騰訊雲副總裁王龍：雲+AI是產業升級的最佳搭檔

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，騰訊雲副總裁王龍表示，雲＋AI將是產業升級的最佳搭檔，騰訊在過去20年積累的數百種AI能力正在通過騰訊雲對外開放。這些數字化、智能化的能力，在產業互聯網時代，將助力數以萬計的企業保持高速創新發展。

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的飛速發展，已經成為產業數字化轉型和智能化升級非常重要的技術驅動力。這些AI技術在智能客服、智能核保、智能開戶等眾多場景下，不僅能有效降本增效，同時還能大幅優化用戶體驗。

王龍認為，雖然AI技術幫助企業實現智能化升級，但是對於眾多小企業或者技術能力不那麽強的企業來說，AI技術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。

一方面在構建AI能力過程中，AI人才獲取門檻高，深度學習模型訓練和迭代成本高，眾多新場景下，智能設備適配困難；另一方面在應用AI的時候，項目建設周期長，效果低於預期，後期運維效率低，投入大。

為解決這樣的問題，雲+AI的結合會全鏈路降低AI落地門檻。面對AI構建能力的挑戰，騰訊雲聯合上百AI領域的合作夥伴，為用戶提供多個領域數千算法專家，數百種先進的預訓練模型，同時，還能夠提供一站式開發、調試、部署、運維工具，以及高效、靈活、無限的雲資源。針對應用AI的挑戰，基於雲計算自服務特性，用戶即付即用，雲端多種多樣的算法集市以及免維護，彈性伸縮的能力，可以有效降低新應用落地的成本。

以下為王龍在大會現場的演講全文：

各位來賓，各位朋友，大家早上好！很榮幸在這裡跟大家分享一些AI技術在雲服務上的進展。經過過去幾年的發展，大家充分意識到人工智能技術會成為產業數字化轉型和智能化升級的非常重要的一個技術驅動。怎麽去看待這件事情呢？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。回頭來做一個總結，我們認為產業互聯網智能化升級，數字化升級都離不開幾項技術。

第一，要讓它感知，用各種各樣的計算機技術感知這個物理世界，映射到數字世界中成為數字孿生體。二是認知，當數據集中到雲端，計算機需要了解背後的邏輯，了解背後運行的規律。做了這樣的了解之後，能夠更好地去和物理世界，和我們現實生活做互動和決策。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，語音識別，自然語言處理技術。 有了方法論指導，各種各樣的場景當中，看到AI和產業結合的效果。

比如說智能客服場景當中，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，多輪對話技術。在智能客服完整系統當中，在每一個環節都應用一項或者多項深度學習的模型，各種AI相關的能力。那麽在我們多個智能客服系統落地過程中，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，每年服務量增長20%，運營成本大概每年三千萬，能提供5×8服務，客戶滿意度經自己調研是93%。在使用這樣一個系統之後，很明確地看到它的人力成本節約600萬，但是有一點不一樣，通過智能客服體系，把服務能力從5×8變成7×24，提升客戶滿意度。當然所有的企業在做這樣一個投資的時候，都會考慮投資回報率，我們經過機器核算之後，它收回投資的周期是24個月。

智能核保，是現在正在流行的場景。用戶或者被保險人提供了報銷申請之後，我們需要使用OCR技術來獲取報銷單的信息和保單信息匯總，利用NLP各種技術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，它能節約成本20%、30%，能夠大大提升用戶的體驗，預計在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，用在智能開戶上，包括圖象識別、包括OCR識別來獲取身份證，利用視頻技術來做安全的認證，語音合成和語音識別的技術來減少人力開戶的一些線下的工作。通過這樣一個方式，我們可以節約傳統證券公司開設多個櫃台、提供多個人工服務的成本，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，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。

這有語音質檢的技術，客戶人員完成一次服務，需要人去抽檢，因為量太大了，一般有一百個客服坐席，只有三到四個質檢人員，抽取客服人員服務記錄，確定客服人員是否專業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，審核人員素質參差不齊。可以把質檢提高100%，效率提升10倍以上。

AI只要使用得當，或多或少都可以幫助我們企業完成降本增效，能夠幫助他們尋找到很多創新的機會。剛才前沿實驗室專家的演講，包括我講的數據並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後，它的成本能節約20%。那對於某些大企業節約20%非常可觀，可以推動這樣一個技術的落地，推動這樣一個擴展或者擴張。但是很多小企業，或者很多技術能力不那麽強的企業，它在實施周期上，在落地上都面臨巨大的困難，我們很多技術在規模化擴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。

解決這個問題，需要拆解我們在使用人工智能技術的步驟，針對每個步驟做一個優化。人工智能落地分為兩種，一是構建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是以深度學習為引領的，深度學習需要好的數據規模和質量，這是比較難控制的。我們可以看到由於深度學習模型訓練和迭代成本非常高，整個周期變得很長。很多人工智能應用場景當中，還要和設備進行連接，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，我們獲得的收益並不能無限的增長，這是構建AI能力上的挑戰。

在應用AI的時候，一方面像傳統軟體在傳統企業落地的周期長、成本高、運維效率低等，AI應用的困難會疊加上來，我們怎麽評估效果？怎麽讓效果為企業、為工作帶來真正的好處？解決這一點，我們再進一步拆解構建AI和應用AI每一個步驟。

我們在構建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據，準備各種各樣符合這個場景的數據進行標注，然後進行訓練、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，然後再和現有的業務系統進行對接、開發、部署，上線之後還要持續的進行迭代和優化。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，然後在每一個步驟投入都可能是巨大的。

那怎麽辦？我們需要一個平台把這些步驟全部都串聯起來，無論在數據相關工作當中，還是在應用開發的工作，還是智能設備的適配，還有最底層的算力的調度、模型的優化，最終還要有一個很好的評估機制。這和在傳統寫代碼過程中評估代碼質量一樣，我們需要一個評估AI應用的效果，AI應用開發質量的機制。通過這樣一個平台，才能夠有效的解決構建AI當中面臨的困難。

我們解決這些之後，反過來看應用落地的困難。應用落地的困難和傳統軟體類似，應用落地的困難同樣可以使用傳統軟體過去數年一直使用的方法克服這些困難。

我們於是認為雲+AI會全鏈路降低AI落地門檻。面對AI構建能力的挑戰，一旦使用雲端的服務，像騰訊的專家，預訓練模型、在內部使用的開發測試、部署運維工具都可以對我們的客戶和合作夥伴進行開放，同時在騰訊雲周圍聚集上百AI領先的合作夥伴，高效、靈活、無限的雲資源可以獲取。針對傳統的挑戰，通過雲服務，一是自服務，即付即用；二是雲服務實時更新，自訓練工具，多種多樣的算法集市；三是雲的免維護，彈性伸縮的能力，可以降低新應用落地的成本。

如果不依賴雲，全部依賴於自身一個團隊的構建，全部依賴一個環境，我們在自研一個AI應用，或者部署AI應用的時候，平均的周期時長是26天。一旦使用雲和AI配合，這個研發周期將縮短至7天，未來還有進一步提升的空間。

再回剛才提到智能客服，使用雲服務之前和使用雲服務之後，這是我們得到的一個數據。我們在新的智能客戶落地過程中，將通過依賴於算力，依賴於底層的模塊部署在雲端，或者使用雲端的服務，而將貼近客戶的有定製化的、跟客戶的應用綁的比較緊、放在客戶本地。同時使用客戶或者合作夥伴的團隊來進行更加貼身的服務。通過這樣的方式，我們前面研發成本進一步縮減，它的基礎設施成本、維護和運營成本都能獲得超過50%的縮減，還有最重要的軟體或者是企業服務的實施周期，及收回投資的周期得到非常明顯的提升。

智能核保也做了數據評估，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在各行各業的應用範圍，讓AI在各行各業的應用更加有效率，獲得更多的收益。

騰訊雲在AI領域的目標是讓AI無處不在。騰訊過去20年開發數海量不同的應用，這些應用當中也使用了數百種不同的AI能力。這些數字化、智能化的能力，在過去20年更好的幫我們服務C端用戶，讓他們獲得更好的用戶體驗，相信這些能力在產業互聯網時代，能夠同樣幫助我們的企業提供更高速發展的機會。

這些在海量應用中打磨過的實驗室的AI技術能力，正在通過騰訊雲對外進行輸出，無論是數據科學家、算法專家，還是應用開發者，還是最終的CEO們，他們都能夠在騰訊雲這樣一個豐富的產品矩陣中找到他們所需要的，找到切實幫他們降本增效、幫他們發覺創新機會的產品和服務。

除了內部的合作夥伴，我們也和行業中大量AI公司進行合作。在整個產品矩陣，對於整個解決方案的每一個鏈路，我們秉持開放的心態，更好地為客戶、為企業提供完整的端到端能力。我們也將和合作夥伴緊密合作，為用戶提供更多的能力。

在此歡迎更多合作夥伴加入我們，歡迎更多的數據科學家、算法專家，應用開發者能夠到騰訊雲來體驗我們的產品，今天我的分享就到這裡！謝謝大家！