大家好，我是上汽集團的金忠孝，非常榮幸有機會與大家一起交流。下面，我結合上汽集團人工智能的一些經驗，給大家分享一下企業如何應用人工智能。

工業人工智能應用思考

參考網上《中國大企業應該強化人工智能應用》的文章，現在中國很多公司都說自己的人工智能有多厲害，又拿了哪些一等獎。好多朋友在跟我聊天的時候也會講到這個問題：中國的人工智能在全世界范圍內，到底處于什么水平？我認為這篇文章講出了現在中國的人工智能在發展過程中遇到的一些困難和瓶頸，如果這些問題得不到有效地解決，可能會影響到人工智能的發展。我個人認為，在接下來的過程中人工智能會有一個擠泡沫的過程（現在的人工智能還是有點泡沫的）。但是如果我們把這個泡沫放在中國整個企業或者工業人工智能角度來說，其實可以說是沒有泡沫的。

工業人工智能和企業人工智能到底應該怎樣發展？

我結合上汽集團的一些實際情況分享一些經驗。我把上汽集團的人工智能稱之為“探索實體經濟的人工智能”。上汽集團是中國汽車行業的龍頭企業，主要業務覆蓋了整車、零部件、出行服務、汽車金融、國際經營五個業務板塊。上汽集團的體量非常大，2019年，上汽集團第十五次入選《財富》雜志世界五百強，位列第39位，在全球上榜的汽車企業中排名第七，這樣的集團為人工智能工作開展提供了一個非常大的平臺。我們擁有非常豐富的人工智能應用場景，在人工智能領域有智能駕駛、智能出行、智能制造、智能物流這些技術復雜、可靠性又相當高的人工智能場景，為上汽的人工智能實驗室發展提供了有利的支撐，這也是上汽集團在人工智能領域獨有的競爭優勢。

案例一：先人工后智能

第一個案例，我起的名字是“先人工后智能”。企業人工智能首先需要有人才，然后需要清晰的定位。我們實驗室非常榮幸獲得了“上海市人工智能創新中心”的稱號，這對于一個傳統的國有企業來說并不容易，我們也感覺身上的擔子蠻重的。

我們實驗室現在有100多個研發人員，其中有60多個博士，40多個碩士，其中出國留學人員占了40%多。在集團內部，跟我們實驗室一起開發人工智能核心技術產業化項目的相關人員有2000多人。人工智能是一個綜合性的學科，它涉及到計算機科學、控制論、信息論、神經生理學、心理學等等。所以怎么在一個大公司或企業里面去建人工智能團隊呢？沒有人肯定是沒辦法做的，要根據企業的核心業務來組建團隊。

上汽集團以汽車作為主營業務，我們重點招聘了機械電子、機器人、電子工程、通訊工程、自動化、計算機、微電子、機械工程、物理、數學、心理學等11個專業的人才，組建了一個團隊。實驗室的研究方向又分深度學習、決策優化、計算機視覺、語音識別、智能語音理解、知識圖譜、數據智能、機器智能八個方向，每一個研究方向的專業要求都是不一樣的，我們把這些不同專業的研究人員按照這八個領域分散到不同的團隊中去。

第一個案例總結：人工智能團隊的建設，首先要有一批優秀的人才，而且是不同專業的人才，不能僅僅是數學專業或者計算機專業，要根據公司的核心產品去規劃不同的人才。來自不同專業的人，他們思考人工智能問題的方法是不一樣的。

案例二：完全理解人工智能的內容

這跟我前面提的問題關系很大，即怎樣發揮人工智能在企業里的價值，應該用哪種人工智能技術提高企業核心競爭力。

我不敢寫人工智能到底是什么，人工智能有哪些內容，所以就引用了Gartner的一張圖來解釋這個問題。大家在左邊這張圖上看到什么問題沒有？這張圖上Gartner對人工智能技術的理解分了幾大塊：感知智能、推理、計算智能、優化技術、自然語言處理、知識工程、多智能體的計算。從這種圖上面，大家可以感受到人工智能研究的核心內容。我們再看右邊這張圖，2019年中國AI產業生態圖譜，它涉及到通用AI技術及平臺。這里面包含計算機視覺、智能語音、自然語音處理、機器學習這幾大塊內容。

通過對這張圖的分析，你對人工智能有沒有更多的思考?現在有些人，特別是一些傳統做IT或做技術的人，認為人工智能就是視覺，這樣的公司有商湯科技或依圖，代表著中國在這個領域的獨角獸公司。還有人認為中國上市公司里代表人工智能的的是科大訊飛，人工智能就是語音識別。當然人工智能還會涉及到自然語言處理、知識圖譜、機器學習、深度學習，現在都非常熱門。在很多企業的領導眼里，人工智能就是計算機圖像識別、語音識別、自然語言處理這幾個重要的技術。所以基本上國內的融資或者投資百分之七八十都集中在計算機視覺、語音識別這幾大領域。

這樣就會造成什么問題呢？首先，對企業來說，這個技術能否大大提高企業的核心競爭力。如果你的企業是跟上汽汽車相關的，要做智能駕駛，那就需要感知技術，很多企業不造汽車就用不上這一技術。再者，人工智能能為企業帶來多少核心價值？從左右兩張表上，我只想說明一個問題，感知智能、計算機視覺、自然語言處理不是人工智能的全部，決策推理、計算智能、邏輯推理、最優化技術等這些也是人工智能。

我從九十年代就開始學習人工智能，但那時沒有人工智能專業，我原來是做機器人方向，研究的是agent-based的推理技術。我們那時候學人工智能，不只有視覺和語音，我們研究的還有決策優化、計算智能、搜索技術、專家系統、決策推理等。90年代也沒有現在這么強大的算力，當然也沒有大量的數據，所以計算機視覺，語音識別效果還是比較差的。在上汽集團這個人工智能實驗室里，做的內容不僅是計算機視覺和語音，同時有很多研發人員在做決策優化、推理、計算智能等內容，是一個比較綜合的人工智能實驗室。

案例三：無人駕駛，人工智能皇冠上的明珠

我認為，無人駕駛是人工智能皇冠上的明珠。無人駕駛技術也不僅是感知，它包括感知、定位、決策、控制，而且每一個技術都是非常復雜的，它是人工智能里特別難以實現的一個領域。無人駕駛做得好不好，水平高不高，看什么呢？看量產。我個人不認同有些評測機構說哪家公司的無人駕駛技術最高，我比較看好的是特斯拉，但特斯拉的無人駕駛技術在很多機構的評測里面得分都比較低。我認為，能夠量產的無人駕駛技術才是真正的技術，能夠量產的人工智能技術才是真正的人工智能技術，能夠給企業帶來真正核心競爭力的人工智能技術才是真正的人工智能技術。所以，我們實驗室就是沿著這個思路，所有的人工智能技術、人工智能研發團隊做的成果都必須是能夠量產的，能夠變成結果的。

上汽人工智能實驗室對人工智能要求是什么？我們叫四個導向。第一，用戶導向，我們實驗室的人工智能技術必須是有用戶需求的。第二，價值導向，人工智能的實現必須是有價值的。第三，結果導向，人工智能必須產生結果，這個結果是可以驗證的。第四，市場導向，市場對我們的人工智能有評價，這個人工智能夠產生多少的經濟價值。我們一直堅持這四個導向，按照這四個導向去落實我們的人工智能。

無人駕駛也是我們實驗室投入非常大的部分，因為我們有客觀需求。上海市政府對上汽特別照顧，在全世界為上汽找來了一個非常優秀的同桌——特斯拉。上汽在人工智能領域和特斯拉還有較大的量產差距，我們團隊基本上天天都在加班，緊鑼密鼓地追趕。我們知道與特斯拉的差距不小，特別在人工智能的感知定位和決策控制領域；另外實驗室研究無人駕駛領域也為上汽集團的人工智能積累了非常多的技術，不僅可以用在無人駕駛上，也可以用在多種場景下，例如智能出行、智能制造和智能物流等。

案例四：共享出行，最復雜的調度優化算法

共享出行解決的是優化調度的問題，資源的最優化使用。如果大家研究過人工智能，研究過調度算法，就會知道這也是非常難的一個分支。這個項目要解決哪些問題？我們要解決上汽的共享出行，共享化更加有效的核心就是調度算法。除了共享更有效，還要保證安全，保證服務質量。單靠人工去服務這么多的客戶是比較困難的，我們就用了人工智能客服。上汽共享出行核心的人工智能技術有智能客服、優化調度、多模態應用。

上汽的共享出行業務規模做大之后，最難的人工智能技術就是優化調度，它對調度的約束條件、規則、精準度、實時性要求是非常高的。這個領域是真正有挑戰的項目，所以我們在優化調度這個領域也積累了非常多的人工智能算法。今天我介紹的是人工智能在制造領域的應用，因為很多在座的CIO都是制造領域的。我覺得制造業的未來就是大規模的個性化制造——C2B。那么C2B如何來實現？核心也是要靠人工智能。

案例五：C2B人工智能，制造業的AI明珠

我把C2B人工智能稱之為制造業的AI明珠。在制造業里面最難的人工智能就是C2B。大規模個性化定制要使C端的個性化需求跟B端企業端的成本、效率、響應時間匹配起來，這是一個非常大的挑戰，涉及到的變量是成百上千個，有零部件的采購、整個工程制造、制造的大數據MS、供應鏈大數據SAP。未來，大企業解決大規模個性化定制唯一的途徑就是人工智能算法。售后的數據、用戶者精準畫像、智能客服、選配、成本、需求、生產排程的全部串連，靠人不可能做到最佳，人工智能能夠發揮它的功效。每一個決策的效率提高一點點，產生的價值都是非常大的。

案例六：供應鏈AI，能產生巨大的經濟效益

供應鏈AI能做什么？能產生巨大的經濟效益。我們在這個領域做了好幾個項目，產生的經濟價值都非常明顯。對一個企業領導來說，要先讓他嘗到人工智能的甜頭。企業總經理肯定非常關心利潤，供應鏈的人工智能就能夠幫助他完成這件事情。

從這張圖上，大家也可以感受到工業鏈的人工智能非常復雜。它把我前面講的八個領域全部包括。感知智能，將工廠、流水線、倉庫、裝載工具等全部串起來，可以感知供應鏈上發生什么事情。預測功能可以預測哪個環節需要處理，哪個環節有風險，萬一出現意外情況如何處理。實時分析功能可以分析供應鏈哪個地方有瓶頸。智能推薦功能能夠推進供應管理人員做預防優化的方案。決策功能幫助供應鏈管理員做最佳的決策。供應鏈人工智能網，真的是工業人工大腦。

案例七：物流人工智能，很值得擁有

物流也是一個非常大的人工智能應用場景。物流上的人工智能又能做什么呢？最核心的就是預測供需：運輸多少東西、怎么運、要準備多少運力、要多少倉庫、整個供應鏈都怎樣布點、全國各范圍內有哪些網絡、每個區要多少個網絡、運輸訂單最佳分配、運輸成本如何成本最低……這也是一個非常龐大的決策網絡。在這種情況下，人工智能也是非常有價值的。每一個物流的人工智能項目決策規模都是非常大的，我們實驗室在這里面取得了非常多的成果。

案例八：營銷+AI，以客戶為中心不再停留在口頭上

真正做到以客戶為中心，在人工智能時代就要充分利用人工智能技術。要將跟客戶相關的口碑、對產品認知、客戶的關懷、產品的售后服務的這些數據轉化成為用戶的滿意度和可信度。這里面涉及到非常多的決策、數據分析所、智能交互技術等，所以這是一個非常復雜的人工智能，我們實驗室在這方面也有成功的解決方案。

案例九：我們的智能制造AI產品SmartGo

智能制造領域怎樣快速實現人工智能價值？我們實驗室推出了SmartGo。這個產品的基本的思路就是從需求預測出發，我們有一個專門的需求預測模型，對于怎么生產，怎么更高效率，怎么成本更省，有生產排程人工智能算法，根據算法，我們幫企業實現供應鏈全局最優化。這三個是制造里面的核心環節，我們會結合起來做一個全局的組合優化，快速實現降本增效。

優化涉及到的變量非常復雜，靠人不可能很快做出一個最優的算法，在這種情況下人工智能是非常有價值的。我們將這個產品在集團里面推廣，現在已經推廣了幾十家企業，效果優秀。

案例十：人工智能落地三部曲

什么叫人工智能三部曲？我們是從人工智能為企業創造更大的經濟價值這個角度來規劃的三部曲。

第一部，我們用六個月時間降本增效5%以上。在不改變你的企業現有業務流程、信息系統的情況下，選擇幾個典型應用場景，設計一個降本增效的目標。基于你現有的產品和數據，就可以做一個算法模型出來，然后來實現這個目標。有了第一步以后，企業的領導就感覺人工智能還是很有價值的。

第二部，我們在第一步的基礎上再加六個月，總共十二個月。根據第一部的采集的數據對這個模型進行優化，增加更多的場景，會有更全面的AI技術開始介入，這時候降本增效可以按照10%的目標去做。然后通過這些模型認證，再增加一些新的訓練的手段。第二部人工智能模型會更加全面，難度也更高，求解訓練要求更高，所以它所需要的時間也會更長。

第三部，最終目標就是要把整個公司的運營模型逐步健全，各個領域都要介入人工智能，估算下來差不多要36個月的時間。有了第二部基礎以后，公司上下基本上會對人工智能有一個清晰的認識。對企業來說，可以把它作為一個可行戰略，這時候企業的一把手、分板塊的副總經理、部門總監都已經逐漸認識到人工智能的價值，知道自己需要什么類型的人工智能。這樣我們就可以介入更多資源、更多模型、更多決策、更多場景，用豐富的人工智能技術把企業的核心運營模型人工智能化。這時候，企業的人工智能真正到了落地健康階段，后面就可以進入一個相對穩定的人機協作階段。

這三個階段做下去，要三年左右的時間。

互動問答環節：AI的多種發展方向

問題一：物流供應鏈是制造業尤其是汽車行業的重要環節，上汽是如何使用人工智能手段提高物流效率，實現降本增效？

物流供應鏈人工智能是非常有價值的，特別是在制造型企業里面。供應鏈人工智能對一個企業來說，也是降本增效比較重要的領域，上汽集團在這個領域人工智能算法的覆蓋率已經非常高了。上汽的零部件入廠物流和整車物流的調度，都開始用人工智能算法來實現降本增效的。零部件物流算法非常復雜，它的決策變量差不多有六七十個，多目標優化問題難度高。我們在這個領域的研發人員有幾十個博士，用了兩年多的時間，擁有了具有核心競爭力的算法，幫助企業實現降本增效5%以上。

問題二：我國汽車智能化水平和產業發展的現狀是怎樣的？

無人駕駛技術是汽車智能化發展的方向，也是未來的發展方向。這一兩年正在發生巨變，比如傳統汽車馬上就會進入智能汽車時代，智能汽車時代有非常多的機會，越來越多的高科技公司互聯網公司紛紛進入汽車行業。國內很多BAT企業在做智能駕駛，國外有谷歌、蘋果和其他一些高科技公司以及特斯拉都在做智能汽車。大家可以感受到智能汽車非常有前途，產業鏈規模巨大。全世界的智能汽車也剛剛起步，大家都有機會，就看誰的水平高。人工智能技術不能夠停留在實驗室，停留在一些試驗車上，需要看量產車的情況，大規模量產的人工智能技術比試驗車難好幾十倍。汽車不是傳統的產品，它對安全要求特別高，如果沒有達到99.99%的可靠性，這個技術就不能隨便使用。從目前的現狀來說，我認為大家都要努力，沒有誰比誰特別好，關鍵看量產水平，量產才能夠證明人工智能技術多高。

我們國家對智能汽車發展也非常重視，2020年2月份發布了一份智能汽車發展國家戰略，我對未來的中國智能汽車市場還是非常看好的，中國有可能將成為全世界最好的智能汽車市場。在技術上和市場上通過五到十年努力，中國的智能汽車可能在全世界排名前幾位。跟手機一樣，芯片和操作系統是制約整個中國智能汽車發展的主要問題，但這兩個問題不會像智能手機一樣，我們會自己解決，國內有實力的公司也越來越多。將來，中國的智能汽車會用上自己的芯片，自己的操作系統。

問題三：人工智能汽車被認為是未來發展的大趨勢，你認為國內當下智能汽車存在哪些主要問題？人工智能汽車什么時候能最終面向市場？

智能汽車肯定是未來的發展趨勢，其實現在就已經發生了。舉個例子，特斯拉已經是一個能夠讓大家感受到的智能汽車，而且是大規模量產的智能汽車，現在很多公司里也在規劃類似的產品。

國內人工智能汽車主要存在問題，我認為還是核心技術的問題，芯片和智能汽車的操作系統。智能汽車復雜度遠遠比智能手機高，智能汽車里跟系統相關的源代碼都是要超過1.5億或2億行，這是什么概念？Windows系統是五六千萬行代碼，但智能汽車代碼要到2億行。它是一個非常復雜的智能系統，又與駕駛相關，關系到個人的生命相關，所以難度很高。整個汽車行業，從德國最典型的VW大眾到其他一些企業，全世界的汽車企業都在開始轉型，中國在智能汽車領域初期機會更多，因為我們沒有包袱，不像德國大眾，它轉型的時候有很多已經存在的包袱。

智能汽車什么時候面向市場？其實你會發現它已經存在在市場中了，而且會變得越來越聰明，具備學習功能力，能夠輔助駕駛，還有更好人機交互。它現在智商還沒有那么高，現在汽車智商估計也就一兩歲小孩的水平，但隨著整車技術智能化水平的提高，它的智商也會越來越高。這是一個人車交互的過程，以后你開車開得越多，車也會越來越聰明。中國的智能汽車市場是一個生態圈，沒有一家企業能夠把這個市場全部壟斷掉，每個汽車公司只要找到自己的細分市場，都是有機會的。

問題四：AI+5G的時代將會給智能網聯汽車帶來怎樣的機遇？又會對未來交通造成什么影響？

AI+5G肯定能為智能汽車帶來非常多的機會，能夠加速技能智能汽車發展。未來整個汽車工業就是智能汽車+共享出行，這兩個剛好是充分利用了AI+5G技術。有了AI+5G技術，中國的汽車工業真正到了變革的時代，挑戰很大，機會更多。

問題五：您對百度的阿波羅計劃怎么看？

一個計劃的好壞，要看用戶，要以用戶為中心，看用戶肯不肯為你的技術買單，人工智能水平高不高，用戶說了算。有多少用戶在用這個技術，他愿意為這個技術付錢嗎？舉個例子，蘋果手機很少做廣告，很少參加世界大賽拿什么獎，在學術會議上發表的論文也不是很多，但以用戶為中心做得非常好。從這個角度去看，對于百度的阿波羅計劃，大家都會有自己的理解和思考。我們實驗室也是將用戶為中心放第一位的，所有計劃都應該以用戶為中心，去體現技術的價值。

所有的人工智能技術都要以用戶為中心。我們做的AI技術能給用戶創造多少價值，用戶能否因為這個價值給你付錢，付多少錢。從技術本身來說，以用戶為中心的技術就是用戶說了算。

問題六：曹操專車目前還是虧損狀態，寶馬奔馳設立了共享出行事業部，但去年也有裁撤計劃。針對這個情況您怎么看？

現在國內所有的共享汽車應該都是虧損的，但是汽車共享是趨勢。不管目前是否虧損，肯定是要去做的。共享汽車市場規模巨大，只是我們現在還沒有很好的找到一種商業模式，讓這個項目良性發展。有這么大的用戶需求，共享汽車肯定很有前途。上汽集團的共享汽車目前也是虧損的，還在持續投入，因為它是一個不可逆轉的趨勢。

汽車共享化的要求不是燒多少錢，而是我們要盡快找到一種比較好的商業模式，改進運營效果。我認為，汽車共享化還是要跟區塊鏈技術有機結合，要形成區塊鏈+人工智能+商業模式的路子，汽車共享化未來很有前途。