演讲实录丨胡桂兵：京东云产业创新云加速产业智能发展
AI深入浅出 2019-07-05
胡桂兵 京东云产业创新云总经理
以下是胡桂兵的演讲实录：
今天我分享的主题是如何通过人工智能（AI）技术，助力产业智能化的发展。
从 1956年达特茅斯学院的副教授约翰•麦肯锡组织的一个讨论，第一次提到 AI，其发展到现在已经 60 多年。在此期间经历过几次所谓的“冬天”，有一些 AI 技术发展经历了低谷和反复的过程。真正看到 AI对我们产生广泛的影响，大概是这十年来的事情。加拿大学者理查德 • 利普西在其经济学著作里提到 : 社会经济的持续发展是靠通用技术的不断出现而持续推动的。AI 就是一个通用技术，和内燃机的出现一样，对社会会产生广泛影响。因为绝不只是一个专有的、在某个领域的一个应用技术，它会影响到每个组织、每个行业，甚至每个企业、每个人。
一个技术从它的产生，到真正能够形成一个产业，对传统产业产生的影响是经历过一个慢长的过程，就像 AI 发展到现在已经 60 多年。在这个过程中我们可以看到，一个技术从实验室走向商业化需要经历几个步骤。首先，在技术上一定要有一个成熟的过程。一个技术在实验室里孵化出来，解决了 0~1 的问题，应用到产业界我们叫做 1~3 的问题，这里一个重要的问题就是这个技术是否达到产业界要求的可靠性、稳定性，以及达到一个精度要求。这个过程我们叫做技术上的第一次爬坡过程。第二次，当这个技术有一些非常小的创新客户还面临着一些挑战，是否真的可以达到3~N 的规模复制能力，我们需要技术上的稳定性，还需要产业界的供应链技术能够跟上。
从用户效能，就是我们说的场景，刚开始的技术可能是面上一些特定场景。比如，AI 最开始就是面上一些人脸识别，综合性场景比较少。因此，在场景方面也是面临着一个爬坡过程，首先要找到特定的场景，这是第一次。再从专业的场景、特定的场景，到综合场景的过程中，也面临这样一个爬坡过程，市场也是。我们前期可能更多的是面向一些专有市场，一些非常专业的特定市场。比如最开始时，我们面向的是偏学术的，后面会面向一些大众市场，这也是一个转变过程。产业链方面，最开始一项技术在产业化过程中，更多的是这项技术可以嵌入到现有的产业链，成为现有产业链的一部分。到后面，具体到人工智能会形成自己的一个产业链、价值链和分工组织模式，综合这四个维度来看新技术的成熟度。现在 AI 处在早期的创新者到早期的一些采用者这样一个过程中，实际上是在一个加速爬坡的过程中，所以对大家来讲都是一个机会。
从国家政策层面可以看到，从 2016 年政府工作报告里提到的“互联网 +”，再到2017 年、2018 年提到的人工智能，然后再到 2019 年首次提出的“智能 +”，就是希望把智能技术嵌入到现有产业里。从政府工作报告里可以看到，国家希望打造工业互联网的一个平台，把“智能 +”应用到传统行业，比如制造业，促进产业的发展，新兴产业聚集，传统产业的智能化升级。
2019 年的 3 月，中央全面深化改革委员会第七次会议审议通过了《关于促进人工智能和实体经济深度融合的指导意见》，第一次提到坚持以市场需求为导向，以产业应用为目标，结合不同行业、不同区域特点，探索人工智能成果转化，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。
要发展产业智能化和智能产业化有三个关键的要素，第一个就是平台。真正能做人工智能基础研究开发的公司机构并不多，研究人工智能有较高的技术门槛、人才门槛和资金门槛。但是大家都需要与 AI相关的技术，这实际上存在一个鸿沟，我们的解决办法就是提供一个智能化平台，让这个平台降低你的门槛，把这些技术通过平台用非常简单直观的方式呈现在你面前，同时不需要考虑那些隐藏在后面的复杂算法和模型，也不需要招聘 AI 专家等，只要根据你的应用特点选择合适的算法和模型，即可从某种程度上降低使用 AI 的风险。平台方面有两个核心的要素，第一个就是有自然基础设施，核心就是下面的一些硬件，还有数据、算力和算法。再上面就是智能产业化，把一些智能的技术从实验室走到产业化时有一个同步完善的过程。比如，智能物联也好，人工智能也好，只要传统的技术与智能技术结合起来达到商业化的标准、智能产业化即可。再往上，就是产业融合——技术与产业结合。比如，在智能制造里，怎样在工厂设备里把 AI 的元素嵌进去；在智能农业里的智能灌溉，通过拍一些视频，精准调用无人机喷洒农药等，这些都是 AI 技术与传统产业技术结合的例子。
应用创新是能够真正提供价值给企业、给用户一些实际的应用。针对产业智能化的一些要素、面临的一些困境，我们推出了京东产业创新云，以生产要素的补齐为核心，围绕产业链的研、采、供、销、服五个阶段，围绕产品创新、产业孵化、产业加速、规模销售，还有持续运营、可循环的几个阶段，帮助产业创新。在产品创新阶段，我们提供了一套软件开发流水线，同时提供一些硬件的开发流水线，最重要的是做一些 C2M 的反向定制。我们的一些智能产品，通过数据分析告诉我们客户喜欢什么产品，我们就造什么。过去定一个设计推向市场完全是通过我们的主观判断；现在更多的是通过实实在在的数据告诉你，在某个场景下需要什么样的设计。从客户的角度反推我们产品的设计，在产业孵化阶段，会结合京东的优势做一些路演、做各种活动，拿一些优质项目过来给他们赋能；产业加速阶段，会结合京东的众筹，和当地的产业基金补充生产要素里的金融要素，帮助很好的项目做一个加速孵化；在规模销售阶段，实际上在商城有一些智能旗舰馆，在线下也会有一些店，帮助我们把生产出来的产品，真正卖出去，传递到消费者。
运营阶段，一方面，我们构建一些本地化的运营团队，线上、线下结合起来做运营，最终帮助企业打造智能产业群的集聚，帮助传统产业进行一个智能化升级；另一方面，为打造一个城市的公共品牌，智能制造最重要的是帮助本地一些创业企业成长，加速成长成为一些独角兽。
我们的平台有三个中心，包括技术的接入、数据的接入，中间围绕软件的生命周期，从软件前期的需求、设计再到测试，再到部署。就像原来传统产业的工厂流水线，这套流水线以前用的是手工作坊，现在已经升级，业界用的比较多的是 DevOps的流水线，我们构建好你就可以用。无论是京东本身的，还是现在生态合作伙伴的一些应用，都可以通过一些服务的方式提供，上面的应用可以直接调用。
我们要开发一个 AI 的应用，传统的应用从应用的需求建模，再到架构设计、软件设计、开发测试、应用部署，再到系统运维即可；到 AI 时，除了软件工程师、开发者之外，要有一个数据科学家，数据工程师参与这个过程。这里前端一个问题的识别，再到获取数据，是从公开数据出来，还是从其他的一些途径获得，需要有一个数据，去训练你的模型、去调优等。比如模型管理，我们建立了一个模型的市场仓库，可以共享通用的一些模型。企业可以根据需要直接在我们市场上选泽即可，再到部署，和我们应用开发程序嵌在一起。
现在在AI里有一些非常好的训练平台。第一，非常简单，基本上不需要写代码，写一些脚本即可，帮助开发者零门槛构建你 AI 的应用。创新云里很大的一部分就是生态，不仅有技术生态，还有智库生态。技术生态，我们在中移物联提供的是 AIOT的解决方案，包括前端的设备接入模组，还有网络通道和数据生态，我们的 9 次方，每个都有。比如，有些个人的移动位置的数据，9 次方会有供应商的数据，我们会做一个商业赋能，不会涉及个人隐私和数据安全问题。在运营方面有一些猪八戒、软通动力，我们会做一些本地化运营及活跃度提升，帮助企业在上这个平台时有一些技术咨询，运营问题都可以本地化面对面解决。智库生态，赛迪是我们的合作伙伴，很多地方构建智慧城市时，都是赛迪和我们一起做顶层的规划设计；在国家信息中心我们也有合作，包括四大 KPMG 我们做一些顶层智库的合作。同时我们和一些高校，比如清华大学数据研究院也在做一些数据方面的合作。
第三，也是核心工作，就是我们想做普惠的 AI，降低门槛，让大家真正把 AI 用到生产流程、销售环节和运营环节，提升效率，帮助他们快速地把产品交付到客户手中。
我们在前期和企业对接中对接了十几家企业，归纳起来发现这个平台对有需求的企业非常有效果。
第一类需求是传统企业。目前传统企业面临一个增长乏力的问题，需要做一些突破。我们帮助它们怎么做智能 + 的转型，分析它们做的产品哪些是受欢迎的。比如做家纺的，需要做智能化，模组应该选哪一家，软件应该怎么设计，应该先做哪几个场景是客户先需要的。
第二类需求是软件公司。软件生产流水线实际上是比较落后的，帮它们做软件生产流水线的更新、换代、升级，让开发、测试更有效率。
第三类需求是传统做软件企业。要做软硬结合的转型，但是它们是做软件的，不懂硬件。比如硬件怎么设计，怎么去做一些开模，怎么和产业链对接，对于它们来说完全是一个陌生行业。我们可以帮助它们提高效率，快速和资源对接，实现软硬结合的方案。
第四类需求是物联网行业的人。物联网要连接的设备是碎片化的，一个一个对接非常费力，有些不一定能撬动这个资源。京东平台里已把一些很基础性的工作对接了，有上传，和很多智能的空调、家电已经对接好了，因此不需要每个企业单独对接。比如要连某个品牌的冰箱、空调、家里扫地的机器，要做本地家庭的一个物联网应用，你就专注在这个数据采集上来以后做应用就好，不需要做底层的工作，因为我们已把对接的工作做好了。
总之，第一，在智能基础设施和智能产业化上，通过我们的平台降低了技术门槛，让智能化更加简单；第二，我们是产业和智能结合，把传统的一些价值链里的流程和 AI 的技术进行嵌套，把 AI 嵌到产业链里，真正把一些产品使用到客户端，用户感觉到它是一个智能化的产品，最终是通过一个个应用和产品体现价值。
（本报告根据速记整理）
CAAI原创 丨 作者胡桂兵
未经授权严禁转载及翻译
如需转载合作请向学会或本人申请
转发请注明转自中国人工智能学会
