0
“過去兩三年，騰訊云智能在產品、技術、組織上陸續完成了系列調整，實現了融合進化，來到了新的沖刺點。”
不久前剛剛結束的騰訊全球數字生態大會期間的一次采訪中，騰訊云副總裁、騰訊云智能負責人、優圖實驗室總經理吳運聲對雷峰網表示。
據他介紹，目前騰訊云智能已經打通了從底層算力支撐到AI開發加速、再到AI產品方案矩陣，以及頂層數智化轉型方法論這一全鏈條服務體系，交出了一份可圈可點的答卷。
騰訊云智能，并非一個新概念。
早在三四年前，云與智能融合的議題就頻頻出現在騰訊的各種業務會上；去年11月，騰訊云智能品牌在數字生態大會上首次對外發布；今年11月，騰訊云智能已初步形成一套完整的產品矩陣和協作架構，并升級提出“平臺做厚、應用做精、行業做深、生態做廣”的產品戰略。
戰略升級背后，在吳運聲看來，是產業互聯網需求側近些年已經發生了較大變化：
一是全球經濟波動下，企業降本增效訴求愈發迫切，亟需供給側能夠提供更多開箱即用、彈性部署、高效創新的解決方案；
二是企業數智化轉型行至深水區，單點智能已無法滿足用戶需求，全體系智能成市場急需。
過去，在產業互聯網發展實踐中，憑借深厚的產品基因，騰訊在工業、金融等諸多賽道實現了AI單點突破。新時期，為了回應產業全域智能的發展需求，騰訊進一步整合AI技術及平臺能力，與云緊密耦合，推出并升級“云智能”戰略，提升To B服務的完整性和高效性。
尤其在騰訊強調“堅持產品為王、打造冠軍應用”的發展戰略背景下，騰訊云智能的升級發布，或將成為其深耕產業互聯網棋局的重要落子。
騰訊AI技術能力的積累，最早源于騰訊在To C消費互聯網時代的廣泛實踐。
作為全球領先的人工智能實驗室團隊之一，騰訊優圖實驗室成立于2012年。彼時正值移動互聯網爆發前夜，根基龐大、產品眾多的騰訊為促進公司內部合作、激發創造力，在內部推行靈活開放的跨部門合作機制。
這為優圖實驗室進行技術實踐提供了豐富機會，其圖像處理、機器學習等AI技術先后在QQ空間、微眾銀行等產品中落地應用，曾紅極一時的“軍裝照”刷屏事件，便是優圖提供的技術支撐。
“研究成功落地才能產生價值”是優圖一直以來的原則。依靠騰訊強大的產品基因，優圖通過騰訊內部及外部的眾多產品，將AI技術悄無聲息地輸出至數億大眾的生活之中。而這一過程中，優圖不僅為其賦能的產品提供了關鍵助力，也在海量的應用實踐中夯實了技術根基。
憑借在To C消費互聯網領域的扎實積累，進入To B產業互聯網后，騰訊再將AI和云深度融合，在單品、單點技術應用的爆發力和專業度上表現不俗。
但近些年，一些變化正在悄然發生。
第一個顯著變化來自一線客戶側，最初業界對待AI技術價值的態度還處于“嘗試”甚至“觀望”狀態。AI到底能給企業經營和產業升級帶來多大作用，前路并沒有可借鑒的參照和樣本。在此情況下，不少客戶只想或只敢采購一兩款AI單品做一些實驗；但隨著產業互聯網發展深入，AI在一些產業領域的降本增效價值逐步凸顯，于是越來越多的客戶對AI應用的需求愈發全面，大眾日常喜聞樂見的傳媒行業便是如此。
傳媒產業涉及采、編、存、管、播多個環節，近年來隨著傳媒形式、受眾的多樣化、細分化，僅在編目、拆條、打標簽等單點上做智能優化，并不一定能帶來收視率和分發效果的提升。
拉近看就會發現，擋在最終效率提升面前的還有很多難啃的“硬骨頭”。比如，內容傳播想要突破瓶頸實現規模效應，就需要人機協同控制平臺內容質量，算法化、策略化地打造優質內容生產條件；再比如，不少傳媒企業里不同業務團隊的運營目標不同，這些目標間的差異化導致全流程效率卡點較多等等。
“客戶想要將其數據生態和資產進行全域打通，這對服務商在解決方案完整性方面提出了更高要求。”吳運聲表示，所謂產業，是一個經過漫長工業化打磨出來的嚴絲合縫、自成一體的有機體，產業里各個環節之間的協作至關重要，單一環節智能的提升，往往不足以改變整個體系的效率，需要高度系統化、協同化的全流程AI，才能實現綜合產能的大幅提升。
類似的產業痛點不勝枚舉，能源、交通、金融、出行、工業……各行各業的產業用戶對解決方案的綜合性、完整性、便捷性的要求都在不斷變高。
客戶側需求變化之外，第二個顯著變化是AI生產模式的改變。
“算法、產品、工程、運營，AI未來必須體系化落地、規模化落地。隨著AI產業和千行百業數智化進程的不斷推進，在供給側實現規模化、全鏈條的AI工業化生產模式是一個必然趨勢。”吳運聲表示，騰訊云智能的提出，正是迎接這一產業趨勢的正面應對。
以騰訊云TI平臺的進化為例，該平臺起初的對外助力，主要依托優圖實驗室在CV等技術領域的積累。為了高效應對市場需求變化，平臺又快速整合了諸如NLP、ASR等方向的技術能力，力求第一時間響應客戶的一體化解決方案需求。在一次次實戰交付中不斷打磨、沉淀，今天的騰訊云TI平臺已經成為一個能力豐富的一站式AI開發服務平臺。
獨木難成林，平臺型產品才是推動AI應用遍地開花、實現規模化生產的絕佳工具。這兩年，吳運聲明顯感受到，騰訊內、外部對這類平臺型產品的需求正在變多。
“內部會上經常有不同的技術、業務同事提出‘需要一個融合、強大的平臺’，提的次數多了，大家也就注意到了這個普遍需求，于是逐漸成了一個集體共識。”吳運聲總結道。
“騰訊云智能品牌的誕生，是一個對內、外部需求雙向呼應、自然而然的過程。”
騰訊云智能戰略提出后，由誰來牽頭、如何細化和落地，成為騰訊內部高管會上討論的重點。經過幾輪商討后，這個擔子落到了吳運聲的肩上。
在不少業內人看來，選擇吳運聲并不奇怪，他是屬于那種“既在云與AI融合上有經驗，又在不少行業落地上有體感的人。”
沿著吳運聲的過往履歷追溯，不難發現其在優圖長期負責技術、產品體系搭建工作，為騰訊相關業務提供視覺AI算法技術支持，工作重心之一便是強化優圖視覺技術和騰訊云的底層融合。在如何實現產品、技術融合，以及跨部門團隊協作上，他是一個接觸更早、更多的熟手。
此外，他還在云業務板塊負責多個AI產品、訓練平臺及行業交付工作，既包括人臉核身、OCR識別等單品，也包括騰訊云TI平臺等一站式AI開發服務平臺，還包括推動工業AI質檢、媒體AI中臺等產品在相關行業的落地交付等。
這種在AI和云上跨部門、身兼數職來推動融合的崗責設置，讓吳運聲在過去幾年里對云智能的本質、優勢、實操和卡點等都有著更加深刻的體感與思考，他告訴雷峰網，想要做好云智能，需要圍繞兩大重心用功：
一是向外，面對全球經濟大環境的承壓和產業客戶需求的升級，如何讓騰訊云智能在產品性能、客戶成本、業務便捷性上，更好地滿足客戶需求，同時實現平臺型產品低成本、低門檻，高可用的AI工業化生產模式。
二是向內，提高團隊行業knowhow，加強團隊協同性。打通從底層算力支撐到AI開發平臺，到AI產品解決方案，再到頂層方法論的縱向服務體系，以及打通該體系與各行業線之間的融合橫向協作，提高騰訊云智能的整體交付效率。
主要負責人到位、工作重心明確后，騰訊內部開始圍繞“云智能”戰略進行一系列部署，并著手制定落地方案。首先是對騰訊云智能從上、中、下三層維度，進行了一系列梳理和整合：
底層以算法支撐為主。前文提到騰訊的諸多AI能力分散于各部門，比如優圖的CV技術，智能平臺部的語音交互技術，AI Lab的ASR、NLP等技術。云智能戰略提出后，為加強技術進一步深度融合，提升騰訊AI整體競爭力，成立了“云智能學術聯席會”。
據悉，學術聯席會將會服務于整個騰訊云智能的算法需求，由騰訊杰出科學家俞棟牽頭。與吳運聲類似，俞棟本身也擁有多部門融合背景，除了擔任AI Lab副主任外，他還曾在智能平臺部兼崗，該部負責人為騰訊云另一位副總裁李學朝。
事實上，吳運聲、李學朝、俞棟等人的崗責設置并非個例，騰訊內部身兼多職的高層不在少數，他們有一個共同的使命：擔負著促進跨部門、跨事業群共創、共進的任務。
不同于十年前的消費互聯網時代，幾十人的團隊就能為開發下一代社交應用而賽馬。當前的產業互聯網大環境下，企業需要的是百人、千人級別的集體協作。于是，融合以及為了促進融合而采取的一系列創新機制就變得無比重要。
解決了底層技術互通后，再往上來到中間維度：主要包含產品層和平臺層兩大板塊。
一方面，云智能項目組對原先紛繁復雜的一眾產品進行了系統化梳理，將不同產品落位到相應的產品層或平臺層，各歸其位，得到了一個云智能的產品矩陣；同時，又增強平臺層能力，聚沙成塔，將各部門技術能力有機融合進來，提升各平臺的競爭力。
比如此前的騰訊云TI平臺，主要以CV能力為主；云智能戰略提出后，便融合了騰訊自研的 AI 超大規模預訓練模型「混元大模型」和 TNN 開源推理框架，增加了數據處理、模型訓練、應用及推理加速等更多維度的服務，相當于從一把鉗子變成了一個工具箱，讓AI開發真正實現輕松上手、場景解耦，以及全環節“一站式”管理。
“過去一年，以新版TI平臺為核心的產品方案，在8大行業落地了超過50家客戶，獲得了超過70%的存量客戶追加采購。”吳運聲補充道。
再比如另一個拳頭產品“騰訊云智能數智人“，此前該產品的主要功能仍聚焦于對話AI上，市場同質化比較嚴重。云智能戰略升級后，該產品吸收融合了CV等多種算法能力，在寫實級人臉建模、多模態交互等視覺支撐方面，與同類產品相比更具優勢。
最后，在面向企業交付的上層維度上，也對團隊能力等方面進行了升級和優化。“現在很多客戶都在反饋說，只有他們想不到的，很少有騰訊架構師不知道的。”吳運聲笑著解釋，云智能戰略提出后，對騰訊的架構師提出了更高要求，需要對前后端的技術能力有著充分了解和理解、能對不同技術能力進行組合、融匯，并按照用戶需求提供一套完整的解決方案。
醞釀、提出、細化、落地……今天的騰訊云智能已經跨過孵化培育期，進入到了升級加速期，并交出了一份可圈可點的成績單，以工業AI質檢場景為例：
上海富馳高科技股份有限公司是一家金屬粉末注射成型（MIM）產品專業制造商。由于MIM產品形狀結構復雜，導致一般的檢測設備和檢測方法難以滿足富馳高科的質檢環節。尤其是隨著整個行業的發展，人工質檢的局限性也越發凸顯。
“每位質檢工每天要盯著零部件找外觀缺陷將近10個小時，不僅眼部會疲勞，大腦敏感度也會降低。”盡管質檢工人按作業規定會定時休息，但依舊治標不治本，富馳高科發現，因工人疲勞而導致的質檢事故時有發生。
不僅如此，富馳高科每年生產的零部件數以億計，僅質檢人員就需要超1500人，對人員招聘形成了巨大挑戰。為了解決人工質檢效率低、人力需求量大、成本高等問題，富馳高科想到了近幾年大火的AI質檢技術，但很快發現，想要用上AI質檢也并非易事。
比如對產業企業來說，AI算法開發復雜，招募有經驗的AI研究員成本高昂，而自主研發質檢算法又需要有巨大投入；比如算法交付運維通常十分困難，要求產業企業的運維工程師具備一定的AI基礎和計算機操作技能；再比如嚴苛的質檢指標等等，這些都筑高了富馳高科等工業企業的AI應用門檻。
2015年，富馳高科曾投入過幾千萬元做相關產品，但因彼時AI技術、AI行業整體還不夠成熟，做出的產品沒達預期。2020年，富馳高科又開始尋找其他解決方案，但由于MIM產品形狀結構的復雜性，以及對檢測精度的極高要求，不少前來洽談的服務商都被“嚇退”了，最后是騰訊云智能站了出來，接下了這個需求。
在服務富馳高科過程中，騰訊云智能通過深度學習推理框架TNN等技術攻克了很多通用方案水土不服的問題，讓最終效果達到了客戶預期水平。事后，富馳高科算了一筆賬，一臺質檢儀的工作效率是原來人工的20倍，目前已經上線10多臺設備，在機器持續滿載生產的情況下，一年可為公司節省人力成本數千萬元。
富馳高科的案例只是騰訊云智能推動產業數智化轉型的一個縮影和起點。隨著服務的項目越來越多，在流程拆解、知識積累和經驗總結的基礎上，云智能逐漸打磨出更加標準化的工業質檢訓練平臺。據最新的IDC權威報告顯示，騰訊云智能僅用2年時間就已躋身工業AI質檢行業前三名。
如果用幾個詞來概括2022年騰訊云智能在工業AI質檢領域所收獲的成績，吳運聲給出了三組數字：10、100、2000萬。
據他介紹，過去一年里，基于TI等機器學習技術平臺，騰訊云智能在工業AI質檢領域，打造了超過10個細分領域的外觀檢測解決方案，年累計交付了超過100臺外觀檢測設備，單一客戶累計完成超過2000萬件產品外觀檢測。
不僅如此，通過騰訊云智能在AI開發、應用、全場景數智化等方面的加速，類似的案例成果也正在金融、工業、傳媒、能源、交通、消費電子等各行各業里加速上演。
騰訊云智能，可以說是騰訊在To B之路上，對過往技術、產品，以及路徑打法進行復盤、重組后的一次“聚合”進化。
事實上，近些年不少云廠商、AI企業也陸續推出過一些基于云與智能融合的概念、產品、方案和變革，相比之下，騰訊云智能這次又有什么不一樣？
從目前行業的反饋來看，騰訊云智能的醞釀期可能更長、顆粒度更細，對內部調整、磨合的包容度更大，能夠以市場需求為錨點，通過內部機制創新，回應外部行業環境，并以循序漸進的演化方式，與千行百業的用戶一同扎實地往前深耕。
而在吳運聲看來，騰訊云智能將AI產業落地的前、后端充分考慮并納入進來，讓此前積累的各AI能力匯聚強化，使得1+1>2，形成了一條完整的AI產業落地鏈條。不僅對客戶的服務范圍從原來的單點、單品擴展至全流程、綜合性解決方案，還實現了自身從定制化到標準化、從單一技術產品到多能力聚合平臺的蛻變。
“這既是云智能的核心特征，也是云智能的主要優勢。”他強調道。
靜水深流，潤物無聲。走過半個多世紀短、平、快的互聯網產業模式，越來越多中國的企業意識到，To B是一個任重道遠的慢生意，只有保有靈活應變、有機有序的自我進化力，才能在這片產業復雜度極高的田地里不斷地沉下去、做扎實。雷峰網雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
