8月31日，2019世界人工智能大会在上海举办。在主题为 “科技有道，择善而行”腾讯论坛上，腾讯云副总裁王龙表示，云＋AI将是产业升级的最佳搭档，腾讯在过去20年积累的数百种AI能力正在通过腾讯云对外开放。这些数字化、智能化的能力，在产业互联网时代，将助力数以万计的企业保持高速创新发展。

过去几年，以计算机视觉、语音识别、自然语言处理等代表的人工智能技术的飞速发展，已经成为产业数字化转型和智能化升级非常重要的技术驱动力。这些AI技术在智能客服、智能核保、智能开户等众多场景下，不仅能有效降本增效，同时还能大幅优化用户体验。

王龙认为，虽然AI技术帮助企业实现智能化升级，但是对于众多小企业或者技术能力不那么强的企业来说，AI技术在实施和落地上都面临巨大的困难，这些问题得不到解决，很难让人工智能普惠更多的企业。

一方面在构建AI能力过程中，AI人才获取门槛高，深度学习模型训练和迭代成本高，众多新场景下，智能设备适配困难；另一方面在应用AI的时候，项目建设周期长，效果低于预期，后期运维效率低，投入大。

为解决这样的问题，云+AI的结合会全链路降低AI落地门槛。面对AI构建能力的挑战，腾讯云联合上百AI领域的合作伙伴，为用户提供多个领域数千算法专家，数百种先进的预训练模型，同时，还能够提供一站式开发、调试、部署、运维工具，以及高效、灵活、无限的云资源。针对应用AI的挑战，基于云计算自服务特性，用户即付即用，云端多种多样的算法集市以及免维护，弹性伸缩的能力，可以有效降低新应用落地的成本。

以下为王龙在大会现场的演讲全文：

各位来宾，各位朋友，大家早上好！很荣幸在这里跟大家分享一些AI技术在云服务上的进展。经过过去几年的发展，大家充分意识到人工智能技术会成为产业数字化转型和智能化升级的非常重要的一个技术驱动。怎么去看待这件事情呢？在过去几年中我们做了大量的客户的案例，做了大量的成功的解决方案。回头来做一个总结，我们认为产业互联网智能化升级，数字化升级都离不开几项技术。

第一，要让它感知，用各种各样的计算机技术感知这个物理世界，映射到数字世界中成为数字孪生体。二是认知，当数据集中到云端，计算机需要了解背后的逻辑，了解背后运行的规律。做了这样的了解之后，能够更好地去和物理世界，和我们现实生活做交互和决策。所有这些都和几位实验室的专家介绍的一样，离不开计算机视觉技术，语音识别，自然语言处理技术。 有了方法论指导，各种各样的场景当中，看到AI和产业结合的效果。

比如说智能客服场景当中，一个完整的方案，包括语音识别，意图识别，各种各样的问答技术，多轮对话技术。在智能客服完整系统当中，在每一个环节都应用一项或者多项深度学习的模型，各种AI相关的能力。那么在我们多个智能客服系统落地过程中，我们可以看到它的好处是非常明显的。这是我们的一个客户，他有300人工客服坐席，每年服务量增长20%，运营成本大概每年三千万，能提供5×8服务，客户满意度经自己调研是93%。在使用这样一个系统之后，很明确地看到它的人力成本节约600万，但是有一点不一样，通过智能客服体系，把服务能力从5×8变成7×24，提升客户满意度。当然所有的企业在做这样一个投资的时候，都会考虑投资回报率，我们经过机器核算之后，它收回投资的周期是24个月。

智能核保，是现在正在流行的场景。用户或者被保险人提供了报销申请之后，我们需要使用OCR技术来获取报销单的信息和保单信息汇总，利用NLP各种技术和模型来做这样一个核保流程的处理，确定核保通过智能化解决还是人工解决。对其中一个客户进行分析，它能节约成本20%、30%，能够大大提升用户的体验，预计在20个月收回成本。

还有其他的场景，比如说识人识名的认证技术，用在智能开户上，包括图象识别、包括OCR识别来获取身份证，利用视频技术来做安全的认证，语音合成和语音识别的技术来减少人力开户的一些线下的工作。通过这样一个方式，我们可以节约传统证券公司开设多个柜台、提供多个人工服务的成本，同时也能够加速他们获取用户的一个过程。通过使用这样一个人工智能系统，可以通过机器替代人力的十多项步骤，在人力上也是有30%、40%的提升。

这有语音质检的技术，客户人员完成一次服务，需要人去抽检，因为量太大了，一般有一百个客服坐席，只有三到四个质检人员，抽取客服人员服务记录，确定客服人员是否专业有效回答客户的问题。一是全人工审核，二是审核标准不一样，审核人员素质参差不齐。可以把质检提高100%，效率提升10倍以上。

AI只要使用得当，或多或少都可以帮助我们企业完成降本增效，能够帮助他们寻找到很多创新的机会。刚才前沿实验室专家的演讲，包括我讲的数据并不能覆盖所有的用户。刚刚我们有一些用户，使用我们的整体的解决方案之后，它的成本能节约20%。那对于某些大企业节约20%非常可观，可以推动这样一个技术的落地，推动这样一个扩展或者扩张。但是很多小企业，或者很多技术能力不那么强的企业，它在实施周期上，在落地上都面临巨大的困难，我们很多技术在规模化扩张中这种问题如果不解决，很难让人工智能普惠更多的企业。

解决这个问题，需要拆解我们在使用人工智能技术的步骤，针对每个步骤做一个优化。人工智能落地分为两种，一是构建AI能力所面临的困难，二是使用AI能力所面临的困难。

在构建AI能力过程中，我们看到人才非常热、非常贵，所以获取门槛很高。我们都知道最近这几年，AI是以深度学习为引领的，深度学习需要好的数据规模和质量，这是比较难控制的。我们可以看到由于深度学习模型训练和迭代成本非常高，整个周期变得很长。很多人工智能应用场景当中，还要和设备进行连接，进行适配，在整个过程中需要大量的算力，但是对算力的需求无限的增长，我们获得的收益并不能无限的增长，这是构建AI能力上的挑战。

在应用AI的时候，一方面像传统软件在传统企业落地的周期长、成本高、运维效率低等，AI应用的困难会叠加上来，我们怎么评估效果？怎么让效果为企业、为工作带来真正的好处？解决这一点，我们再进一步拆解构建AI和应用AI每一个步骤。

我们在构建AI的时候，需要准确的找到一个问题，假定这个问题能够被AI解决。我们定义好这个问题，我们才能去准备各种各样的数据，准备各种各样符合这个场景的数据进行标注，然后进行训练、测试、分装。很多时候前面讲到还要多个AI能力组合在一起，才能完成一个场景，然后再和现有的业务系统进行对接、开发、部署，上线之后还要持续的进行迭代和优化。我们可以看到每一个步骤需要有合适的人，了解这个步骤的人，然后在每一个步骤投入都可能是巨大的。

那怎么办？我们需要一个平台把这些步骤全部都串联起来，无论在数据相关工作当中，还是在应用开发的工作，还是智能设备的适配，还有最底层的算力的调度、模型的优化，最终还要有一个很好的评估机制。这和在传统写代码过程中评估代码质量一样，我们需要一个评估AI应用的效果，AI应用开发质量的机制。通过这样一个平台，才能够有效的解决构建AI当中面临的困难。

我们解决这些之后，反过来看应用落地的困难。应用落地的困难和传统软件类似，应用落地的困难同样可以使用传统软件过去数年一直使用的方法克服这些困难。

我们于是认为云+AI会全链路降低AI落地门槛。面对AI构建能力的挑战，一旦使用云端的服务，像腾讯的专家，预训练模型、在内部使用的开发测试、部署运维工具都可以对我们的客户和合作伙伴进行开放，同时在腾讯云周围聚集上百AI领先的合作伙伴，高效、灵活、无限的云资源可以获取。针对传统的挑战，通过云服务，一是自服务，即付即用；二是云服务实时更新，自训练工具，多种多样的算法集市；三是云的免维护，弹性伸缩的能力，可以降低新应用落地的成本。

如果不依赖云，全部依赖于自身一个团队的构建，全部依赖一个环境，我们在自研一个AI应用，或者部署AI应用的时候，平均的周期时长是26天。一旦使用云和AI配合，这个研发周期将缩短至7天，未来还有进一步提升的空间。

再回刚才提到智能客服，使用云服务之前和使用云服务之后，这是我们得到的一个数据。我们在新的智能客户落地过程中，将通过依赖于算力，依赖于底层的模块部署在云端，或者使用云端的服务，而将贴近客户的有定制化的、跟客户的应用绑的比较紧、放在客户本地。同时使用客户或者合作伙伴的团队来进行更加贴身的服务。通过这样的方式，我们前面研发成本进一步缩减，它的基础设施成本、维护和运营成本都能获得超过50%的缩减，还有最重要的软件或者是企业服务的实施周期，及收回投资的周期得到非常明显的提升。

智能核保也做了数据评估，也看到相同的效果，所有这些成本的降低、效率的提升、实施周期的缩短、社会投资周期的缩短，都能够大大提升我们AI在各行各业的应用范围，让AI在各行各业的应用更加有效率，获得更多的收益。

腾讯云在AI领域的目标是让AI无处不在。腾讯过去20年开发数海量不同的应用，这些应用当中也使用了数百种不同的AI能力。这些数字化、智能化的能力，在过去20年更好的帮我们服务C端用户，让他们获得更好的用户体验，相信这些能力在产业互联网时代，能够同样帮助我们的企业提供更高速发展的机会。

这些在海量应用中打磨过的实验室的AI技术能力，正在通过腾讯云对外进行输出，无论是数据科学家、算法专家，还是应用开发者，还是最终的CEO们，他们都能够在腾讯云这样一个丰富的产品矩阵中找到他们所需要的，找到切实帮他们降本增效、帮他们发觉创新机会的产品和服务。

除了内部的合作伙伴，我们也和行业中大量AI公司进行合作。在整个产品矩阵，对于整个解决方案的每一个链路，我们秉持开放的心态，更好地为客户、为企业提供完整的端到端能力。我们也将和合作伙伴紧密合作，为用户提供更多的能力。

今天我的分享就到这里！谢谢大家！

来源： 腾讯科技