最近我們一直在探討這樣一個問題：為什么AI飛速發(fā)展，普通人還是覺得距離AI非常遙遠？

實際上，推而廣之這可能不單單是媒體和技術(shù)愛好者的疑問。上升到更大的國家與社會經(jīng)濟層面，對真實可用、能快速見到實效的AI需求已經(jīng)十分迫切。

從“新一代人工智能”政策出臺，到國家AI創(chuàng)新開放平臺公布首批名單，再到近期工信部發(fā)布三年規(guī)劃，可以看到政策層面一直在將AI向?qū)嵱没?、產(chǎn)業(yè)化、融合化方向推進。換言之，如何讓浮在實驗室與測試數(shù)據(jù)中的AI技術(shù)，走到現(xiàn)實世界和我們的生活當中，顯然已經(jīng)足夠急迫了。

今天很多媒體都報道了，在剛剛結(jié)束的2017云棲大會·北京峰會上，阿里云發(fā)布了堪稱迄今為止最全面的阿里AI版圖。

但在阿里復(fù)雜的AI業(yè)務(wù)、產(chǎn)品和合作生態(tài)背后，也許我們能夠發(fā)現(xiàn)一個關(guān)鍵詞：產(chǎn)業(yè)AI。

產(chǎn)業(yè)AI到底和其他AI有什么不同？讓阿里舉重兵投入的道理何在？在一片技術(shù)喧囂和話語迷霧里，AI走進我們的生活時究竟會是什么樣子？

今天我們或許可以從一些小故事里，來回答這些問題。

什么才是產(chǎn)業(yè)AI？

開始故事之前，我們要先回答這樣一個問題，雖然這個問題看起來像….廢話….但是沒辦法，真相往往跟我們的想象或多或少有點不同。

顧名思義，產(chǎn)業(yè)AI當然是在具體的一個個產(chǎn)業(yè)里發(fā)揮作用的AI技術(shù)和產(chǎn)品咯。也就是我們經(jīng)常說的AI賦能傳統(tǒng)行業(yè)。但有點不同的是，我們在討論AI賦能行業(yè)，或者所謂“AI+”的時候，往往設(shè)想的是以AI為主體，來實現(xiàn)某個領(lǐng)域的固有功能。比如一些AI+教育平臺，就是用AI的語音交互和NLP能力，來實現(xiàn)遠程教育功能。

在這種情況下，我們思考的是用AI替代，而不是用AI結(jié)合。它能改善一些情況，卻無法真正提高這個產(chǎn)業(yè)本身的效率，降低原始成本，更不能融合在整個產(chǎn)業(yè)線之中。

所以真正的產(chǎn)業(yè)AI，必須是能夠與傳統(tǒng)產(chǎn)業(yè)無縫結(jié)合，推助這個產(chǎn)業(yè)核心部類向前發(fā)展的。這也是阿里云從ET大腦到產(chǎn)業(yè)AI布局的根本訴求。尤其需要注意的是，深度的產(chǎn)業(yè)AI必然指向復(fù)雜的行業(yè)限制和真實需求，往往比簡單的AI替代論復(fù)雜很多。

比如說想讓AI來計算機場的停機坪使用情況，提高停機坪的使用效率。聽起來蠻簡單的一件事，但是一名真正的機場調(diào)度員，卻需要考慮航班號、機型、國際國內(nèi)分類、近機位優(yōu)先原則、機上狀況、航空公司情況、機場建設(shè)狀況、流量狀況、延誤航班對下序航班的影響、天氣狀況等等十幾個因素才能決定飛機停泊的機位。假如AI系統(tǒng)只算了其中一兩個，漏算了某些因素，豈不是耽誤了大事？

所以說，產(chǎn)業(yè)的需求往往比我們一般想象中復(fù)雜太多，綜合來看，AI想解決產(chǎn)業(yè)問題，必須具備四個方面的基礎(chǔ)能力：

1.多維感知能力：真實世界中，數(shù)據(jù)和信息常常是從幾個方向混雜過來。假如AI只能聽、只能看，或者只能連接數(shù)據(jù)庫，那么它就會變成盲人摸象型AI。只能用來炫耀某種能力，卻無法真正投入使用。

2.全局洞察模式：能感知之外還要能分析和歸納，就像上面說的運算停機坪。AI必須綜合各方面信息和實時變化的數(shù)據(jù)流，隨時做出統(tǒng)領(lǐng)全局的最優(yōu)解。這就是我們所說人類的大局觀。沒有大局觀的人不能勝任管理，沒有大局觀的AI也是一樣。

3.人機協(xié)同體驗：想做產(chǎn)業(yè)AI，必須承認的一點是今天的AI絕不可能，也不希望徹底取代人類。必須是人機協(xié)同的工作模式，但是人機如何協(xié)同，如何在縮減人的工作時間，提高人的工作效率之外，不會浪費大量學(xué)習(xí)成本和適應(yīng)成本，也是關(guān)鍵問題。

4.持續(xù)進化能力：日新月異的工作，必須讓人不斷去適應(yīng)和學(xué)習(xí)新的工作方式，對于AI也是一樣，如果產(chǎn)業(yè)AI不能進化，那么工作需求一旦變更AI就變成廢鐵一塊，那確實不要也罷。

為了解決這四個很讓人撓頭的問題，阿里云的解決方案是構(gòu)建了目前為止世界上最大的綜合智能體：ET大腦。

在阿里強大的計算能力、數(shù)據(jù)優(yōu)勢加持下，ET大腦可以適應(yīng)各個行業(yè)的感知、洞察、進化需要，滿足不同的智能運算需求。

這背后隱藏著這樣一個現(xiàn)狀：必須有算力、數(shù)據(jù)、算法三者的有效結(jié)合，才能有AI在復(fù)雜場景里展開與原始產(chǎn)業(yè)體系合作的可能性，才能達成所謂的場景。阿里云能最快布局產(chǎn)業(yè)AI，可能原因也在于此。

但是這可能還不夠，產(chǎn)業(yè)AI之路，絕不是單純的技術(shù)能力可以搞定的。

到底該如何打造產(chǎn)業(yè)AI？

如果你身處一個比較傳統(tǒng)的行業(yè)，不妨想想，假如為你安排一位超級智能的AI助手，你的第一反應(yīng)是什么？

很興奮？那么第二反應(yīng)呢？大概是感覺學(xué)起來很麻煩，不知道到底好用不好用，擔心成本和收益不相符，等等等等。

這是沒有辦法的，人在面對新事物時的先驗反射永遠都是排斥和懷疑。尤其是AI這種先天具有科幻色彩的技術(shù)與產(chǎn)品。所以說，實驗室和PPT上的AI是相對容易的，但產(chǎn)業(yè)AI卻要更復(fù)雜。其復(fù)雜程度很多時候不在于單純的技術(shù)挑戰(zhàn)，而在于需要復(fù)雜且長期的企業(yè)合作、談判溝通和對細節(jié)的苛求?？傊?，都是苦差事和累差事。

這幾天與阿里云的專家們溝通，聽了不少故事。從這些故事中，可以把阿里打造產(chǎn)業(yè)AI的秘密歸納為三個方面：

一、深入場景的具體需求當中。很多AI技術(shù)走進現(xiàn)實時，往往會太重AI太輕現(xiàn)實，這樣做的直接結(jié)果是完全低估了產(chǎn)業(yè)化進程的難度。

比如阿里云在打造ET工業(yè)大腦的時候，面對的都是已經(jīng)二三十年的老機器。這些機器怎么AI？怎么能夠不給企業(yè)成本壓力，如何讓老工廠的工人懂得使用？可能都是科學(xué)家一般不會思考的問題，卻真實阻擋了工廠的AI化。而阿里云的解決方案蠻簡單粗暴的：直接派工程師在車間蹲守，一臺臺機器去琢磨和收集數(shù)據(jù)，貌似這在科技企業(yè)中是第一份。據(jù)說第一個試點企業(yè)最開始也是拒絕嘗試工業(yè)大腦的，于是阿里云決定免費安裝。結(jié)果很快給企業(yè)節(jié)省了幾千萬的成本，然后企業(yè)主動要求付費……可以想見，不深入場景和產(chǎn)業(yè)的AI是很難真正進駐產(chǎn)業(yè)化的，而這對AI企業(yè)的團隊和執(zhí)行力要求其實遠超想象。

二、以行業(yè)從業(yè)者為核心思考問題。我們時長忽視的一個問題，是AI技術(shù)有時候并不能討人喜歡。看似有道理的技術(shù)解決方案，在真實產(chǎn)業(yè)場景里其實是無效的。

比如阿里云的AI語音解決方案與法院場景的合作。一般我們理解法院使用語音交互，無非就是對庭審進行記錄，代替書記員的工作。但事實上卻不是這么回事，直接將庭審對話轉(zhuǎn)換成文字，夾雜了大量的口語內(nèi)容，根本是無效記錄，反而加大了書記員工作的難度。阿里云智能語音提供的解決方案，是通過AI智能理解文本、抽取邏輯將庭審記錄簡化，這才能真正幫到書記員。

所以說，真正的產(chǎn)業(yè)AI必須以從業(yè)者為核心去思考問題，這需要對產(chǎn)業(yè)深度的理解，以及關(guān)鍵領(lǐng)域的產(chǎn)業(yè)深度合作。比如剛剛發(fā)布的最新ET航空大腦。這個“新大腦”將在首都機場開工。為首都機場300個停機位，每天迎來送往1700架次航班提供智能決策和運算。上文已經(jīng)說過了這個運算的難度，但ET航空大腦50秒時間就可以排完整個任務(wù)，并且全程可視化，受到工作人員的監(jiān)督和調(diào)整。

三、運用一切辦法解決問題。最后一種產(chǎn)業(yè)化中必須面對的問題，是真實問題往往比實驗與測試中復(fù)雜很多。必須要突破技術(shù)領(lǐng)域的限制，也不能等待技術(shù)成熟，而是選擇運用一切辦法解決問題。比如阿里云即將在上海推出的首個AI地鐵售票機，就可以讓用戶用語音交互的方式買地鐵票。但在地鐵這么嘈雜的環(huán)境里，語音識別實在過于復(fù)雜。阿里云最終的解決方案，是加強收音陣列硬件的同時，用機器視覺技術(shù)識別人臉和嘴唇，讓售票機聽到兼看到買票者，才能最終解決問題。

這三條途徑，歸根結(jié)底是巨大的產(chǎn)業(yè)合作任務(wù)和工程化工作量。在具備技術(shù)基礎(chǔ)的同時，還要求執(zhí)行企業(yè)有強大的溝通能力、工程化能力和個案攻堅能力。

這是一條不好走的路，但是總歸要有人走。

一個發(fā)現(xiàn)：產(chǎn)業(yè)化路途中的AI新戰(zhàn)場

通過ET大腦的中樞系統(tǒng)匯聚點，以及背后算力、算法、數(shù)據(jù)上的積累，阿里迄今為止發(fā)布了城市、工業(yè)、零售、金融、汽車、家庭等六個場景的“產(chǎn)業(yè)AI”方案。這些能力、產(chǎn)品和解決方案，會阿里云為出口進入于各行各業(yè)。

從ET大腦的原點到今天的生態(tài)版圖，阿里的“現(xiàn)實主義AI”，也在AI場景爭奪戰(zhàn)中保持了自己很多層面的優(yōu)勢。比如：

1.全面的場景，持續(xù)進化能力與良性合作習(xí)慣。從工業(yè)、交通，到環(huán)境、航空，ET大腦的布局逐漸向全景化、垂直化雙向發(fā)展。帶來的結(jié)果很可能是覆蓋了經(jīng)濟民生關(guān)鍵感知端口的AI系統(tǒng)，可以運用這些場景能力通向整體進化。而良好的產(chǎn)業(yè)合作步伐，則給升級能力帶來了進一步出口。場景、技術(shù)和合作，正在形成阿里AI的遞增三角關(guān)系。

2.可復(fù)制，甚至生態(tài)復(fù)制的AI解決方案。從航空大腦的案例中不難看出，ET大腦的解決方案和能力基礎(chǔ)是具備高度復(fù)制化的。當一個領(lǐng)域需要復(fù)雜的運算，多種感知數(shù)據(jù)的結(jié)合，并且人工效率始終很低，那么就可以自發(fā)引入ET大腦。這種領(lǐng)域在生活中相當多見。當ET大腦的產(chǎn)業(yè)AI解決方案復(fù)制到某個量級時，生態(tài)性、泛在化的產(chǎn)業(yè)AI自發(fā)衍生或許將會出現(xiàn)。

3.關(guān)鍵領(lǐng)域的直接價值。工業(yè)、醫(yī)療到交通航空，阿里的產(chǎn)業(yè)AI系統(tǒng)在不斷提高覆蓋面的同時，更為各個關(guān)鍵領(lǐng)域帶來了直接的效率提升和成本縮減。由高速的產(chǎn)業(yè)合作效率與直觀的價值體現(xiàn)，阿里AI會在同類企業(yè)的競爭中獲得先發(fā)優(yōu)勢。

當產(chǎn)業(yè)AI在國家和社會需求的推動下，必然成為下一幕競爭焦點的時候，依靠這些領(lǐng)域的優(yōu)勢，阿里AI也許會在新戰(zhàn)場有所收獲。

當然，最重要的是，讓AI能用，有用，普通人樂于去用，是這個技術(shù)不會變成另一個泡沫的根本保障。