人世間美好的事物,不能僅停留在想象層面。

AI如今就是大家想象中的一個(gè)美好事物,似乎無(wú)所不能,似乎哪里都可以用得上。然而,身處其中的專(zhuān)業(yè)人士才能體會(huì)到,AI的行業(yè)應(yīng)用落地,尤其是規(guī)模化落地,其實(shí)非常不容易。

這,幾乎是目前所有AI廠商所面臨的考驗(yàn),也是導(dǎo)致AI應(yīng)用普及速度不及預(yù)期的重要原因。

近兩年來(lái),聯(lián)通數(shù)科在行業(yè)AI應(yīng)用落地方面,取得了非常不錯(cuò)的成績(jī)。以不太被很多人看重的化工食藥行業(yè)為例,聯(lián)通數(shù)科的AI解決方案,已經(jīng)在湖南中石化、裕泰化工、中原大化、達(dá)因藥業(yè)、三星長(zhǎng)壽花玉米油等各個(gè)細(xì)分領(lǐng)域的頭部企業(yè)落地應(yīng)用,幫助他們降本提質(zhì)增效,加速智能化升級(jí)。我們從聯(lián)通數(shù)科的具體實(shí)踐中,或許可以探索發(fā)現(xiàn)一條AI行業(yè)應(yīng)用的標(biāo)準(zhǔn)化、規(guī)模化落地的可行路徑。

平臺(tái)架構(gòu):為規(guī)?；瘧?yīng)用奠定基礎(chǔ)

很多人用慣了人臉識(shí)別和機(jī)器翻譯,因此就把AI當(dāng)作是一種應(yīng)用。其實(shí),AI更像是一種能力,嵌入在各行各業(yè)的應(yīng)用中,去解決其業(yè)務(wù)痛點(diǎn)問(wèn)題。

因此,AI要想真正發(fā)揮作用,就必須與行業(yè)場(chǎng)景深入結(jié)合,這就導(dǎo)致應(yīng)用場(chǎng)景非常復(fù)雜,要結(jié)合每個(gè)客戶的需求進(jìn)行定制化。除了工作量大、效率低下之外,也對(duì)AI人才提出了更高的要求——需要一大批既懂技術(shù)又懂業(yè)務(wù)的復(fù)合型人才,這顯然并不現(xiàn)實(shí)。

解決這一問(wèn)題的最好方式,就是平臺(tái)化。通過(guò)平臺(tái)化來(lái)降低部署實(shí)施難度,提升復(fù)用性,減少定制化開(kāi)發(fā)的工作量。

上圖是聯(lián)通化工食藥AI平臺(tái)的架構(gòu),共分為四層,自下而上分別是基礎(chǔ)平臺(tái)、算法模型、行業(yè)垂直功能和智能系統(tǒng)。

除了化工食藥行業(yè),聯(lián)通在制造、能源、交通等行業(yè),也都打造了類(lèi)似結(jié)構(gòu)的行業(yè)AI平臺(tái),用來(lái)支撐各行業(yè)AI應(yīng)用的落地。聯(lián)通行業(yè)AI平臺(tái)具有四個(gè)方面的優(yōu)勢(shì):一是行業(yè)可復(fù)用:基于對(duì)行業(yè)共性需求的梳理,形成了可復(fù)用的算法模型和垂直功能分層架構(gòu),算法自主可控,且具備跨行業(yè)可適用性;二是可按需部署:針對(duì)5G互聯(lián)網(wǎng)組網(wǎng)和應(yīng)用特點(diǎn),構(gòu)建了端、邊、云融合的訓(xùn)練、推理、運(yùn)營(yíng)三者有機(jī)結(jié)合的靈活部署方式;三是零基礎(chǔ)運(yùn)維:提供數(shù)據(jù)標(biāo)注工具和自動(dòng)化訓(xùn)練平臺(tái),支持非專(zhuān)業(yè)人員的系統(tǒng)運(yùn)營(yíng)維護(hù),實(shí)現(xiàn)客戶AI應(yīng)用的可迭代成長(zhǎng);四是軟硬一體化:針對(duì)行業(yè)門(mén)類(lèi)繁多、場(chǎng)景定制化特點(diǎn),配備專(zhuān)家現(xiàn)場(chǎng)支撐硬件選型和解決方案設(shè)計(jì),定制化解決客戶痛點(diǎn)。

聯(lián)通AI:沉淀行業(yè)經(jīng)驗(yàn),構(gòu)建“行業(yè)大腦”

在上述聯(lián)通化工食藥AI平臺(tái)中,底層的硬件平臺(tái)是基礎(chǔ)。畢竟,智能化要建立在數(shù)字化和網(wǎng)絡(luò)化的基礎(chǔ)上,以此逐步向著局部智能化和全面智能化的方向邁進(jìn)。

基礎(chǔ)平臺(tái)之上的算法模型,對(duì)于AI應(yīng)用的落地則至關(guān)重要。這些能力是基于AI技術(shù)形成的通用的、標(biāo)準(zhǔn)化的基礎(chǔ)能力,不具備行業(yè)屬性,或者說(shuō)是跨行業(yè)的。

我們都知道,AI當(dāng)下的主流方向是語(yǔ)音、視覺(jué)和自然語(yǔ)言處理。聯(lián)通數(shù)科的算法模型,都是圍繞這幾個(gè)方向而展開(kāi)的,共有50多項(xiàng),為各個(gè)行業(yè)的AI應(yīng)用提供支持。

在化工、食品、藥品等行業(yè)中,安全是第一要?jiǎng)?wù)。這其中既包括生產(chǎn)過(guò)程的安全管理,避免各類(lèi)安全事故的發(fā)生;也包括作為生產(chǎn)結(jié)果的產(chǎn)品安全,畢竟食品和藥品都關(guān)系到人民的生命健康。

因此,上述行業(yè)需要的算法模型,主要集中在目標(biāo)跟蹤、人體檢測(cè)、安全帽檢測(cè)、材質(zhì)識(shí)別、顏色識(shí)別等領(lǐng)域,為安全生產(chǎn)等場(chǎng)景的應(yīng)用奠定基礎(chǔ)。

中原大化是國(guó)內(nèi)知名化工企業(yè),安全管理就是其痛點(diǎn)需求。聯(lián)通數(shù)科基于算法模型,為其打造了安全合規(guī)監(jiān)測(cè)AI系統(tǒng),對(duì)攝像頭和無(wú)人機(jī)采集的視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)智能分析,當(dāng)目標(biāo)物進(jìn)入防范區(qū)域、冒煙冒火苗頭、人員暈崗跌倒、未戴安全帽等情況發(fā)生時(shí),在第一時(shí)間聯(lián)動(dòng)報(bào)警設(shè)備,把不合規(guī)事件消滅在初始期。

值得注意的是,聯(lián)通數(shù)科把這些通用的算法模型形容為“看”、“聽(tīng)”、“思考”、“說(shuō)”、“移動(dòng)”、“抓取”、“交互”等類(lèi)人能力,進(jìn)而在這些能力基礎(chǔ)上構(gòu)建起“行業(yè)大腦”。

行業(yè)AI范式:抽象行業(yè)應(yīng)用場(chǎng)景

“算法模型”,是聯(lián)通數(shù)科AI標(biāo)準(zhǔn)化、規(guī)模化的下層,是貼近AI技術(shù)的基礎(chǔ)能力。在此之上,“行業(yè)垂直功能”則是AI標(biāo)準(zhǔn)化、規(guī)模化的上層,是貼近行業(yè)業(yè)務(wù)的應(yīng)用功能。

聯(lián)通數(shù)科把這一方法論稱(chēng)之為“行業(yè)AI范式”,每個(gè)范式都是一個(gè)通用方法論,對(duì)應(yīng)一類(lèi)行業(yè)應(yīng)用場(chǎng)景。

在化工食藥行業(yè),就有工裝穿戴(檢測(cè)是否正確穿戴安全帽、工服、口罩、手套等)、行為合規(guī)(識(shí)別吸煙、打電話、玩手機(jī)、睡崗、離崗等不合規(guī)行為)、液體質(zhì)檢(檢查液體的顏色和內(nèi)容是否符合質(zhì)量標(biāo)準(zhǔn))等。

這些“行業(yè)AI范式”,是針對(duì)特定行業(yè)需求而開(kāi)發(fā)的算法,在具備行業(yè)特色的同時(shí),也有一定的通用性,可以復(fù)制到該行業(yè)的多種應(yīng)用場(chǎng)景當(dāng)中去。

比如,針對(duì)化工食藥企業(yè)對(duì)安全生產(chǎn)的高要求,該行業(yè)的AI算法模型,就要保證不能出現(xiàn)漏檢,為此寧可接受一定的誤識(shí)別。再比如,借助“液體質(zhì)檢”這個(gè)AI范式,非專(zhuān)業(yè)人士也能用它去解決酒、食用油、液態(tài)藥品等的質(zhì)檢需求。

三星玉米油是國(guó)內(nèi)第一家專(zhuān)業(yè)生產(chǎn)和研發(fā)玉米油的生產(chǎn)廠家,成功締造了中國(guó)玉米油知名品牌“長(zhǎng)壽花”。聯(lián)通數(shù)科為其打造了人員穿戴、洗手、合格證投放等三個(gè)合規(guī)監(jiān)測(cè)AI應(yīng)用場(chǎng)景,和壓蓋異常、膠帽異常、噴碼異常、食用油異物檢測(cè)等四個(gè)質(zhì)檢AI應(yīng)用場(chǎng)景,幫助其實(shí)現(xiàn)了生產(chǎn)、裝箱、質(zhì)檢等關(guān)鍵環(huán)節(jié)的智能化升級(jí)。

通過(guò)上述解析,我們可以看出,聯(lián)通數(shù)科的行業(yè)AI平臺(tái),是以安全開(kāi)放的AI開(kāi)發(fā)環(huán)境,大規(guī)模多類(lèi)型數(shù)據(jù)為基礎(chǔ),形成具備感知、決策、執(zhí)行能力的“行業(yè)大腦”;通過(guò)深度融合服務(wù)政企客戶過(guò)程中積累的豐富應(yīng)用場(chǎng)景及行業(yè)經(jīng)驗(yàn),打造行業(yè)范式,支撐行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級(jí)。

落地實(shí)踐:“先試后買(mǎi)”解除客戶顧慮

有了上面兩項(xiàng)通用能力做基礎(chǔ),實(shí)現(xiàn)了AI應(yīng)用的標(biāo)準(zhǔn)化,那么規(guī)?；涞鼐途哂辛丝尚行浴＿@時(shí)候,聯(lián)通政企業(yè)務(wù)強(qiáng)大的行業(yè)拓展能力、深入鄉(xiāng)鎮(zhèn)的區(qū)域覆蓋能力,就可以發(fā)揮巨大作用。最近,聯(lián)通還成立了9大行業(yè)軍團(tuán),可以把其AI平臺(tái)在細(xì)分行業(yè)進(jìn)行快速?gòu)?fù)制推廣。

與此同時(shí),針對(duì)當(dāng)下客戶顧慮多、不知道該怎么利用AI、也不知道AI到底能給自己帶來(lái)什么業(yè)務(wù)價(jià)值的情況,聯(lián)通數(shù)科實(shí)行了名為“BAT”的營(yíng)銷(xiāo)策略,即“buy after try先試后買(mǎi)”。

根據(jù)這一策略,聯(lián)通數(shù)科提供的前期服務(wù)都是免費(fèi)的,包括深入了解客戶業(yè)務(wù)痛點(diǎn)、共同探索解決方案、確定業(yè)務(wù)回報(bào)等等。雙方達(dá)成共識(shí)后,才商榷服務(wù)的費(fèi)用,從而在極大程度上打消了客戶的后顧之憂。

通過(guò)這一策略創(chuàng)新,聯(lián)通數(shù)科的AI平臺(tái)得到了化工食藥行業(yè)客戶的高度認(rèn)可,在安全生產(chǎn)和食品安全等領(lǐng)域得到廣泛應(yīng)用,為行業(yè)的智能化升級(jí)做出了貢獻(xiàn)。在此進(jìn)程中,聯(lián)通數(shù)科通過(guò)算法模型和行業(yè)垂直功能的兩層抽象,實(shí)現(xiàn)了AI行業(yè)應(yīng)用的標(biāo)準(zhǔn)化、通用化,由此也具備了業(yè)界領(lǐng)先的快速定制化能力,能夠服務(wù)更多的行業(yè)客戶。

在AI加速行業(yè)應(yīng)用的當(dāng)下,聯(lián)通數(shù)科以強(qiáng)大的自主研發(fā)和服務(wù)運(yùn)營(yíng)能力,創(chuàng)造了AI應(yīng)用規(guī)?；涞氐男路妒?為我們打開(kāi)了一片新的天地。

當(dāng)化身為造福千行百業(yè)的智慧與光芒之時(shí),AI也變得更有溫度。（作者:于洪濤