導(dǎo)讀：自從阿里巴巴提出“中臺”的概念之后，這個詞匯就成為各領(lǐng)域企業(yè)關(guān)注的焦點，很多人在考慮建設(shè)自己的中臺。然而，構(gòu)建中臺是否真有必要？是否所有的企業(yè)都要建設(shè)中臺？如何構(gòu)建中臺等問題還是讓他們疑惑。近日，宜信科技中心 AI 中臺團隊負責(zé)人王東在一篇技術(shù)專訪中，從大數(shù)據(jù)和 AI 賦能金融業(yè)務(wù)的角度，分享了中臺、大數(shù)據(jù)、AI 等軟件研發(fā)趨勢為業(yè)務(wù)賦能的經(jīng)驗與思路。

本文為王東的采訪實錄整理，從技術(shù)視角到業(yè)務(wù)視角，在中臺的落地契機、AI與大數(shù)據(jù)關(guān)系、AI和大數(shù)據(jù)技術(shù)的落地等方面提出了他的看法。

以下為采訪實錄：

1、很多人將金融行業(yè)的發(fā)展劃分為三個階段：信息金融時代，主要指銀行卡的出現(xiàn)，銀行開始做集中的數(shù)據(jù)管理；互聯(lián)網(wǎng)金融時代，互聯(lián)網(wǎng)的發(fā)展，使得用戶可以通過 PC 和 APP 辦理金融業(yè)務(wù)，這一階段金融機構(gòu)通過數(shù)據(jù)平臺管理和使用數(shù)據(jù)；智慧金融時代，也就是現(xiàn)在，金融機構(gòu)通過大數(shù)據(jù)和 AI 技術(shù)讓金融服務(wù)智能化。

作為有多年金融行業(yè)經(jīng)驗的大數(shù)據(jù)專家，您認為在這 3 個階段里，數(shù)據(jù)為金融服務(wù)賦能的方式出現(xiàn)了哪些變化？分別有哪些典型的產(chǎn)品化表現(xiàn)？

王東：按照 DIKW 體系， 這三個階段對應(yīng)的是數(shù)據(jù)電子化、數(shù)據(jù)信息化、數(shù)據(jù)知識化和數(shù)據(jù)智能化的過程。

信息金融時代，金融機構(gòu)都在進行金融基礎(chǔ)設(shè)施建設(shè)，數(shù)據(jù)被集中化管理，金融機構(gòu)從手工勞動和紙質(zhì)單據(jù)中解放出來，提高效率，本質(zhì)上這是電子化、信息化的過程，金融機構(gòu)的數(shù)據(jù)進行結(jié)構(gòu)化和梳理，并被分析和使用。

這個階段數(shù)據(jù)倉庫和數(shù)據(jù)集市的理論體系誕生并得到完善，基于數(shù)倉理論體系的軟件工具發(fā)布，數(shù)據(jù)的 BI 分析（使用 ETL、建立數(shù)據(jù)倉庫、OLAP 分析和可視化報表）在金融機構(gòu)中最先開始落地并產(chǎn)生價值，基于數(shù)據(jù)的早期信用卡風(fēng)控模型開始建立并投入使用。

互聯(lián)網(wǎng)金融時代，是數(shù)據(jù)爆炸的時代，云計算和大數(shù)據(jù)技術(shù)興起，金融機構(gòu)面臨業(yè)務(wù)變化快、大數(shù)據(jù)量、高并發(fā)量等各種不同需求的沖擊，前端業(yè)務(wù)系統(tǒng)進行大規(guī)模改造以適應(yīng)大數(shù)據(jù)的沖擊。數(shù)據(jù)層面上，企業(yè)的數(shù)據(jù)量已經(jīng)變得非常龐大，業(yè)務(wù)變化也非?？欤瑐鹘y(tǒng)的報表迭代速度慢，需要排期，無法滿足金融機構(gòu)的數(shù)據(jù)分析需求。

大數(shù)據(jù)理論和大數(shù)據(jù)分布式平臺蓬勃發(fā)展，基于大數(shù)據(jù)平臺的相關(guān)技術(shù)讓敏捷式報表的概念逐漸成為可能，數(shù)據(jù)實時化、自助化深入人心。BI 的流程已經(jīng)大幅縮短，在金融機構(gòu)的決策中被廣泛使用。大數(shù)據(jù)技術(shù)、機器學(xué)習(xí)等技術(shù)在金融領(lǐng)域的引用，催生了大數(shù)據(jù)風(fēng)控技術(shù)、反欺詐分析、精準營銷和個性化推薦、銷售渠道優(yōu)化&產(chǎn)品服務(wù)優(yōu)化、輿情分析等智能應(yīng)用。

智慧金融時代，是數(shù)據(jù)知識化和智能化的高級階段，大數(shù)據(jù)和 AI 能力重塑和改造金融服務(wù)，創(chuàng)造業(yè)務(wù)，降低成本，提高效率。金融機構(gòu)業(yè)務(wù)部門的數(shù)據(jù)分析需求進一步增加，商業(yè)智能分析產(chǎn)品被業(yè)務(wù)專家廣泛使用在輔助分析、協(xié)助決策、智能助理等各個領(lǐng)域。

BI 分析更加自動化，增強型分析（是數(shù)據(jù)準備和洞察過程自動化、使用自然語言或語音交互、根據(jù) AI 分析給出決策建議、利用機器學(xué)習(xí)和 AI 管理數(shù)據(jù)）逐步成為可能?；诖髷?shù)據(jù)和 AI 提供的各項能力，客服機器人、外呼機器人、智能投顧、智能投研、客戶流失預(yù)測、績優(yōu)銷售預(yù)測、千人千面的金融產(chǎn)品等變?yōu)楝F(xiàn)實。

2、智慧金融時代，AI 技術(shù)在金融服務(wù)的落地場景也越來越多。您能否介紹 AI 在金融服務(wù)業(yè)務(wù)場景中的落地實踐。

王東：這里我以宜信的智能聊天機器人平臺為例說明。該平臺是結(jié)合自然語言處理、搜索引擎、會話領(lǐng)域場景的一站式人機對話解決方案，只需簡單導(dǎo)入自己的業(yè)務(wù)問答數(shù)據(jù)知識，系統(tǒng)的智能模型就會快速學(xué)習(xí)并生成相應(yīng)的機器人，創(chuàng)建出定制化的業(yè)務(wù)咨詢專家。

智能聊天機器人平臺包含 QA 聊天機器人、任務(wù)機器人、閑聊機器人、人工后臺、文檔管理、模型管理、會話管理、統(tǒng)計報表等諸多功能。平臺支持多租戶，對算力、數(shù)據(jù)和資源進行隔離。對接公司 LDAP、SMP、SSO 等認證系統(tǒng)，支持功能角色和數(shù)據(jù)角色，對業(yè)務(wù)系統(tǒng)無侵入，可以內(nèi)嵌到公司 PC 端業(yè)務(wù)系統(tǒng)中或手機 APP 中。

以 CSC(Cloud Service Container，輕量級服務(wù)容器） 場景為例：CSC 的一線同事在日常工作中，每天都會產(chǎn)生大量業(yè)務(wù)問題需要咨詢。此前這些問題通過蜜蜂等 IM 軟件在工作群內(nèi)進行詢問，由 CSC 客服管理部相關(guān)同事支持。但由于問題數(shù)量大、涉及業(yè)務(wù)線多，這些業(yè)務(wù)咨詢往往不能得到迅速解決，影響業(yè)務(wù)的順利開展。另一方面，通過人工進行業(yè)務(wù)問題支持的工作還存在著響應(yīng)緩慢、效率不高、成本高昂等問題。最終從客戶角度來看，業(yè)務(wù)問題的無法解決或解決流程不規(guī)范，將嚴重影響客戶體驗和品牌認知。

使用了智能問答機器人后， 門店客服可以通過智能機器人快速得到一致性答案，通過搜索引擎快速檢索到業(yè)務(wù)文檔相關(guān)資料，當遇到機器人無法解答問題，可以將問題轉(zhuǎn)入人工后臺。讓大部分常見問題由機器人代勞，少部分復(fù)雜的問題轉(zhuǎn)后臺人工處理。通過智能機器人+人工后臺的方式，共同提供完整的快捷的一體化用戶體驗。目前已經(jīng)成為客服管理重要的日常工具，實現(xiàn)了運營管理智能化從0到1的過程，幫助運營人員減輕壓力，提升運營效率。

由于智能聊天機器人平臺是按照平臺化方式來建設(shè)的，因此很容易推廣到公司其他需要智能聊天的場景中，除了 CSC 客服問答機器人以外，目前已經(jīng)在公司車貸客服問答、催收業(yè)務(wù)咨詢、財富智能問答、指尖金融家 APP 和信審業(yè)務(wù)咨詢等領(lǐng)域中上線和使用。

金融領(lǐng)域正掀起一場智能化的變革，智能聊天機器人在這場變革中將扮演重要角色。眾多分析師認為，聊天機器人的商業(yè)化應(yīng)用，其真正潛力正是在金融領(lǐng)域。除了對于企業(yè)內(nèi)部業(yè)務(wù)的智能化支持，更加令人興奮的是聊天機器人與金融的結(jié)合將徹底顛覆個人金融服務(wù)的形式，相信在不遠的將來，智能金融機器人將在客服、咨詢、理財、支付等各種場景下提供更加科學(xué)而自然、理性兼具人性的服務(wù)，這也是我們平臺的最終發(fā)展目標。

3、智能化的 AI 產(chǎn)品可以解決復(fù)雜多樣的業(yè)務(wù)問題，但面對眾多的需求，需要進行優(yōu)先級排列，您和團隊是如何判斷業(yè)務(wù)問題優(yōu)先級的呢？

王東：就能力分層來說，我們認為智慧化 AI 產(chǎn)品可以分為三層：

最底層——AI 平臺層：提供在線訓(xùn)練、在線標注、特征工程、自助訓(xùn)練、算法庫、訓(xùn)練環(huán)境等AI基礎(chǔ)設(shè)施。服務(wù)的對象是 AI 科學(xué)家和數(shù)據(jù)科學(xué)家，為他們提供平臺和工具支撐。

中間層——AI 服務(wù)層：提供語言合成、詞法分析、相似度比較、觀點抽取、卡證票據(jù)類識別等通用AI服務(wù)，以及與業(yè)務(wù)方合作的智能服務(wù)項目。服務(wù)的對象是我們各個業(yè)務(wù)系統(tǒng)，為各個業(yè)務(wù)系統(tǒng)提供 AI 能力支持，助力業(yè)務(wù)發(fā)展。

最上層——AI 產(chǎn)品層：提供類似智能聊天機器人平臺這樣的端到端解決方案。服務(wù)的對象是我們的一線業(yè)務(wù)同事、甚至可能是我們的客戶。

從技術(shù)難度來說，最具有挑戰(zhàn)性的是最底層-AI 平臺層，打造一套自己的在線訓(xùn)練平臺一直是很多 AI 科學(xué)家和數(shù)據(jù)科學(xué)家所期待的，但打造一套非常好用的在線訓(xùn)練平臺并不容易，需要投入大量人力和時間，維護成本也很高，需要增加最新算法庫等，對使用的用戶要求也比較高，一般都是算法工程師和科學(xué)家。我們的業(yè)務(wù)方對這個一般沒有什么感知。

從業(yè)務(wù)影響力和優(yōu)先級來說，最上層和中間層的優(yōu)先級會更高一些，這兩層主要是為公司一線業(yè)務(wù)系統(tǒng)服務(wù)，會直接或間接觸達到一線業(yè)務(wù)同事或客戶，直接產(chǎn)生商業(yè)價值和降低成本。

作為 AI 中臺來說，在有限的人力情況下，我們會更優(yōu)先支持最上層和中間層的 AI 服務(wù)，例如：聊天機器人平臺、語音合成、主題提取、卡證類識別等通用類 AI 服務(wù)以及與業(yè)務(wù)方合作的智能服務(wù)項目。而對于最底層 AI 平臺，我們也會在日常工作中，通過積累和沉淀可以復(fù)用的工具集，逐步形成相應(yīng)平臺能力。

4、據(jù)悉，宜信的智能聊天機器人平臺是基于 AI 中臺研發(fā)的，那么 AI 中臺為智能聊天機器人平臺的研發(fā)提供了哪些優(yōu)勢呢？相比 AI 中臺建設(shè)之前，有哪些地方得到了改善？

王東：從 AI 中臺的使命來說，AI 中臺承擔一些跨領(lǐng)域的、平臺級的服務(wù)研發(fā)和推廣，避免煙囪式的開發(fā)，強調(diào)開發(fā)合作、通用性和可復(fù)用性。智能聊天機器人平臺就是這樣一款產(chǎn)品，它具有平臺的通用性，可以內(nèi)嵌到公司各個業(yè)務(wù)系統(tǒng)中，以自然語言的方式提供問題咨詢、任務(wù)執(zhí)行、業(yè)務(wù)解答等支持，最終達到節(jié)省人力，降本增效的目標。

智能聊天機器人在 AI 中臺開發(fā)是有諸多好處的：

從人員方面來說，智能聊天機器人涉及到自然語言處理、語音轉(zhuǎn)換等技術(shù)，這需要在 NLP 和語音識別等專業(yè)領(lǐng)域深耕的 AI 科學(xué)家來支持。一方面機器人平臺可以借助 AI 中臺的 AI 科學(xué)家通過更好的算法讓聊天機器人更加智能，更加多樣化，另外一方面機器人平臺也為 AI 中臺的專業(yè) AI 人員找到了合適的用武之地和實踐場景。

從平臺層面來說，智能聊天機器人所需要的模型服務(wù)是可以向下沉淀的，通用化后成為 AI 中臺的 AIHub 模型服務(wù)平臺。這樣聊天機器人平臺不必關(guān)心模型管理，只需要關(guān)注自己聊天機器人領(lǐng)域的事情，例如模型服務(wù)、模型編排、模型監(jiān)控預(yù)警等這些模型通用能力的事情交給AI中臺的AIHub模型服務(wù)平臺來解決。實現(xiàn)產(chǎn)品模塊邊界清晰，并提高復(fù)用性和專業(yè)度，減少重復(fù)建設(shè)。

5、現(xiàn)在，越來越多的人提到數(shù)據(jù)中臺需要向 AI 中臺演進，您對此怎么看？宜信的數(shù)據(jù)中臺和 AI 中臺之間是什么樣的關(guān)系？二者之間是如何支持協(xié)作的？

王東：數(shù)據(jù)中臺除了提供數(shù)據(jù)平臺本身的兩大能力（數(shù)據(jù)存儲和數(shù)據(jù)計算）以外，還提供了更高級的能力，就是把數(shù)據(jù)變成一種基礎(chǔ)服務(wù)提供給業(yè)務(wù)方，業(yè)務(wù)方可以以自助的方式在數(shù)據(jù)中臺上獲取數(shù)據(jù)，進行數(shù)據(jù)處理、數(shù)據(jù)探索、數(shù)據(jù)挖掘、分析鉆取、多維分析、自助化報表、數(shù)據(jù)分享等，以快速的實現(xiàn)自己的商業(yè)價值。

隨著業(yè)務(wù)的發(fā)展，越來越多的智能化數(shù)據(jù)需求被提出，這些智能化需求涉及到模型訓(xùn)練、數(shù)據(jù)標注、特征工程、模型部署、性能監(jiān)控等，需要使用機器學(xué)習(xí)、深度學(xué)習(xí)等算法支持。數(shù)據(jù)中臺的主要目標還是服務(wù)數(shù)據(jù)，對于智能化和模型并不能很好地支持，因此 AI 中臺應(yīng)運而生。

我們把智能服務(wù)的需求抽象出來，形成一個獨立的 AI 中臺層。AI 中臺是一個用來構(gòu)建智能服務(wù)的基礎(chǔ)設(shè)施平臺，對公司所需的模型提供了分布分層的構(gòu)建能力和全生命周期管理的服務(wù)，鼓勵各個業(yè)務(wù)領(lǐng)域基礎(chǔ)性、場景性、通用性的 AI 能力沉淀到平臺中，加強模型復(fù)用、組合創(chuàng)新、規(guī)?；?，最終實現(xiàn)降本增效和快速響應(yīng)業(yè)務(wù)方。

數(shù)據(jù)中臺和 AI 中臺兩者是相互依存，承前啟后的關(guān)系。

數(shù)據(jù)中臺和 AI 中臺兩者都對外提供服務(wù)，只是側(cè)重點不同：數(shù)據(jù)中臺提供各種數(shù)據(jù)服務(wù)（BI 報表應(yīng)用、數(shù)據(jù)探索等），AI 中臺提供各種智能服務(wù)（模型預(yù)測、智能推薦等）；

AI 中臺依托數(shù)據(jù)中臺提供的數(shù)據(jù)能力和工具集，加速 AI 相關(guān)服務(wù)的開發(fā)和復(fù)用，來應(yīng)對前臺智能業(yè)務(wù)需求。有了數(shù)據(jù)中臺清洗好的數(shù)據(jù)，搭建智能項目事半功倍；

數(shù)據(jù)中臺也需要使用 AI 中臺的智能化能力使得數(shù)據(jù)使用更加平民化和智能化。例如增強型BI 分析：通用自然語言交互方式，降低 BI 使用門檻；通過 AI 分析給出參與建議，幫助普通用戶在沒有數(shù)據(jù)專家的情況下有效訪問數(shù)據(jù)；增強型數(shù)據(jù)管理：利用機器學(xué)習(xí)來管理數(shù)據(jù)，包括數(shù)據(jù)質(zhì)量、元數(shù)據(jù)管理；主數(shù)據(jù)管理等。

6、從去年開始，似乎每個公司都在談中臺，但其實很多人對中臺的具體價值還不是很理解，您覺得中臺在賦能業(yè)務(wù)方面有哪些優(yōu)勢？請您舉幾個例子具體介紹。

王東：在“以用戶為中心”的思想指導(dǎo)下，企業(yè)需要快速響應(yīng)、挖掘、引領(lǐng)?戶的需求，借助平臺化的力量可以事半功倍。后臺并不為前臺而生，要么不好用，要么變更速度跟不上前臺的節(jié)奏。就算是新建的后臺系統(tǒng)，因為其后臺管理的屬性（考慮到企業(yè)安全、審計、合規(guī)、法律等限制）導(dǎo)致不能適應(yīng)前臺快速開發(fā)的需求。前臺和后臺就像是兩個不同轉(zhuǎn)速的?輪，前臺要快速響應(yīng)，后臺則要求越穩(wěn)定越好。

因此中臺應(yīng)運而生，中臺存在的目的就是更好地服務(wù)前臺，進而更好地響應(yīng)服務(wù)。在宜信，數(shù)據(jù)中臺和 AI 中臺也同樣是為了更好更快地服務(wù)前臺而存在：

以數(shù)據(jù)中臺為例：業(yè)務(wù)領(lǐng)域組數(shù)據(jù)團隊需要緊急制作一批報表，不希望排期，部分報表需要T+0 時效性。數(shù)據(jù)來源是異構(gòu)數(shù)據(jù)庫，對數(shù)據(jù)時效性要求很高，需要對數(shù)據(jù)處理后并展示報表。使用數(shù)據(jù)中臺，業(yè)務(wù)方不需要關(guān)心數(shù)據(jù)的異構(gòu)性，無論是實時數(shù)據(jù)還是批量數(shù)據(jù)，只需要懂 SQL，業(yè)務(wù)方都可以在數(shù)據(jù)中臺上申請數(shù)據(jù)，自助地寫 SQL 進行處理數(shù)據(jù)清洗、數(shù)據(jù)處理，最后，通過配置和寫 SQL 生成自己需要報表，不用等排期，完全自助快速完成。

以 AI 中臺為例：AI 中臺的智能聊天機器人平臺，對接第一個業(yè)務(wù)方是從零開始，從研發(fā)平臺、模型研發(fā)、數(shù)據(jù)對接、到使用上線第一期，花了 6 個月的時間，第二個業(yè)務(wù)方享受到平臺的優(yōu)勢，直接導(dǎo)入數(shù)據(jù)，進行驗證和對接后，4 個月實現(xiàn)上線第一期，之后的業(yè)務(wù)方更快，2 個月上線，最近的一個業(yè)務(wù)方達到 3 周就上線的速度，體現(xiàn)了平臺的復(fù)用性帶來的便捷和快速響應(yīng)業(yè)務(wù)方需求的能力。

中臺將前臺業(yè)務(wù)中相對穩(wěn)定的能力固化和沉淀下來，并共享給有需要的其他業(yè)務(wù)方使用，從而實現(xiàn)快速響應(yīng)業(yè)務(wù)需求、降低成本和支持業(yè)務(wù)方進行規(guī)?；瘎?chuàng)新。

7、以您的經(jīng)驗來看，什么樣的企業(yè)需要建設(shè)數(shù)據(jù)或者 AI 中臺？或者說企業(yè)在什么時候應(yīng)該要建設(shè)中臺，是否有什么明顯的信號？比如說企業(yè)到了什么樣的階段或者遇到什么樣的問題。

王東：企業(yè)啟動自己的數(shù)據(jù)中臺和 AI 中臺建設(shè)，是與企業(yè)當時的業(yè)務(wù)發(fā)展階段相關(guān)的。

很多企業(yè)在早期業(yè)務(wù)發(fā)展過程中，為了解決一些當時的業(yè)務(wù)問題，快速上線了很多功能，要么垂直的、個性化的業(yè)務(wù)邏輯與基礎(chǔ)系統(tǒng)耦合太深，橫向系統(tǒng)之間、上下游系統(tǒng)之間交叉邏輯錯綜復(fù)雜。要么缺乏統(tǒng)一規(guī)劃，建設(shè)了許多高度相似的系統(tǒng)，大量重復(fù)建設(shè)，但又不通用，用戶體驗不統(tǒng)一。這樣導(dǎo)致在新業(yè)務(wù)、新市場的拓展過程中，系統(tǒng)沒法直接復(fù)用，甚至沒法快速迭代。

我們稱為 “重復(fù)造輪子”和“煙囪式架構(gòu)”，本質(zhì)上是企業(yè)在早期高速發(fā)展過程當中，為了快速解決當時的業(yè)務(wù)問題，而欠下了許多技術(shù)債務(wù)。這些歷史技術(shù)債務(wù)積重難返，當企業(yè)進入成熟期之后，發(fā)現(xiàn)這些問題的存在，嚴重影響了企業(yè)的運行效率和運營成本。大多數(shù)提出中臺戰(zhàn)略或是建設(shè)大中臺的企業(yè)，都面臨過類似的困境。

中臺化建設(shè)作為一種產(chǎn)品設(shè)計思想或者系統(tǒng)架構(gòu)思想，對于任何一家即將或者正在面臨業(yè)務(wù)高速增長的企業(yè)來說，都值得借鑒，對目前業(yè)務(wù)當中大量可復(fù)用的功能和場景進行梳理，為業(yè)務(wù)的高速增長做好準備，同時也起到了降本增效的目的。

這個過程很像是在飛行過程中修發(fā)動機。一方面，知道飛機發(fā)動機已經(jīng)存在一些問題，需要修理；另外一方面，還在飛行過程中，飛機還要飛，還要支持業(yè)務(wù)發(fā)展，不可能將發(fā)動機停了。這個過程是有一定難度，還要搶時間，為下一次業(yè)務(wù)發(fā)展做好準備。

通過機制化、產(chǎn)品化等方式，將企業(yè)內(nèi)部具有通用性的數(shù)據(jù)、功能、產(chǎn)品進行統(tǒng)一規(guī)劃和開發(fā)，從而更好地幫助前臺業(yè)務(wù)部門更多地關(guān)注業(yè)務(wù)，提高業(yè)務(wù)運營效率，進而提升企業(yè)競爭力，是企業(yè)中臺化建設(shè)的目標。

8、前面您也講到，智能聊天機器人平臺的研發(fā)要基于數(shù)據(jù)中臺所提供的數(shù)據(jù)挖掘和處理能力，可以說 AI 產(chǎn)品的研發(fā)和應(yīng)用離不開大數(shù)據(jù)技術(shù)的支撐。那您認為大數(shù)據(jù)技術(shù)與 AI 應(yīng)用落地之間是一種什么樣的關(guān)系？

王東：縱觀這次人工智能的浪潮，可以說是算法、大數(shù)據(jù)等技術(shù)和硬件多方面的因素促成的。一方面算法層面有了進一步突破，更重要的是大數(shù)據(jù)相關(guān)技術(shù)的成熟，使得數(shù)據(jù)的獲取變得容易，大數(shù)據(jù)計算變得可能，以前許多不可能完成的事情，現(xiàn)在可以通過大數(shù)據(jù)的算力來進行學(xué)習(xí)和訓(xùn)練。再結(jié)合現(xiàn)在 GPU、AI 芯片以及傳感器等硬件技術(shù)，使得需要大規(guī)模計算的深度學(xué)習(xí)訓(xùn)練可以完成，這些都直接導(dǎo)致了AI應(yīng)用的快速落地和到處開花。

以互聯(lián)網(wǎng) AI 應(yīng)用為例，互聯(lián)網(wǎng)巨頭是使用大數(shù)據(jù)標注并落地 AI 應(yīng)用的最早受益者。AI 最早應(yīng)用在搜索引擎（Google、百度）、廣告系統(tǒng)（Ebay）、電子商務(wù)網(wǎng)站（阿里）等，它們都是大數(shù)據(jù)的產(chǎn)生方和使用方，然后是在擁有大數(shù)據(jù)流的社交平臺（Facebook、騰訊），到現(xiàn)在使用大數(shù)據(jù)技術(shù)在垂直細分領(lǐng)域做個性化推薦平臺（頭條、快手）。一方面大家在使用這些互聯(lián)網(wǎng)平臺，另外一方面大家也在進行免費的大數(shù)據(jù)標注。

以商業(yè) AI 應(yīng)用為例，商業(yè)機構(gòu)通過激活已有的大數(shù)據(jù)，并結(jié)合 AI 算法創(chuàng)造商業(yè)價值。醫(yī)療機構(gòu)通過已有病歷實現(xiàn)疾病診斷/鑒別、個性化治療/行為矯正、臨床決策支持系統(tǒng)、流行病爆發(fā)預(yù)測等， 金融機構(gòu)通過已有交易數(shù)據(jù)，進行大數(shù)據(jù)風(fēng)控、個性化營銷、智能投顧、智能投研等。這些都是大數(shù)據(jù)與AI緊密結(jié)合的產(chǎn)物。

以實體世界 AI 應(yīng)用為例，通過獲取實體世界的數(shù)據(jù)，實現(xiàn)智能化，帶來新的應(yīng)用、新的商機。通過大數(shù)據(jù)、AI與汽車行業(yè)結(jié)合，誕生了自動駕駛、路徑規(guī)劃、實時路況、危險預(yù)警等應(yīng)用；大數(shù)據(jù)與商業(yè)零售結(jié)合，收集海量顧客信息，結(jié)合 AI 技術(shù)，用于精準營銷、店鋪選址、庫存規(guī)劃、個性化服務(wù)等。大數(shù)據(jù)、AI 技術(shù)與智慧城市、智能安監(jiān)、環(huán)境治理、教育等諸多領(lǐng)域結(jié)合后，都帶來了大量新的應(yīng)用和商業(yè)機會。

因此，無論是傳統(tǒng)的數(shù)據(jù)挖掘、還是機器學(xué)習(xí)、深度學(xué)習(xí)，所有的模型都離不開大量的數(shù)據(jù)，可以說大數(shù)據(jù)技術(shù)是 AI 應(yīng)用的養(yǎng)料和土壤，大數(shù)據(jù)技術(shù)催生了 AI 應(yīng)用的落地。

9、最后一個問題是關(guān)于AI的應(yīng)用前景。您覺得現(xiàn)在 AI 技術(shù)是否已經(jīng)成熟到可以大規(guī)模落地應(yīng)用了？以金融行業(yè)為例，您認為要真正實現(xiàn) AI 技術(shù)在金融服務(wù)中的全面落地，現(xiàn)在還缺少什么？比如技術(shù)方面、數(shù)據(jù)資源方面等。

王東：最近對 AI 應(yīng)用討論得挺多，有以下幾種觀點：

“速勝論”：理由是基于深度學(xué)習(xí)技術(shù)的爆發(fā)式進步，由 AlphaGo 完勝人類職業(yè)圍棋頂尖水平為導(dǎo)火索，在圖像領(lǐng)域（圖像識別、人臉識別、視頻識別等）、語音領(lǐng)域（語言識別、語言合成、智能翻譯等）取得了巨大的成功，火熱的人工智能帶來了很多機會，資本的大量涌入，市場上涌現(xiàn)了一大批 AI 初創(chuàng)公司，同時媒體的大肆宣揚，比如“人類要被機器人取代”，“機器開始威脅人類”等，導(dǎo)致一部分人對 AI 技術(shù)已經(jīng)能夠大規(guī)模普及和落地充滿信心。

“投降主義論”：隨著進一步研究發(fā)現(xiàn)，許多問題并沒有解決。例如開放領(lǐng)域的聊天機器人不夠聰明，整體有待加強。主要原因在于自然語言理解的發(fā)展進程并沒有我們想象中快，深度學(xué)習(xí)也似乎沒有解決這個問題，可以與人類對話交流的機器人好像從未出現(xiàn)過。有外媒甚至評論道：“我不確定能不能說聊天機器人死了，因為我不知道它是否活過?！背松鲜龅囊恍┏晒︻I(lǐng)域，深度學(xué)習(xí)也并沒有解決其他所有領(lǐng)域的問題。

了解到人工智能歷史的同行都知道，其實人工智能至今經(jīng)歷了三次大的熱潮。每次都經(jīng)歷了開始是“人類要毀滅了”，后來是“騙子”的過程。

實際上，在一個特定領(lǐng)域的優(yōu)秀表現(xiàn)，并不能代表 AI 技術(shù)無所不能。同樣的，在通用領(lǐng)域不能解決的問題，不代表特定領(lǐng)域不能解決。

我更加相信“持久戰(zhàn)論”，羅馬從來都不是一天能夠建成的，技術(shù)的突破也必然會經(jīng)歷一定時間的積累。AI 技術(shù)在金融服務(wù)中的落地，我比較贊同宜信 CTO 向江旭先生提的觀點：“大膽擁抱，小心實踐”。

首先需要選擇金融領(lǐng)域的業(yè)務(wù)痛點，并通過 AI 技術(shù)來解決這些痛點，把非常炫酷的 AI 技術(shù)落實到實際業(yè)務(wù)需求中，而不是為炫酷而炫酷。就目前而言，我們的 AI 中臺會選擇在智能機器人和知識圖譜構(gòu)建上發(fā)力。智能聊天機器人能為公司內(nèi)外提供專業(yè)領(lǐng)域的知識解答，知識圖譜能為各業(yè)務(wù)方提供智能問答、智能搜索、精準營銷等。最重要的是，我們希望按照平臺化的方式去建設(shè)它們，希望建設(shè)知識圖譜的方法論、工具和平臺可復(fù)用。

目前在落地過程中，除了搭建 AI 中臺相關(guān)平臺以外，花費時間最多的是與數(shù)據(jù)相關(guān)的過程，無論是模型訓(xùn)練，還是知識圖譜構(gòu)建，很多時間用在獲取數(shù)據(jù)和探索數(shù)據(jù)。

對于普通的模型訓(xùn)練，需要多個維度的數(shù)據(jù)，AI 科學(xué)家需要對這些數(shù)據(jù)進行觀察和探索，一般這些數(shù)據(jù)都是結(jié)構(gòu)化數(shù)據(jù)，這個問題會隨著數(shù)據(jù)中臺的成長，數(shù)據(jù)匯集越來越多后，得到逐步的解決。數(shù)據(jù)中臺提供自助化探索數(shù)據(jù)的能力，能夠大幅減少獲取數(shù)據(jù)和探索數(shù)據(jù)的時間和成本。

對于圖譜構(gòu)建和自然語言處理，我們很多的金融數(shù)據(jù)，保存為非結(jié)構(gòu)化的數(shù)據(jù)和語料，例如 pdf文檔、表格數(shù)據(jù)、掃描圖片等，一方面要求數(shù)據(jù)中臺或數(shù)據(jù)平臺能夠提供非結(jié)構(gòu)化數(shù)據(jù)的獲取能力，另一方面也要求 AI 中臺提供對這種非結(jié)構(gòu)化數(shù)據(jù)進行在線標注、在線提取的平臺級能力。