阿里产业AI：三驾马车、一个飞轮

　　美国权威调研机构Gartner发布了一份中国企业AI案例研究报告。报告指出中国企业追求AI实战性，产业AI颇具土壤。

　　Gartner得出结论，中国企业对AI具备强烈需求，并且热衷用AI来提高生产率、改善客户体验和促进业务增长。这一市场需求决定了中国具有产业AI的肥沃土壤。

　　在阿里庞杂的AI业务、产品、生态的背后，也有一个关键词“产业AI”。产业AI究竟是什么，有哪些关键要素，有哪些应用场景？3月27日，阿里云数据智能总经理曾震宇先生发表了题为《产业AI驱动数据与业务的飞轮》的演讲，回答了这些问题。

　　演讲中，曾震宇用“三驾马车”和“一个飞轮”解释产业AI。人工智能技术体系有“三驾马车”：数据、算法和计算力，产业当中通过业务积累数据，即 “一切业务数据化”。数据要用于业务中，让数据创造价值、推动业务的发展，即 “一切数据业务化”。产业AI作为核心引擎，驱动数据和业务发展的飞轮，推动业务价值快速增长。

　　以下是曾震宇《产业AI驱动数据与业务的飞轮》演讲实录。

　　AI技术的三驾马车：数据、算法、算力

　　当人们谈到人工智能技术的时候，往往会想到深度学习、强化学习、人脸识别、视频语音等等各种技术。其实我们觉得，这些技术只是人工智能中的一个侧面而已。人工智能技术体系从整体来看包含着三大支柱，或者我们称之为 “三驾马车”：

　　第一驾马车就是数据，我们把数据当成一种战略资源看待，没有数据，所有的人工智能根本就没有基础。

　　第二驾马车就是算法，从上个世纪以神经网络为代表的算法兴起之后一直到现在，算法有了非常大的发展，算法给人工智能带来了相应的智能。

　　有了数据和算法，我们就需要计算能力，因为数据量非常大，计算能力也变成了非常重要的事情。

　　今天我不会过多地讲算法，而是讲数据和计算能力，这是两点可能平常大家不会太关注，但是对整个AI而言非常重要的因素。

　　首先来讲数据。数据是所有人工智能的基础。从以往各种各样的项目当中我们发现，数据的质量、数据的好坏其实对整个项目结果的影响超过算法层面的调优，所以一定要非常认真地对待数据层面。做各种各样项目的过程当中，数据会有各种各样的来源，我们需要把各种各样的数据进行汇聚，然后对数据进行相应的建模。比如各种各样的实体可能来自不同的业务系统，需要把各种不同业务系统当中的数据关联在一起，变成能够刻画一个实体的全方位的数据。

　　对数据进行建模以后，我们需要进行相应的数据治理。数据如果不治理，就像热力学第二定理所说，随着时间的推移无序度会逐渐增加，数据其实也是一样。对数据进行加工和建模之后，还需要从数据质量、生产监控等各个层面，对数据进行相应的治理，需要花不少人力来做这些事情。

　　下面我们来看一个例子，比如交通行业。交通行业的数据可以做什么事情呢？站在政府的角度，交通数据非常多、非常杂，来自各个不同的部门。政府可以把这些交通的数据进行相应的汇聚，汇聚以后就可以得到交通相关的各个侧面的深刻了解。数据可能来自于政府，比如交警、卡口、摄像头各种线圈的感知数据，这些数据汇聚以后进行建模加工，然后得到一些实体。

　　比如对交通而言，最重要的实体就是交通工具——车，可以得到车的各个侧面的刻画，甚至可以得到每一辆车在城市当中行动的轨迹和特征。有了这样的数据以后，我们可以构建一个关于交通的数据资源平台，在此之上可以做各种各样的智能化应用，让数据为城市的交通发力。

　　除了数据之外，计算是另外一个非常重要的因素，但这一点往往会被一般人所忽视。过去一段时间，随着云计算的发展，计算变得越来越便宜、越来越方便，也更容易获得。计算的发展有宏观和微观两个趋势：

　　宏观趋势就是计算越来越从原本单机的计算往集群的计算发展，就是用大量普通的服务器共同构建一台超级计算机，让这台超级计算机完成一些复杂的任务。这个过程当中对计算的调度能力有非常高的要求，也需要有大量的沉淀以后才可能操纵上千台、上万台计算机规模。

　　微观层面：在每一个计算节点上面，现在越来越多的趋势就是通用的芯片逐渐往专用的芯片发展，我们看到 Google、阿里巴巴等公司都在自研相应的芯片，就是希望在单个计算节点让每一分钱的投资产生最大的回报。

　　产业+智能：产业AI的飞轮

　　有了人工智能技术的 “三驾马车” 之后，AI要走出实验室，必须要跟产业相结合。

　　产业当中通过业务相应地沉淀数据、积累数据，或者是养数据，我们称之为 “一切业务数据化”。业务过程当中各种核心的指标、跟核心的业务价值相关联的部分都可以数据化沉淀下来。数据沉淀之后要把数据用于业务当中，让数据创造价值、推动业务的发展，我们又称之为 “一切数据业务化”。有了数据和业务形成的飞轮就能够推动业务快速发展，中间的核心引擎就是AI。

　　互联网行业对数据和人工智能应用非常多，除了互联网行业，外部的各个行业都有非常大的前景。这些行业当中有非常多的数据量，但是因为缺乏计算能力，或者没有把这些数据相应地保存和利用起来。我们发现这些行业当中人工智能有非常大的前景，可以用数据和算法提升业务的价值。

　　产业AI应用场景

　　接下来我会挑一些具体场景，看看产业AI在现实当中能够产生怎样的价值。

　　首先来看交通领域，交通可能是每一个老百姓都能自己感受到的，而且是很多城市的领导者非常头痛的一个问题。解决交通拥堵问题之前，其实管理者更感兴趣，也更加头大的事情就是弄清楚这个城市到底有多少辆车，比如此时此刻在北京有多少辆车在跑，有多少辆车是停在车库里面。

　　这些数据其实在很多城市是是很难拿到的，统计这些数据并不像大家想像的那么简单。我们要想弄清楚一个城市当中实时有多少辆车，一定要把城市里与交通相关的数据相应地进行汇聚、融合、加工和相应的计算，才能建立模型，得到此时此刻在北京有多少辆车在跑。这些数据对于交通的决策者而言，可以作为重要的参考因素，去安排警力以及相应的城市建设规划。