2020年，德勤連續(xù)第三年發(fā)表《企業(yè)人工智能應用現狀分析》報告。根據對全球九個國家近三千名企業(yè)管理者的訪問，報告得出的結論是，人工智能已經跨過“早期應用”的時代，進入技術成熟、全面應用的“早期多數”時代。隨著技術的不斷進步，人工智能的開發(fā)和實施門檻降低，人工智能已經開始被廣泛部署于企業(yè)的各類業(yè)務場景，從管理和自動化信息技術基礎設施，到收集關于客戶的新洞察、識別和應對網絡威脅、幫助指導醫(yī)療決策和改進招聘流程等。
企業(yè)早期實施的人工智能部署策略更多是各個業(yè)務部門各自為戰(zhàn)，根據自己的需求，選擇一個或若干個特定場景，通過購買或者自建人工智能的解決方案，實現運營的智能化。但是在日益增長的人工智能應用需求面前，這種策略造成了煙囪式的AI部署。
某汽車企業(yè)A，財務部為實現報銷流程的自動化，購買了一套OCR產品，用于識別各類財務票據和報銷憑證。而二手車部門，為了審核二手車返利的申請，也購買了一套OCR產品，用于識別二手車場景中的發(fā)票、車輛登記證、行駛證、車牌等。
某零售企業(yè)B，市場部門為了預測未來市場走向和銷售趨勢，組建了自己的數據科學家團隊，選擇搭建機器學習平臺，訓練構建預測模型。與此同時，銷售客服部門，急迫想知道顧客對于產品、服務、促銷手段以及競品的反饋，他們購買了一套基于機器學習和自然語言處理的商用輿情分析系統。
這些對于人工智能的應用方式在早期是非常普遍的，即以部門為單位，或自建，或購買，針對特定的業(yè)務需求，進行人工智能的嘗試。自建時可能使用不同的技術方案，購買時也可能選擇不同的供應商，這樣就形成了一個企業(yè)內部煙囪式的AI應用部署。這種部署方式如果任其發(fā)展，會造成重復投資，資源無法集中利用，對于正處于數字化轉型和智能化轉型的企業(yè)而言，是亟待解決的問題。
基于公有云的AI部署
從2017年到2019年，國家陸續(xù)公布了15家人工智能開放創(chuàng)新平臺，涵蓋了智能語音、智能視覺等人工智能的基礎應用和眾多的行業(yè)應用，如自動駕駛、醫(yī)療、普惠金融、供應鏈、教育、家居等等。這些開放創(chuàng)新平臺多數可以通過公有云為企業(yè)進行AI賦能。企業(yè)不用考慮投資建立復雜的算力平臺、數據標注平臺、算法平臺、模型訓練平臺，只需按需調用公有云的AI服務即可。與眾多其他的公有云服務一樣，這為企業(yè)帶來了極大的便利性，能夠快速實現AI能力的部署，企業(yè)只需完全將精力放在業(yè)務邏輯上，思考究竟要解決什么實際的業(yè)務問題。對于中小企業(yè)來說，這尤其具有吸引力。
以OCR為例，目前多家公有云服務商提供了完整的OCR能力，包括通用的文字識別、表格識別以及一些通用的卡證（身份證、駕駛證、行駛證、護照等）和票據（增值稅發(fā)票、火車票、機票、出租車票等）的識別。除此之外，這些云服務商通常也提供了定制模板的功能，可以幫助企業(yè)解決一些特定非標文檔的OCR識別。上述提及的汽車企業(yè)，如果決定使用公有云的部署方式，完全可以研究并選擇一套OCR產品，同時解決財務場景和二手車場景下不同的需求。
有些企業(yè)可能擁有自己的一些行業(yè)特點，僅僅通過API使用公有云的標準化AI服務，效果不是特別理想，這種情況下，可以考慮公有云服務商提供的在線的AI訓練平臺。比如阿里云提供的NLP自學習平臺，便提供了NLP的行業(yè)自適應標注、訓練和服務平臺，為用戶提供許多NLP典型問題（實體抽取、文本分類、關鍵詞抽取、情感分析等）的定制化算法能力。企業(yè)不需要有自己的算法專家，用戶可以上傳自己企業(yè)或者行業(yè)的標注數據，便可以快速訓練自己的模型。
基于公有云的AI能力部署，可能引發(fā)一些企業(yè)的一個重要的擔憂，那就是數據安全問題。許多大型企業(yè)，有著嚴格的數據安全管控要求，無法使用公有云的服務。下面就來探討針對這類企業(yè)的一種AI部署方式。
私有化部署AI中臺
許多大型傳統企業(yè)，由于數據安全等方面的考慮，無法使用公有云的AI服務。而這些企業(yè)的AI基礎能力比較薄弱，缺少技術和人才的沉淀，但是智能化升級又是企業(yè)的剛需，甚至是迫切的需求，這時候借助AI技術公司在企業(yè)內部進行AI中臺的私有化部署，是比較經濟而高效的策略。
和近年來熱門的數據中臺的思想基本一致，AI中臺最終是要以標準化、可復用性實現業(yè)務的敏捷化、智能化。企業(yè)部署AI中臺，可以自建，也可以借助AI技術供應商。借助供應商的好處是可以迅速建立起基礎能力，企業(yè)利用這些基礎能力可以研究開發(fā)自己的模型和應用。這真正契合了國家的新基建戰(zhàn)略的思路，AI技術公司提供了算力、算法、平臺的基礎設施，借助這些基礎設施，企業(yè)可以重點關注業(yè)務的創(chuàng)新發(fā)展，從而真正實現AI+萬業(yè)，AI賦能創(chuàng)新型社會的宏偉目標。
2020年，百度推出了基于百度智能云的“AI中臺”，幫助企業(yè)建立自己的專屬人工智能平臺。百度AI中臺第一個核心能力是AI能力引擎，涵蓋了人臉識別、OCR、語音識別、NLP、圖像識別、知識圖譜等250多項成熟的AI能力，包括全球領先的Ernie算子和百度優(yōu)化后的主流算法。第二個核心能力是百度開源之后的PaddlePaddle開發(fā)框架，以及其他主流的開源框架如TensorFlow，PyTorch等。利用這些的深度學習開源框架，企業(yè)可以結合自己的業(yè)務場景，進行AI應用的開發(fā)。
圖片來源：百度智能云網站
對于許多傳統企業(yè)來說，購買AI中臺并私有化部署，使得他們與科技企業(yè)的差距大大減小，產業(yè)智能化轉型也變?yōu)榭赡?。某電力企業(yè)部署了AI中臺之后，實現了管理安全生產、作業(yè)防誤、線路巡檢等多個業(yè)務場景的智能化改造。比如對于線路的可視化監(jiān)控裝置，利用AI中臺，實現對于圖像的邊緣智能分析，可以快速發(fā)現影響線路安全的事件（比如山火等），工作人員可以及時做出響應。
企業(yè)自建AI能力
盡管購買并私有化部署AI中臺是一種快速建立AI能力的方案，仍然有許多企業(yè)從自身長遠發(fā)展考慮，傾向于建立自己完整的的AI能力，尤其是那些將科技視為自身核心競爭力，并把研發(fā)能力和應用能力看得同等重要的企業(yè)。當前AI的許多開源框架也為這些企業(yè)提供了自建AI能力的可能性。
eBay便是這類企業(yè)的典型。Krylov是eBay基于開源框架自行開發(fā)的人工智能平臺。從其網站的介紹，我們可以了解到，Krylov是eBay從頭開始建造的一個可伸縮的、多租戶的、基于云的人工智能平臺，以支持各種規(guī)模的人工智能用例。eBay的數據科學家每月使用Krylov運行數千個模型訓練試驗，這些試驗涵蓋了各種人工智能用例，如計算機視覺、自然語言處理（NLP）、銷售規(guī)劃建議、買方個性化服務、賣方價格指導、風險、信任、運輸估計等等。
圖片來源：eBay官網
eBay建立這個AI平臺，從一開始就是一個涵蓋了企業(yè)多個團隊的系統工程，不僅僅有平臺的研發(fā)者，還有平臺服務的提供者和使用者。這些專家一起為eBay創(chuàng)建了一個統一的AI愿景，包括平臺的戰(zhàn)略、路線圖和關鍵原則。AI平臺還在往社區(qū)方向發(fā)展，eBay設立了一個機器學習（ML）工程獎學金項目，任何在eBay的工程師都可以加入到人工智能平臺團隊中，類似于一個實習項目，幫助構建產品待辦列表中的平臺特性。這個獎學金項目的目的是讓eBay工程師熟悉ML的概念和技術。參與者會獲得來自資深領域專家的關于ML工程概念的指導。
eBay或許還是被人們認為是科技公司的范疇，而另一家中國公司的人工智能實踐卻是典型的傳統企業(yè)的創(chuàng)新。2018年，上汽集團成立了安吉人工智能實驗室，旨在研究人工智能在工業(yè)互聯網中的應用。未來汽車將由軟件來定義，很多汽車企業(yè)都開始了在智能汽車、自動駕駛、智能出行、智能制造、智能物流等方面的布局。上汽成立的這個實驗室，承擔的就是大腦的作用，目的是形成統一的核心算法能力，包含有模式試點、技術智能、計算智能、感知智能、認知智能等，實現一套算法，賦能多個場景的智能化。根據上汽的初步測算，僅智能制造技術這一塊，就可以實現降本增效10%以上。
德勤在《企業(yè)人工智能應用現狀分析》報告指出，企業(yè)對于人工智能的應用場景會不斷拓展，在人工智能上的投資會不斷加大，據IDC預測，2023年人工智能技術的相關支出將增長至979億美元，為2019年支出水平的2.5倍以上。成為更加明智的消費者，是多數企業(yè)的共識。德勤的報告發(fā)現，受訪的企業(yè)目前更傾向于通過購買而非自研的方式獲得AI能力。約50%受訪者的購買比重高于自研。許多企業(yè)可能會經歷一段時間的內部學習和實驗才能清楚了解自身所需，然后才會決定是從市場中尋求解決方案還是選擇自己研發(fā)。
無論是哪種方式的AI能力部署，企業(yè)的智能化轉型已經是不可逆轉的趨勢。越早規(guī)劃，企業(yè)的競爭優(yōu)勢將越明顯。
