近日，中國科大校友創業投資論壇-人工智能應用專題在線上召開。論壇拋出了一個從業者普遍關心的問題，即“AI下半場，萬億級行業應用市場如何開啟？”
期間，中國平安集團首席科學家肖京博士和北高峰資本創始人、原阿里雲機器智能首席科學家閔萬里兩位中科大校友進行了分享和討論。
肖京：AI催生金融、保險和醫療領域的變革
肖京的分享在平安集團的一線實踐經驗基礎上展開。
肖京表示，平安集團的主要業務板塊是金融和醫療兩大領域。在金融領域，人工智能技術解決了眾多痛點問題。
金融領域的場景可以被大致分為四大類別：風控、獲客、產品服務、運營，這四大場景有各自的痛點。
第一，風控的目標是減少或控制金融風險，由於風險的類型雜，摻雜著大量的欺詐，如果全靠人來管理，會有大量錯誤發生。
第二，在獲客場景下，銀行、保險和其他金融業務的獲客頻次都很低。以保險產品為例，一名客戶一年只會來一兩次，客戶的黏度不足。由於交互頻次低，導致從業者對客戶需求的理解有限，獲客效果不夠好。
第三，近年人口紅利漸漸消失，造成服務人員流失，因此服務質量受到影響，進而導致客戶體驗下降。
第四，運營也面臨著效率低的問題。平安有180萬員工，一旦能提高1%的效率，就能增加100億利潤。
對此，平安首先通過互聯網化的方式解決，確實達到了提升服務效率等效果，但是，互聯網僅是模式創新，提供了渠道，不能真正地解決生產流程的問題，也不能改善產品質量和服務質量。肖京形象地用快餐作為比方，“好比說，你在線上買快餐，可以非常快速地買到種類豐富的食物，但如果那家快餐店生產的是低質量產品，用地溝油做的，那通過互聯網，你就是非常高效地買到了一堆低質量產品，快餐的質量不會因為互聯網化而提升。”
而人工智能是技術創新，解決的是生產重構的問題，上述4個痛點都能通過人工智能得到有效的解決。
肖京認為，解決問題首先需要的是數據化，數據要能與場景相結合，並長期進行迭代、提升，整個智能化過程必須要有行業專家的深度參與，最好由行業專家或業務領導直接作為智能化工作的負責人。
為了實現智能化，平安首先建立了底層數據平臺。平安將17000多個營業部、機構等的數據打通並實現管理標準化，在數據脫敏後，進一步進行分析統計的工作，並在此基礎上建立了計劃數據分析處理和非結構化數據分析處理幾個底層平臺，再將平臺與業務相結合，建立金融、醫療、智慧城市等場景的具體技術解決方案。簡言之，智能化過程的關鍵要素可以被概括為：數據、技術（算法、算力）、場景、行業專家。
具體到金融應用場景，平安集團已經完成的智能化實踐包括：多模態身份認證、企業大數據知識圖譜、圖像識別實現車險智能閃賠、全渠道智能客服等。
醫療方面，應用場景可以被概括為“3個P”：病人Patient，服務提供Provider，支付Payment。痛點主要體現在：預測防控（預測難+防控差）、篩查診斷（任務重+效率低）、治療康復（資源缺+流程繁）、病患管理（耗時長+監督弱）。平安集團做了智慧醫療全流程解決方案，從預測防控、篩查、診斷、治療、康復，再到病房管理、慢病管理，都有具體的工作。
在疫情期間，平安集團推出了語音排查機器人，並在武漢投入了應用。在浙江，平安集團推出了自動外呼排查。另外還有居家管理系統、心理輔導、遠程診斷等，都得到了應用。
閔萬里：AI在傳統行業智能化的潛力如何釋放
閔萬里以一句話概括了自己的從業經歷：“把數學公式寫到產業中去創造價值”。
閔萬里認為，要重新定義AI：Less artificial,more intelligence.（更少人工，更多智慧。）A代表Actionable,Accessible, Affordable（可行、易用、價格合理）。
當我們走到產業中時，會面臨多種不確定性。不同於AlphaGo，圍棋是一項規則特別明確的遊戲，但產業中不規則、不確定的場景經常出現，甚至有自相矛盾的信號。因此，很可能一個很好的AI產品在實際場景中不被買單。AI應是在不確定性場景下，對綜合技術、情報的應用。
以實際案例舉例，閔萬里曾做過一個海洋漁場魚情預報的案例。漁民在南太平洋上捕撈金槍魚，曾經是靠天吃飯。在智能化升級後，衛星能夠看到海況、洋流、葉綠素、水溫等信息，再結合以往的經驗，AI就可以向漁民實時推薦金槍魚密度高的區域。在建成魚情預報模型後，捕撈走向科學化、智能化、精細化、安全化，實踐證明在模型預測出的區域捕撈魚量明顯高於憑經驗捕撈。
在智慧城市場景中，運用攝像頭已經成為常規做法，但與此同時，地面交通擁堵狀況卻越來越嚴重。這說明，城市的“眼睛”看到了交通狀況，卻沒有對應的行動，“感而不動”。而在精準量化車流速度、行動方向等信息後，管理者可以判斷每個交通節點上的壓力，進而有效調節信號。綠燈時間相當於供給，在把供給和需求進行實時匹配後，最終能夠實現打通擁堵的目的。
一個特殊的案例是救護車的交通需求。由於交通擁堵，救護車經常長時間被堵在路上，病人可能會在路上不幸去世。馬來西亞吉隆坡應用了智能解決方案後，救護車走到每個十字路口前，信號燈已提前變綠，並且前方的車也已提前被清空。這讓救護車的行程時間縮短了233秒，也是48.9%的時間，這233秒對有些病人來說可能就是生與死的差別。閔萬里將其比喻成“前面有一排風扇在轉，你打出一顆子彈，如何確保子彈不被風扇葉片擋住而順利穿過。”
在杭州城市大腦上線後，城市學會了全局思考。“把杭州的城市大腦全部鏈接在一起的時候，你可以看到城市每一個脈搏的跳動，每一個事件怎樣蔓延，從一個單點變成一個局部甚至變成全局，然後基於這種推演，迅速地產生響應方案。”閔萬里介紹稱，杭州城市大腦的實時檢測延時僅20秒，準確率達95%，24小時在線，永不疲勞。有了城市全局的思考後，又能反過來帶來局部的改善，在擁堵發生前，城市大腦能夠做到提前介入，防止小事變大事，最終大幅降低交通擁堵。
此外，智能化還可以應用在製造業上，讓產線學會思考。包括石化、橡膠、光伏、鋼鐵、水泥、電力、裝備製造、乳製品……這些場景都能夠用同一套方法解決，智能化能夠穿越行業的壁壘。這些產線上，流動的數據包括工藝參數、過程參數、設備狀態、數據、環境變量等等，如果把所有的生產過程拉出來，研究歷史上每一批次產品和生產過程的因果關係，找到規則、經驗的特徵，就能將機器神經網絡用於工業AI。重要的是，要找到過程參數、控制參數和最終的產品質量之間的因果關係，而非關聯關係，這樣才能進行調控。例如，恆逸石化在進行智能化升級後，沒有買一個傳感器，沒有運用工業物聯網、5G，沒有任何硬件投入，僅運用它已有的數據積累，通過AI的計算，就將燃煤效率提升了2.6%，每年節省1600萬。
從這些案例中，可以提煉出一個簡單的公式，即：“價值=(數據，科學技術，行業知識)”。其中，CEO要根據行業賽道、價值閉環、商業架構，找準價值的賽道在哪兒、價值的閉環商業架構是什麼；CTO要負責技術選型、路徑里程碑、Scale&Speed，來設定；科學家們根據可行性和普適性，構建科學技術。
在這個過程中，數據越來越多，價值也越來越貶值，要將數據的價值再釋放和捕捉，就需要強有力的科學技術，即雲計算。以前，人們把雲計算想象為簡單的IT運維託管，是用於節省IT成本的。但云計算最大的威力不在於IT成本的節約，而是在於價值的創造，它是規模協同的激光效應，能夠將10萬臺機器一秒聚集在一起，萬眾一心看穿海量數據背後的規律，探索數據背後的新價值。“雲計算用於成本節約，是有限的；用於價值的創造，是無限的。”
閔萬里建議，“Business first, technology second.”當企業要運用AI創造價值，應遵循下列步驟：“業務痛點數據化；技術錨點價值化；轉型拐點連續化。”在場景選擇上，要足夠銳利——先縱再橫，不要一上來就準備解決所有環節，而是要選準一個單點，選準能夠將價值明顯地穿透到業務財報上的痛點，才有可能贏得信任。尤其是早期AI創業者，切忌過早談平臺，更不要講橫向拉通，做生態。
行業對話：人工智能應用的第二個浪潮何時到來？
在問答環節中，多位來自創投界第一線的科大校友向肖京和閔萬里提問，兩位嘉賓給出了各自的見解。現將問答整理如下。
Q：互聯網巨頭紛紛佈局金融雲，已擁有海量數據，甚至比金融機構更多，平安集團是否會有危機感？
肖京：平安的文化就是危機和包容永存，不管去年賺了多少，今年都在危機之中。但互聯網金融和實體金融有很大區別。金融本質上是重資產重資本的業務，互聯網是輕資產輕資本，因此互聯網金融業務通常是標準化的，額度很小。而平安的額度服務空間更大，從業務上來說有區別。此外，平安有牌照優勢。數據方面，互聯網數據噪音更多。
Q：在算力、算法不齊備的情況下，創業者如何起步？
肖京：先把重點需求領域做深，再擴充團隊和技術。只做技術是不夠的，很難解決業務問題。摸著石頭過河是在沒有橋的情況下才進行，如果已有解決方案（即有橋），直接走橋。
Q：因果關係和相關關係哪個是AI的靈魂？
肖京：在實際應用場景中，因果關係已能解決很多問題。因果關係不是不重要，可用於歸因分析，輔助判斷。
閔萬里：經驗主義和關聯關係最終必會進化到機理層面的因果關係，一個學科如果沒有因果關係談不上是科學。
Q：智能駕駛的倫理問題現在討論得怎麼樣了？有什麼方式可以解決倫理挑戰？
閔萬里：目前沒有公認答案，技術發展一定帶來挑戰，但不能因倫理擔心止步不前。汽車代替馬車時，也面臨類似的倫理問題。
Q：投資AI項目時有哪些要遵從的產品思維？
閔萬里：要先問“你在解決誰的問題？你解決之後會帶來什麼價值？為什麼是你現在來解決？”能回答，才能保證不是偽需求。根本在於價值創造的模式，要能迅速解決行業龍頭的痛點，形成客戶黏性，才能形成護城河。B端則是先找準問題再反向尋找工具和產品。
閱讀更多 AI報道 的文章
