衔远科技开创人周伯文：AI落地产业数智化的机遇和应战

心里的石头

图片来源@视觉中国
文 | 衔远产品顾问，作者 | 周伯文（衔远科技开创人）一、


从上图看，咱们能够发现产业是静态均衡开展的，需要和供应的继续互动推进产业不停深入，造成超级供给链网络。
咱们回顾一下国际产业链的变动，初期是从天然产物间接到消费者，得多都是区域性的；工业化当前开始有高级的加工，原资料会经过加工商、批发商再到消费者，从区域到全国。90年代参加WTO之后，消费者触达规模从国际变为了国内，产业链泛起了明显的变动：加工商与批发商之间泛起了制作商与品牌商。再到2008年大范围安慰经济以来，产业因素的分工与协调更为亲密。
从消费端来看，产业变迁反应了给消费者提供的价值的变动：品牌商的泛起给需要端带来了社交属性，开始知足消费者的社交层面需要。假如从马斯洛需要剖析的角度来看，消费者需要档次的知足是不停晋升的。
那末将来10年、20年产业链会产生甚么变动？咱们以为原资料散布格式会变动，加工商分工会更细化，制作会更去核心化、更柔性，品牌分化的颗粒度会更细，分销批发环节会更扁平，消费者需要也会更分化、共性化。
咱们该如何应答这些变动？中心是借助AI、5G、IoT等技术完成万物互联，经过数智化技术完成产业链间的智能合作；从消费者角度讲，每集体都能获取本人想要的共性化产品，这合乎马斯洛实践最高需要的自我完成，也是将来10年的时机所在。
2、数智技术加强企业经营和盈利才能，晋升竞争力


咱们综合了多个调研讲演、征询公司的调研后果，发现数智化在各个行业产生了这些变动。
首先，产业数智化不单单产生在互联网、消费品等跟消费者互动较多的行业，也包罗机械工程、冶金业等重工业畛域。前不久我受邀加入了三一团体的科技节，与多位专家讨论产业数智化的将来，中国电动汽车百人会理事长陈清泰也在会上指出“软件定义汽车的时期，智能机械推翻功用机械已经是已经大势所趋”。换句话讲，产业数智化不属于某一个行业，而属于这个时期。
第二，产业数智化不是个标语，它能够带来真刀实枪的成果。咱们发现，产业数智化程度高的行业领军者销售支出的增长速度能当先行业程度3倍以上，而销售支出的增长带来的是更为丰厚的利润。
第三，我国各行各业数智化程度错落不齐，即便是最早进的行业，也只做到了六非常摆布，像一些更传统的行业得分会更低，所以咱们还有很长的路要走。
第四，产业数智化详细能带来甚么？一方面是智能化经营，指的是从海量数据中生成数据洞察，实时且正确地制订决策，晋升用户体验。经过智能化经营，企业能够在消费者触达营销等方面做得更高效，好比客户需要反馈，这一点上大家对数智化是十分感同身受的。为何互联网企业做得好？由于他们是数字原生企业，从第一天开始就是从数字化经营的。
然而关于工业制作业来说，还有个首要价值——数智化翻新。数智化翻新指的是借助数字技术的气力，减速企业产品和办事的翻新，探究新的市场机遇，创始新的商业模式，孵化新业务。这类数智化的伎俩，能够让企业全链条数据积攒、复用，能让企业更矫捷、更高效地翻新。咱们视察到，数智化转型的领军者不只是智能化经营做得好，更是在数智化翻新方面做得好，这是全链条的价值体现。


产业数智化转型在不同行业存在不同的应战，完成的门路、时间节点也有所差别，并无一个放之四海而皆准的规范。详细来看，零售批发、居民办事、住宿餐饮等行业曾经开启了数智化转型，然而重工业、制作业、交通运输、公共办事等行业仍是产业数智化的蓝海，目前有少量的需要亟待知足。
人工智能技术进入出产力阶段
以人工智能技术、大数据等为代表的新一代互联网技术，是撑持产业数智化转型的首要产业因素，那末目前人工智能开展到甚么阶段了？
1、从天然言语到图象生成
目前人工智能很首要的开展是经过表征学习将多模态信息融会，包罗图象、视频、音频、语义等，更迫近人工的觉得。
跨模态数据的协同训练，使得从笼统的天然言语到图象生成成为可能。好比OpenAI能够完成让人工智能按照人类的天然言语生成图片，并且这些图片不是单纯地对已有图片模仿，它是像素级的重构。


好比右侧宇航员骑马的图片，形容的是实践上不存在的场景，宇航员怎么能在月球、火星上骑马呢？然而人工智能能够按照症结词“宇航员”“骑马”，发明出这样的图片。换句话讲，人工智能在目前阶段经过多模态来深度学习，具备了对语义的深度了解，也具备了一定的发明和自主决策的才能。
我已经约请一些人闭着眼想象一种理想中不存在的鸟，而后让AI按照大家的形容将这类鸟的色彩、外形进行像素级的描画。画出来之后，我问大家有无见过这类鸟，还真有人举手说见过。由于图片十分高清，跟在图库上看到的同样实在。
2、从天然言语到代码生成


除了详细的图象文本之类，人工智能曾经开始进入出产力的阶段了。大模型也可以帮忙咱们进行综合的工作行动，例如按照人类的提醒，自动实现代码，这给更多用户使用AI技术提供了方便。
Google开发的AI通用架构Pathways，混合了多种人工智能的根底模块，用稠密衔接的形式造成了一个混合式专家零碎。假如你要写一段代码，只需求提醒所需求的代码是甚么，那末人工智能能够经过Prompt Learning（提醒学习）的形式自动生成代码。全部进程就像有人出题、有人做题同样，这是大模型在出产力方面的呈现。
3、从天然言语到序列决策生成


人工智能更繁杂的运用则与工业、制作业非亲非故，按照最新的钻研，人工智能能够把天然言语换成一个序列决策模型去实现最好工作。
上图展现的场景产生在硅谷，一个顺序员到无人售货店，对机器人说“我刚刚熬炼回来，需求一个饮料和一份小吃”，而后机器人拿来一瓶水、一个苹果。
这个案例最使人印象粗浅之处在于机器人了解了笼统的要求，并合成成一系列的决策。机器人的决策进程大略是这样的：第一件事是找一瓶水，第二把水拿起来带给顾客，而后再去找个苹果带给顾客。
这个进程有很粗浅的意义：首先机器人可以了解人类的指令，能精确地把饮料对应到水、把小吃对应到苹果，这象征着它能把天然言语了解到实体傍边；第二，机器人可以抉择一个序列，即先做甚么、再做甚么，可以残缺地实现客户办事。
从天然言语到序列决策是一个十分首要的运用场景冲破，大少数人听起来都会感到冲动人心，然而在落地上还有各种应战。
AI推进产业数智化转型的中心问题  1、产业数智化，洞察需要是第一步
2021年，我曾带队造访了数十家制作业企业，跟大家讲述咱们的技术可以干甚么。通过少量的造访，我把制作业数智化转型带来的中心价值，拆解成十几个环节，在每个环节人工智能都能带来反动性的思考和全链路的数智化降级，这样就可以彻底重构传统模式。
传统模式下，企业先设计、制作生产品再卖给客户。然而在数智化转型后，经过对少量用户、消费者实时的洞察，对经营数据的跟踪和剖析，彻底能够做到第一步就以客户为核心、以市场为核心、以竞争为核心来重构产品设计和出产。
第二步就是把市场洞察跟企业的产能、供给链等结合起来，把需要转化成产品。经过对蓝海市场的剖析，转化到企业竞争力掩盖规模内，去定位产品、定义产品、乃至按照供给链去定价产品，而后再开始做共性化的、千人千面的设计。
再日后是柔性设计，人工智能能够优化一切的产品设计目标，在更高的维度寻觅最优组合，就像AlphaGo下围棋同样，能在更高维度的空间里找到人类想不到的组合和特点设计，能够作为人类产品设计的增补。从粗浅的市场洞察到产品概念和验证，这也是咱们在做的事件。
人工智能能够辅佐智能产线排布、智能用料调度、智能库存办理等方面进行出产调度；经过制作模式的自动切换晋升效力，进行出产办理；对全进程的品质管制、追溯晋升成品率；对用户全渠道触达，提供用户唤醒办事进步留存；还能完成智能仓储物流配送、智能售后等。能把客户的需要、痛点实时反馈到最开始的需要洞察，造成全链路闭环的数智化办理。
2、根底模型参数2年增长240倍，如何撑持产业降级？


红线是过来几年跟着人工智能停顿计算量产生的变动，能够看得出根底模型的回升十分峻峭，每两年模型的参数要成长240倍，这带来了少量的人员损耗和不经济的状况。绿色的线根本上是摩尔定律在GPU时期的连续。
从摩尔定律的角度来说，硬件的内存每两年能力晋升两倍，斟酌到模型两年成长240倍，毫无疑难这是不成继续的。在其余畛域，跟着技术开展人员利用愈来愈高效，然而在人工智能界，人员的损耗是在迅速晋升的。
3、从产业视角看，如何晋升云边端自演变协同
此外，在产业数智化过程当中，有数的场景能够用到这些模型，然而一个大模型不克不及再放大到场景里。好比说智能出产，每个摄像头的地位、光线，以及每个终端计算装备都纷歧样，如何让这些模型解决不同的问题，这是接上去人工智能落地需求面临的。
少数学者更关注怎么去做“峻峭的直线”，由于看起来十分的“冲动人心”。然而我更关注的是如何落地，把前沿的技术在碎片化的产业数智化场景高效输入。然而原本的大模型不顺应碎片化的产业数智化场景，由于小样本数据十分凸起，而且在每个点部署人工智能模型的需要都是纷歧样的。
在重工业企业，我很容易就可以想到上千个场景能够用人工智能，每个场景有不同的终端运用的环境，所以终端模型可能会达到百万级。这个量级如何从云真个大模型中获取治理和能源，同时百万级的终端模型如何实时反馈给云真个大模型，反哺根底模型的迭代晋升？这是我比来提出的一个根底科研标的目的，就是从产业视角看，如何晋升云边真个自协同。
换句话讲，云真个根底模型如何经过自顺应的形式，被推送到每个终端场景，能很快本人顺应这个场景并发明价值；同时，在边端场景重复迭代，将专家学者给的反馈集中起来去迭代云真个模型。
4、人机加强协同，将来应该向哪里开展？
在产业落地的过程当中，人工智能的存在不是为了取代人类任务，而是为了让人在任务环境中发明更多的价值。
在这里我特别保举一本书《思考，快与慢》，该书的作者是诺贝尔经济学奖获取者丹尼尔·卡尼曼，他提出人有两种思考模式：凭借直觉、疾速、有意识思考（System1），以及无意识、深度的思考（System2）。
凭借直觉思考（System1）的典型例子是国内象棋巨匠，他们能够同时跟20集体对弈，基本不需求长期思考，由于是凭借直觉下棋。无意识的逻辑思考（System2）就像咱们做高考数学题同样，往年高考数学很难，没有人扫一眼就可以交一份满分答卷，你必需老诚实实地思考。


所以第二个学术问题就是如何设计人工智能零碎，让人工智能跟人，尤为是行业专家协同好做各种决策。已经盛行的说法是让AI做疾速思考（System1）的事件，让人类去做有序列、布局、逻辑性思考（System2），然而通过长时间的钻研，我以为应该倒过去：基于直觉、判别、艺术发明性的货色应该交给人来做，由于人做这件事的劣势太大了，反而是逻辑思考（System2）、需求重复计算、推演的事件应该交给人工智能来做，这样咱们可以获取更好的人机灵能协同后果。
数智化驱动企业模式翻新案例
了解了人工智能技术趋向，以及落地的中心问题，咱们思考如何把抵消费者、用户的洞察，和对产业的粗浅了解融会起来，帮忙产业做最佳的产品设计和翻新。
1、智能反向定制
咱们有个跟家电巨头协作的例子。某家电巨头的冰箱业务线事迹个别，没进过该品类前十名。过后这个企业提出一个议题：能否用人工智能帮忙晋升数智化程度？因而咱们容许用AI帮其全新设计一集体工智能系列的冰箱。
冰箱看起来简略，然而细分的话有300多个参数，包罗延续的、离散的。好比离散的参数包罗选择几开门、甚么色彩、几个色号，延续的参数包罗用电量、容积、功用取舍、定价等等。所以咱们让该企业根据出产线的参数规模，给到了300多个参数以及取值空间。
咱们回来第一件事就是经过人工智能多模态感知、天然言语了解技术，对一切品类的冰箱进行剖析，开掘包孕多少维度、消费者体验等参数，这是一个战略性的神经网络，它来抉择人工智能怎么设计产品。此外一个神经网络来摹拟消费者看到这款冰箱之后的反映、评估、情绪、喜爱的特点、转化率、是不是会下单，这个神经网络叫做价值神经网络。
而后两个神经网络开始相互攻防，每当价值网络迭代的时分，就更新战略网络，从新设计冰箱，而后再看消费者怎么反映……这个进程不停反复并收敛，使得冰箱上市周期缩短83%，定制款冰箱在2021年618新品首发，首批上线即在全国多地被销售一空，在同期上市的70多款新品多门冰箱中销量排名第1，帮忙完成销量逆袭。
2、消费需要共性化、场景化，数智化技术大发光采
咱们有个头部3C企业客户，他们留意到了消费者需要变得更共性化、更为难以捕获，因而开始了数智化的转型、迭代，而且按照物联网时期的经济特点深度洞察产品翻新时机，进行产品翻新。
第一，企业曾经从单品出产转变成疾速迭代的场景化体验经济。消费者购买的将再也不是一个既定产品，而是一种不停迭代降级的体验，互动的维度更多了，需求斟酌的参数空间更大了。一个很首要的头部客户跟咱们反馈，当初很难找到具有多个设计维度的产品设计专家，由于场景化的产品丰硕度极大晋升，如何驾驭用户体验是个微小的应战，而人工智能技术正好有用武之地。
第二，千人千面的共性化需要的泛起，需求供应侧迅速拥抱数智化。人工智能技术对用户海量数据的高效智能剖析，让企业能够精准实时地捕获用户的共性化需要。
第三，跟着AIoT时期的到来，消费者数据维度极大丰硕，包罗互联网媒体大数据、AIoT“糊口大数据”、经营办事大数据，而数智化技术能够对产品的上市表示、用户旅程全触点追踪，给企业提供基于市场、人群、场景、技术的翻新企划解决计划，实时洞察产品翻新时机，助力企业继续打造爆品。
产业数智化的将来


总结一下目前的人工智能技术停顿，特别是可托赖人工智能的停顿，进一步晋升了人工智能的鲁棒性、泛化性、可解释性、通明性、可复制性、偏心无偏、隐衷维护、担任任等，咱们能看到愈来愈多的公司会进一步融入产业数智化各个环节里。
最初，对于产业数智化的胜利，咱们总结出了一个公式：产业数智化=产业专家+数智化产品。产业数智化要胜利，取决于各位产业资深专家、行业领军人物，以及好用、易用的产业数智化产品。“好用”指的是繁杂的大模型不藏在产品的前面，呈现出来的是好用、易用的特征，能够跟场景深度婚配和融会，同时能够跟人更好的协同，而不是取代人类。好用的数智化产品能够提供一整套残缺解决计划，以消费者为核心，重构产品翻新模式，塑造市场竞争力。
咱们对产业数智化的将来深信不疑，就像我在上海人工智能大会上讲的：人工智能将来十年最大的机遇就是产业数智化！
作者简介：
本文为系衔远科技开创人周伯文在“人工智能赋能数字经济开展顶峰论坛”上的主题演讲《数字经济时期，人工智能开启产业数智化新将来》。
周伯文博士，清华大学惠妍讲席传授、清华大学电子系长聘传授、衔远科技开创人，IEEE/CAAI Fellow。周博士曾任京东团体初级副总裁、团体技术委员会主席、京东云与AI总裁、京东人工智能钻研院院长，此前为IBM美国纽约总部人工智能根底钻研院院长、IBM Watson团体首席迷信家、IBM出色工程师。