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”

简介: 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。

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。

image.png


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。

image.png

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”。

image.png

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。

image.png

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):

image.png

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:

image.png

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:

image.png

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。

相关文章
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术融合
本文探讨了人工智能(AI)在未来医疗领域的应用及其潜在影响。通过分析当前的技术进步和具体案例,如AI辅助诊断、个性化治疗方案及医疗机器人等,展示了AI如何提高医疗服务的效率和准确性,降低医疗成本,并增强患者的治疗体验。同时,文章也讨论了AI在医疗中面临的伦理和隐私问题,以及解决这些问题的可能途径。最后,本文对AI在未来医疗中的前景进行了展望,指出其将继续深刻改变医疗保健行业,为患者和医疗专业人员带来更多福祉。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
构建智能化编程环境:AI 与代码编辑器的融合
在人工智能的推动下,未来的代码编辑器将转变为智能化编程环境,具备智能代码补全、自动化错误检测与修复、个性化学习支持及自动化代码审查等功能。本文探讨了其核心功能、技术实现(包括机器学习、自然语言处理、深度学习及知识图谱)及应用场景,如辅助新手开发者、提升高级开发者效率和优化团队协作。随着AI技术进步,智能化编程环境将成为软件开发的重要趋势,变革开发者工作方式,提升效率,降低编程门槛,并推动行业创新。
|
4天前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
40 10
|
3天前
|
机器学习/深度学习 人工智能 算法
AI与未来教育:一场革命性融合
在这个信息爆炸的时代,人工智能(AI)正逐步渗透到我们生活的每一个角落,教育领域也不例外。本文旨在探讨AI技术如何革新传统教育模式,以及这一变革可能带来的深远影响。通过分析AI在个性化学习、智能辅导系统、教育资源优化分配等方面的应用案例,揭示其对未来教育生态的重塑潜力。同时,文章也将讨论伴随技术进步而来的挑战,如数据隐私保护、教师角色转变等问题,并提出相应的解决思路和建议,为构建更加公平、高效、人性化的教育体系提供参考。
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
探索软件测试的未来:AI与自动化的融合
【10月更文挑战第25天】在本文中,我们将深入探讨软件测试领域正在经历的革命性变化。随着人工智能(AI)和自动化技术的不断进步,传统的测试方法正逐步被更高效、更智能的解决方案所取代。文章将展示如何通过AI增强自动化测试框架,实现更高效的缺陷检测和问题解决。我们将从基础出发,逐步揭示AI在测试用例生成、测试执行和结果分析中的应用,以及这些技术如何帮助团队提高生产力并缩短产品上市时间。
|
24天前
|
人工智能 Ubuntu Linux
安装阿里图文融合AI - AnyText心路历程(安装失败告终,心痛!)
安装阿里图文融合AI - AnyText心路历程(安装失败告终,心痛!)
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的未来:AI与机器学习的融合
【9月更文挑战第29天】在软件测试领域,自动化测试一直是提高测试效率和质量的关键。随着人工智能(AI)和机器学习(ML)技术的飞速发展,它们正逐步渗透到自动化测试中,预示着一场测试革命的来临。本文将探讨AI和ML如何重塑自动化测试的未来,通过具体案例展示这些技术如何优化测试流程,提高测试覆盖率和准确性,以及它们对测试工程师角色的影响。
72 7
|
10天前
|
机器学习/深度学习 人工智能 算法
探索软件测试的未来:AI与自动化的融合
【10月更文挑战第15天】在数字化时代的浪潮中,软件测试作为保障软件质量的重要手段,正经历着前所未有的变革。随着人工智能(AI)技术的快速发展和自动化测试工具的不断完善,传统的测试方法正在被重新塑造。本文将深入探讨AI如何赋能软件测试,提升测试效率和准确性,以及自动化测试的未来趋势。我们将通过实际案例,揭示AI与自动化测试相结合的强大潜力,为读者描绘一幅软件测试领域的未来蓝图。
|
14天前
|
人工智能 算法 数据挖掘
AI心语:智能代码与人为艺术的融合
在这个数字时代,人工智能似乎无所不能。它下棋能赢过世界冠军,写文章可骗过编辑,甚至画画能展览于画廊。但AI真的懂得创作吗?还是它仅仅是高级的模仿者?本文将深入探讨AI在艺术创作中的角色,以及它对人类创造力的影响。
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
探索自动化测试的未来:AI与机器学习的融合
【9月更文挑战第29天】在软件测试领域,自动化测试一直是提高效率和准确性的关键。但随着技术的发展,特别是人工智能(AI)和机器学习(ML)的兴起,我们见证了一个新时代的到来——自动化测试的未来正逐渐被重新定义。本文将探讨AI和ML如何改变自动化测试的面貌,从智能测试脚本的生成到测试结果的深度分析,我们将一探究竟这些前沿技术是如何使测试流程更加智能化、高效化,并预测它们将如何塑造软件测试的未来趋势。

热门文章

最新文章