0
“过去两三年，腾讯云智能在产品、技术、组织上陆续完成了系列调整，实现了融合进化，来到了新的冲刺点。”
不久前刚刚结束的腾讯全球数字生态大会期间的一次采访中，腾讯云副总裁、腾讯云智能负责人、优图实验室总经理吴运声对雷峰网(公众号：雷峰网)表示。
据他介绍，目前腾讯云智能已经打通了从底层算力支撑到AI开发加速、再到AI产品方案矩阵，以及顶层数智化转型方法论这一全链条服务体系，交出了一份可圈可点的答卷。
腾讯云智能，并非一个新概念。
早在三四年前，云与智能融合的议题就频频出现在腾讯的各种业务会上；去年11月，腾讯云智能品牌在数字生态大会上首次对外发布；今年11月，腾讯云智能已初步形成一套完整的产品矩阵和协作架构，并升级提出“平台做厚、应用做精、行业做深、生态做广”的产品战略。
战略升级背后，在吴运声看来，是产业互联网需求侧近些年已经发生了较大变化：
一是全球经济波动下，企业降本增效诉求愈发迫切，亟需供给侧能够提供更多开箱即用、弹性部署、高效创新的解决方案；
二是企业数智化转型行至深水区，单点智能已无法满足用户需求，全体系智能成市场急需。
过去，在产业互联网发展实践中，凭借深厚的产品基因，腾讯在工业、金融等诸多赛道实现了AI单点突破。新时期，为了回应产业全域智能的发展需求，腾讯进一步整合AI技术及平台能力，与云紧密耦合，推出并升级“云智能”战略，提升To B服务的完整性和高效性。
尤其在腾讯强调“坚持产品为王、打造冠军应用”的发展战略背景下，腾讯云智能的升级发布，或将成为其深耕产业互联网棋局的重要落子。
腾讯AI技术能力的积累，最早源于腾讯在To C消费互联网时代的广泛实践。
作为全球领先的人工智能实验室团队之一，腾讯优图实验室成立于2012年。彼时正值移动互联网爆发前夜，根基庞大、产品众多的腾讯为促进公司内部合作、激发创造力，在内部推行灵活开放的跨部门合作机制。
这为优图实验室进行技术实践提供了丰富机会，其图像处理、机器学习等AI技术先后在QQ空间、微众银行等产品中落地应用，曾红极一时的“军装照”刷屏事件，便是优图提供的技术支撑。
“研究成功落地才能产生价值”是优图一直以来的原则。依靠腾讯强大的产品基因，优图通过腾讯内部及外部的众多产品，将AI技术悄无声息地输出至数亿大众的生活之中。而这一过程中，优图不仅为其赋能的产品提供了关键助力，也在海量的应用实践中夯实了技术根基。
凭借在To C消费互联网领域的扎实积累，进入To B产业互联网后，腾讯再将AI和云深度融合，在单品、单点技术应用的爆发力和专业度上表现不俗。
但近些年，一些变化正在悄然发生。
第一个显著变化来自一线客户侧，最初业界对待AI技术价值的态度还处于“尝试”甚至“观望”状态。AI到底能给企业经营和产业升级带来多大作用，前路并没有可借鉴的参照和样本。在此情况下，不少客户只想或只敢采购一两款AI单品做一些实验；但随着产业互联网发展深入，AI在一些产业领域的降本增效价值逐步凸显，于是越来越多的客户对AI应用的需求愈发全面，大众日常喜闻乐见的传媒行业便是如此。
传媒产业涉及采、编、存、管、播多个环节，近年来随着传媒形式、受众的多样化、细分化，仅在编目、拆条、打标签等单点上做智能优化，并不一定能带来收视率和分发效果的提升。
拉近看就会发现，挡在最终效率提升面前的还有很多难啃的“硬骨头”。比如，内容传播想要突破瓶颈实现规模效应，就需要人机协同控制平台内容质量，算法化、策略化地打造优质内容生产条件；再比如，不少传媒企业里不同业务团队的运营目标不同，这些目标间的差异化导致全流程效率卡点较多等等。
“客户想要将其数据生态和资产进行全域打通，这对服务商在解决方案完整性方面提出了更高要求。”吴运声表示，所谓产业，是一个经过漫长工业化打磨出来的严丝合缝、自成一体的有机体，产业里各个环节之间的协作至关重要，单一环节智能的提升，往往不足以改变整个体系的效率，需要高度系统化、协同化的全流程AI，才能实现综合产能的大幅提升。
类似的产业痛点不胜枚举，能源、交通、金融、出行、工业……各行各业的产业用户对解决方案的综合性、完整性、便捷性的要求都在不断变高。
客户侧需求变化之外，第二个显著变化是AI生产模式的改变。
“算法、产品、工程、运营，AI未来必须体系化落地、规模化落地。随着AI产业和千行百业数智化进程的不断推进，在供给侧实现规模化、全链条的AI工业化生产模式是一个必然趋势。”吴运声表示，腾讯云智能的提出，正是迎接这一产业趋势的正面应对。
以腾讯云TI平台的进化为例，该平台起初的对外助力，主要依托优图实验室在CV等技术领域的积累。为了高效应对市场需求变化，平台又快速整合了诸如NLP、ASR等方向的技术能力，力求第一时间响应客户的一体化解决方案需求。在一次次实战交付中不断打磨、沉淀，今天的腾讯云TI平台已经成为一个能力丰富的一站式AI开发服务平台。
独木难成林，平台型产品才是推动AI应用遍地开花、实现规模化生产的绝佳工具。这两年，吴运声明显感受到，腾讯内、外部对这类平台型产品的需求正在变多。
“内部会上经常有不同的技术、业务同事提出‘需要一个融合、强大的平台’，提的次数多了，大家也就注意到了这个普遍需求，于是逐渐成了一个集体共识。”吴运声总结道。
“腾讯云智能品牌的诞生，是一个对内、外部需求双向呼应、自然而然的过程。”
腾讯云智能战略提出后，由谁来牵头、如何细化和落地，成为腾讯内部高管会上讨论的重点。经过几轮商讨后，这个担子落到了吴运声的肩上。
在不少业内人看来，选择吴运声并不奇怪，他是属于那种“既在云与AI融合上有经验，又在不少行业落地上有体感的人。”
沿着吴运声的过往履历追溯，不难发现其在优图长期负责技术、产品体系搭建工作，为腾讯相关业务提供视觉AI算法技术支持，工作重心之一便是强化优图视觉技术和腾讯云的底层融合。在如何实现产品、技术融合，以及跨部门团队协作上，他是一个接触更早、更多的熟手。
此外，他还在云业务板块负责多个AI产品、训练平台及行业交付工作，既包括人脸核身、OCR识别等单品，也包括腾讯云TI平台等一站式AI开发服务平台，还包括推动工业AI质检、媒体AI中台等产品在相关行业的落地交付等。
这种在AI和云上跨部门、身兼数职来推动融合的岗责设置，让吴运声在过去几年里对云智能的本质、优势、实操和卡点等都有着更加深刻的体感与思考，他告诉雷峰网，想要做好云智能，需要围绕两大重心用功：
一是向外，面对全球经济大环境的承压和产业客户需求的升级，如何让腾讯云智能在产品性能、客户成本、业务便捷性上，更好地满足客户需求，同时实现平台型产品低成本、低门槛，高可用的AI工业化生产模式。
二是向内，提高团队行业knowhow，加强团队协同性。打通从底层算力支撑到AI开发平台，到AI产品解决方案，再到顶层方法论的纵向服务体系，以及打通该体系与各行业线之间的融合横向协作，提高腾讯云智能的整体交付效率。
主要负责人到位、工作重心明确后，腾讯内部开始围绕“云智能”战略进行一系列部署，并着手制定落地方案。首先是对腾讯云智能从上、中、下三层维度，进行了一系列梳理和整合：
底层以算法支撑为主。前文提到腾讯的诸多AI能力分散于各部门，比如优图的CV技术，智能平台部的语音交互技术，AI Lab的ASR、NLP等技术。云智能战略提出后，为加强技术进一步深度融合，提升腾讯AI整体竞争力，成立了“云智能学术联席会”。
据悉，学术联席会将会服务于整个腾讯云智能的算法需求，由腾讯杰出科学家俞栋牵头。与吴运声类似，俞栋本身也拥有多部门融合背景，除了担任AI Lab副主任外，他还曾在智能平台部兼岗，该部负责人为腾讯云另一位副总裁李学朝。
事实上，吴运声、李学朝、俞栋等人的岗责设置并非个例，腾讯内部身兼多职的高层不在少数，他们有一个共同的使命：担负着促进跨部门、跨事业群共创、共进的任务。
不同于十年前的消费互联网时代，几十人的团队就能为开发下一代社交应用而赛马。当前的产业互联网大环境下，企业需要的是百人、千人级别的集体协作。于是，融合以及为了促进融合而采取的一系列创新机制就变得无比重要。
解决了底层技术互通后，再往上来到中间维度：主要包含产品层和平台层两大板块。
一方面，云智能项目组对原先纷繁复杂的一众产品进行了系统化梳理，将不同产品落位到相应的产品层或平台层，各归其位，得到了一个云智能的产品矩阵；同时，又增强平台层能力，聚沙成塔，将各部门技术能力有机融合进来，提升各平台的竞争力。
比如此前的腾讯云TI平台，主要以CV能力为主；云智能战略提出后，便融合了腾讯自研的 AI 超大规模预训练模型「混元大模型」和 TNN 开源推理框架，增加了数据处理、模型训练、应用及推理加速等更多维度的服务，相当于从一把钳子变成了一个工具箱，让AI开发真正实现轻松上手、场景解耦，以及全环节“一站式”管理。
“过去一年，以新版TI平台为核心的产品方案，在8大行业落地了超过50家客户，获得了超过70%的存量客户追加采购。”吴运声补充道。
再比如另一个拳头产品“腾讯云智能数智人“，此前该产品的主要功能仍聚焦于对话AI上，市场同质化比较严重。云智能战略升级后，该产品吸收融合了CV等多种算法能力，在写实级人脸建模、多模态交互等视觉支撑方面，与同类产品相比更具优势。
最后，在面向企业交付的上层维度上，也对团队能力等方面进行了升级和优化。“现在很多客户都在反馈说，只有他们想不到的，很少有腾讯架构师不知道的。”吴运声笑着解释，云智能战略提出后，对腾讯的架构师提出了更高要求，需要对前后端的技术能力有着充分了解和理解、能对不同技术能力进行组合、融汇，并按照用户需求提供一套完整的解决方案。
酝酿、提出、细化、落地……今天的腾讯云智能已经跨过孵化培育期，进入到了升级加速期，并交出了一份可圈可点的成绩单，以工业AI质检场景为例：
上海富驰高科技股份有限公司是一家金属粉末注射成型（MIM）产品专业制造商。由于MIM产品形状结构复杂，导致一般的检测设备和检测方法难以满足富驰高科的质检环节。尤其是随着整个行业的发展，人工质检的局限性也越发凸显。
“每位质检工每天要盯着零部件找外观缺陷将近10个小时，不仅眼部会疲劳，大脑敏感度也会降低。”尽管质检工人按作业规定会定时休息，但依旧治标不治本，富驰高科发现，因工人疲劳而导致的质检事故时有发生。
不仅如此，富驰高科每年生产的零部件数以亿计，仅质检人员就需要超1500人，对人员招聘形成了巨大挑战。为了解决人工质检效率低、人力需求量大、成本高等问题，富驰高科想到了近几年大火的AI质检技术，但很快发现，想要用上AI质检也并非易事。
比如对产业企业来说，AI算法开发复杂，招募有经验的AI研究员成本高昂，而自主研发质检算法又需要有巨大投入；比如算法交付运维通常十分困难，要求产业企业的运维工程师具备一定的AI基础和计算机操作技能；再比如严苛的质检指标等等，这些都筑高了富驰高科等工业企业的AI应用门槛。
2015年，富驰高科曾投入过几千万元做相关产品，但因彼时AI技术、AI行业整体还不够成熟，做出的产品没达预期。2020年，富驰高科又开始寻找其他解决方案，但由于MIM产品形状结构的复杂性，以及对检测精度的极高要求，不少前来洽谈的服务商都被“吓退”了，最后是腾讯云智能站了出来，接下了这个需求。
在服务富驰高科过程中，腾讯云智能通过深度学习推理框架TNN等技术攻克了很多通用方案水土不服的问题，让最终效果达到了客户预期水平。事后，富驰高科算了一笔账，一台质检仪的工作效率是原来人工的20倍，目前已经上线10多台设备，在机器持续满载生产的情况下，一年可为公司节省人力成本数千万元。
富驰高科的案例只是腾讯云智能推动产业数智化转型的一个缩影和起点。随着服务的项目越来越多，在流程拆解、知识积累和经验总结的基础上，云智能逐渐打磨出更加标准化的工业质检训练平台。据最新的IDC权威报告显示，腾讯云智能仅用2年时间就已跻身工业AI质检行业前三名。
如果用几个词来概括2022年腾讯云智能在工业AI质检领域所收获的成绩，吴运声给出了三组数字：10、100、2000万。
据他介绍，过去一年里，基于TI等机器学习技术平台，腾讯云智能在工业AI质检领域，打造了超过10个细分领域的外观检测解决方案，年累计交付了超过100台外观检测设备，单一客户累计完成超过2000万件产品外观检测。
不仅如此，通过腾讯云智能在AI开发、应用、全场景数智化等方面的加速，类似的案例成果也正在金融、工业、传媒、能源、交通、消费电子等各行各业里加速上演。
腾讯云智能，可以说是腾讯在To B之路上，对过往技术、产品，以及路径打法进行复盘、重组后的一次“聚合”进化。
事实上，近些年不少云厂商、AI企业也陆续推出过一些基于云与智能融合的概念、产品、方案和变革，相比之下，腾讯云智能这次又有什么不一样？
从目前行业的反馈来看，腾讯云智能的酝酿期可能更长、颗粒度更细，对内部调整、磨合的包容度更大，能够以市场需求为锚点，通过内部机制创新，回应外部行业环境，并以循序渐进的演化方式，与千行百业的用户一同扎实地往前深耕。
而在吴运声看来，腾讯云智能将AI产业落地的前、后端充分考虑并纳入进来，让此前积累的各AI能力汇聚强化，使得1+1>2，形成了一条完整的AI产业落地链条。不仅对客户的服务范围从原来的单点、单品扩展至全流程、综合性解决方案，还实现了自身从定制化到标准化、从单一技术产品到多能力聚合平台的蜕变。
“这既是云智能的核心特征，也是云智能的主要优势。”他强调道。
静水深流，润物无声。走过半个多世纪短、平、快的互联网产业模式，越来越多中国的企业意识到，To B是一个任重道远的慢生意，只有保有灵活应变、有机有序的自我进化力，才能在这片产业复杂度极高的田地里不断地沉下去、做扎实。雷峰网雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
