duì)AI模型特征進(jìn)行實(shí)時(shí)的計(jì)算，以獲取AI模型在實(shí)時(shí)業(yè)務(wù)的場(chǎng)景下完成模型的實(shí)時(shí)預(yù)測(cè)，并結(jié)合決策引擎對(duì)于模型/規(guī)則的管理，實(shí)現(xiàn)專(zhuān)家規(guī)則+AI 模型的雙軌制決策模式， 增強(qiáng)了AI模型在業(yè)務(wù)場(chǎng)景中的應(yīng)用可解釋性。

　　最后，通過(guò) Sophon 模型API進(jìn)行發(fā)布，快速上線并可以定時(shí)更新模型，增量更新模型質(zhì)量的需求，方便維護(hù)。并對(duì)接下游應(yīng)用系統(tǒng)、可視化BI系統(tǒng)、實(shí)時(shí)監(jiān)控大屏的業(yè)務(wù)終端，從而最終完成模型上線閉環(huán)打通。

　　該模型實(shí)現(xiàn)系統(tǒng)查詢(xún)響應(yīng)時(shí)間在3秒以下;所有涉及智能化算法執(zhí)行響應(yīng)時(shí)間在5分鐘以?xún)?nèi);模型日常訓(xùn)練、迭代及批處理時(shí)長(zhǎng)則在一小時(shí)以?xún)?nèi)。

　　異常交易識(shí)別系統(tǒng)，快速鎖定異常行為

　　星環(huán)科技為該期貨交易所提供的異常交易(交易模式)識(shí)別系統(tǒng)，通過(guò)星環(huán)一站式大數(shù)據(jù)平臺(tái)TDH和企業(yè)級(jí)人工智能平臺(tái) Transwarp Sophon 共同構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，結(jié)合波動(dòng)率、持倉(cāng)量、基差、價(jià)差等衍生品定價(jià)等時(shí)序波動(dòng)特征識(shí)別異常交易模式，提前預(yù)測(cè)市場(chǎng)風(fēng)險(xiǎn)。

　　星環(huán)科技的高頻交易模式識(shí)別模型可以根據(jù)定單、交易、持倉(cāng)等一系列分析維度，結(jié)合日內(nèi)K線(秒級(jí)、分鐘級(jí))以及定單薄狀態(tài)，分析高頻交易客戶(hù)定單觸發(fā)條件以及交易行為，總結(jié)交易模式(或策略)，生成相應(yīng)的交易模式(特征)報(bào)告，通過(guò)圖形化方式展示客戶(hù)交易特征。

　　此外，系統(tǒng)可構(gòu)建異常交易客戶(hù)標(biāo)簽體系，通過(guò)輸出異常交易的客戶(hù)特征標(biāo)簽，建立異常交易客戶(hù)畫(huà)像。系統(tǒng)還可以生成市場(chǎng)交易模式報(bào)告，根據(jù)選定的客戶(hù)群體，結(jié)合異常交易(交易模式)識(shí)別算法輸出結(jié)果，以及所選客戶(hù)的特征閾值生成對(duì)應(yīng)交易模式報(bào)告。

　　異常交易(交易模式)識(shí)別系統(tǒng)上線后，該期貨交易所通過(guò)構(gòu)建客戶(hù)畫(huà)像，能夠更精準(zhǔn)的識(shí)別不同客戶(hù)的風(fēng)險(xiǎn)，更及時(shí)發(fā)現(xiàn)異常交易。

　　套期保值審批額度推薦系統(tǒng)，實(shí)現(xiàn)審批自動(dòng)化、智能化

　　在期貨市場(chǎng)中，生產(chǎn)經(jīng)營(yíng)者通過(guò)進(jìn)行套期保值業(yè)務(wù)來(lái)回避現(xiàn)貨交易中價(jià)格波動(dòng)帶來(lái)的風(fēng)險(xiǎn)，鎖定生產(chǎn)經(jīng)營(yíng)成本，實(shí)現(xiàn)預(yù)期利潤(rùn)。針對(duì)套期保值交易，交易所執(zhí)行的是套期保值額度審批制度，即各合約同一方向套期保值持倉(cāng)合計(jì)不得超過(guò)該方向獲批的套期保值額度。交易所實(shí)行套期保值額度審批制度。

　　該期貨交易所與星環(huán)科技合作上線了套期保值審批額度推薦系統(tǒng)。在準(zhǔn)確理解業(yè)務(wù)，分場(chǎng)景、分品種大批量的應(yīng)用規(guī)則基礎(chǔ)上，系統(tǒng)完成建設(shè)了發(fā)現(xiàn)規(guī)則、配置指標(biāo)、配置規(guī)則、計(jì)算指標(biāo)、執(zhí)行規(guī)則等 5個(gè)核心步驟，能夠根據(jù)賬戶(hù)數(shù)據(jù)以外，結(jié)合合約風(fēng)險(xiǎn)、持倉(cāng)情況、倉(cāng)單情況、期現(xiàn)貨價(jià)格、合約間價(jià)差等數(shù)據(jù)，實(shí)現(xiàn)自動(dòng)化、智能化的即時(shí)套保額度計(jì)算預(yù)審批。

　　該系統(tǒng)的運(yùn)作流程如下：基于星環(huán) Slipstream模塊，建立實(shí)時(shí)流計(jì)算引擎和數(shù)據(jù)處理; 建立多維度的指標(biāo)定義功能模塊及靈活多變的配置功能模塊; 最后，基于星環(huán)FIDE規(guī)則引擎平臺(tái)進(jìn)行規(guī)則決策建立決策引擎，使得配置出來(lái)的規(guī)則都?jí)蚩焖賵?zhí)行出響應(yīng)的結(jié)果。

　　上線了星環(huán)科技的這套解決方案后，該期貨交易所實(shí)現(xiàn)了套期保值審批額度報(bào)表的自動(dòng)生成。套保審核人員可根據(jù)實(shí)際需要，針對(duì)不同品種、合約的一般月份套保以及臨近月份分別配置計(jì)算規(guī)則，用于規(guī)則額度的即時(shí)計(jì)算，并生成解釋性報(bào)告。額度推薦包括可以在會(huì)員提交套保申請(qǐng)后3分鐘內(nèi)完成推薦報(bào)告。此外，套保審核人員還可進(jìn)行參數(shù)配置，包括通用參數(shù)、品種(合約)具體規(guī)則等計(jì)算業(yè)務(wù)參數(shù)。

　　總體上，星環(huán)科技的監(jiān)管措施輔助決策系統(tǒng)、異常交易識(shí)別系統(tǒng)以及套期保值審批額度推薦系統(tǒng)上線后，該期貨交易所擺脫了以往純依賴(lài)人工和專(zhuān)家經(jīng)驗(yàn)的狀況，實(shí)現(xiàn)了更精準(zhǔn)的監(jiān)管決策和分析研判，更科學(xué)的交易規(guī)則政策制定，更快速的異常行為識(shí)別，更高的審批效率及更優(yōu)的用戶(hù)體驗(yàn)。

　　3.2.消費(fèi)品與零售

　　從價(jià)值鏈上看，消費(fèi)品與零售行業(yè)包含生產(chǎn)與采購(gòu)、分銷(xiāo)與流通以及營(yíng)銷(xiāo)與零售三大環(huán)節(jié)。得益于零售企業(yè)數(shù)字化轉(zhuǎn)型的努力，AI已在價(jià)值鏈的每個(gè)環(huán)節(jié)中有所應(yīng)用。

　　例如在生產(chǎn)與采購(gòu)環(huán)節(jié)，典型的AI應(yīng)用場(chǎng)景包括智能質(zhì)檢，利用機(jī)器視覺(jué)等AI技術(shù)可代替人力或者協(xié)助人力完成對(duì)缺陷商品進(jìn)行識(shí)別;在分銷(xiāo)與流通環(huán)節(jié)，有部分企業(yè)開(kāi)始嘗試使用AI技術(shù)，基于用戶(hù)數(shù)據(jù)、產(chǎn)業(yè)鏈上下游數(shù)據(jù)以及交通、天氣等外部，建立AI模型預(yù)測(cè)供應(yīng)鏈中斷，提前做好準(zhǔn)備。

　　總體來(lái)看，AI在消費(fèi)品與零售行業(yè)AI應(yīng)用的重心在終端營(yíng)銷(xiāo)和零售環(huán)節(jié)，原因在于消費(fèi)品與零售企業(yè)的經(jīng)營(yíng)模式以消費(fèi)者為中心，隨著獲客成本的升高，消費(fèi)品與零售企業(yè)需要增強(qiáng)營(yíng)銷(xiāo)方式上的競(jìng)爭(zhēng)力。

　　目前在營(yíng)銷(xiāo)與零售環(huán)節(jié)，AI技術(shù)的應(yīng)用已經(jīng)很成熟，大量零售品牌商已經(jīng)搭建了客戶(hù)數(shù)據(jù)平臺(tái)(CDP)，采集全渠道消費(fèi)者數(shù)據(jù)，基于深度學(xué)習(xí)、知識(shí)圖譜等AI技術(shù)，對(duì)數(shù)據(jù)進(jìn)行整合及分析，構(gòu)建統(tǒng)一用戶(hù)畫(huà)像，進(jìn)行深度的客戶(hù)洞察，更精準(zhǔn)的觸達(dá)潛在用戶(hù)、提升已有用戶(hù)的復(fù)購(gòu)率。

　　某個(gè)護(hù)小家電頭部品牌依托AI智能營(yíng)銷(xiāo)方案實(shí)現(xiàn)精準(zhǔn)運(yùn)營(yíng)

　　某京東自營(yíng)品牌下的個(gè)護(hù)小家電龍頭品牌商，其電動(dòng)牙刷、剃須刀品類(lèi)為全球領(lǐng)先品牌。隨著零售行業(yè)的迅猛發(fā)展，個(gè)護(hù)類(lèi)小家電越來(lái)越成為人們的一類(lèi)家電新寵，市場(chǎng)競(jìng)爭(zhēng)日益激烈，該品牌商希望能夠及時(shí)了解市場(chǎng)態(tài)勢(shì)，精準(zhǔn)定位和觸達(dá)消費(fèi)者群體，持續(xù)提升產(chǎn)品的創(chuàng)新能力，提升在家電領(lǐng)域的市場(chǎng)占有率和用戶(hù)滿(mǎn)意度。

　　該小家電品牌商過(guò)往的線上運(yùn)營(yíng)策略一般基于運(yùn)營(yíng)人員主觀經(jīng)驗(yàn)或者基于人工對(duì)內(nèi)部零散數(shù)據(jù)的分析，存在決策數(shù)據(jù)缺失、驗(yàn)證困難、驗(yàn)證周期長(zhǎng)等業(yè)務(wù)痛點(diǎn)。新的市場(chǎng)競(jìng)爭(zhēng)態(tài)勢(shì)需要品牌商深入洞察消費(fèi)者，了解關(guān)鍵群體的特征、購(gòu)物行為模式;需要基于可靠的消費(fèi)者數(shù)據(jù)分析做出精準(zhǔn)的營(yíng)銷(xiāo)和生產(chǎn)決策，包括促銷(xiāo)策略、運(yùn)營(yíng)方案優(yōu)化、生產(chǎn)設(shè)計(jì)等。

　　針對(duì)這一情況，該品牌與京東智聯(lián)云合作，采用智能服務(wù)解決方案。

　　智能服務(wù)解決方案的核心產(chǎn)品是智能供應(yīng)鏈決策引擎，經(jīng)歷了在京東集團(tuán)內(nèi)部應(yīng)用到對(duì)外輸出的過(guò)程。該方案基于大數(shù)據(jù)技術(shù)，通過(guò)結(jié)構(gòu)化分析，利用人工智能技術(shù)進(jìn)行深度建模，解析用戶(hù)購(gòu)買(mǎi)行為，最終在營(yíng)銷(xiāo)銷(xiāo)售、交易渠道、客戶(hù)服務(wù)以及生產(chǎn)設(shè)計(jì)四個(gè)具體場(chǎng)景向品牌商提出了切實(shí)可行的策略建議。

　　基于AI技術(shù)，全方位洞察用戶(hù)的消費(fèi)行為

　　京東智聯(lián)云的智能服務(wù)解決方案首先運(yùn)用人工智能及深度學(xué)習(xí)技術(shù)進(jìn)行數(shù)據(jù)處理，基于處理好的數(shù)據(jù)進(jìn)行模型訓(xùn)練、生成數(shù)據(jù)模型，利用模型模擬、推演刻畫(huà)消費(fèi)者的特質(zhì)以及決策路徑，最終形成決策建議，供客戶(hù)參考。

　　在數(shù)據(jù)處理過(guò)程中，運(yùn)用人工智能及深度學(xué)習(xí)技術(shù)，將非結(jié)構(gòu)化的商品數(shù)據(jù)、用戶(hù)大數(shù)據(jù)、評(píng)價(jià)信息轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。面對(duì)多樣的雜質(zhì)數(shù)據(jù)，京東智聯(lián)云進(jìn)行大批量數(shù)據(jù)清理，排除一些干擾用戶(hù)消費(fèi)行為分析預(yù)測(cè)的異常消費(fèi)行為，類(lèi)似包括大促、某些大型客戶(hù)一次性購(gòu)買(mǎi)等非常規(guī)行為往往對(duì)消費(fèi)者行為預(yù)測(cè)造成干擾。

　　數(shù)據(jù)處理之后，利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI算法解析用戶(hù)與商城的交互行為數(shù)據(jù)，深入洞察用戶(hù)行為背后的動(dòng)機(jī)，形成各類(lèi)消費(fèi)者行為模型，包括文本分析、評(píng)論分析、拉新、復(fù)購(gòu)、留存、人群擴(kuò)散以及銷(xiāo)量預(yù)估等�；�于生成的模型推演和刻畫(huà)出消費(fèi)者的特征和消費(fèi)路徑，例如基于拉新模型可在營(yíng)銷(xiāo)方面提出廣告投放等具體策略建議，供品牌商參考。

　　智能服務(wù)解決方案的模型是綜合考慮多方因素下行成的，并非基于孤立某類(lèi)數(shù)據(jù)。數(shù)據(jù)建模還會(huì)綜合考慮到同行業(yè)內(nèi)的其他變量，把品牌商放在全行業(yè)的視野下進(jìn)行考慮。例如，京東智聯(lián)云數(shù)據(jù)建模時(shí)會(huì)關(guān)聯(lián)考慮友商包括促銷(xiāo)等行為，這是因?yàn)樵谑袌?chǎng)規(guī)模一定的情況下，友商的行為可能帶來(lái)全行業(yè)的影響。

　　合作逐步推進(jìn)，業(yè)務(wù)場(chǎng)景不斷深化

　　此次項(xiàng)目共經(jīng)歷了三期，首期京東智聯(lián)云幫助該小家電品牌商搭建了基本的框架，第二期擴(kuò)展了消費(fèi)品類(lèi)，第三期擴(kuò)展了運(yùn)營(yíng)場(chǎng)景，是一個(gè)逐步遞進(jìn)的過(guò)程，實(shí)現(xiàn)應(yīng)用的業(yè)務(wù)場(chǎng)景也不斷深化，從一開(kāi)始僅涉及營(yíng)銷(xiāo)效率提升到最后實(shí)現(xiàn)產(chǎn)品創(chuàng)新。

　　在整個(gè)過(guò)程中，京東智聯(lián)云承擔(dān)了全部能力建設(shè)任務(wù)，同時(shí)，品牌商管理層、品類(lèi)、銷(xiāo)售等團(tuán)隊(duì)與京東采銷(xiāo)團(tuán)隊(duì)、京東AI團(tuán)隊(duì)及咨詢(xún)團(tuán)隊(duì)密切合作，對(duì)平臺(tái)進(jìn)行了充分的迭代。用于模型訓(xùn)練的數(shù)據(jù)持續(xù)不斷的進(jìn)行了更新，保證了輸出的決策建議可以跟據(jù)實(shí)時(shí)反映消費(fèi)者行為變化，保證分析預(yù)測(cè)結(jié)果實(shí)時(shí)性。

　　基于消費(fèi)者洞察，實(shí)現(xiàn)有效決策和精準(zhǔn)運(yùn)營(yíng)

　　京東智聯(lián)云提供的解決方案全面描畫(huà)出了該小家電品牌商的現(xiàn)有以及潛在消費(fèi)者畫(huà)像，清晰還原了用戶(hù)從搜索到商品詳情頁(yè)及購(gòu)物車(chē)的選品全路徑，還對(duì)消費(fèi)者作出決策的原因、營(yíng)銷(xiāo)策略對(duì)商品從入口到頁(yè)面的流量背后的原因等進(jìn)行了分析。

　　基于京東智聯(lián)云解決方案提供的消費(fèi)者洞察分析和策略建議，該小家電品牌商在營(yíng)銷(xiāo)運(yùn)營(yíng)和產(chǎn)品創(chuàng)新方面對(duì)經(jīng)營(yíng)決策進(jìn)行了改進(jìn)和優(yōu)化，取得了良好的效果。

　　在營(yíng)銷(xiāo)運(yùn)營(yíng)層面，方案對(duì)該小家電品牌商在剃須刀、電動(dòng)牙刷等五大門(mén)類(lèi)的產(chǎn)品都提出了具體可行的運(yùn)營(yíng)建議，比如應(yīng)該在哪些渠道(包括非京東渠道)進(jìn)行廣告投放、做活動(dòng)時(shí)的滿(mǎn)減策略等。公司在原有營(yíng)銷(xiāo)廣告投放等策略進(jìn)行了調(diào)整;CRM方面，強(qiáng)化了拉新、復(fù)購(gòu)和忠誠(chéng)度建設(shè)，同時(shí)還對(duì)品牌定位、店鋪設(shè)計(jì)和布局等層面作出了重要策略調(diào)整。

　　在產(chǎn)品創(chuàng)新層面，解決方案也給該小家電品牌商提出了具體的決策建議，包括品類(lèi)調(diào)整和產(chǎn)品設(shè)計(jì)等。支撐方案給出這類(lèi)建議的核心是平臺(tái)具備的算法能力，可以對(duì)消費(fèi)者的決策術(shù)進(jìn)行持續(xù)分析;根據(jù)用戶(hù)評(píng)論等數(shù)據(jù)結(jié)合該小家電品牌商的商品進(jìn)行分析，形成對(duì)品牌商品類(lèi)調(diào)整和產(chǎn)品設(shè)計(jì)的建議。

　　整體來(lái)看，該小家電品牌商采納了京東智聯(lián)云提供的方案后，在項(xiàng)目的一年周期內(nèi)，目標(biāo)商品的平均搜索點(diǎn)擊率提升25%，下單轉(zhuǎn)化率提升15%。

　　3.3.政府與公共服務(wù)

　　隨著新基建建設(shè)加快推進(jìn)，智慧城市項(xiàng)目在全國(guó)如火如荼展開(kāi)，以智慧基礎(chǔ)設(shè)施為主要特征的智慧城市建設(shè)進(jìn)入快車(chē)道。總體來(lái)看，在政府與公共服務(wù)領(lǐng)域，目前AI主要的應(yīng)用場(chǎng)景包括政務(wù)服務(wù)、智慧園區(qū)、城市安全和智慧交通四大方面。

　　進(jìn)入2020年，各地政府積極搭建類(lèi)似“一網(wǎng)通辦”等平臺(tái)，通過(guò)整合政府服務(wù)數(shù)據(jù)資源，搭建一體化在線政務(wù)服務(wù)平臺(tái)，簡(jiǎn)化居民獲取政務(wù)服務(wù)的流程。例如，為了優(yōu)化民眾新生兒落戶(hù)流程，浙江省政府依托“城市大腦”打通了出生醫(yī)學(xué)證明管理系統(tǒng)、人口信息管理系統(tǒng)、醫(yī)保辦理系統(tǒng)，實(shí)現(xiàn)了跨部門(mén)業(yè)務(wù)流程交互，通過(guò)“浙里辦”APP“出生一件事聯(lián)辦”應(yīng)用，新生兒父母在手機(jī)上即可一次性辦完所有證件。

　　在智慧園區(qū)的應(yīng)用場(chǎng)景中，AI技術(shù)應(yīng)用于園區(qū)商業(yè)規(guī)劃、園區(qū)安全管理等領(lǐng)域中。例如，園區(qū)管理者可以基于數(shù)據(jù)分析和算法模型，賦能園區(qū)進(jìn)行產(chǎn)業(yè)規(guī)劃、招商引資等;通過(guò)部署智能攝像頭、算法平臺(tái)等AI軟硬件設(shè)備，對(duì)園區(qū)內(nèi)環(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)，實(shí)時(shí)監(jiān)控環(huán)境，進(jìn)行訪客安全管理、停車(chē)管理等，保證園區(qū)內(nèi)人員以及環(huán)境安全。

　　城市安全主要包括智慧安防、智慧警務(wù)和應(yīng)急管理，在這三個(gè)方面，AI技術(shù)應(yīng)用都有較大的進(jìn)展。政府部門(mén)越來(lái)越多的將AI技術(shù)應(yīng)用于情報(bào)分析、罪犯抓取等場(chǎng)景中，知識(shí)圖譜技術(shù)的快速發(fā)展，大大釋放了AI在此類(lèi)場(chǎng)景的價(jià)值。

　　AI情報(bào)分析系統(tǒng)助力中國(guó)杯國(guó)際足球錦標(biāo)賽順利開(kāi)展

　　中國(guó)杯國(guó)際足球錦標(biāo)賽于2019年初在廣西南寧舉辦，某部門(mén)承擔(dān)了對(duì)參賽球隊(duì)相關(guān)境外入境人員的核驗(yàn)和篩查工作。

　　傳統(tǒng)上，大型國(guó)際賽事或者大型會(huì)議的入場(chǎng)人員信息篩查，一般都依靠人工進(jìn)行，業(yè)務(wù)人員將境外人員提交的包括護(hù)照等信息，通過(guò)查閱資料進(jìn)行對(duì)比，然后作出判斷。

　　這種依靠人工的作業(yè)方式存在較大的缺陷。首先，信息獲取來(lái)源比較有限，在篩查工作中，業(yè)務(wù)人員一般只能根據(jù)相關(guān)人員提交的信息與已有的資料進(jìn)行對(duì)比，作出判斷，無(wú)法觸及存在于互聯(lián)網(wǎng)的大量關(guān)聯(lián)信息。

　　其次，基于人力的作業(yè)方式效率低下，且容易受每個(gè)業(yè)務(wù)人員精神狀態(tài)影響，狀態(tài)不佳時(shí)，容易遺漏。此外，篩查工作對(duì)人的思維能力要求很高，業(yè)務(wù)員需要接受長(zhǎng)時(shí)間的培訓(xùn)并具備一定的工作經(jīng)驗(yàn)之后才能勝任。

　　類(lèi)似中國(guó)杯國(guó)際足球錦標(biāo)賽的大型國(guó)際賽事的人員篩查工作，工作量大、任務(wù)集中，時(shí)間緊迫，使得基于人工的入境人員篩查作業(yè)方式弊端暴露更加明顯，倒逼該部門(mén)采取新思路應(yīng)對(duì)挑戰(zhàn)。

　　在這一背景下，該部門(mén)選擇了湖南星漢數(shù)智科技有限公司作為合作伙伴，以解決上述問(wèn)題。湖南星漢數(shù)智成立于2016年，公司將網(wǎng)絡(luò)文本語(yǔ)義分析和大規(guī)模知識(shí)圖譜相結(jié)合，面向政府部門(mén)以及商業(yè)機(jī)構(gòu)提供包括公開(kāi)或授權(quán)數(shù)據(jù)整合、信息抽取、知識(shí)構(gòu)建分析和智能搜索等認(rèn)知計(jì)算解決方案。

　　星漢數(shù)智為該部門(mén)部署了公司針對(duì)政府部門(mén)研發(fā)的情報(bào)分析產(chǎn)品——星漢天箭情報(bào)智能分析系統(tǒng)。依托該系統(tǒng)，2019年中國(guó)杯國(guó)際足球錦標(biāo)賽期間，某部門(mén)篩查效率得到極大提升，及時(shí)發(fā)現(xiàn)了對(duì)入境信息進(jìn)行隱蔽篡改的犯罪嫌疑人員。

　　星漢天箭情報(bào)智能分析系統(tǒng)聚焦于公共安全和國(guó)家防務(wù)領(lǐng)域的情報(bào)分析痛點(diǎn)，利用大數(shù)據(jù)和語(yǔ)義理解技術(shù)，提供關(guān)鍵線索的識(shí)別和追蹤、目標(biāo)畫(huà)像、機(jī)構(gòu)分析、社交網(wǎng)絡(luò)分析、多線索拓線分析等服務(wù)，已廣泛應(yīng)用于反恐、反欺詐、犯罪預(yù)防、案件偵破、安全防衛(wèi)等場(chǎng)景。

　　星漢天箭情報(bào)智能分析系統(tǒng)是星漢數(shù)智的兩大拳頭產(chǎn)品之一(星漢數(shù)智推出的另一拳頭產(chǎn)品為招標(biāo)雷達(dá)，為企業(yè)提供招投標(biāo)信息的全網(wǎng)實(shí)時(shí)獲取和深度關(guān)聯(lián)分析功能)，歷時(shí)兩年多完成產(chǎn)品研發(fā)，系統(tǒng)主要指標(biāo)達(dá)到國(guó)際先進(jìn)水平。2020年6月，經(jīng)中國(guó)航天科技集團(tuán)有限公司軟件評(píng)測(cè)中心測(cè)評(píng)，星漢天箭情報(bào)智能分析系統(tǒng)在十億級(jí)節(jié)點(diǎn)、千億條邊、100PB級(jí)有效數(shù)據(jù)的知識(shí)圖譜上，全面具備情報(bào)挖掘和傳播分析能力，在基于意圖理解的智能搜索、基于種子特征的實(shí)體鏈接等方面，準(zhǔn)確率超過(guò)95%。

　　信息批量導(dǎo)入，批量分析

　　星漢天箭情報(bào)智能分析系統(tǒng)本地化部署在某部門(mén)。由于當(dāng)時(shí)中國(guó)杯國(guó)際足球錦標(biāo)賽已臨近開(kāi)賽，對(duì)入境人員篩查的任務(wù)緊急，星漢數(shù)智受邀參與到了該部門(mén)的具體業(yè)務(wù)流程中，針對(duì)具體業(yè)務(wù)操作進(jìn)行軟件設(shè)計(jì)和優(yōu)化，并對(duì)業(yè)務(wù)人員進(jìn)行使用培訓(xùn)。

　　除了成熟的標(biāo)準(zhǔn)化產(chǎn)品外，星漢數(shù)智還基于該部門(mén)的個(gè)性化需求做了定制開(kāi)發(fā)，其中最重要的是增加了信息批量導(dǎo)入的功能。

　　系統(tǒng)的具體使用流程如下：批量導(dǎo)入相關(guān)信息;基于客戶(hù)導(dǎo)入的目標(biāo)信息，系統(tǒng)結(jié)合目標(biāo)各種公開(kāi)信息，構(gòu)建人物畫(huà)像;系統(tǒng)生成人物畫(huà)像報(bào)表，提示可能出現(xiàn)的信息不匹配等異常情況;業(yè)務(wù)人員利用系統(tǒng)，根據(jù)人員篩查需求進(jìn)行深度的交互分析。

　　星漢天箭情報(bào)智能分析系統(tǒng)基于開(kāi)源的數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)源十分多樣，包括社交媒體、網(wǎng)絡(luò)論壇、搜索引擎以及新聞網(wǎng)站等。賽事篩查涉及的數(shù)據(jù)量龐大，對(duì)實(shí)時(shí)性要求較高，星漢數(shù)智此前對(duì)星漢天箭情報(bào)智能分析系統(tǒng)文本分析和關(guān)聯(lián)分析能力的強(qiáng)化，保證了系統(tǒng)能充分勝任某部門(mén)此次任務(wù)。

　　在同名的情況下，星漢天箭情報(bào)智能分析系統(tǒng)會(huì)先基于客戶(hù)輸入的目標(biāo)人員的姓名以外的信息，找到互聯(lián)網(wǎng)中與這些信息吻合的內(nèi)容，作出同名不同人的判斷，并提供證據(jù)供工作人員進(jìn)行核查。

　　標(biāo)準(zhǔn)化產(chǎn)品輸出，輔之以少量定制化

　　星漢天箭情報(bào)智能分析系統(tǒng)是星漢數(shù)智為解決安全情報(bào)分析需求開(kāi)發(fā)的一套通用性產(chǎn)品，并可以基于客戶(hù)個(gè)性化的需求進(jìn)行定制化開(kāi)發(fā)和部署。除了批量導(dǎo)入數(shù)據(jù)的功能外，星漢數(shù)智為廣西某部門(mén)提供的定制化開(kāi)發(fā)還包括定向數(shù)據(jù)源適配以及本地化數(shù)據(jù)接入的功能。此外，星漢數(shù)智還為該部門(mén)提供了包括培訓(xùn)、服務(wù)器擴(kuò)容等免費(fèi)售后服務(wù)。

　　人工篩查成為過(guò)去時(shí)，推動(dòng)政務(wù)數(shù)字化建設(shè)

　　星漢天箭情報(bào)智能分析系統(tǒng)的引入使得某部門(mén)告別了以前人工進(jìn)行篩查的作業(yè)模式。該部門(mén)的業(yè)務(wù)人員得以從這一繁瑣的工作中解脫出來(lái)。

　　依托該系統(tǒng)，2019年中國(guó)杯國(guó)際足球錦標(biāo)賽期間，該部門(mén)能夠在1小時(shí)內(nèi)完成2000名入境人員的篩查，相比人工篩查節(jié)省了98%的人力，及時(shí)發(fā)現(xiàn)了6名對(duì)入境信息進(jìn)行隱蔽篡改的犯罪嫌疑人員。

　　值得一提的是，該部門(mén)購(gòu)置的星漢天箭情報(bào)智能分析系統(tǒng)并非僅用于中國(guó)杯國(guó)際足球錦標(biāo)賽的篩查工作，而是作為其數(shù)字政務(wù)系統(tǒng)建設(shè)升級(jí)的一個(gè)重要組成部分。

　　過(guò)往，該部門(mén)也零散搭建了若干基于人物畫(huà)像的情報(bào)數(shù)據(jù)系統(tǒng)，不過(guò)數(shù)據(jù)散落在不同的業(yè)務(wù)部門(mén)中，數(shù)據(jù)利用率偏低。天箭情報(bào)智能分析系統(tǒng)允許該部門(mén)接入自己的本地?cái)?shù)據(jù)。結(jié)合系統(tǒng)強(qiáng)大的多源數(shù)據(jù)整合分析能力，該部門(mén)可將自身數(shù)據(jù)的價(jià)值發(fā)揮到最大，顯著提升了部門(mén)數(shù)字化建設(shè)水平。

　　AI技術(shù)在交通領(lǐng)域的布局也不斷加快，從傳統(tǒng)道路交通領(lǐng)域向航空氣象領(lǐng)域拓展。空管局、航空公司和機(jī)場(chǎng)等開(kāi)始布局人工智能技術(shù)，實(shí)現(xiàn)對(duì)氣象要素的精準(zhǔn)預(yù)警預(yù)測(cè)，提高調(diào)度的精細(xì)化水平。

　　道路交通方面，AI應(yīng)用于異常行為識(shí)別、交通智能調(diào)度等場(chǎng)景中。基于人工智能技術(shù)，交通、安全部門(mén)等可以及時(shí)發(fā)現(xiàn)城市道路交通的各種異常情況，例如交通事故、擁堵、異常停車(chē)、施工等;人工智能分析平臺(tái)，能夠識(shí)別和追蹤機(jī)動(dòng)車(chē)的行駛行為，智能審核判定機(jī)動(dòng)車(chē)的違法行為事件，實(shí)現(xiàn)對(duì)機(jī)動(dòng)車(chē)違法的智能取證、取證鑒定等智能分析。

　　華東空管局借助人工智能實(shí)現(xiàn)氣象預(yù)報(bào)精細(xì)化

　　華東空管局隸屬于民航空管局，負(fù)責(zé)貫徹執(zhí)行有關(guān)法律法規(guī)和民航局頒布的涉及空中交通管制、空域管理、航空飛行保障等相關(guān)工作。氣象中心為該機(jī)構(gòu)下設(shè)的航空氣象專(zhuān)業(yè)服務(wù)機(jī)構(gòu)，擔(dān)負(fù)整個(gè)華東地區(qū)機(jī)場(chǎng)及相關(guān)區(qū)域的航空氣象監(jiān)測(cè)、預(yù)測(cè)、預(yù)警、情報(bào)交換等職責(zé)。

　　近年來(lái)，中國(guó)航空業(yè)務(wù)量迅猛增長(zhǎng)，以上海兩個(gè)機(jī)場(chǎng)為例，2019年的總吞吐量就達(dá)到1.2億人次。根據(jù)國(guó)際民航組織的預(yù)測(cè)，到2023年，中國(guó)將超越美國(guó)成為全球最大的航空運(yùn)輸市場(chǎng)，預(yù)計(jì)未來(lái)中國(guó)的航空業(yè)務(wù)量仍將繼續(xù)迅猛增長(zhǎng)。由于中國(guó)的空域資源比較有限，為了應(yīng)對(duì)航空業(yè)務(wù)量的迅猛增長(zhǎng)，原來(lái)相對(duì)粗放型的航空管制模式需向精細(xì)化、智能化轉(zhuǎn)變，提升有限空域資源的利用率。在這樣的背景下，航空氣象數(shù)據(jù)體量也急劇擴(kuò)張。據(jù)統(tǒng)計(jì)，2015年至2020年的5年間，中國(guó)航空氣象數(shù)據(jù)總量從原來(lái)的6.5T增加到目前的63T，漲了近10倍。

　　而長(zhǎng)期以來(lái)，航空氣象行業(yè)領(lǐng)域就一直面臨人才短缺的問(wèn)題。氣象人才的培養(yǎng)周期長(zhǎng)，成本高。以一個(gè)成熟預(yù)報(bào)員的培養(yǎng)為例，完成從本科到研究生的學(xué)習(xí)需要7年時(shí)間，畢業(yè)上崗到能基本能勝任工作一般需要1年左右，到最后能夠獨(dú)當(dāng)一面，起碼再需要三年時(shí)間。在航空氣象數(shù)據(jù)體量急劇擴(kuò)張的情況下，原來(lái)基于人工和專(zhuān)家經(jīng)驗(yàn)的航空氣象預(yù)報(bào)和監(jiān)測(cè)體系顯然無(wú)法適應(yīng)新情況，海量數(shù)據(jù)無(wú)法用人工進(jìn)行處理，也對(duì)輸出準(zhǔn)確、質(zhì)量過(guò)硬的氣象預(yù)報(bào)和監(jiān)測(cè)報(bào)告構(gòu)成了極大挑戰(zhàn)。

　　在這一背景下，華東空管局與眼控科技合作，共同探索利用人工智能技術(shù)以解決上述挑戰(zhàn)。眼控科技成立于2009年，是一家集計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)技術(shù)研發(fā)應(yīng)用于一體的人工智能科技企業(yè)，專(zhuān)注于智能交通領(lǐng)域，覆蓋應(yīng)用場(chǎng)景包括道路交通安全監(jiān)測(cè)和航空氣象預(yù)測(cè)預(yù)報(bào)。

　　經(jīng)過(guò)了前期的需求調(diào)研和產(chǎn)品研發(fā)，華東空管局與眼控科技推出了一系列AI氣象解決方案，其中典型的解決方案是智能預(yù)報(bào)指導(dǎo)系統(tǒng)、AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)。前者有效解決了現(xiàn)有航空氣象報(bào)文發(fā)布系統(tǒng)的智能化、自動(dòng)化程度低以及作業(yè)模式效能低下的缺陷和問(wèn)題;后者跟應(yīng)用于臨近對(duì)流天氣的預(yù)報(bào)方法和系統(tǒng)相比，具備預(yù)報(bào)精度高、有效預(yù)報(bào)時(shí)間更長(zhǎng)、預(yù)報(bào)質(zhì)量穩(wěn)定等優(yōu)點(diǎn)。

　　智能預(yù)報(bào)指導(dǎo)系統(tǒng)，輔助業(yè)務(wù)人員高效發(fā)布報(bào)文

　　現(xiàn)有航空氣象報(bào)文發(fā)布工作的作業(yè)模式主要依賴(lài)于預(yù)報(bào)員人工歸結(jié)、處理和分析分散在各處的天氣形勢(shì)數(shù)據(jù)、遙感數(shù)據(jù)、模式數(shù)據(jù)等氣象資料，經(jīng)過(guò)對(duì)天氣形勢(shì)的判斷后，在原有發(fā)報(bào)軟件上手動(dòng)編輯相應(yīng)報(bào)文并發(fā)布。，該作業(yè)模式無(wú)論是智能化程度還是自動(dòng)化程度都較低，且高度依賴(lài)成熟預(yù)報(bào)員的專(zhuān)業(yè)能力和經(jīng)驗(yàn)，業(yè)務(wù)工作效能的提高受到極大限制。

　　智能預(yù)報(bào)指導(dǎo)系統(tǒng)利用大數(shù)據(jù)的快速存儲(chǔ)、處理和解析技術(shù)，實(shí)現(xiàn)了從數(shù)據(jù)歸結(jié)、處理、分析、報(bào)文生成、報(bào)文發(fā)布發(fā)布、報(bào)文入庫(kù)及情報(bào)交換全流程的智能化和自動(dòng)化，可以實(shí)現(xiàn)高效輔助航空氣象服務(wù)部門(mén)的專(zhuān)業(yè)技術(shù)人員高效發(fā)布報(bào)文。在上線前，基于豐富的數(shù)據(jù)源，智能預(yù)報(bào)指導(dǎo)系統(tǒng)完成了初期的算法模型訓(xùn)練，行成了具備航空氣象知識(shí)庫(kù)的專(zhuān)家系統(tǒng)。上線后的每一次使用和新數(shù)據(jù)的輸入，都會(huì)對(duì)原有模型進(jìn)行不間斷地訓(xùn)練和完善，系統(tǒng)也因每一次的數(shù)據(jù)輸入變得更加“聰明”。

　　智能預(yù)報(bào)指導(dǎo)系統(tǒng)最前端的環(huán)節(jié)涉及對(duì)各種各樣氣象數(shù)據(jù)的歸結(jié)工作。傳統(tǒng)上，人工預(yù)報(bào)系統(tǒng)需要輾轉(zhuǎn)在不同的電腦或文件夾間進(jìn)行收集，效率低下，而眼控科技的智能預(yù)報(bào)指導(dǎo)系統(tǒng)可以秒級(jí)的速度完成這一工作。

　　數(shù)據(jù)歸結(jié)工作完成之后，智能預(yù)報(bào)指導(dǎo)系統(tǒng)進(jìn)入最關(guān)鍵的環(huán)節(jié)——利用眼控科技自主研發(fā)的大數(shù)據(jù)快速存儲(chǔ)、處理和解析技術(shù)，對(duì)數(shù)據(jù)進(jìn)行解析和計(jì)算，生成預(yù)報(bào)結(jié)論。隨后，預(yù)報(bào)結(jié)論會(huì)按照民航局發(fā)布的航空氣象報(bào)文發(fā)布規(guī)則以及標(biāo)準(zhǔn)格式樣式，最終生成航空氣象報(bào)文，包括終端機(jī)場(chǎng)天氣預(yù)報(bào)(TAF)及趨勢(shì)著陸預(yù)報(bào)兩種類(lèi)型。系統(tǒng)提供的預(yù)報(bào)指導(dǎo)和實(shí)況氣象產(chǎn)品具體包括降水預(yù)測(cè)、對(duì)流及大霧氣象數(shù)據(jù)統(tǒng)計(jì)等。

　　相比原來(lái)的人工系統(tǒng)，眼控科技的智能預(yù)報(bào)指導(dǎo)系統(tǒng)無(wú)論在效率還是功能性上都得到了極大的提升和擴(kuò)展。從數(shù)據(jù)處理階段到得出預(yù)報(bào)結(jié)論到最終生成報(bào)文，原來(lái)人工處理一套數(shù)據(jù)需要20-60分鐘，而智能預(yù)報(bào)指導(dǎo)系統(tǒng)則可以以秒級(jí)的速度完成。采納這一套系統(tǒng)后，華東空管局的預(yù)報(bào)人員只需對(duì)智能預(yù)報(bào)系統(tǒng)生成的報(bào)文處理結(jié)果對(duì)照?qǐng)?bào)文進(jìn)行對(duì)比和確認(rèn)，效率得到極大提升。

　　此外，智能預(yù)報(bào)指導(dǎo)系統(tǒng)還具備自動(dòng)報(bào)文評(píng)分及統(tǒng)計(jì)的功能。根據(jù)國(guó)家民航局的規(guī)定，氣象預(yù)報(bào)部門(mén)需要對(duì)發(fā)布的氣象預(yù)報(bào)報(bào)文進(jìn)行評(píng)分，且分?jǐn)?shù)不能低于一定數(shù)值。傳統(tǒng)上這項(xiàng)工作也需要耗費(fèi)極大的人力。智能預(yù)報(bào)指導(dǎo)系統(tǒng)自動(dòng)生成評(píng)分報(bào)文大致流程為：將每個(gè)時(shí)間段的實(shí)況氣象報(bào)文與先前生成的預(yù)報(bào)報(bào)文進(jìn)行對(duì)比，依據(jù)國(guó)家民航局發(fā)布的評(píng)分指標(biāo)(準(zhǔn)確率為最關(guān)鍵的因素)進(jìn)行自動(dòng)對(duì)比，最后得出相應(yīng)的分?jǐn)?shù)。

　　AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)，提升預(yù)報(bào)時(shí)長(zhǎng)和準(zhǔn)確率

　　在航空氣象領(lǐng)域，對(duì)流天氣是備受關(guān)注的天氣類(lèi)型。由這類(lèi)天氣伴生的雷暴閃電天氣會(huì)對(duì)飛機(jī)通訊導(dǎo)航系統(tǒng)、地面關(guān)鍵設(shè)備的運(yùn)行造成較大影響;另外，對(duì)流強(qiáng)降水、對(duì)流地面大風(fēng)、低空風(fēng)切變、下?lián)舯┝鞯劝樯�天氣�?huì)對(duì)起降階段的航空器運(yùn)行安全造成極大風(fēng)險(xiǎn)。傳統(tǒng)上，對(duì)流天氣的臨近預(yù)報(bào)主要采用的是光流法，這一方法由于基于對(duì)流天氣系統(tǒng)的發(fā)展、運(yùn)動(dòng)、分布是線性過(guò)程的基本假設(shè)，使得最終預(yù)測(cè)結(jié)果具有較大誤差，且可預(yù)測(cè)時(shí)長(zhǎng)較低。

　　眼控科技的AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)采用經(jīng)過(guò)優(yōu)化的深度卷積計(jì)算模型(DeepRNN/YGNet)，該模型可全面、準(zhǔn)確反映對(duì)流天氣系統(tǒng)發(fā)展過(guò)程中的旋轉(zhuǎn)、生消、形態(tài)變化等非線性特征。應(yīng)用這一模型的對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)相比應(yīng)用光流法的傳統(tǒng)預(yù)報(bào)系統(tǒng)具備明顯優(yōu)勢(shì)，可獲得更長(zhǎng)的有效預(yù)測(cè)時(shí)長(zhǎng)，同時(shí)能夠獲得更高、更穩(wěn)定的預(yù)報(bào)精度。與智能預(yù)報(bào)指導(dǎo)系統(tǒng)類(lèi)似，AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)在上線之前首先完成了初期的模型訓(xùn)練。數(shù)據(jù)源方面，華東空管局能夠提供完整并且質(zhì)量良好的多普勒氣象雷達(dá)基數(shù)據(jù)，奠定了模型訓(xùn)練的根基。

　　AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)運(yùn)作流程如下：最前端是多源數(shù)據(jù)歸結(jié)，將歷史序列的雷達(dá)回波基數(shù)據(jù)進(jìn)行全時(shí)歸結(jié)，同時(shí)將包括眼控自研的智能天氣現(xiàn)象成像儀和智能綜合環(huán)境監(jiān)測(cè)儀數(shù)據(jù)、閃電定位儀數(shù)據(jù)、衛(wèi)星數(shù)據(jù)等數(shù)據(jù)輸入進(jìn)行輔助計(jì)算;數(shù)據(jù)歸結(jié)完成后，輸入應(yīng)用尖端人工智能技術(shù)的AI計(jì)算模塊，最終輸出雷達(dá)回波形態(tài)預(yù)測(cè)數(shù)據(jù)(包括兩種形式：組合反射率雷達(dá)回波預(yù)測(cè)以及分層CAPPI雷達(dá)回波預(yù)測(cè))，同時(shí)還可以輸出包括對(duì)流初生診斷、強(qiáng)回波監(jiān)測(cè)、定量降水、強(qiáng)風(fēng)概率等數(shù)據(jù)反演結(jié)果。 最終再由航空氣象專(zhuān)業(yè)人員完成天氣發(fā)展趨勢(shì)預(yù)測(cè)結(jié)論的輸出。

　　采納了AI對(duì)流臨近天氣預(yù)報(bào)系統(tǒng)后，華東空管局的對(duì)流天氣預(yù)報(bào)工作無(wú)論在效率還是預(yù)報(bào)時(shí)長(zhǎng)及準(zhǔn)確率上都取得了明顯的改進(jìn)。目前，該空管局的對(duì)流臨近天氣預(yù)報(bào)準(zhǔn)確率達(dá)到了50%以上，預(yù)報(bào)時(shí)長(zhǎng)延展至2個(gè)小時(shí)。此前，基于光流法的傳統(tǒng)預(yù)報(bào)系統(tǒng)，這兩個(gè)數(shù)字分別為低于40%以及不超過(guò)1小時(shí)。

　　作為航空氣象工業(yè)的“皇冠”，數(shù)值預(yù)報(bào)能力一定程度上代表了一個(gè)國(guó)家整體的氣象預(yù)報(bào)實(shí)力。下一步，華東空管局將繼續(xù)在人工智能+數(shù)值預(yù)報(bào)方面展開(kāi)探索，提升氣象預(yù)報(bào)精細(xì)化水平。

　　3.4.醫(yī)療與醫(yī)藥

　　醫(yī)療醫(yī)藥領(lǐng)域以“醫(yī)+藥”為核心，分別對(duì)應(yīng)醫(yī)療和醫(yī)藥。智能醫(yī)療的價(jià)值鏈如下圖所示。

　　進(jìn)入2020年，新冠疫情助推AI在醫(yī)療行業(yè)的應(yīng)用，不過(guò)總體上看，現(xiàn)階段AI在智能醫(yī)療領(lǐng)域的整體應(yīng)用水平尚處于早期階段。相對(duì)而言，AI在醫(yī)療機(jī)構(gòu)的診前、診中和診后以及制藥企業(yè)的藥物研發(fā)環(huán)節(jié)的應(yīng)用價(jià)值度已經(jīng)逐漸從自動(dòng)化階段過(guò)渡到智能化階段。

　　總的來(lái)看，智能醫(yī)療領(lǐng)域內(nèi)自動(dòng)化和智能化的場(chǎng)景較多，且集中在診前、診中、診后以及藥物研發(fā)環(huán)節(jié)，需求較為旺盛且存在落地的可能性;由于醫(yī)療的嚴(yán)謹(jǐn)性，手術(shù)機(jī)器人、康復(fù)機(jī)器人等創(chuàng)新化AI應(yīng)用目前難以實(shí)現(xiàn)臨床使用，落地難度較大。

　　在診前應(yīng)用方面，基于知識(shí)圖譜的智能導(dǎo)診系統(tǒng)，借助知識(shí)圖譜的推理能力，患者只需描述癥狀或疾病，就可以為患者提供智能導(dǎo)診服務(wù)，匹配科室和醫(yī)生，緩解醫(yī)院導(dǎo)診服務(wù)的壓力，提高醫(yī)院的智能化管理水平。

　　在診中方面，目前比較成熟的應(yīng)用包括AI醫(yī)療影像。AI醫(yī)學(xué)影像產(chǎn)品主要功能是輔助篩查和輔助診斷，提升影像科醫(yī)生工作效率，各大廠商提供的產(chǎn)品已覆蓋多器官、多病種，百花齊放。不過(guò)，每家AI醫(yī)學(xué)影像公司能夠覆蓋的產(chǎn)品有限，頭部企業(yè)真正成熟并可以應(yīng)用于臨床的產(chǎn)品線有限，因?yàn)椴煌�產(chǎn)品能復(fù)用的算法和模型部分極其有限。因此市場(chǎng)呈現(xiàn)百花齊放的狀態(tài)，各個(gè)細(xì)分方向都有企業(yè)深耕細(xì)作。

　　除了篩查診斷外，現(xiàn)有的AI醫(yī)療影像產(chǎn)品還可進(jìn)行良惡性判斷。以肺結(jié)節(jié)為例，以病理結(jié)果為金標(biāo)準(zhǔn)，現(xiàn)有的良惡性判斷準(zhǔn)確率接近80%，但受限于測(cè)試數(shù)據(jù)量不夠大，產(chǎn)品還有待繼續(xù)訓(xùn)練和打磨。

　　通過(guò)區(qū)域數(shù)字影像云系統(tǒng)，助力杭州西湖區(qū)優(yōu)質(zhì)醫(yī)療資源下沉基層

　　不管是發(fā)病率居高不下的呼吸系統(tǒng)疾病，還是家長(zhǎng)關(guān)注的兒童生長(zhǎng)發(fā)育情況，都存在“早篩查、早診斷、早治療”的需求，基層醫(yī)療機(jī)構(gòu)能夠?qū)崿F(xiàn)篩查、診斷的話(huà)，可以最大化利用醫(yī)療資源，為居民提供便利。

　　在呼吸系統(tǒng)影像篩查和骨齡檢測(cè)方面，杭州市西湖區(qū)社區(qū)醫(yī)院面臨著影像科醫(yī)生短缺且診斷能力不足的問(wèn)題。

　　2020年4月，經(jīng)杭州市西湖區(qū)人大代表票選，“建成區(qū)域醫(yī)療數(shù)字影像集中診斷系統(tǒng)，升級(jí)社區(qū)衛(wèi)生服務(wù)中心CT影像檢查人工智能輔助診斷系統(tǒng)”入選成為十大民生實(shí)事項(xiàng)目之一。

　　為落實(shí)實(shí)事項(xiàng)目，西湖區(qū)衛(wèi)健局建設(shè)了區(qū)域醫(yī)療數(shù)字影像集中診斷中心，包含呼吸系統(tǒng)AI智能診斷平臺(tái)和兒童生長(zhǎng)發(fā)育智能評(píng)估平臺(tái)，引入深睿醫(yī)療的Dr.Wise® 胸部 CT AI 醫(yī)學(xué)輔助診斷系統(tǒng)、Dr.Wise®胸部平片AI醫(yī)學(xué)輔助診斷系統(tǒng)、以及Dr.Wise®兒童生長(zhǎng)發(fā)育AI評(píng)估系統(tǒng)，旨在提升基層醫(yī)生的診斷能力和診斷效率，從而提升基層醫(yī)療服務(wù)水平。

　　深睿醫(yī)療賦能基層醫(yī)療機(jī)構(gòu)，實(shí)現(xiàn)醫(yī)療資源下沉和共享

　　西湖區(qū)衛(wèi)健局建設(shè)的區(qū)域醫(yī)療數(shù)字影像集中診斷中心位于杭州西湖區(qū)的蔣村街道社區(qū)衛(wèi)生服務(wù)中心，全區(qū)12家社區(qū)衛(wèi)生中心可通過(guò)醫(yī)療數(shù)字影像云系統(tǒng)接入診斷中心。

　　居民在任一社區(qū)醫(yī)院進(jìn)行影像檢查后，影像數(shù)據(jù)會(huì)被傳輸至診斷中心，診斷中心的醫(yī)生接收影像后可進(jìn)行閱片，同時(shí)，深睿醫(yī)療的Dr.Wise® 胸部 CT AI 醫(yī)學(xué)輔助診斷系統(tǒng)、Dr.Wise®胸部平片AI醫(yī)學(xué)輔助診斷系統(tǒng)和Dr.Wise®兒童生長(zhǎng)發(fā)育AI評(píng)估系統(tǒng)可根據(jù)影像特征快速進(jìn)行分析，給出輔助診斷建議。

　　并且，當(dāng)診斷中心的醫(yī)生對(duì)于影像判斷有疑問(wèn)時(shí)，可通過(guò)影像云系統(tǒng)的遠(yuǎn)程會(huì)診功能，邀請(qǐng)三甲醫(yī)院的醫(yī)生進(jìn)行會(huì)診。

　　Dr.Wise®胸部CT AI醫(yī)學(xué)輔助診斷系統(tǒng)，該解決方案是基于胸部CT成像的多征象、多病種AI輔診解決方案，包括肺結(jié)節(jié)、肺炎、其他肺部疾病征象、骨質(zhì)病變和縱隔病變等AI輔診模塊，可實(shí)現(xiàn)肺部、胸膜、胸廓、縱隔等部位的全征象一站式自動(dòng)分析及疾病診療全流程管理，具備定位檢出、定量分析、定性分析、智能隨訪和結(jié)構(gòu)化報(bào)告等功能，整個(gè)方案更加接近醫(yī)生的日常工作模式，大幅提升診療流程的效率、準(zhǔn)確性和標(biāo)準(zhǔn)化。結(jié)合深睿醫(yī)療Dr.Wise®胸部平片AI醫(yī)學(xué)輔助診斷系統(tǒng)對(duì)于五大類(lèi)30余種征象的檢出診斷，可以為各種應(yīng)用場(chǎng)景提供胸部疾病從篩查，診斷到隨訪的全周期解決方案。

　　Dr.Wise®兒童生長(zhǎng)發(fā)育AI評(píng)估系統(tǒng)，具備目標(biāo)骨骼智能識(shí)別、分級(jí)、骨骼計(jì)算及結(jié)構(gòu)化報(bào)告等功能。人工智能應(yīng)用于兒童生長(zhǎng)發(fā)育測(cè)評(píng)，具有速度快、精度高、一致性好等優(yōu)勢(shì)，極大程度的縮減了診斷時(shí)間，能夠有效的控制人為主觀性，同時(shí)將生長(zhǎng)發(fā)育百分位曲線圖可視化，更直觀的反應(yīng)兒童的生長(zhǎng)發(fā)育情況，極大的幫助社區(qū)醫(yī)生的日常骨齡評(píng)估工作。

　　通過(guò)醫(yī)療數(shù)字影像云系統(tǒng)連接下屬12家社區(qū)衛(wèi)生服務(wù)中心，所有檢查影像集中存儲(chǔ)、集中診斷，優(yōu)化診療資源，深睿醫(yī)療的Dr.Wise®AI醫(yī)學(xué)輔助診斷系統(tǒng)有效提升了醫(yī)生的閱片效率和診斷水平，并減少漏診誤診，解決了診斷醫(yī)生缺乏的問(wèn)題。同時(shí)，影像云系統(tǒng)將先進(jìn)的醫(yī)療資源下沉至基層，縮小基層醫(yī)院和三甲醫(yī)院診療差距，可實(shí)現(xiàn)全區(qū)診斷醫(yī)生資源共享。

　　截至2020年11月，在區(qū)域醫(yī)療數(shù)字影像集中診斷中心，深睿醫(yī)療的Dr.Wise®AI醫(yī)學(xué)輔助診斷系統(tǒng)已累計(jì)完成胸部CT影像人工智能輔助診斷2569例、胸部DR人工智能輔助診斷8853例、兒童生長(zhǎng)發(fā)育(骨齡)人工智能預(yù)測(cè)268例，通過(guò)云端會(huì)診，讓數(shù)據(jù)多跑路、百姓少跑腿，持續(xù)降低患者醫(yī)療費(fèi)用支出。

　　3.5.房地產(chǎn)與建筑

　　房地產(chǎn)行業(yè)已經(jīng)告別高速增長(zhǎng)的增量時(shí)代，進(jìn)入存量化的“下半場(chǎng)”。存量化趨勢(shì)帶來(lái)的產(chǎn)業(yè)價(jià)值鏈重塑，使得房地產(chǎn)開(kāi)發(fā)商等主體面臨新的市場(chǎng)環(huán)境，需要借力數(shù)字化手段向精細(xì)化運(yùn)營(yíng)和多元化經(jīng)營(yíng)轉(zhuǎn)型。

　　房地產(chǎn)行業(yè)產(chǎn)業(yè)鏈包括開(kāi)發(fā)、營(yíng)銷(xiāo)、運(yùn)營(yíng)、交易、服務(wù)等環(huán)節(jié)，目前AI技術(shù)在這些環(huán)節(jié)中都有所滲透。

　　以開(kāi)發(fā)環(huán)節(jié)中的規(guī)劃設(shè)計(jì)場(chǎng)景為例，基于人工智能技術(shù)的智能設(shè)計(jì)和智能審圖等應(yīng)用，正在重塑建筑設(shè)計(jì)方式。傳統(tǒng)建筑設(shè)計(jì)主要是基于CAD等平面或三維設(shè)計(jì)軟件工具進(jìn)行作圖，但整個(gè)工作流程仍然重度依賴(lài)設(shè)計(jì)師的手動(dòng)操作。通過(guò)融合設(shè)計(jì)師的專(zhuān)家經(jīng)驗(yàn)和設(shè)計(jì)規(guī)則，基于機(jī)器學(xué)習(xí)技術(shù)，AI智能設(shè)計(jì)工具已經(jīng)可以根據(jù)特定項(xiàng)目的設(shè)計(jì)要求，自動(dòng)完成方案圖紙?jiān)O(shè)計(jì)，大幅降低設(shè)計(jì)師的工作量，縮短出圖周期。

　　在營(yíng)銷(xiāo)環(huán)節(jié)中，基于計(jì)算機(jī)視覺(jué)、智能語(yǔ)音等技術(shù)進(jìn)行客戶(hù)數(shù)據(jù)采集和智能交互，可實(shí)現(xiàn)更精準(zhǔn)的營(yíng)銷(xiāo)，觸及更多用戶(hù)。例如，通過(guò)人臉識(shí)別攝像頭設(shè)備采集案場(chǎng)到訪客戶(hù)數(shù)據(jù)，可以實(shí)現(xiàn)客戶(hù)簽到統(tǒng)計(jì)、客戶(hù)畫(huà)像分析和重要客戶(hù)識(shí)別，并與渠道管理系統(tǒng)關(guān)聯(lián)，實(shí)現(xiàn)渠道判客和案場(chǎng)風(fēng)控，防止渠道“飛單”造成的傭金損失。智能語(yǔ)音技術(shù)則可以用于客戶(hù)服務(wù)過(guò)程中的智能客服領(lǐng)域，幫助開(kāi)發(fā)商提升一線銷(xiāo)售人員的服務(wù)質(zhì)量。

　　4.人工智能未來(lái)展望

　　展望未來(lái)，人工智能將在技術(shù)應(yīng)用和配套基礎(chǔ)設(shè)施兩個(gè)層面，呈現(xiàn)出新的發(fā)展趨勢(shì)。

　　在技術(shù)層面，人工智能正在從云計(jì)算向邊緣計(jì)算延伸，未來(lái)將形成云計(jì)算與邊緣計(jì)算協(xié)同發(fā)展的態(tài)勢(shì)，為人工智能提供更強(qiáng)大的基礎(chǔ)設(shè)施。

　　另一方面，人工智能在提升企業(yè)生產(chǎn)效率以及改善人類(lèi)生活品質(zhì)的同時(shí)，也帶來(lái)很大的負(fù)外部性，比如以算法戰(zhàn)、深度偽造等濫用人工智能技術(shù)的行為，對(duì)人工智能行業(yè)的發(fā)展以及經(jīng)濟(jì)社會(huì)的帶來(lái)了負(fù)面影響。展望未來(lái)，為促進(jìn)人工智能行業(yè)的良性發(fā)展，需要加強(qiáng)人工智能的治理體系建設(shè)，建立起人工智能行業(yè)發(fā)展的倫理和法律治理框架。

　　4.1.云邊協(xié)同，完善人工智能基礎(chǔ)設(shè)施

　　過(guò)往，數(shù)據(jù)量的增加大部分來(lái)自以電腦、智能手機(jī)等智能設(shè)備。隨著5G和大規(guī)模物聯(lián)網(wǎng)時(shí)代的到來(lái)，海量數(shù)據(jù)將在尚未海量入網(wǎng)的終端設(shè)備產(chǎn)生，給當(dāng)前以云計(jì)算為核心的云架構(gòu)帶來(lái)了極大挑戰(zhàn)。

　　在傳統(tǒng)云計(jì)算模式下，數(shù)據(jù)從終端傳送到云端，進(jìn)行數(shù)據(jù)處理，再返回終端指導(dǎo)業(yè)務(wù)。在5G時(shí)代，盡管5G網(wǎng)絡(luò)具備超高傳輸速率的特點(diǎn)，但網(wǎng)絡(luò)承載網(wǎng)依然有帶寬瓶頸，時(shí)延抖動(dòng)等性能瓶頸難以突破，導(dǎo)致延遲、卡頓、連接成功率低等問(wèn)題，企將業(yè)面臨巨額帶寬成本。

　　發(fā)展邊緣計(jì)算被認(rèn)為是解決以上技術(shù)難點(diǎn)的應(yīng)對(duì)策略。邊緣計(jì)算指的是，在靠近數(shù)據(jù)的來(lái)源——網(wǎng)絡(luò)邊緣(終端設(shè)備)處——執(zhí)行數(shù)據(jù)處理，無(wú)需將數(shù)據(jù)傳輸至云計(jì)算中心，確保了數(shù)據(jù)能得到及時(shí)處理，進(jìn)而對(duì)相關(guān)業(yè)務(wù)需求作出快速反應(yīng)。同時(shí)，在邊緣處進(jìn)行數(shù)據(jù)管理比在云端和數(shù)據(jù)中心網(wǎng)絡(luò)花費(fèi)更低，成本得以下降。

　　不過(guò)，邊緣計(jì)算無(wú)法取代云計(jì)算，未來(lái)將形成云計(jì)算與邊緣計(jì)算相互協(xié)同的狀態(tài)。邊緣計(jì)算實(shí)際上是云計(jì)算算力向外的延伸，兩者的結(jié)合才能更好滿(mǎn)足各類(lèi)應(yīng)用場(chǎng)景的需求，為企業(yè)智能化轉(zhuǎn)型開(kāi)辟新的天地。

　　以下以智慧交通-自動(dòng)駕駛場(chǎng)景為例進(jìn)行分析。

　　傳統(tǒng)上，各方對(duì)于自動(dòng)駕駛的主要關(guān)注點(diǎn)集中在車(chē)端，研發(fā)投入也主要在車(chē)的智能化方面，即擬通過(guò)提高車(chē)的智能化和加強(qiáng)云端數(shù)據(jù)的連接以實(shí)現(xiàn)自動(dòng)駕駛。

　　在云邊協(xié)同的思路下，則可通過(guò)安裝路測(cè)設(shè)備，通過(guò)提高路測(cè)智能，降低對(duì)車(chē)端本身智能化的要求。

　　具體來(lái)看，路測(cè)智能指的是，在邊緣道路節(jié)點(diǎn)安裝集成地圖系統(tǒng)、交通信號(hào)系統(tǒng)和各類(lèi)傳感器接口，為車(chē)輛提供協(xié)同輔助駕駛、事故預(yù)警的服務(wù)。與此同時(shí)，汽車(chē)端，會(huì)安裝配置激光雷達(dá)、攝像頭等感應(yīng)設(shè)備，本身也是一個(gè)邊緣節(jié)點(diǎn)可實(shí)時(shí)采集各方面道路數(shù)據(jù)。

　　汽車(chē)采集到的數(shù)據(jù)與路測(cè)設(shè)備進(jìn)行交互，云計(jì)算中心負(fù)責(zé)收集來(lái)自道路以及汽車(chē)的邊緣數(shù)據(jù)，作為“大腦”的總指揮，負(fù)責(zé)協(xié)調(diào)統(tǒng)籌局面，發(fā)布調(diào)度指令。

　　在道路邊緣側(cè)，邊緣計(jì)算數(shù)據(jù)分析、緩存的能力減輕了云端數(shù)據(jù)處理的壓力，提升了數(shù)據(jù)處理速度，減少了延遲;道路邊緣支持離線運(yùn)行、斷點(diǎn)續(xù)傳和數(shù)據(jù)選擇性傳輸，節(jié)省了網(wǎng)絡(luò)流量。在云計(jì)算層，云計(jì)算負(fù)責(zé)對(duì)算法進(jìn)行升級(jí)，將升級(jí)后的算法推送到前段，使得設(shè)備可持續(xù)升級(jí)和更新。

　　4.2.構(gòu)建人工智能治理體系

　　人工智能極大促進(jìn)了人類(lèi)社會(huì)生產(chǎn)發(fā)展和人們生活水平的提高，不過(guò)人工智能應(yīng)用在使用過(guò)程中也出現(xiàn)了一些負(fù)效應(yīng)，主要體現(xiàn)在以下兩個(gè)方面。

　　數(shù)據(jù)過(guò)度采集，侵犯?jìng)�(gè)人隱私權(quán)。模型訓(xùn)練需要用到數(shù)據(jù)，但有些數(shù)據(jù)是個(gè)人隱私，屬于個(gè)人隱私的數(shù)據(jù)有可能被不當(dāng)采集或者不當(dāng)使用。例如，近期“戴頭盔看房”的新聞報(bào)告引發(fā)廣泛關(guān)注和討論，人臉信息是否被過(guò)度采集引起熱議。

　　算法的不當(dāng)使用，侵犯?jìng)�(gè)人權(quán)益。例如，2019年，聲噪一時(shí)的換臉應(yīng)用“ZAO”因用戶(hù)協(xié)議包含強(qiáng)行要求用戶(hù)轉(zhuǎn)移人臉數(shù)據(jù)權(quán)限不當(dāng)收集用戶(hù)數(shù)據(jù)而被監(jiān)管部門(mén)約談;互聯(lián)網(wǎng)公司使用算法實(shí)現(xiàn)千人千面的定價(jià)，進(jìn)行價(jià)格歧視等。

　　為了以上挑戰(zhàn)，構(gòu)建人工智能的治理體系已成為全球共識(shí)，各個(gè)主要國(guó)家已出臺(tái)相關(guān)政策和法律法規(guī)引導(dǎo)人工智能行業(yè)健康發(fā)展。人工智能由數(shù)據(jù)、算法和算力三部分構(gòu)成，而數(shù)據(jù)是人工智能發(fā)展的根基，因此目前大部分立法都圍繞著數(shù)據(jù)展開(kāi)，數(shù)據(jù)隱私和數(shù)據(jù)使用的平衡推進(jìn)成為立法的關(guān)鍵。 歐盟早在2018年就推出《通用數(shù)據(jù)保護(hù)條例》(GDPR)，是目前全球最嚴(yán)格的數(shù)據(jù)隱私法案。

　　中國(guó)方面也加緊相關(guān)法案的制定工作，于近期發(fā)布《數(shù)據(jù)安全法》以及《個(gè)人信息保護(hù)法》草案，其中《個(gè)人信息保護(hù)法》對(duì)處理人臉識(shí)別等作出專(zhuān)門(mén)規(guī)定。此外，很多地方政府也推出了各自的法案，例如2020年10月，《杭州市物業(yè)管理?xiàng)l例(修訂草案)》提請(qǐng)杭州市十三屆人大常委會(huì)第三十次會(huì)議審議，規(guī)定禁止強(qiáng)制業(yè)主通過(guò)指紋、人臉識(shí)別等生物信息方式進(jìn)入小區(qū)。

　　隨著國(guó)家人工智能治理體系的完善，在發(fā)展和應(yīng)用人工智能的過(guò)程中，企業(yè)應(yīng)加強(qiáng)內(nèi)部治理體系建設(shè)，以滿(mǎn)足合規(guī)性的要求。企業(yè)應(yīng)做到以下兩個(gè)方面：

　　1)在制定數(shù)字化轉(zhuǎn)型規(guī)劃時(shí)，企業(yè)應(yīng)將不同AI技術(shù)的政策風(fēng)險(xiǎn)考慮在內(nèi)，如計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用的數(shù)據(jù)隱私問(wèn)題、模型可解釋性問(wèn)題等。

　　2)開(kāi)展內(nèi)部機(jī)構(gòu)建設(shè)，成立專(zhuān)門(mén)法律和倫理機(jī)構(gòu)來(lái)防范人工智能發(fā)展過(guò)程中的風(fēng)險(xiǎn)。例如，微軟成立了專(zhuān)門(mén)的人工智能倫理委員會(huì)AETHER，成員包括工程、研發(fā)和法律等領(lǐng)域?qū)＜�，旨在為微軟在發(fā)展人工智能相關(guān)產(chǎn)品和解決方案過(guò)程中，提供倫理指導(dǎo)，符合社會(huì)倫理規(guī)范。

　　結(jié)語(yǔ)

　　2020年的新冠肺炎疫情，讓企業(yè)意外“收獲”了推進(jìn)數(shù)字化和智能化的動(dòng)力。關(guān)于智能化這一問(wèn)題，企業(yè)的進(jìn)展并不同，但經(jīng)過(guò)疫情的洗禮，智能化已經(jīng)不再是一個(gè)是否需要的問(wèn)題，而是該以什么樣的方式推進(jìn)的問(wèn)題。

　　后疫情時(shí)代，面對(duì)眾多潛在的人工智能應(yīng)用場(chǎng)景，企業(yè)在堅(jiān)定智能化方向的同時(shí)，需要以業(yè)務(wù)需求為引領(lǐng)，探索人工智能技術(shù)應(yīng)用與自身業(yè)務(wù)場(chǎng)景的結(jié)合點(diǎn)，理性評(píng)估應(yīng)用價(jià)值，找到最適合自身的智能化路徑。