前沿技術融合深度行業理解，加速AI落地

從AI解決方案到AI中間件，雲腦科技正在用產品方式實現AI落地，降低對人力依賴，提升業務產品化率。截至目前，雲腦科技在國內已經與銀聯智惠、上交所等十餘家客戶達成深度合作。現階段主要以解決方案形式進行交付，未來雲腦科技希望通過共同運營的方式，實現AI與行業的深度融合。

指導 | kevin 李喆

調研 | 李喆 劉馥亮

撰寫 | 王琦

越來越多的企業開始擁有大量的有價值數據，迫切希望以更高效、更智能的方法來利用自身數據。同時，隨著深度學習的發展，近年來的AI技術也產生了新的突破 。

而迄今為止，人工智慧太過複雜昂貴，以致很多企業很難對其進行最佳應用，將其融入企業現有業務難度很大。

一方面，傳統行業並不清楚AI能幹什麼，能為業務的提升做出哪些貢獻；另一方面，AI專家又不了解企業內部的業務流程和需求，嚴重的信息不對稱阻礙了AI技術在企業中的應用進程。

跨地域共同協作，加速AI在企業落地

為改變這種局面，2015年在美國矽谷成立的雲腦科技，秉持著「既要有前瞻性的AI技術，又得有接地氣的打法」的戰略理念，致力於將矽谷最前沿的人工智慧、深度學習研究成果引入中國市場。

在團隊建設方面體現最為明顯，雲腦科技採取跨區域共同協作的方式，美國團隊負責核心演算法研發，中國團隊則直接和行業客戶對接。

美國團隊由創始人兼CEO張本宇帶領，其從事人工智慧19年，曾就職於微軟亞洲研究院、Google和Facebook，在AI方面獲得了150項美國專利，被創新工場評為AI「華人10位大牛之一」。

中國團隊由聯合創始人&COO龍志勇負責，其有著15年IT從業經歷，曾就職於中國電信、阿里巴巴和金立集團，在通信、金融、互聯網和人工智慧有著豐富經驗。

中美兩地團隊協作的方式，不僅讓雲腦科技掌握了最前沿的AI技術趨勢，更有利於其理解行業應用的痛點，加速AI技術在企業的落地。

行業中間件，架起行業和人工智慧的橋樑

人工智慧領域新的技術不斷湧現，從機器學習到深度學習，再到膠囊網路技術，迭代速度之快讓人目不暇接。

正因如此，不管是雲腦科技還是其他人工智慧公司，很難提供一個標準化、傻瓜式的AI平台為企業服務；而且，平台產品的使用門檻相對較高，很難在短時間內滲透到企業的業務當中。

外包項目的方式雖然能夠很快地讓AI理解行業需求，但缺點在於這種商業模式不易推廣，複製性比較差。

而企業在應用AI技術時常面臨三個方面的問題，即「數據如何選擇和導入？」、「模型如何選擇並組合？」和「輸出如何集成到業務？」

雲腦科技依靠在人工智慧和軟體行業的深厚積累，將軟體和服務劃分成數據導入、建模策略和業務集成三大功能，形成行業差異化的核心產品——「行業AI中間件」，為特定行業量身打造。

目前，雲腦科技推出了四款AI（X）產品，覆蓋通信、金融、人力、能源四個領域。這四款行業中間件能夠幫助企業降低AI技術壁壘，切實幫助業務人員提升工作效率。

瞄準客戶需求，與行業夥伴共同打造AI生態

雲腦科技的目標很明確，即運用世界最前沿的AI技術來做解決方案，幫助國內的企業客戶提高KPI，最終讓中國企業充分釋放自己的價值。

譬如在金融行業，雲腦科技利用貝葉斯網路、深度學習和自然語言處理等新技術，基於行情和消息面等數據，在挖掘市場未知的隱含關聯關係、量化市場間的影響程度、刻畫市場波動傳導路徑和市場消息影響分析等方面進行了探索和研究。在滿足金融行業對人工智慧技術的可解釋性和高效性等要求的同時，幫助交易所提高現有監管業務效率，提升對市場風險的預研預判能力，為進一步強化監管奠定基礎。

在通信領域，雲腦科技基於AI BrainSync專利技術，藉助深度學習向量生成的不可逆特性，有效地解決了數據隱私安全和數據高效利用之間的矛盾。同時，雲腦科技針對手機和運營商特有的數據類型和多業務特點，提供了一系列的數據清洗和演算法工具（機器學習/深度學習/知識圖譜），構建了業務子域和全局跨域的組合模型。此外，針對手機與運營商常見的內容推薦、精準營銷、徵信風控等應用場景，雲腦科技為其提供了成熟的方法論和AI集成方案，能夠幫助通信行業切實提升業務指標和收入能力。

現階段，按照項目或者解決方案的形式進行部署，企業的接受程度比較高；根據不同行業特點，雲腦科技也提供了按照規模收費的模式。但從長遠來看，雲腦科技希望通過共同運營的方式，在更方便快捷地為企業提供服務的同時，能夠進一步探索AI技術更多的應用價值，加深對行業需求的理解。

截至目前，雲腦科技在國內外達成深度合作的客戶有十餘家，其中包括銀聯智惠、上海證券交易所、浪潮軟體集團、算話徵信、南方電網、金立手機、實習僧、極客學院等企業。

技術層面，雲腦科技研發團隊匯聚了來自微軟、谷歌、Facebook、高通等眾多美國科技公司的科學家，在人工智慧領域耕耘多年，技術實力雄厚。且研發團隊位於科技前沿技術最集中、最領先的美國矽谷，能夠以最快的速度研判人工智慧的發展趨勢。

產品層面，由於AI平台使用門檻較高，通用性和複製性較差，雲腦的行業中間件，從技術上能夠更快的切入到業務當中，但AI技術本身還在不斷迭代，在數據分析領域還屬於新興事物，中間件的產品形態仍處於發展階段。

客群層面，與雲腦合作的客戶，大多存在比較迫切的數據分析需求，如數據量龐大且實時性要求較高的上交所等，隨著AI技術應用場景的不斷開發，這些行業頭部企業對AI的投入將不斷增大。

獲客層面，從成立之初，雲腦的思路就十分明確，讓AI技術在國內企業儘快落地。雖然沒有太多的銷售人員，但國內團隊擁有一定行業專家，不僅能夠利用AI技術幫助企業業務能力，而且能為雲腦築起一道行業壁壘。與大客戶進行合作，不僅能夠為雲腦科技進行背書，利用這種合作關係，雲腦也能實現與更多B端客戶的接觸。

場景層面，隨著數據量的不斷積累，企業的數據分析需求將持續存在，企業業務人員使用雲腦科技的產品能夠有效控制風險、智能匹配分析、精準營銷推廣，應用範圍比較廣泛，在與客戶的合作過程中，雲腦科技還在持續探索AI更多的可能，不斷地延伸業務領域。

近期，愛分析對雲腦科技創始人張本宇進行了訪談，現將部分內容分享如下。

憑藉對人工智慧極其敏銳的嗅覺，感覺時機已到

愛分析：雲腦科技自成立至今，發展經歷了哪些階段？

張本宇：目前為止分三個階段。2015年5月成立，到2016年末是第一階段，這一階段我們的CloudBrain團隊在美國矽谷成立，主要是進行內部研發。2016年末到2017年6月是第二階段，杭州雲腦科技公司成立，這一階段主要是國內實體成立，然後嘗試不同的AI落地方案。2017年6月至今為第三階段，我們確定了AI中間件這樣一個大的方向。

愛分析：當初考慮創立這個公司的動力是什麼？

張本宇：隨著數據量越來越多，計算能力越來越強，越來越多的運行模型能夠投入到更深層次的使用中去，人工智慧技術逐漸有了實際應用場景。

我本人一直在從事AI演算法的工作，包括AI互聯網的應用、廣告推薦等等，所以能夠很直觀的感受到互聯網演算法的進步，以及AI給互聯網帶來的影響。那麼跳出互聯網行業，AI的應用場景還是非常廣闊的，所以有想法做一個公司。

降低行業應用門檻，以AI中間件直面業務應用

愛分析：為什麼選擇研發AI中間件這個產品？為什麼不考慮推出通用型平台？

張本宇：我們公司內部是有AI平台的，但平台的使用門檻還比較高，我們很難在第一時間將平台產品推向客戶。而且，AI技術本身也在持續地發展當中，很多新的技術不斷湧現出來，像圖像識別領域的膠囊網路技術、圖像生成的GAN技術等。

想提供一個傻瓜式或者一站式的AI平台，這個其實是很難的，所以我們一開始並沒有考慮解決方案的做法。

做解決方案的好處是，我們可以很快地理解行業需求，然後與行業內的領導企業建立很好的合作關係。但缺點就在於，這種商業模式的可複製性相對要差一些，更多地是以項目的形式存在。

AI中間件並不是一個平台產品，其實是把所有的AI使用細節包在平台上，直接呈現的是在這個行業裡面的需求，能以一種行業客戶聽得懂的方式來描述，這是一種比較大的區別。

愛分析：AI中間件的產品形態是什麼樣的？

張本宇：這個要看不同行業，比如說，數據倉庫是放在中間件裡面還是外面，因為中間件的概念就是連接不同的軟體系統，其後台存在不同的數據倉庫或資料庫方案，前端可能有不同的展示形式。

因此，中間件不會出現大一統的局面，它是解決方案中最核心的部分，能夠被複用的東西。對於AI中間件，它可能不僅是連接不同的軟體模塊，大多連接的是數據和場景。

愛分析：工作流程是怎樣的？

張本宇：過程包括數據的轉化、訓練、模型管理、質量控制、服務等等，但不同行業存在差異。

我們服務的都是企業客戶，企業客戶的特點就是有持續不斷的新數據進來。人臉識別的話可以預先確定一個Model，比如在海關或者公安系統當中，這個模型一旦建立就比較穩定，或者說變化的周期比較長。

但是某些行業每時每刻都在產生數據，而且數據會影響到結果，所以怎麼訓練，這裡面有很多細節需要打磨。

愛分析：中間件產品在使用過程中有什麼門檻嗎？

張本宇：產品是直接面向業務部門的，我們會提供一個定製化的介面，比較容易地嵌入業務層，而且我們提供的是實時性服務。

AI中間件和解決方案中比較大的區別就是，中間件當中，行業專家的參與度會比較強，我們關注更多的是中間件這個產品，而數據和場景的話要跟合作夥伴一塊來做。

而因為使用者是行業專家，他們會了解面臨的問題是什麼，這個問題的約束是什麼，是用什麼樣的數據源，會用到什麼樣的場景當中，他們能夠幫助我們做流程的優化。

我們提供的產品不單單是一個中間件，還有具體的服務，還是要跟行業緊密地結合在一起。

愛分析：產品在底層資源的調度上有沒有特殊的設計？

張本宇：這主要取決於客戶數據量的大小和模型的複雜程度，這更多的是一個運維的工作，我們是純容器化部署。

選擇有數據、有切實需求的行業客戶進行深度合作

愛分析：現在所涉及到的行業有金融、能源、人力、通信四個領域，對於行業的選擇有什麼特殊的考慮？

張本宇：幾個方面的考慮。一個是行業必須夠大，第二個是必須產生大量的數據，第三是這個行業面臨數據處理的痛點，具有改造的潛力，第四就是我們在這些行業中能夠找到不錯的合作夥伴，能夠幫助我們去理解這個行業，來改善我們中間件產品的性能。

愛分析：與銀聯的合作是什麼樣的形式？

張本宇：銀聯智惠有一個叫做安全雲的沙箱機制，這個沙箱機制上會有能力小夥伴，我們是AI能力小夥伴，在上面提供AI中間件，然後一起服務好營銷的客戶。

我們合作開發了「智惠觸達Farcaster」營銷觸達平台，可以根據客戶已有的消費用戶群，自動發現相似的新用戶，從而幫助客戶以更低的成本、更高的轉化率來獲取高價值顧客。

愛分析：跟上交所合作主要是解決其哪些需求？

張本宇：上交所的需求還是很多的，比如監管需求、配合投資者的需求等等。

配合投資者中，主要是對大量數據的分析，告訴投資者什麼是真的、有價值的信息，哪些信息會對市場產生比較長遠的影響，哪些會是比較短期的影響等等。他們希望投資者應該理性投資，避免不必要的損失。

愛分析：與算話徵信的合作內容是什麼？

張本宇：主要徵信風控的內容，這塊業務有銀行客戶，以及像匯金公司這樣的公司。

風控模型這塊我們也是跟客戶一塊搭建的，如果直接把工具給客戶的話，在使用起來還是有一定的困難，而且他們在這個領域也是很專業，可以幫助到我們。

以行業理解和深度協作築起壁壘

愛分析：對於這種比較新的技術來說，在客戶推廣方面我們有面臨什麼困難嗎？

張本宇：我們現在也在挖掘客戶需求，有點像諮詢公司，考慮AI 能做什麼事情，不能做什麼事情。

這個要從客戶的實際情況出發，看客戶在業務層面和數據量層面是不是已經準備好了，有的時候客戶可能有些這方面的想法，但是在之前數據層面沒有相應的大數據建設，或者業務變化比較快，又或者說使用AI技術對其業務能力的提升比較有限，在這種情況下AI技術就很難幫上忙。

愛分析：雲腦科技的團隊規模有多大？

張本宇：整體來看有50人左右。大部分是研發和行業專家，商務和產品還有一部分。

愛分析：團隊具體分工是？

張本宇：行業專家主要是與客戶接洽，美國團隊更側重演算法和研發，核心的研發團隊在30人左右。

愛分析：技術壁壘有哪些？

張本宇：壁壘一個是對行業需求的理解，它對產品層面和演算法層面都會有一個促進作用；第二個就是通過運營，提高了商業上的壁壘。

愛分析：一個新的技術或者演算法，從論文成果轉化成企業級產品需要經過哪些努力？

張本宇：開發一個演算法，在開始的時候，會在標準的數據集上面做一些測試，很多時候只有指導意義，真正運用到現實場景當中可能會相差很多。這裡要搞清楚在新的論文或者演算法當中提升業務的具體原理是什麼，很多情況下，新的演算法在實際應用過程中根本沒用，還要看怎麼去修正。

第二個是看這個改進對產品本身帶來什麼影響，訓練周期會不會變多？外部數據需求量會不會增加？耗費的精力和算力會不會增加等等。因為在設計的時候是不考慮成本的，而在場景應用過程中就存在很多約束，還要評估這個改進對行業是不是有價值。

愛分析：從哪些方面能夠評價AI公司的技術水平，或者說如何評價？

張本宇：現在每天都有很多新的Paper出來，大家想要解決什麼樣的問題，將來發展會是一個什麼樣的趨勢，這是一家AI公司應該具備的判斷能力。

很多人都會說AI最缺乏的就是售前，要充分的了解客戶的需求在哪，AI能夠做到什麼地方，不能做到什麼地方，現在的行業環境是什麼樣的，要起到一個橋樑的作用。

愛分析：未來中間件能夠做成一種標準化產品嗎？

張本宇：我們之所以提供中間件，就是要借鑒現在中間件標準化的一個概念，至少是在行業這個層面，但因為要滿足場景和需求，要做跨行業的這種完全標準化的產品還是比較難的。

其實AI還處在一個不斷發展的過程當中，正在對行業或者業務產生影響和改變，在變革的過程中就會有不同的需求產生出來，它是個動態的過程，面對各種變化的需求，目前來看，很難做成一個標準化的產品。

愛分析：AI與之前BI產品相比，其實時性體現在什麼地方？

張本宇：現在來看絕大多數BI提供的還是離線分析，但高頻交易這種對實時性要求很高的場景，BI是無法滿足的。如果說對於一家店鋪或者一個住宅的選址，這種事情可能幾年才發生一次，這種事情其實並不需要AI來做。

現在像今日頭條的新聞推薦、滴滴出行的打車調度、交易所的撮合交易，每天發生的數量可能都是幾十億次的量級，這種數量級的事情是不可能靠人來處理的，但AI可以滿足自動化、實時性的要求。

愛分析：您對AI平台或者中間件的市場規模怎麼看？

張本宇：首先取決於這個基礎行業的需求有多大，然後估算效率有多大的提升，包括現在有多少因為低效率造成的損失，有多少比例的工作量能夠被優化等。

營銷這塊業務，最大的問題是廣告本身的導向和產品的導向存在衝突，廣告越高級越好，功能越厲害越好。但實際上，產品設計要考慮服務的人群是哪些，最突出的價值是什麼，核心功能是什麼，很多時候廣告存在誇大其實但又抓不住重點的。這種情況還是有很大的改善空間的，但是具體估計市場多大，還是有困難的。

愛分析：整體戰略是什麼？定位是什麼？

張本宇：核心是AI中間件，並不是說簡單的將平台部署就可以了，還是希望我們的產品能夠集成到業務系統當中，能夠對業務有幫助。我們也希望產品能夠提升擴展性，一方面節省我們的人力成本，更重要的是可以降低客戶的使用成本。

愛分析：美國市場專門做AI中間件的公司有哪些呢？

張本宇：美國這邊的創業公司在AI領域，更多的是選擇做無人駕駛，或者其它特定的場景，在AI中間件這塊公司比較少。

主要是因為，美國企業的信息化程度比較高，而國內相對弱一些，因此處理大數據的需求也比較迫切。另外，美國這邊關於數據的管理要求更加嚴格，像數據處理這種事情，企業一般選擇自己來做。

愛分析：大的互聯網公司也在做AI平台，會不會給公司帶來競爭壓力？

張本宇：我們會和大的互聯網公司形成一種合作關係。我們的業務與行業的需求緊密相聯繫，一個公司很難做到全行業的覆蓋，而是在垂直領域服務客戶，各自在自己的領域深耕。