产业互联网浪潮下，AI如何掘金To B场景？｜2019 WISE新经济之王大会

11月26-27日，36氪在北京国际会议中心举办了2019WISE新经济之王大会，大会下设13大会场，邀请超百位新经济社群的代表，共同关注新技术、新场景对传统产业的颠覆与融合，连接初创公司、互联网巨头、投资机构、地方政府、传统企业等市场参与主体，聚焦那些脚踏实地、以梦为马的未来产业之王的成长和成熟。

从2018年以来，越来越多大公司和创业者将业务突破点和增长点放到了To B的赛道上，甚至走到了垂直行业的深处寻找商业化的场景。AI作为一种通用的技术，在To B领域及产业互联网中也有广泛的应用场景。在WISE新经济之王的峰会上，我们邀请到了金山办公董事长兼CEO葛珂、猎户星空首席战略官王兵以及OPEN AI LAB联合创始人兼产品研发副总裁黄明飞，与我们分享他们的企业在AI领域所做的探索以及商业化场景的挖掘。

以下是圆桌对话实录，经36氪整理编辑：

36氪：在开始正式讨论之前，我们先请三位嘉宾自我介绍，讲一下公司在AI领域都做了哪些尝试。

金山办公董事长兼CEO葛珂

葛珂：非常难得的机会，跟各位沟通和交流。我是来自金山办公的葛珂，我们是一家应用软件或者基础软件的开发商，我们经历过软件时代，也在移动互联网时期走得还是非常成功。越是在移动互联网走得非常成功，越要考虑下一个机会。

我们看了非常多的趋势和潮流，包括虚拟现实、增强现实、人工智能。我觉得文字处理是一个源远流长的普世性需求，从3000多年前甲骨文出现，到竹简、活版印刷，再到数字化时代，文字处理的需求是源源不断的，而且未来会继续流传下去。电脑的出现，或者文字排版的出现，也已经有了三四十年的时间。大家会看到一年一个技术浪潮，但是好像办公软件没什么变化，产业格局也没有发生根本性的变化。全球做办公软件的有微软、金山、谷歌、苹果和开源软件等，好像没有太大的行业性的变化。

未来颠覆性的机会在什么地方呢？我们内部有很多讨论，我们觉得人工智能就是未来的机会。我们做人工智能，并不是为了给自己贴标签，在深刻理解产品需求和赛道的情况下，我认为人工智能是金山办公和WPS业务最核心的发展方向，这是非常清晰的。

基于这个观点，我还有很多延展。5G和人工智能的场景，这是移动互联网领先之后产生的产业和环境的根本性变化。未来，5G和人工智能会变成未来中国高科技的标签性的技术和形态，所以我们在人工智能领域是全力以赴的。

猎户星空首席战略官王兵

王兵：我是来自猎户星空的王兵，我们是一家拥有服务机器人行业全链条AI技术、以互联网基因做机器人的新物种公司。不管是服务机器人还是工业机器人，最终形态要用到几乎所有的人工智能技术，所以我们在这个领域算是扎得比较深的一家公司。

我们是这个行业比较特殊的服务机器人的新物种，唯一一家从最底层的语音识别导航的算法开始，到服务机器人的硬件、系统软件、应用软件，再到互联网的运营平台，所有的这些事都是自己开发完成。

我们最近在两个比较大的领域都有所布局，一个是在线下的新零售的领域，全国500个以上的商场可以看到我们的服务机器人。另外在公共服务的场景上，比如在博物馆、政务大厅、图书馆、酒店、银行、法院、律所、派出所、医疗场所、学校、大型商场、连锁超市等20多个场景落地应用，我们在全国有5000台服务机器人，截至目前，猎户星空智能服务机器人服务总人次已超1.3亿，日均语音交互频次超200万次，应该算服务机器人行业里面，服务规模最大的公司了。

OPEN AI LAB联合创始人兼产品研发副总裁黄明飞

黄明飞：我是来自于OPEN AI LAB的黄明飞，LAB在2016年底成立。LAB一开始的切入点，是一个AI的Framework, 比如大家听说过谷歌的TensorFlow-lite，或者腾讯的NCNN。我们从一个AI的Framework切入，第一代产品叫Tengine，2017年底就发布了，今天有近百万的设备在使用，它是个商用的Framework。而OPEN AI LAB正在做的是一个AIoT的OS——操作系统。如果大家不太理解操作系统的话，可以再做个对标，就像谷歌的安卓，大家使用手机的时候APP就是运行在安卓上。它对于应用的开发者来讲，是个开发平台。AIoT同样需要这样的操作系统，这是我们今天做的工作第二代的Tengine就是一个AIoT OS。这个工作在今年年底第一个版本就会发布，实际上这个OS在早期客户当中已经使用了. 其目的是节省开发时间，降低成本。

36氪：各位所在的公司在AI技术上，在哪些层面上做了探索？将AI技术与To B场景的结合，已经做了哪些尝试呢？

葛珂：AI探索是我们经历的一个阶段，真正开始布局AI是2017年。金山是一个程序员文化公司，前两天我们在上海科创板鸣锣上市的时候跟一个媒体说，我们特别习惯于用代码表达自己的感情，用技术满足用户的需求，用我们的优质功能获得用户的好感。最早是用代码功能满足用户的需求，后来慢慢一些高深的功能，即使很好用，但用户可能无感。

过去十几年办公软件的发展速度非常快，但是到互联网时代，或者移动互联网时代，单靠功能的增加已经不行了。后来我们通过互联网服务的方式，提供各种各样的服务来满足用户的需求，帮用户进一步实现他们想要达到的价值和诉求。

除了服务之外，我们能给用户提供基于数据、样板、范文的模板，帮用户快速生成文档。基于数据和范文开始之后，我们发现一个巨大的问题，人和数据之间没有任何连接，大家经常有一个习惯，在创作时，习惯性的去各种各样的搜索引擎搜索素材和数据，第一准确度不敢保证，第二搜索的时候广告比较多，真正有价值的可能只有一两项。今天互联网不管是开放性数据还是非开放性数据，存在海量的知识，但单靠传统的搜索引擎做不到，这是我们面临的实际情况。

我们去年年底就披露过一个数据，我们的云存储量达到35PB，全部是由WPS Office上的文档组成的。当有海量的用户需求，然后产生海量的数据，自然推动我们向人工智能转移，这是我们在人工智能探索的最原始动力。今天我们大概有接近15项人工智能落地的功能、场景、服务，向用户开始灰度测试，比如智能校对，智能素材推荐等等，欢迎大家使用，包括WPS智能写作的写诗、写公文等也都很成熟了。你会发现，我们的人工智能真的是在这样一个大的背景环境下，以及今天独特的产品需求下做出的部署。

在To B方面，我们有两类用户群体是用量最大的，第一个是公务员，写一些会议报告、会议总结，这种需求巨大。第二类是学生用户群体，我们发现每一年有800万的应届毕业生都要写论文，我们做了进一步的基于机器学习和人工智能的延展，基于普适性需求产生的，真正落地还是要看用户需求，某一个领域先做的成功率就会很高。

王兵：我们今天从服务机器人的角度，看到一个传统行业中很多线下的服务和消费场景，整个IT化水平、数字化水平和管理效率其实还相当落后，这是一个非常大的机会。回头再看我们的消费互联网，像电商，包括其他内容消费的产品，消费互联网中国已经走在世界的前列，毫无疑问是世界领先的水平。

截止到今天还有80%的消费行为是发生在线下的，具有30万亿规模的体量市场，企业怎么能够提高效率，降低成本，是我们需要解决的问题。今年出生的人口跟五年前比下降了40%，如果再延续下去没有多久就找不到人工作了，大部分都是老年人，很多人需要服务，可是没有人给他们提供服务。这样的情况下就需要大量的新科技帮助我们完成线下行业服务的行为，服务机器人就是这个里面最好的载体，硬件帮助我们在物理世界里面完成很多工作，这是它的特殊地方。

如果通过服务机器人，首先是降低企业的用工成本，第二是把服务流程全部数字化了，通过把服务流程的数字化，收集起来的数字充分的理解用户需求，一个企业真正的效率提升是在于它对用户的理解。我们把服务机器人这个载体引入到线下的服务行业以后，就会发现将来任何一个线下的企业本质上区别于线上企业。智能服务机器人已经成为帮助企业提高效率和推动企业智能化的重要载体。

黄明飞：刚才两位嘉宾的介绍，一个是和微软office对标的典型应用，一个服务机器人跟底层硬件相关，而OPEN AI LAB所做的工作是二者之间的位置：OS。如果用PC时代来比较，底层是英特尔或AMD的处理器，上层是最常用的应用office，中间则是Windows。到移动互联网时代，底层硬件是Arm的CPU或者GPU，中间层是一个安卓或者IOS，上层是各种APP。到AIoT的时候，它会有更多的设备量，可能是今天手机设备量的几十倍到上百倍，需要新的OS平台。

OPEN AI LAB开发的Tengine就是为AIoT开发的OS。这个平台要解决IoT设备连接和管理问题，还要解决AI的问题，这些都是AIoT系统和过去系统不一样的地方。Tengine以统一化和端云一体化的设计，解决了AIoT应用的碎片化问题和场景化问题，以赋能、提高开发效率和降低成本为目的，加速AI在各个行业的落地。主持人提到的开发者也是很重要的环节。为了培养Tengine开发者，我们针对在大学教育领域和开发者还有一个产线EAIDK，对标的是树莓派，EAIDK是AI的树莓派，让大学生和开发者可以基于Tengine去开发各种应用。

说到具体的应用，可以举一个例子，比如现在养殖业，当前比较火的就是养猪，上个月我们跟国内一个养猪客户合作，他们有应用开发团队，也有自己的AI团队，有自己的数据，有自己的算法，他们上缺少什么呢？缺平台，包括OS和硬件平台。首先，他们缺少合适的硬件平台, 我们帮助他找到合适的硬件，有了硬件，如果没有我们的Tengine他们也不能将这个硬件用好。今天对于这种有AI能力客户来说，Tengine可以提高他的开发效率，让他半年以上的开发时间提高到1个月。如果是在这个行业中没有AI开发能力的客户，他们有数据，Tengine这个从端到云一体化的平台，赋能他们AI的能力，Tengine替他们解决的端到端问题。

36氪: 刚刚几位与我们分享了将AI和场景结合做各种各样的尝试，那么大家跟各种各样的场景进行结合的时候，是不是会发现有某一些特定特征，或者某一些特殊行业，相对来讲跟AI结合起来会更顺畅一些、更适合挖掘？

葛珂：我们自己经验来看，特别适合AI场景落地的行业有以下几个共性，一个是特别明确边界，现在AI像大脑一样智能，可以做逻辑判断，我认为它是一种算法、效率的提升，虽然是机器学习不断的提升过程，但初步起步过程中如果边界清晰，语意数据很清晰的情况下，AI发生的效率是最高的。第二还是有点类似于劳动密集型行业，才有AI存在的价值，否则用AI就没有意义。

我们找了几个很有意思的场景，我拿WPS Office举例，写一个漂亮的PPT需要基本的能力，需要工具的使用，对色彩、设计的美学感觉，还有内容的完整度，包括各种各样图形的熟悉程度你才能绘制出非常漂亮的PPT。现在，我们给你提供一个漂亮的素材模板，基于那个再改内容，后来发现这个方法确实能够帮助用户提升效率，尤其是也能够帮助小白做出非常漂亮专业的PPT。再往下延展过程中，我们模板积累量越来越大，从几千个到几十万个，用户寻找模板的时候比较复杂。即使给这些模板归类，分为商务类、学习类、报告类等，搜索起来也不是特别高效，我们就换了一个方式，数据边界是界定好的，用户先写PPT的文字，大概意思写清楚了，我们可以做语言理解，我们知道用户写的大概是什么类别，是什么范畴，大概什么时间节点，里面文字和图片的比例，我们在数据库里面进行语意匹配，形成出来的成果效率又高又好，印证了我说的场景需求的例子。

大家参加报告会的时候经常有一个场景，台上面有人做PPT报告，下面的人经常会用手机拍照保存。我们跟华为有一个人工智能的合作，华为摄像头可以做一定的高光处理，针对大屏幕的高光反映，高度聚焦，即使位置不好拍出来的PPT不是标准的长方形，但如果图片的格式不是特别复杂，拍的精度足够高，WPS会自动转化成格式和文字，变成一个可修改编辑的文档，能够落地应用。

王兵：今天的人工智能远远没有达到人的思考能力。深度学习上有比较大的突破，比如语音识别、人脸识别，几秒钟之内就能够得出答案的东西，我们用算法做的非常好。另外一个就是你一定要限定它的场景，很多算法在实验室做的非常好，放到一个场景里面根本用不起来，比如像语音，噪音非常大，回波很厉害，视觉的话光线不够好……我们引进了几十个不同的场景，今天用得好的场景都具备几个特征。第一个是用户需求相对明确，问答范围不是开放式问题而是相对封闭场景下的问答，比如我们在博物馆，需求非常明确，带一个用户到特定的展品前面解释这个展品是什么，然后回答跟展品相关的问题，问题一定不会超出这个范围，不是开放性的问答，而是封闭场景下的问答。包括到一个商场，咨询的问题一定是跟商场相关的，比如洗手间在哪，有没有好吃的。我们今天非常早期的阶段也可以回答这样的问题，如果需要长期思考的事情，今天的人工智能是做不到的。

大部分落地的场景是不需要深度思考的，它是一个封闭场景下的有限空间问题，又具备比较大的人流量，只有使用频次足够多，才可以从商业模式上算出正像的ROI。今天的服务机器人主要是智能交互机器人，本质上无法安装APP，人工智能交互的机器人完全不需要这个过程，比如我们到商场，你是打开手机（APP）找店还是直接问旁边人，肯定问旁边人更方便，你在这个场景下一定要是封闭的问答空间，不能是开放性的，第二是有足够大的流量，让你在商业模式上站得住脚。

黄明飞：刚才葛总说的Office是很特殊的一个领域，而且是有几个巨头在那个地方，其他人一般是进不去那个行业。在AI行业中有两个较大的方向，一个是视觉，一个是语音，我觉得王总的服务机器人二者兼而有之。这两个领域有一个很明显的特质，就是算法比较成熟。比如视觉领域，真正做得比较好的是跟人脸相关，包括各种人脸属性和活体，这些市场需求非常明确，算法相对成熟，但是它还是有它的问题，就是场景化。比如服务机器人有一个典型的场景化问题，比如在开源社区中可以找到人脸算法，能及格，打60分，做到80分就难了，真正落地还要和场景结合，需要场景数据。另外一个就是语音，像音箱、低端故事机等，还有智能客服。语音也是算法成熟较早的领域。

作为整个AI技术来说，赋能到各个细分行业，不是说做不到，要想做到需要构建好整个生态。任何一个行业要构建生态加上智能化，第一要有明确的应用需求。第二就是你要有硬件的平台，有合适的硬件平台供你选择。第三要有软件平台。在AI时代你要有数据、算法、算力（即硬件），加一块是五个因素，数据和算法结合后你可以认为是4个因素。AIoT生态的4大要素：应用、芯片、算法和软件平台（即OS）。应用需求是原动力，芯片和算法是基本生产力，而软件平台解决的是生产效率问题。AI正在进入细分领域，而刚才提到的安防和智能音箱等领域相对来说成熟的较早。整个AIoT还处在较早期。 OS是一个技术时代的核心，也是这个技术时代的生态是否成熟的标志。目前包括Tengine在内的AIoT OS也都在早期阶段，所以我才说AIoT还处在早期。

36氪：我们在做AI+场景结合的过程中会不会遇到什么挑战和难点，有什么样的经验可以跟大家做分享？

黄明飞：回到刚才我所说的生态问题，如果去做某一个新的领域，比如我想数一下树的个数，有没有这样的算法，前提就是有没有被标注好的数据，数据的模型是不是完备的，我想表达的就是：前提你要有一个可用的算法。另外这个算法要能迭代，第一个算法出来只能打60分，是不能落地的。假设在这个房间放一个服务机器人，光线直接影响了机器人的使用，所以它的算法要迭代，它的迭代实际上就是靠这个屋子里面的数据迭代，现在是人工来做，这个屋子的机器人打磨可能需要三个月才能做出来。所以你要有平台来帮助做这个事情，来提高效率，Tengine就是这个平台。 第二你有没有成熟的芯片供你选择，还有性价比的问题，但当有多种芯片可选择时，如何做到跨硬件平台，而不是锁定在一个硬件平台上，这也是要靠AIoT OS 解决的问题，即Tengine要解决的问题。

王兵：今天，智能服务机器人的场景化应用也有自身的挑战。核心在于智能服务机器人很难找到大的标准化市场，今天，我们不具备通用人工智能，我们需要在封闭场景下能够做到的能力，因此，你要把市场做大前提是需要接入不同场景，每个场景都要做硬件定制、软件定制。包括现存系统的打通，这些事情都要做好。我们拥有超过200家生态合作伙伴，正是在猎户星空建立的低层软件、硬件能力基础上，结合自身对于特定场景的深刻理解，去做场景下的定制，场景下的系统打通和推广，形成规模化的生意。同时对我们来说，场景生态是极其重要的事情。

葛珂：实际拓展中我觉得存在两个困难。第一个困难，成本太高了。成本有三方面，第一，人才成本特别高。因为现在人工智能从长远来看是一种基础的技术标准，就像早些年门户网站兴起的时候，H5的程序员一样。第二，算力成本很高。GPU成本很高，电很贵，真正跑大数据量的机器学习的时候，每跑一分钟都需要很多资金的投入。第三，数据成本高。全世界互联网开放的数据特别多，因为成本的考量，不可能找到所有的数据都学习。越精准的数据，效率越高，但是精准的数据是有版权的。

这三个高成本，真的是扛在企业身上的三座大山。但是从趋势来讲成本一定是下降的，只要找到合理的人工智能场景，坚持去做，这条路是通的。

第二个困难，是我们实际工作过程中的困难，叫不可预测性。人工智能跟传统软件和服务开发不一样，传统软件只要找好一个用户需求、找好一个商业模式、招足够好的团队、投足够多的钱，什么时间出产品、什么时间上线、什么时间有利润是可预测的。如果出现风险，可以通过加班来解决。但人工智能不一定，因为它是基于数据和机器学习，而且出来的结果是不可控的，这就导致开发模式按传统的软件工程和服务化的迭代式的小步快跑，都存在不可预测性。这种不可预测性导致很多创业公司做人工智能的时候觉得很容易，觉得可以复制，但本质上不可复制。所以成本和不可预测性，是今天做人工智能面临的巨大挑战。

但是我觉得未来人工智能变成一种普世性的基础性的计算服务，所以我觉得未来非常好，现在只是黎明状态。

36氪：今天非常感谢三位的时间，有机会大家一起来探讨产业+AI，今天的圆桌就到这里，谢谢！