2019 年的 AI 行業(yè)不再像往日那樣狂熱。一方面 AI 應(yīng)用進入深水區(qū)，深入細分領(lǐng)域和場景的產(chǎn)品落地難，而另一方面大量企業(yè)面臨融資壓力，投資人也更加謹慎理性。這樣的大背景下，一家不是科技巨頭，也不是 AI 獨角獸的通訊企業(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慎。泥沙俱下的商業(yè)環(huán)境里，什么公司才能在這個 AI 的下半場贏得漂亮？

　　你可能會想到應(yīng)用生態(tài)完善，有著雄厚技術(shù)實力的科技巨頭。你也可能會想到一路高歌猛進，風(fēng)頭無量的 AI 獨角獸。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、語音、音視頻等）、呼叫中心、客服、遠程會議等。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)和云計算興起后，上云成為主流�？蛻舨辉傩枰�購買昂貴的硬件設(shè)備，而是從專業(yè)的服務(wù)商中購買云服務(wù)來解決通訊問題。

　　在這兩年，云計算服務(wù)已日臻成熟。怎樣從成熟領(lǐng)域挖掘新的業(yè)務(wù)增長點呢？從市場來看，許多客戶有了細分的需求。這些需求中，無疑蘊藏著 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 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隊，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構(gòu)中，客服團隊的規(guī)模高達上千人。

　　同時，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)時間長，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)增長的同時也面對查詢、投訴量的陡增。此時花大價錢、加大力度進行客服培訓(xùn)，實際效果可能還要打折扣。這時候就需要一定的智能技術(shù)，輔助提升客服效率。

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

　　還有一個例子是：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，對員工操作、生產(chǎn)線控制等方面進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)進行計算、協(xié)調(diào)、管理和調(diào)度，僅靠人力進行較為困難。

　　這些細分領(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)，如知識庫、語音轉(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)的客服場景中，使用 AI 就不能像人工客服那樣，通過從業(yè)經(jīng)驗和手段提升客戶轉(zhuǎn)化率了。

　　其次，AI 好不好用也是一個重要的問題。很多 AI 應(yīng)用可以做到完成任務(wù)，但在實際使用中的效果并不令人滿意。例如，在外呼場景中，AI 已經(jīng)可以快速向多個目標(biāo)用戶進行呼叫，但機械式的方式讓客戶感到不適。類似的案例還有使用 AI 進行電話回訪。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，客戶對于新技術(shù)的接受程度不夠高，客戶沒有相對充足的資金支持新技術(shù)的落地等因素，都會阻礙 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)用落地取決于場景，可以使用 AI 進行輔助的產(chǎn)品，如呼叫中心、智能客服、精準(zhǔn)營銷、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 更多的是切入細分的場景中。有些是在已有解決方案上的智能化，而另一些則是需要 AI 參與輔助的場景。最后，如果不同的場景和應(yīng)用都需要復(fù)用同樣的 AI 模型，平臺化是否是一個效率更高的選擇？

　　容聯(lián)的 AI 產(chǎn)品發(fā)展就遵循了以上三個思路，分別分為：AI 智能化應(yīng)用、AI 智能化改造，以及 AI 中臺。這三種產(chǎn)品形態(tài)上，可以看到容聯(lián)以機器人、知識、AI 為中心，AI 平臺為基礎(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 進行精準(zhǔn)營銷、在視頻監(jiān)控系統(tǒng)中增加 AI 檢測等產(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，有一種語音導(dǎo)航方面的應(yīng)用。過去在電話客服中，我們經(jīng)常會聽到「普通話服務(wù)請按 1」這樣的引導(dǎo)語音，往往需要需要進行多次選擇。這一場景中所對應(yīng)的是 AI 語音引導(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間，加快處理速度。

　　當(dāng)這些應(yīng)用可以走向市場后，客戶可以將這些應(yīng)用和自身已有的產(chǎn)品進行打通，從而實現(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)用方案全部進行智能化改造，具體而言，這時候向客戶提供的解決方案會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。和云平臺類似，容聯(lián)的 AI 中臺提供一個智能化平臺，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。

　　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音識別、語音合成、自然語言處理、知識圖譜等一系列 AI 相關(guān)的技術(shù)。如果某個企業(yè)想要實現(xiàn) AI 應(yīng)用，在沒有 AI 平臺的情況下可能需要全部研究一遍，投入成本高。在 AI 中臺的幫助下，開發(fā)相關(guān)領(lǐng)域的應(yīng)用會更加簡單方便。

　　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」。三中心指的是：機器人為中心、AI 為中心和知識為中心。這三個中心可以主要滿足各個細分領(lǐng)域的實際需求。而一平臺則是 AI 中臺，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，為什么很多實驗室中的優(yōu)秀算法無法落地呢？容聯(lián)認為，AI 的算法固然重要，但是在業(yè)界進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驗室性能，而是將重點放在有技術(shù)潛力，能夠快速實現(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)合實驗室的方式進行。

　　例如，在研發(fā)哪些 AI 技術(shù)方面，容聯(lián)就進行了選擇。在 2017 年進入 AI 的時候，團隊研判，在通訊領(lǐng)域較為重要的 AI 技術(shù)包括語音和語義兩方面。但是，在語音技術(shù)上已有很多成熟的產(chǎn)品，許多實力強勁的科技巨頭也在參與，因此團隊沒有投入太多。

　　而在包括自然語言處理和知識圖譜等語義理解的技術(shù)上，團隊看到了這些技術(shù)對于拓展后續(xù)的產(chǎn)品線的作用。比如說，完成了語義理解的研究后，團隊可以帶著相關(guān)的經(jīng)驗繼續(xù)投入到知識圖譜，進而拓展至知識整理和知識分類。這些技術(shù)都可以應(yīng)用在客服、企業(yè)知識庫、智慧營銷等場景下。因此他們在這一領(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行。2018 年，容聯(lián)和華中科技大學(xué)成立了聯(lián)合實驗室，共同研究個性化推薦、情感計算、認知計算方面的學(xué)術(shù)成果。這樣的產(chǎn)學(xué)研合作降低了企業(yè)獨自研發(fā)的投入成本，同時能夠吸收先進的學(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)往往會導(dǎo)致 AI 的性能達不到要求。

　　對于這一問題，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、知識庫方面的數(shù)據(jù)，也可以靈活使用。

　　在數(shù)據(jù)方面，容聯(lián)認為，有著多年行業(yè)積累，對于數(shù)據(jù)的理解也會更深刻。例如，在智能制造領(lǐng)域，有一種 AI 應(yīng)用便是針對生產(chǎn)線上的工人進行監(jiān)控。很多通用的計算機視覺算法會先在公開的通用數(shù)據(jù)集（往往有上萬甚至更多圖像）上進行訓(xùn)練，然后再進一步進行模型微調(diào)。實際上，有從業(yè)經(jīng)驗的團隊會知道，這是一個封閉的場景，實際上可能只需要 5000 多的場景內(nèi)圖像，加上工程化技術(shù)便可以達到很高的準(zhǔn)確率，使用開放數(shù)據(jù)集反而效果不佳。

　　那么，在評估 AI 能力的時候應(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，測評的方法也有所差別，主要需要看不同場景的應(yīng)用。例如，在語音客服中，就有一個公式，需要結(jié)合計算「單路通話的通過率」和「語音識別準(zhǔn)確率」兩個指標(biāo)，綜合計算后再評測結(jié)果。

　　在問答機器人上則會采用劇本測試的方法。比如，在信用卡發(fā)卡客服應(yīng)用上，測試團隊會根據(jù)該場景中可能出現(xiàn)的用戶交互問題等整理出一個劇本。這一劇本需要覆蓋 80% 以上的情景。之后再請測試人員根據(jù)劇本進行測試。在測試中，很少出現(xiàn)測試人員會脫離劇本「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。在工具和開發(fā)框架的使用上，容聯(lián)在研究中采用 PyTorch，在實際生產(chǎn)中采用 TensorFlow 等。

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

　　很多時候，客戶的痛點無法用 AI 解決，但 AI 的研發(fā)卻是一個燒錢的工作。在實際應(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，而很多時候 AI 并不能解決這些問題。例如，一個人類客服通過自身的能力，每日工作只有八小時，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)化率的嚴重下滑。這就需要開發(fā) AI 產(chǎn)品時充分了解客戶需要解決的實際問題。

　　同時，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力，采用 AI 產(chǎn)品進一步降低成本，但大量的中小企業(yè)對此缺乏動力。例如，一個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 實際上的商業(yè)價值？容聯(lián)認為，目前采用 AI 的一個重要原因是要解決市場準(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。往往會被企業(yè)拒之門外。矛盾的一點在于，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)沒有使用的動力，投入大量成本研發(fā)的 AI 就相當(dāng)于被浪費掉了。

　　因此，想要兼有 AI 的能力，同時還要讓企業(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)競爭非常激烈。前有科技巨頭的高歌猛進，后有 AI 獨角獸的圍追堵截。但即使是不同企業(yè)的 AI 應(yīng)用，在技術(shù)上都沒有和對手拉開代差。這時候，只有洞悉行業(yè)發(fā)展態(tài)勢，深刻理解行業(yè)需求的企業(yè)才更具有優(yōu)勢。

　　首先，對于通訊行業(yè)的了解使得容聯(lián)在開發(fā)相關(guān)的 AI 應(yīng)用時能夠和自身已有的產(chǎn)品和解決方案結(jié)合，實現(xiàn)打包式的 AI 服務(wù)。通訊服務(wù)解決方案是一個復(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，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 AI 能力和行業(yè)場景結(jié)合的過程中可能也會遇到問題。例如，通訊產(chǎn)品往往需要對多種硬件、接口和數(shù)據(jù)格式進行適應(yīng)和兼容。很多時候需要兼容的版本十分老舊，沒有行業(yè)從業(yè)經(jīng)驗很難進入。這樣一來，依托現(xiàn)有的成熟產(chǎn)品進行 AI 的擴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)勢所在。