2019 年的 AI 行業(yè)不再像往日那樣狂熱。一方面 AI 應(yīng)用進(jìn)入深水區(qū)，深入細(xì)分領(lǐng)域和場(chǎng)景的產(chǎn)品落地難，而另一方面大量企業(yè)面臨融資壓力，投資人也更加謹(jǐn)慎理性。這樣的大背景下，一家不是科技巨頭，也不是 AI 獨(dú)角獸的通訊企業(yè)卻把 AI 解決方案搞得有聲有色。他們是怎么做的？

　　2019 年，AI 行業(yè)的關(guān)鍵詞不再是「銳意進(jìn)取」，而是「大浪淘沙」。

　　大量 AI 公司開始重新思考商業(yè)邏輯的合理性，而投資者也變得理性而謹(jǐn)慎。泥沙俱下的商業(yè)環(huán)境里，什么公司才能在這個(gè) AI 的下半場(chǎng)贏得漂亮？

　　你可能會(huì)想到應(yīng)用生態(tài)完善，有著雄厚技術(shù)實(shí)力的科技巨頭。你也可能會(huì)想到一路高歌猛進(jìn)，風(fēng)頭無量的 AI 獨(dú)角獸。而在通訊領(lǐng)域，卻有這么一家深耕行業(yè)產(chǎn)品與解決方案多年，直到 2017 年才開始進(jìn)入 AI 領(lǐng)域的公司，率先提倡并踐行「通訊+AI」并在去年完成了 D 輪融資。

　　這家通訊企業(yè)的名字，叫做容聯(lián)。

　　企業(yè)通訊是一個(gè)發(fā)展了多年的行業(yè)，主要向企業(yè)客戶提供通訊領(lǐng)域的服務(wù)和解決方案，如通訊服務(wù)（短信、語(yǔ)音、音視頻等）、呼叫中心、客服、遠(yuǎn)程會(huì)議等。在早期階段，企業(yè)主要向客戶提供硬件設(shè)備設(shè)施，如光纖、服務(wù)器等，幫助客戶建立通訊網(wǎng)絡(luò)。

　　在互聯(lián)網(wǎng)和云計(jì)算興起后，上云成為主流。客戶不再需要購(gòu)買昂貴的硬件設(shè)備，而是從專業(yè)的服務(wù)商中購(gòu)買云服務(wù)來解決通訊問題。

　　在這兩年，云計(jì)算服務(wù)已日臻成熟。怎樣從成熟領(lǐng)域挖掘新的業(yè)務(wù)增長(zhǎng)點(diǎn)呢？從市場(chǎng)來看，許多客戶有了細(xì)分的需求。這些需求中，無疑蘊(yùn)藏著 AI 應(yīng)用落地的可能性。

　　例如，客戶們普遍面臨降低通訊成本，提升效率的問題。以呼叫中心為例，高達(dá) 90% 的成本都需要投入在人力上——很多公司都需要維持龐大的客服團(tuán)隊(duì)，保證客服們不斷接聽詢問、查詢和投訴。在一些大型的金融機(jī)構(gòu)中，客服團(tuán)隊(duì)的規(guī)模高達(dá)上千人。

　　同時(shí)，很多解決方案中亟待加入智能化輔助手段。比如說，很多企業(yè)的人工客服面臨培訓(xùn)時(shí)間長(zhǎng)，難以回應(yīng)復(fù)雜而專業(yè)的問題。由于企業(yè)在業(yè)務(wù)增長(zhǎng)的同時(shí)也面對(duì)查詢、投訴量的陡增。此時(shí)花大價(jià)錢、加大力度進(jìn)行客服培訓(xùn)，實(shí)際效果可能還要打折扣。這時(shí)候就需要一定的智能技術(shù)，輔助提升客服效率。

　　另一方面，在許多場(chǎng)景下，許多通訊解決方案都在走向智能化。例如，營(yíng)銷不再是向大量的客戶進(jìn)行無差別式的「騷擾」，而是在大數(shù)據(jù)分析的基礎(chǔ)上，針對(duì)不同的客戶群體進(jìn)行精準(zhǔn)的營(yíng)銷。

　　還有一個(gè)例子是：工業(yè)園區(qū)和制造廠房的視頻監(jiān)控系統(tǒng)，也需要加入更多智能化方法，對(duì)員工操作、生產(chǎn)線控制等方面進(jìn)行智能化分析和管理。這些都需要大規(guī)模智能化的系統(tǒng)進(jìn)行計(jì)算、協(xié)調(diào)、管理和調(diào)度，僅靠人力進(jìn)行較為困難。

　　這些細(xì)分領(lǐng)域涌現(xiàn)的新需求，為 AI 應(yīng)用提供了可能。在這一過程中，容聯(lián)總結(jié)出了一套成熟的方法論，用來判斷能不能用 AI，怎樣用 AI。

　　AI 是否能夠真正應(yīng)用呢？容聯(lián)認(rèn)為，判斷 AI 能否應(yīng)用需要經(jīng)過三輪分析，即：1）能不能用；2）好不好用；3）行業(yè)發(fā)展形態(tài)。

　　首先，AI 在一些細(xì)分需求上可用，但在另一些需求上是不可行的。例如，同樣是客服應(yīng)用，一些呼叫中心就可以使用 AI 技術(shù)，如知識(shí)庫(kù)、語(yǔ)音轉(zhuǎn)文字等技術(shù)，幫助人工客服快速定位搜索結(jié)果，加快回復(fù)速度并提升準(zhǔn)確性。而一些依賴專業(yè)銷售話術(shù)的客服場(chǎng)景中，使用 AI 就不能像人工客服那樣，通過從業(yè)經(jīng)驗(yàn)和手段提升客戶轉(zhuǎn)化率了。

　　其次，AI 好不好用也是一個(gè)重要的問題。很多 AI 應(yīng)用可以做到完成任務(wù)，但在實(shí)際使用中的效果并不令人滿意。例如，在外呼場(chǎng)景中，AI 已經(jīng)可以快速向多個(gè)目標(biāo)用戶進(jìn)行呼叫，但機(jī)械式的方式讓客戶感到不適。類似的案例還有使用 AI 進(jìn)行電話回訪。由于技術(shù)的不成熟，回訪收集的數(shù)據(jù)質(zhì)量很差。

　　而且，AI 在某一行業(yè)的應(yīng)用程度和該行業(yè)的發(fā)展密切相關(guān)。AI 依賴質(zhì)量高、數(shù)量龐大的數(shù)據(jù)來提升性能。因此，在一些數(shù)據(jù)管理較好，有良好 IT 技術(shù)的行業(yè)，如金融業(yè)，AI 就可能會(huì)有更好的發(fā)展。另外，一些行業(yè)發(fā)展得還不夠完善，客戶對(duì)于新技術(shù)的接受程度不夠高，客戶沒有相對(duì)充足的資金支持新技術(shù)的落地等因素，都會(huì)阻礙 AI 的應(yīng)用落地。

　　從這些角度來看，AI 的應(yīng)用范圍并不是無限的。在通訊行業(yè)中，AI 應(yīng)用落地取決于場(chǎng)景，可以使用 AI 進(jìn)行輔助的產(chǎn)品，如呼叫中心、智能客服、精準(zhǔn)營(yíng)銷、智能制造中的視頻監(jiān)控等。從行業(yè)來看，有著較好的 IT 基礎(chǔ)設(shè)施、良好的數(shù)據(jù)積累和管理、資金較為充裕的行業(yè)、對(duì)技術(shù)接受度更高的行業(yè)，如金融、能源石化、電商等領(lǐng)域更容易落地 AI。

　　我們知道，在通訊領(lǐng)域，AI 更多的是切入細(xì)分的場(chǎng)景中。有些是在已有解決方案上的智能化，而另一些則是需要 AI 參與輔助的場(chǎng)景。最后，如果不同的場(chǎng)景和應(yīng)用都需要復(fù)用同樣的 AI 模型，平臺(tái)化是否是一個(gè)效率更高的選擇？

　　容聯(lián)的 AI 產(chǎn)品發(fā)展就遵循了以上三個(gè)思路，分別分為：AI 智能化應(yīng)用、AI 智能化改造，以及 AI 中臺(tái)。這三種產(chǎn)品形態(tài)上，可以看到容聯(lián)以機(jī)器人、知識(shí)、AI 為中心，AI 平臺(tái)為基礎(chǔ)的整體產(chǎn)品架構(gòu)。

　　容聯(lián)的產(chǎn)品矩陣。

　　AI 智能化應(yīng)用是根據(jù)客戶新需求——如為人工客服增加 AI 輔助、采用 AI 進(jìn)行精準(zhǔn)營(yíng)銷、在視頻監(jiān)控系統(tǒng)中增加 AI 檢測(cè)等產(chǎn)生的新應(yīng)用。它們主要切入業(yè)務(wù)流程中可以被智能化的環(huán)節(jié)。

　　例如，有一種語(yǔ)音導(dǎo)航方面的應(yīng)用。過去在電話客服中，我們經(jīng)常會(huì)聽到「普通話服務(wù)請(qǐng)按 1」這樣的引導(dǎo)語(yǔ)音，往往需要需要進(jìn)行多次選擇。這一場(chǎng)景中所對(duì)應(yīng)的是 AI 語(yǔ)音引導(dǎo)應(yīng)用。在接聽電話后，用戶可以直接說出自己需要辦理的業(yè)務(wù)（如說出「辦稅」、「退款」等類似的字眼），AI 就可以幫助跳轉(zhuǎn)到合適的人工客服。從而減少客戶的等待時(shí)間，加快處理速度。

　　當(dāng)這些應(yīng)用可以走向市場(chǎng)后，客戶可以將這些應(yīng)用和自身已有的產(chǎn)品進(jìn)行打通，從而實(shí)現(xiàn)部分業(yè)務(wù)流程的智能化。

　　除了智能化應(yīng)用外，另一種更加龐大和系統(tǒng)化的產(chǎn)品形態(tài)是 AI 智能化改造。

　　由于通訊行業(yè)有著 3 到 5 年的技術(shù)迭代周期。當(dāng)客戶需要采用新的解決方案的時(shí)候，可以通過一體化改造的方式，將整體的應(yīng)用方案全部進(jìn)行智能化改造，具體而言，這時(shí)候向客戶提供的解決方案會(huì)包含一攬子的智能化應(yīng)用和服務(wù)。客戶采用了新的解決方案后，可以無縫地將數(shù)據(jù)遷移到新方案上，這一過程無感，但系統(tǒng)整體的效率大大提升。

　　最后一種產(chǎn)品被稱為 AI 中臺(tái)。和云平臺(tái)類似，容聯(lián)的 AI 中臺(tái)提供一個(gè)智能化平臺(tái)，其中集成了過去開發(fā)過的 AI 技術(shù)、模型、應(yīng)用等。通過提供給頭部大客戶，AI 中臺(tái)支持客戶在已有的 AI 基礎(chǔ)能力上開發(fā)相關(guān)的服務(wù)應(yīng)用。這一中臺(tái)也提高了容聯(lián)云在技術(shù)研發(fā)上的效率，避免重復(fù)開發(fā)和浪費(fèi)。

　　例如，很多 AI 應(yīng)用需要一系列的底層技術(shù)支持。例如智能客服可能需要語(yǔ)音識(shí)別、語(yǔ)音合成、自然語(yǔ)言處理、知識(shí)圖譜等一系列 AI 相關(guān)的技術(shù)。如果某個(gè)企業(yè)想要實(shí)現(xiàn) AI 應(yīng)用，在沒有 AI 平臺(tái)的情況下可能需要全部研究一遍，投入成本高。在 AI 中臺(tái)的幫助下，開發(fā)相關(guān)領(lǐng)域的應(yīng)用會(huì)更加簡(jiǎn)單方便。

　　目前，容聯(lián)已形成了完整的 AI 產(chǎn)品體系，名為「三中心一平臺(tái)」。三中心指的是：機(jī)器人為中心、AI 為中心和知識(shí)為中心。這三個(gè)中心可以主要滿足各個(gè)細(xì)分領(lǐng)域的實(shí)際需求。而一平臺(tái)則是 AI 中臺(tái)，主要提供基礎(chǔ)的智能化能力。

　　怎樣做好 AI 產(chǎn)品？算法的性能是一方面因素，為什么很多實(shí)驗(yàn)室中的優(yōu)秀算法無法落地呢？容聯(lián)認(rèn)為，AI 的算法固然重要，但是在業(yè)界進(jìn)行落地的過程中還需要考慮很多因素。這些因素才是決定 AI 應(yīng)用是否成功的關(guān)鍵。

　　在 AI 算法的研究上，容聯(lián)采用了和高校合作的方式。企業(yè)本身并不追求極致的實(shí)驗(yàn)室性能，而是將重點(diǎn)放在有技術(shù)潛力，能夠快速實(shí)現(xiàn)應(yīng)用的領(lǐng)域。而理論、模型等方面的探索性研究則通過聯(lián)合實(shí)驗(yàn)室的方式進(jìn)行。

　　例如，在研發(fā)哪些 AI 技術(shù)方面，容聯(lián)就進(jìn)行了選擇。在 2017 年進(jìn)入 AI 的時(shí)候，團(tuán)隊(duì)研判，在通訊領(lǐng)域較為重要的 AI 技術(shù)包括語(yǔ)音和語(yǔ)義兩方面。但是，在語(yǔ)音技術(shù)上已有很多成熟的產(chǎn)品，許多實(shí)力強(qiáng)勁的科技巨頭也在參與，因此團(tuán)隊(duì)沒有投入太多。

　　而在包括自然語(yǔ)言處理和知識(shí)圖譜等語(yǔ)義理解的技術(shù)上，團(tuán)隊(duì)看到了這些技術(shù)對(duì)于拓展后續(xù)的產(chǎn)品線的作用。比如說，完成了語(yǔ)義理解的研究后，團(tuán)隊(duì)可以帶著相關(guān)的經(jīng)驗(yàn)繼續(xù)投入到知識(shí)圖譜，進(jìn)而拓展至知識(shí)整理和知識(shí)分類。這些技術(shù)都可以應(yīng)用在客服、企業(yè)知識(shí)庫(kù)、智慧營(yíng)銷等場(chǎng)景下。因此他們?cè)谶@一領(lǐng)域投入更多。

　　但是，學(xué)術(shù)性的研究則通過和高校的合作進(jìn)行。2018 年，容聯(lián)和華中科技大學(xué)成立了聯(lián)合實(shí)驗(yàn)室，共同研究個(gè)性化推薦、情感計(jì)算、認(rèn)知計(jì)算方面的學(xué)術(shù)成果。這樣的產(chǎn)學(xué)研合作降低了企業(yè)獨(dú)自研發(fā)的投入成本，同時(shí)能夠吸收先進(jìn)的學(xué)術(shù)成果。

　　數(shù)據(jù)是阻礙 AI 應(yīng)用落地的一大障礙。缺乏數(shù)據(jù)往往會(huì)導(dǎo)致 AI 的性能達(dá)不到要求。

　　對(duì)于這一問題，容聯(lián)一般采用三種方法解決。首先，從公開渠道獲取開源數(shù)據(jù)集，例如在文本數(shù)據(jù)方面，可以使用維基百科數(shù)據(jù)集。其次就是使用標(biāo)注公司提供的數(shù)據(jù)。最后，由于多年的行業(yè)積累，很多頭部客戶已有類似規(guī)則庫(kù)、知識(shí)庫(kù)方面的數(shù)據(jù)，也可以靈活使用。

　　在數(shù)據(jù)方面，容聯(lián)認(rèn)為，有著多年行業(yè)積累，對(duì)于數(shù)據(jù)的理解也會(huì)更深刻。例如，在智能制造領(lǐng)域，有一種 AI 應(yīng)用便是針對(duì)生產(chǎn)線上的工人進(jìn)行監(jiān)控。很多通用的計(jì)算機(jī)視覺算法會(huì)先在公開的通用數(shù)據(jù)集（往往有上萬甚至更多圖像）上進(jìn)行訓(xùn)練，然后再進(jìn)一步進(jìn)行模型微調(diào)。實(shí)際上，有從業(yè)經(jīng)驗(yàn)的團(tuán)隊(duì)會(huì)知道，這是一個(gè)封閉的場(chǎng)景，實(shí)際上可能只需要 5000 多的場(chǎng)景內(nèi)圖像，加上工程化技術(shù)便可以達(dá)到很高的準(zhǔn)確率，使用開放數(shù)據(jù)集反而效果不佳。

　　那么，在評(píng)估 AI 能力的時(shí)候應(yīng)該采用什么樣的標(biāo)準(zhǔn)？容聯(lián)透露說，在不同的 AI 應(yīng)用上，測(cè)評(píng)的方法也有所差別，主要需要看不同場(chǎng)景的應(yīng)用。例如，在語(yǔ)音客服中，就有一個(gè)公式，需要結(jié)合計(jì)算「單路通話的通過率」和「語(yǔ)音識(shí)別準(zhǔn)確率」兩個(gè)指標(biāo)，綜合計(jì)算后再評(píng)測(cè)結(jié)果。

　　在問答機(jī)器人上則會(huì)采用劇本測(cè)試的方法。比如，在信用卡發(fā)卡客服應(yīng)用上，測(cè)試團(tuán)隊(duì)會(huì)根據(jù)該場(chǎng)景中可能出現(xiàn)的用戶交互問題等整理出一個(gè)劇本。這一劇本需要覆蓋 80% 以上的情景。之后再請(qǐng)測(cè)試人員根據(jù)劇本進(jìn)行測(cè)試。在測(cè)試中，很少出現(xiàn)測(cè)試人員會(huì)脫離劇本「調(diào)戲」AI 的情況。

　　此外，AI 應(yīng)用必須重視工程能力，用于在算法性能不足的情況下彌補(bǔ)。在工具和開發(fā)框架的使用上，容聯(lián)在研究中采用 PyTorch，在實(shí)際生產(chǎn)中采用 TensorFlow 等。

　　雖然 AI 熱度不減，但是容聯(lián)在進(jìn)行 AI 產(chǎn)品的開發(fā)方面顯得非常務(wù)實(shí)。在團(tuán)隊(duì)看來，AI 應(yīng)用應(yīng)當(dāng)符合商業(yè)邏輯。

　　很多時(shí)候，客戶的痛點(diǎn)無法用 AI 解決，但 AI 的研發(fā)卻是一個(gè)燒錢的工作。在實(shí)際應(yīng)用中，如果 AI 應(yīng)用所減少的成本和效率提升并不足以彌補(bǔ)開發(fā)投入，這就使得很多公司望而卻步。

　　比如說，通訊領(lǐng)域可以使用的 AI，如客服和營(yíng)銷等，真正需要解決的是生產(chǎn)問題，如客戶通過 AI 得到的客戶轉(zhuǎn)換率的提升，而很多時(shí)候 AI 并不能解決這些問題。例如，一個(gè)人類客服通過自身的能力，每日工作只有八小時(shí)，但可以帶來的一定催收轉(zhuǎn)化率。而 AI 替代后，盡管能夠不間斷二十四小時(shí)工作，但是由于本身的能力問題，反而可能導(dǎo)致轉(zhuǎn)化率的嚴(yán)重下滑。這就需要開發(fā) AI 產(chǎn)品時(shí)充分了解客戶需要解決的實(shí)際問題。

　　同時(shí)，AI 產(chǎn)品的研發(fā)成本目前依然高企。盡管大型企業(yè)和頭部客戶有一定的資金和動(dòng)力，采用 AI 產(chǎn)品進(jìn)一步降低成本，但大量的中小企業(yè)對(duì)此缺乏動(dòng)力。例如，一個(gè)公司本身只有幾十人的情況下，采用 AI 無疑是「殺雞用牛刀」，不具有規(guī)模效應(yīng)。因此，容聯(lián)的 AI 產(chǎn)品也多面向大型客戶。

　　那么，AI 究竟起到了什么作用？怎樣看待 AI 實(shí)際上的商業(yè)價(jià)值？容聯(lián)認(rèn)為，目前采用 AI 的一個(gè)重要原因是要解決市場(chǎng)準(zhǔn)入問題。

　　由于現(xiàn)在有「智能化」、「AI」的產(chǎn)品和企業(yè)非常多，因此很多公司的產(chǎn)品如果沒有「AI」這一功能。往往會(huì)被企業(yè)拒之門外。矛盾的一點(diǎn)在于，如果投入很大成本研發(fā)，而最終效果并不理想，使得企業(yè)沒有使用的動(dòng)力，投入大量成本研發(fā)的 AI 就相當(dāng)于被浪費(fèi)掉了。

　　因此，想要兼有 AI 的能力，同時(shí)還要讓企業(yè)真正去使用、用得好，脫離行業(yè)發(fā)展孤立去看 AI 是行不通的。這也是為什么容聯(lián)依托在行業(yè)內(nèi)的多年發(fā)展，從現(xiàn)有的市場(chǎng)中分析需求，基于已有的產(chǎn)品和方案發(fā)展 AI 產(chǎn)品的重要原因。

　　當(dāng)前，AI 行業(yè)競(jìng)爭(zhēng)非常激烈。前有科技巨頭的高歌猛進(jìn)，后有 AI 獨(dú)角獸的圍追堵截。但即使是不同企業(yè)的 AI 應(yīng)用，在技術(shù)上都沒有和對(duì)手拉開代差。這時(shí)候，只有洞悉行業(yè)發(fā)展態(tài)勢(shì)，深刻理解行業(yè)需求的企業(yè)才更具有優(yōu)勢(shì)。

　　首先，對(duì)于通訊行業(yè)的了解使得容聯(lián)在開發(fā)相關(guān)的 AI 應(yīng)用時(shí)能夠和自身已有的產(chǎn)品和解決方案結(jié)合，實(shí)現(xiàn)打包式的 AI 服務(wù)。通訊服務(wù)解決方案是一個(gè)復(fù)雜的問題，除了向客戶提供 AI 能力之外，通訊服務(wù)商往往還需要解決各個(gè)通訊網(wǎng)絡(luò)、硬件、軟件方面技術(shù)兼容和數(shù)據(jù)互通的問題。

　　在這種情況下，客戶更希望的產(chǎn)品往往是產(chǎn)品+AI，而不是 AI+產(chǎn)品。雖然 AI 是為客戶提供的方案中的亮點(diǎn)，但這并不是全部。AI 產(chǎn)品的關(guān)鍵在于 AI 和產(chǎn)品內(nèi)的各個(gè)環(huán)節(jié)和方法充分打通，向客戶打包提供智能化的綜合解決方案。這樣一來，僅提供 AI 能力接口往往并不能滿足需求。

　　此外，不熟悉行業(yè)邏輯和方法的企業(yè)在推進(jìn) AI 能力和行業(yè)場(chǎng)景結(jié)合的過程中可能也會(huì)遇到問題。例如，通訊產(chǎn)品往往需要對(duì)多種硬件、接口和數(shù)據(jù)格式進(jìn)行適應(yīng)和兼容。很多時(shí)候需要兼容的版本十分老舊，沒有行業(yè)從業(yè)經(jīng)驗(yàn)很難進(jìn)入。這樣一來，依托現(xiàn)有的成熟產(chǎn)品進(jìn)行 AI 的擴(kuò)展和改造就顯得更加快捷而成本低廉。這些都是容聯(lián)在通訊領(lǐng)域內(nèi)，依托已有基礎(chǔ)、穩(wěn)步發(fā)展 AI 的優(yōu)勢(shì)所在。