李永华作者

从清华白皮书,看百度如何由AI与产业融合的“领跑者”变成“领航员”

产业智能化到底什么时候才能全面落地?不知道,应该不会太快。

但至少,在一些参与者的努力下,我们能从恰当的角度看到一幅未来图景。

4月9日,清华大学与百度联合发布了《产业智能化白皮书》(以下简称“白皮书”), 国内首个基于AI实践,尝试从产业演进视角具体探讨AI与产业融合历程和现状。80页、2万余字的篇幅,给出了一个专业的人工智能技术成熟度评价模型“TUMC”,以及众多典型案例解析。

百度公司创始人、董事长兼CEO李彦宏在《产业智能化白皮书》发布现场)

白皮书可看作百度与清华联合首次公开阐述对产业智能化的战略思考和商业实践方法论,发布白皮书这件事本身,更代表着百度已经不满足于“领跑者”角色,开始谋求更高维度的产业智能化“领航员”定位。

不论百度的目的是什么,至少我们能借白皮书,对产业智能化有新的全新认知。

白皮书发布,AI与产业融合开始需要“领航员”

距离1956年达特茅斯会议正式提出“人工智能”概念已经60多年,从宏观上看,当前的人工智能浪潮应该属于“三起两落”的“第三起”,也被认为是最有希望实现人工智能全面落地的时代。

这与产业应用需求旺盛密切相关。

语音处理计算机视觉自然语言处理……过去早已被反复提出的典型技术到现在正被物流、工业机器人、银行、金融、医疗等产业全面而主动地需求。

数据量的爆发性增长提供“原料”、摩尔定律发挥到极致带来的计算能力提升、人才/专利积累带来的算法突破……这些因素固然重要,但互联网数字化时代催生的庞大产业“买方市场”,才是人工智能实现第三次浪潮最大的“引力”。
仅从百度智能云所参与的产业实例来看,就包括第一产业的麦飞科技、云南佳叶、中化集团等,第二产业的微亿智造、宝武集团、北京首钢、北汽集团、云智环能、阳煤集团、海尔、康力电梯等,第三产业(含政务)的英特尔、银联商务、广发银行、农业银行、华数传媒、山西省政府、阳泉市政府、苏州工业园等诸多案例。

AI和云在各产业全面而深度的应用,是之前的AI浪潮都没有的关键特征。

不过,这也意味着,产业智能化与电商、O2O、社交等创新经济不同,并非行业玩家们“自己玩”的创新领域,与宏观趋势(例如产业升级)紧密结合让它本身就成为大环境下的组成环节。

那些独立的创新领域如同单个“跑道”,玩家们只需要相互PK,比谁跑得快能“领跑”整个队伍笑傲江湖。

而在产业智能化这里,如此多的参与主体,在宏观趋势“全图”中这支队伍到底怎么走、走到哪去更重要,“领航”的价值更明显。

从这个角度看,百度通过云计算ABC三位一体的战略,集中输出百度AI的领先优势和能力,率先帮助众多产业及其代表企业成功实现智能化升级,这是在做“领跑者”;而现在以行业视角发布白皮书,则是想要通过战略思考与商业实践的研究为全行业的产业智能化升级“领航”,给出作为领跑者所理解的整个产业智能化的恰当走向。

反过来看,在正确的航向上加速AI与产业融合的步伐,对百度这样的领跑者而言,现实价值也更大。

多维度“节点推进者”——白皮书给出的AI与产业融合独特姿势

从投资角度、从创新角度、从政策导向角度,AI与产业融合的路径与方式众说纷纭。各种圆桌论坛开了无数场,有见地的观点也有不少,但AI与产业融合一直没有“全景式”展示出来。

多数人的脑子里,一个可预期的未来,和一些零零散散的观点,就是产业AI应用的全部。

TUMC模型在解决这个模糊化的问题。

在白皮书中,作为评测新兴技术产业化成熟度的工具,TUMC模型由技术 (Technology)、用户效用(user Utility)、市场(Market)以及产业链(Industry Chain)4个维度构成,每个维度又分为两个前后递进的节点,如图(来源:白皮书):

简单来说,AI应用产业上,其成熟度从这四个维度综合评价,而每个维度里,都经历由无到有,由节点1到节点2的推进过程,综合起来,就能得出某个产业AI的成熟度状况,如图,是白皮书中认为“智能推荐”的成熟度:

TUMC模型是“领航”最集中的体现,它不仅给出评价产业智能化成熟度的一种方式,四大维度、八个节点的模型本身就是一张前进的“路线图”。

值得一提的是,AI与产业融合肯定可以找出与之相关的各种不同而又自恰的“全景图”。如同解数学题一样,TUMC模型,给出的是AI如何与产业融合其中的“一个解”。

这个模型的得出,与百度推进AI与产业融合的实践有着密切的联系。

一方面,百度的AI+产业的布局,是构建了以AI为核心的产业化生态链,以百度智能云作为AI技术能力的输出窗口,“云+AI”打造了众多的成功合作案例,另一方面,白皮书也给出了百度AI布局的另一个视角——多维度“节点推进者”。

通过百度部分实践案例,这里或能更好地理解TUMC、理解AI与产业融合的过程(篇幅所限,这里只举例典型维度)。

1、智能城市——从m1到m2实现市场起飞的关键规模

百度与阳泉市、山西省政府、苏州工业园的合作,可看作是在树立行业标杆,而在TUMC模型中,也可看作市场维度下“找到并锁定早期用户”的过程。

目前,百度与北京、上海、长沙、阳泉、保定、雄安、长春、合肥、宁波、青岛、重庆等数十个省市地区的合作,正在推动m1朝m2发展。

而软通智慧与百度以及上下游伙伴的合作,打造了智慧政务、智慧环境和智慧公安等解决方案,在全国130多个城市实施了超过500个项目,则可看作m2的直接体现,已经“达到持续扩散的用户数量”。

2、智能汽车——持续巩固u1“极客用户”群体

百度亦不断推出智能汽车相关产品,例如“端+云+内容”的百度智能云车联网平台以及Apollo自动驾驶平台。

目前,无论车辆故障预警、远程控制、远程诊断等基础车联网服务,还是人口属性、兴趣爱好、消费场景、APP行为等多个维度的用户画像,百度一系列精准捕捉汽车用户需求的行为,都可以看作是在巩固u1“极客产品”群体,在特定场景中打造智能化、便捷化的服务,逐步推动u2“时尚产品”实现。

目前,百度与北汽集团的合作,除了基础设施搭建,还尝试为用户提供千人千面的可定制服务,这是“极客产品”个案体现,一旦车联网尝试成功,更多非极客用户将涌入进来。

3、智能制造——t1过程不断优化,伺机找寻t2的突破口

在智能制造这件事上,百度所做的事以技术维度的节点推进最为典型。

与微亿智造、宝武集团合作打造的智能制造案例,都出现了工业智能化的“智能质检”技术身影。这种利用AI技术识别产品制造缺陷的创新,一方面让一线质检员负担减轻,另一方面大大降低了漏报和误报的情况。

2017百度云智峰会现场,首钢自动化信息技术有限公司带来10000张验证图片,百度云ABC一体机对钢材图片进行现场预测,准确率达99.98%。

在钢铁领域,“慧眼识钢”一系列技术,十分符合TUMC对稳定、可靠、方便、实用、抗干扰等t1阶段性要求。

此外,在宝武集团,百度智能云结合智能边缘BIE将算法模型部署到边缘设备,并通过端云一体化实现算法模型的持续迭代,这种工业物联网的玩法或在改写传统生产流程,催生“新产品主导设计”(而不只是原有流程的辅助),出现t2阶段的影子。

4、智能金融——AI最契合的领域即将同时突破m2、u2节点

独特的数据化特征让金融被公认为与AI应用最为契合的产业,在百度的产业智能化推进过程中,金融的速度也天然更快。

农行金融大脑是百度与农行战略合作的核心建设项目,包括人脸识别语音识别等能力在内的感知引擎,以及包括样本管理、数据预处理、特征工程等在内的一站式机器学习平台(思维引擎),已经全面覆盖传统金融需要革新的方方面面。

此外,在与广发银行的合作中,百度与其共同探索了信用评价、智能客服、精准营销等AI应用。

很明显,智能金融一方面在用户价值上已经深度渗透了用户的金融价值,另一方面在市场规模上也早已开始了持续扩散的进程,在同时突破m2、u2节点。

5、智能硬件——c2专有产业链要素出现

都知道百度的小度助手及其小度、小度在家等硬件产品,然而,小度助手背后赋能的庞大硬件生态,已经构成一幅独特的智能硬件软硬件一体化产业链。

小度助手的对话能力已经应用到智能家居、智能穿戴、车载、移动通讯等多个大品类当中,合作伙伴包括联想、美的、海尔、HTC、小鱼在家、猫王、TCL、小天才、哈曼、飞利浦、创维、东风、联通、极米、OPPO、vivo等智能硬件领域的重量级玩家。截至2018年12月31日,搭载小度助手的智能设备激活数量已突破2亿台。

智能硬件虽然在其他维度还有待提升,但在产业链这里,客观上形成了自己的组织方式和价值生产逻辑,小度助手加入后,新的分工协作系统初步成形,这即是c2节点的典型表现。

这场AI与产业融合的盛宴,平台、产业与用户各有吃法

从白皮书TUMC模型角度看,平台、产业与用户等主要参与者们,在享用AI与产业融合的大餐过程中,将各有各的吃法。

1、平台:耐心、耐力与耐受

尽管上文大量案例证明了百度已经在行业中出于领先位置,但从TUMC全维度来看,产业智能化仍然任重道远。AI与产业融合是长期而漫长的过程,不是消费互联网爆发式成长,参与平台需要心态(得有耐心)、资源(得有能持续投入的耐力)与运营(得能做到资源整合、能耐受复杂特殊市场情况)的综合支撑。

2、产业:持续跨越“非连续性”

白皮书在举例智能家居领域的极米科技案例时,用了一张十分有意思的图来表达由传统电视到智能“电视”的变迁,如图:

这其实是“非连续性”在智能家居领域的典型表现。

能否跨越非连续性,向来是企业兴衰的第一因,IBM微软、苹果等案例都证明了跨越非连续性对企业、对产业的意义。

而从智能电视等案例可知,智能化的过程,本身就是颠覆过去、跨越非连续性的过程,它也给了产业“从头开始”新的成长机会。

3、用户:从“智能化感知”到“无感知

AI与产业融合是多维度、多节点的推进过程。而TUMC四大维度第二个节点有一个共同的结果:由小众、独特、专有、补充等一系列“被限定”的产业智能,走向全面渗透的产业智能化。

也即,在社会大众的用户层面,产业智能化的最终结果是融入生活,无处不在。

我们不会像在今天用“新鲜”的视角来看AI等技术应用到产业当中,而终会把产业+智能的组合当成理所当然,“不智能”才不正常。智能变成产业的必备要素,也是最基础的要素。

真的到了那一天,产业智能化也就被“领航”完成了正确的航行,拭目以待吧。

以上图片来源于网络

智能相对论
智能相对论

深挖人工智能这口井,评出咸淡,讲出黑白,道出深浅。重点关注领域:AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及芯片、算法、人机交互等。

专栏二维码
产业百度清华大学
1
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

特征工程技术

特征工程是利用数据所在领域的相关知识来构建特征,使得机器学习算法发挥其最佳的过程。它是机器学习中的一个基本应用,实现难度大且代价高。采用自动特征工程方法可以省去采用人工特征工程的需求。Andrew Ng 说“挖掘特征是困难、费时且需要专业知识的事,应用机器学习其实基本上是在做特征工程。”

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

工业机器人技术

工业机器人是面向工业加工制造的可自动控制,多用途,需有三轴及以上可编程的固定或可移动机械手。其系统中包括带有执行机构的机械手以及示教控制器。 它可以依靠自身控制能力来执行预设的轨迹及动作。典型应用包括焊接,刷漆,组装,采集和放置等工作。工业机器人完成工作具有高效性,持久性和准确性。目前常用的工业机器人包括关节机器人,SCARA机器人,并联机器人和直角坐标机器人等。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:积体电路上可容纳的电晶体数目,约每隔两年便会增加一倍;经常被引用的“18个月”,是由英特尔首席执行官大卫·豪斯所说:预计18个月会将芯片的性能提高一倍。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

利国利民