業(yè)，騰訊AI是如何向to B進化的？】在技術產(chǎn)業(yè)深度融合的大勢中，一所人工智能實驗室的躍遷，成為騰訊向產(chǎn)業(yè)互聯(lián)網(wǎng)邁進的典型縮影。&appkey=1898705929&pic=https://images.tmtpost.com/uploads/images/2023/04/20230411173815367.jpeg)
圖片來源@Unsplash
2018年9月30日，隨著騰訊地震式架構(gòu)調(diào)整、云與智慧產(chǎn)業(yè)事業(yè)群（下稱：CSIG）成立，騰訊AI不僅跑出了實驗室，更開始加速向產(chǎn)業(yè)縱深。
“架構(gòu)調(diào)整之后，將使騰訊的技術力量更聚焦，能為產(chǎn)業(yè)客戶提供更完整的解決方案。未來騰訊AI將更加面向場景和產(chǎn)業(yè)，專注技術與產(chǎn)業(yè)的結(jié)合。”騰訊高級執(zhí)行副總裁、CSIG總裁湯道生對騰訊的AI戰(zhàn)略曾如此描述。
騰訊日前公布了的AI全景布局：包括“技術-平臺-場景”三層AI結(jié)構(gòu)布局，以及“雙引擎+雙輪”驅(qū)動AI場景落地。其中，雙引擎指的是騰訊兩大科技實驗室矩陣，雙輪指的是“消費互聯(lián)網(wǎng)+產(chǎn)業(yè)互聯(lián)網(wǎng)”。
據(jù)此前鈦媒體梳理，騰訊兩大實驗室矩陣其一為人工智能實驗室矩陣，包括騰訊AI Lab、優(yōu)圖實驗室、Robotics X（機器人）等四大實驗室；其二為基于前沿科技的實驗室矩陣，包括量子計算、5G技術等。（詳見：2020年了，BAT都組建了哪些超強科技實驗室？）
其中人工智能矩陣會更多服務于公司內(nèi)部或行業(yè)業(yè)務，而前沿科技矩陣則著眼于稍遠的技術展望。
“騰訊是既要在近期能落地的科技上有布局，又要在稍遠的科技上有探索。”優(yōu)圖實驗室總經(jīng)理吳運聲介紹道。
因為聚焦計算機視覺（下稱：CV）這一AI應用最廣的領域，在諸多實驗室中，優(yōu)圖成為騰訊AI深入產(chǎn)業(yè)的排頭兵。在技術產(chǎn)業(yè)深度融合的大勢中，一所人工智能實驗室的躍遷，成為騰訊向產(chǎn)業(yè)互聯(lián)網(wǎng)邁進的典型縮影。
一座AI實驗室的to B進化
“930”是優(yōu)圖實驗室負責人們最常提及的標志性節(jié)點。
在930騰訊架構(gòu)調(diào)整前，優(yōu)圖實驗室更多面向消費互聯(lián)網(wǎng)。為騰訊業(yè)務線上的QQ、天天P圖、騰訊視頻、微視等消費互聯(lián)網(wǎng)產(chǎn)品做技術支撐。
而930以后，騰訊優(yōu)圖被劃分至騰訊CSIG。CSIG是騰訊產(chǎn)業(yè)互聯(lián)網(wǎng)的主陣地和to B的主窗口，這也意味著優(yōu)圖開始從騰訊的內(nèi)部實驗室走向前臺，更多面向產(chǎn)業(yè)和客戶的考驗。
實際上，930之前優(yōu)圖已經(jīng)有了to B案例。
2018年5月，騰訊優(yōu)圖就和微信支付合作推出了刷臉支付系統(tǒng)，結(jié)合優(yōu)圖的活體識別和1:1核身技術，在上海家樂福落地。只是架構(gòu)調(diào)整后，優(yōu)圖技術將統(tǒng)一通過CSIG窗口輸出。（詳見：從癌癥檢測到刷臉支付，騰訊 AI “跑”出實驗室）
另據(jù)鈦媒體了解，此前湯道生曾明言對優(yōu)圖不設KPI，而現(xiàn)在優(yōu)圖也開始承擔起一部分CSIG的KPI。
為什么優(yōu)圖成為了騰訊AI深入產(chǎn)業(yè)的排頭兵？
除了上述提及的CV應用廣泛外，另一方面，雖然同處于人工智能矩陣，但AI Lab和機器人實驗室被劃分在了騰訊技術工程事業(yè)群（TEG）中，TEG更重視基礎研究。在不同事業(yè)群的思路下，優(yōu)圖向產(chǎn)業(yè)更進一步，AI Lab和機器人實驗室則專注在前沿科技上。
被劃分至CSIG后，優(yōu)圖主要負責技術研究和產(chǎn)品解決方案的打造，CSIG則更多面向客戶、反饋客戶需求。
“優(yōu)圖的特點在于研究和業(yè)務落地'兩條腿走路'，二者有比較好的協(xié)同。這只是騰訊AI落地的一個環(huán)節(jié)，實際操作中還會有大量業(yè)務人員參與。”優(yōu)圖實驗室副總經(jīng)理黃飛躍介紹道。
優(yōu)圖實驗室已經(jīng)有15種行業(yè)解決方案
從消費互聯(lián)網(wǎng)邁進產(chǎn)業(yè)互聯(lián)網(wǎng)，優(yōu)圖不僅延續(xù)了to C的方法論，還通過自身的進化去適應to B的新規(guī)則。
這種適應一方面體現(xiàn)在架構(gòu)和思路的調(diào)整上，另一方面則體現(xiàn)在了技術儲備上。
“消費互聯(lián)網(wǎng)上更多是通用需求，最重要的是有爆點的產(chǎn)品創(chuàng)新，所以人們要去想idea。而產(chǎn)業(yè)互聯(lián)網(wǎng)不同，像CSIG的宗旨是'客戶服務'，所以優(yōu)圖很多流程和導向都會在這一思路下進行。在人員配置、組織架構(gòu)和對接中就會把'客戶服務'作為一個很重要的指標。”吳運聲對鈦媒體解釋道。
與to C的通用需求不同，to B往往面臨著更多來自客戶的定制化需求。“以內(nèi)容審核為例，電商和社區(qū)對于色情和性感的定義就不同，比如在電商中不屬于色情的內(nèi)容，在社區(qū)內(nèi)容的判定中就會屬于色情。”黃飛躍補充道。
針對B端頻繁的定制需求，優(yōu)圖也做了相應的研發(fā)儲備。例如，優(yōu)圖內(nèi)部有一個全自動的在線訓練平臺和客戶運營平臺。該平臺可以針對特定需求進行快速定制、訓練和優(yōu)化，在2-3天內(nèi)完成定制化模型的訓練。優(yōu)圖也有運營類平臺供客戶查看效果，實時的反饋能不斷優(yōu)化其定制化能力。
在服務B端客戶的過程中，騰訊AI也實現(xiàn)了從單點突破到通用平臺的演進。這是從大量定制化服務經(jīng)驗中抽象出的通用法則。
“幾年前更多是利用單點AI技術去解決單點問題，但隨著時間發(fā)展和需求激增，一個單項的技術和單點解決方案，已經(jīng)很難滿足一個行業(yè)或產(chǎn)業(yè)的需求，這個時候往往需要通過一個平臺或通用型解決方案去解決更多的通用場景。”吳運聲說道。
騰訊推出的工業(yè)AI平臺
日前，優(yōu)圖推出了泛娛樂、廣電傳媒、內(nèi)容審核和工業(yè)等四大領域的AI平臺。
“整個行業(yè)都在向這一方向演進，畢竟定制化的成本太高了。”吳運聲對鈦媒體解釋道，“以鋼鐵行業(yè)為例，原來的方式需要100個人日，AI通用平臺推出后只需要3、5個人零星做些支持就好，節(jié)省的是后續(xù)部署等各種溝通成本。”
C2B的實戰(zhàn)課
“產(chǎn)業(yè)互聯(lián)網(wǎng)不僅僅是to B、to G，最終還是to C的，C2B是騰訊面向產(chǎn)業(yè)互聯(lián)網(wǎng)的一個優(yōu)勢。”湯道生曾如此闡釋騰訊to B的路徑。
所謂的C2B方式，指的是騰訊利用在C端積累的數(shù)據(jù)與流量進入產(chǎn)業(yè)。用在C端積累的數(shù)據(jù)和技術不斷打磨to B的解決方案，也利用其流量優(yōu)勢為客戶觸達消費者提供聯(lián)結(jié)。
“通過QQ、微信、小程序、公眾號及微信支付等產(chǎn)品，騰訊能從十多億用戶中積累相關經(jīng)驗，并將C端服務能力輸出給合作伙伴，為其提供公眾號、小程序、支付、企業(yè)微信等一系列連接的能力。”黃飛躍對鈦媒體解釋道。
騰訊有很多to B方案都來自于C端積累。比如微信刷臉支付，就把to C的經(jīng)驗提煉成了面向銀行的to B解決方案。除此以外，通過在健康碼、隨申碼等to C應用中不斷打磨遠程核身技術，優(yōu)圖解決了大量活體檢測的問題。而這一經(jīng)驗則被提煉成面向運營商遠程開卡、面向銀行遠程開戶的系統(tǒng)。
微信刷臉支付系統(tǒng)（圖片來源：微信支付官方）
“是否有C段鏈條，是騰訊在選擇進入產(chǎn)業(yè)的標準中，一個重要的參考因素。”騰訊云副總裁王帥曾對鈦媒體指出。但隨著騰訊向產(chǎn)業(yè)縱深，更多場景并無C端經(jīng)驗可以參照，騰訊AI便開始在一些“純to B”的領域拓荒。
比如物流行業(yè)，其痛點在于如何將多渠道的物流單據(jù)進行智能化整理。騰訊云為中國外運股份有限公司提供了OCR（即光學字符識別）解決方案代替人工錄入。以汽車進口的零部件單據(jù)錄入為例，此前需要4個人花一周時間完成的工作量，現(xiàn)在只需一個人花40分鐘。
再比如保險，傳統(tǒng)的健康險核保包括上傳體檢報告、分析、核保等多個流程，需要核保師人工完成。但問題在于人工核保效率低，且行業(yè)缺乏醫(yī)學知識豐富的核保師。騰訊云為泰康人壽提供的AI智能核保系統(tǒng)，能夠?qū)崿F(xiàn)全流程的自動化。以往保單審核平均需花費40分鐘，現(xiàn)在降至15分鐘，每年約能節(jié)約人力成本400萬元。
比起物流、保險等行業(yè)，工業(yè)是一塊“更難啃的骨頭”。在“AI+工業(yè)”領域，騰訊云為主營液晶顯示屏的華星光電提供了技術支持。
在液晶面板行業(yè)，傳統(tǒng)的檢測方式是AOI掃描基板圖片，然后用人工檢測方式檢測基板圖片。隨著工業(yè)檢測越發(fā)需要精準，傳統(tǒng)的視覺缺陷檢測和分揀設備很難滿足要求。而實際產(chǎn)線上，人工肉眼復檢也很難降本提效。
華星光電的產(chǎn)線每天會產(chǎn)生一兩百萬張圖片，每個質(zhì)檢員要看1萬多張圖片，對每張產(chǎn)品圖進行缺陷分類平均需要2秒。而現(xiàn)在基于優(yōu)圖CV技術，騰訊云推出了AI自動缺陷分類系統(tǒng)。識別單張圖片只需500-600毫秒。對比人工判片，AI識別速度提升了5-10倍，每年可以為華星光電節(jié)省超千萬元的成本。
對于這種傳統(tǒng)產(chǎn)業(yè)，騰訊并不能提煉C端經(jīng)驗，“走進產(chǎn)業(yè)”便成為重要課題。
在華星光電的案例里，光從當前圖像的特征無法正確判斷缺陷分類，不僅要借鑒前一個工藝環(huán)節(jié)的圖片一起判斷，甚至還要結(jié)合業(yè)務上的知識。在這些問題上算法可能是有局限的，不了解背景未必能解決這些問題。同時算法也不能像產(chǎn)線工人一樣隨時跟其他人溝通尋求幫助。因此，AI項目落地不是最簡單的訓練和推理過程，需要持續(xù)結(jié)合實際業(yè)務知識，通過行業(yè)專家系統(tǒng)結(jié)合機器學習，才能給企業(yè)提供有價值的服務。黃飛躍向鈦媒體解釋道。
除優(yōu)圖外，“騰訊覓影”背后的技術提供方之一、專注醫(yī)療的天衍實驗室也在加速技術產(chǎn)業(yè)融合。
疫情期間，騰訊覓影推出了AI輔助診斷新冠肺炎的方案，于武漢大學中南醫(yī)院落地。該方案能在患者CT檢查后最快2秒內(nèi)完成AI模式識別，1分鐘內(nèi)為醫(yī)生提供輔助診斷參考，2個月內(nèi)為湖北多家醫(yī)院共2萬4000多名患者進行了肺部CT診斷。
此前，有觀點認為騰訊缺乏to B基因，黃飛躍向鈦媒體說道，“如果大家相信基因，也會相信進化，作為企業(yè)最重要的就是學習、以及適應市場的能力。”
（本文首發(fā)鈦媒體App，作者/蘆依，編輯/趙宇航）
90.10萬次播放
馬住