中国 AI 应用元年来了！
经历 60 多年的发展，人工智能技术从实验室逐步走向产业落地的阶段，并在企业、行业、人力等掀起深刻变革 。随着政策加持、技术快速发展，众巨头互联网企业纷纷喊出“All in AI”，人工智能热潮蔓延。
商业化落地是AI技术发展的重要评判依据。去年以来，产业智能化发展风生水起，交通、工业、教育、医疗等成为AI落地的重点方向，这也让那些早先入局AI的企业和开发者们分到了更大的市场蛋糕。
如今在AI开发工具的使用上，诸多公司正在千方百计降低开发者的上手门槛；新技术也在不断涌现，联邦学习，AutoML等正成为新一轮AI技术应用的重点对象；在系统架构层面，来自国内的新的开源架构近期层出不穷，AI中台化正成为各大公司的重点战略。
当然，AI的应用场景也不止于上述热门领域，还有很多你意想不到的行业蕴藏着巨大的机会。2020年，AI落地大考在继续，随之带来的人才需求，也在不断增长，同样率先把握住机会的程序员就有更大机会占据先机。
以下，我们梳理了这期节目中主要的精彩对话，从中你可以了解到：
从CSDN 3000万注册用户统计分析的《中国 AI 应用开发者报告》，反映真实 AI 行业现状
疫情期间， AI 有哪些好的落地应用？
京东和来也科技如何在疫情场景下让 AI 应用发挥价值？
如何推动更多企业信息化，让 AI 更好地赋能产业？
人工智能在未来三到十年将如何发展？
对于希望进入 AI 领域的企业和开发者，有哪些经验和建议值得借鉴？
文章内容仅代表嘉宾独立观点。
精彩视频抢先看
《中国AI应用开发者报告》重磅发布
近日，CSDN和脉脉共同发布《中国AI应用开发者报告》，这份报告涵盖近年来人工智能领域的产业变化、技术演进、发展趋势以及AI人才培养等内容。
Q：下面请蒋涛老师为我们分析下这份报告里传递了哪些关键信息，对于行业和开发者来说，存在哪些意义？
蒋涛：在本次报告中，我们分析出在 CSDN 超过 3000 万的注册开发者中，689 万开发者有阅读、撰写与研究 AI 技术行为，其中，精准聚焦 AI 学习及应用的开发者人数达到了 154 万。
从报告中我们看到，从2016年开始，AI应用开发者数量激增，主要是受到AlphaGo的影响。在2016-2018年，AI 发展进入高热期，包括人脸识别在内的大量技术的应用落地。
与此同时，我们也看到一些问题：很多企业只能实现基础的数字化应用，其中14%的企业无信息化。
这份报告的数据来源包含两部分：一部分是 AI 应用开发者，涵盖地区、年龄分布等；另一部分是他们所在的企业，这一部分数据来自于抽样调查。在这154万开发者中，北京占27万，广东占21万，上海、浙江紧随其后。另外，我们和脉脉一起围绕企业对人才的需求进行了调查，涵盖企业对人才的要求、需求变化。整体而言，报告的核心关注点是 AI 应用在未来落地状况。
扫描二维码，一键获得《中国AI应用开发者报告》
抗疫前线，AI应用落地大考
Q：在疫情中，企业如何通过 AI 技术和应用发挥价值？京东和来也科技有哪些具体的应用？
何晓冬：目前京东人工智能研究院覆盖计算机视觉、语音与声学、语义、对话、机器学习和知识图谱六大项技术。在推动这些技术发展的同时，我们更关心技术如何落地、如何在京东的各场景下帮助解决核心的业务和应用场景，提升我们的服务水平来更好地服务用户。
我们认为最核心的三个点是人才、场景和NeuHub人工智能平台。我们希望能打造起技术和场景相结合发展：例如，将人工智能技术和金融场景结合，使技术产生真正的价值。再将沉淀出来的新技术，通过开放的NeuHub人工智能平台，赋能或提供给第三方开发者，最后形成一个良好的开发生态，实现自我循环，持续推进技术和场景的结合和前进。
在疫情期间，我认为帮助最大的 AI 应用是协同办公工具。我用过包括京东内部研发的协同办公工具，这些工具基本带有一些 AI 应用，例如判断谁在说话。在未来，我希望协同办公能更加智能化，例如直接将在线会议的语音转换成会议记录、自动摘要形成会议纪要、自动提取 to-do list 并发送给相关人员。
京东在疫情中也做了很多工作，在物流上，我们通过京东物流将大批物资从广东运到了武汉，钟南山院士给京东物流写信：“感谢京东心系医疗援助一线，以最快的速度将急需医疗物资送达武汉。”
在 AI 上，我们也有很多值得分享的案例，例如京东无人车在武汉街头运送物资。下面介绍两个应用场景：
1、京东承建应急物资供应链管理平台，该智能平台通过商品的知识图谱技术、对用户真实意图的理解优化和计算来能迅速把口罩、呼吸机等医疗物资的提供方和需求方相匹配。
2、京东通过人机交互系统，来提供很多疫情的信息，完成居民信息的收集、整理、上报。
在抗疫战线里，除了武汉，偏远地区也急需抗疫信息和物资。京东除了通过 AI 技术匹配急缺物资外，通过京东通用智能对话平台来搭建疫情排查系统，帮助农场主快速了解农场员工和家属的情况，不用派人一个个去做调研排查，对减少交叉感染的概率起到很大作用。通过这次疫情，我们看到，很多偏远的、没有数字化普及的地方，存在大量的机会和需求。疫情不仅对 AI技术的考察，也是技术传播应用的机会。
胡一川：疫情期间有两个AI应用给我留下深刻印象：
一是人脸识别。由于疫情大家需要戴口罩，手机的人脸识别功能因此受到影响，给人们操作带来不便。我们看到，这类的 AI 技术已深入到人们生活的方方面面。
二是对话机器人。公司办公楼经常会有一些访客，人工给访客们办出入证较麻烦，来也科技的小伙伴研发出一个对话机器人，只要访客跟它说“帮我办一个出入证”，并告知姓名、日期等基本信息，机器人可自动绘制出入证图片并发给访客，提升人们生活和工作的便利性。
除此之外，来也科技为抗疫做出自己的贡献：
在社区防疫上，我们利用 RPA、语音外呼机器人，帮助社区自动化排查返京人员的身体情况，并将信息及时汇总和同步到系统。通过这些AI应用，为社区节省大量人力物力，社区只需要安排一两位工作人员监督机器人，然后由人自动化地完成工作。
在线教育上，大家的沟通需求和频次大量增加，我们提供响应的对话机器人，自动应答用户的问题，来提升应答效率。
Q：目前企业信息化的程度如何？科技公司有哪些 AI 产品来助力企业信息化？
蒋涛：阿里巴巴的曾鸣教授曾经提过，中国现在处在一个特殊的“三浪叠加”时期，即 1.0、2.0、3.0企业同时存在。1.0指传统手工作坊式的企业，2.0指工业化时代的企业，3.0指互联网时代的企业。实际上还有3.5的企业，即移动互联网时代的企业。
由于过去中国市场的空缺，每一“浪”的企业都有可以发挥的余地。但这次疫情对所有企业而言，均是一次强制升级，没有数字化的企业可能会发现自己的客户没了。
因此，这次疫情促使所有企业进行数字化升级，这为未来 AI 应用落地奠定了基础。AI 应用还需数据支持，只有交易、流程数字化，才能为 AI 应用落地提供保障。今年可能是 AI 应用开始的元年，大家围绕 AI 应用有很多可以展开的话题。
何晓冬：如今京东不仅在做 AI ，如今京东不仅在做 AI ，去年京东将 AI 和云及IoT三个品牌统一为京东智联云，并由京东云与AI总裁周伯文博士提出 “ABCDE”战略，即AI（人工智能）、Big Data（大数据）、Cloud（云计算）、Devices（IoT）和Exploration（前沿探索）。以云计算为底层基础架构，以大数据平台为基础平台，再结合 AI、IoT等技术来提升研发能效，通过信息安全基础，依托起在零售、物流、数字科技等场景的 AI 落地。另外，技术将从 2C 向 2B 扩展、从线上向线下扩展、联合实物和虚拟的处理，实现多场景覆盖。
例如，京东零售业务每天有上千万的活跃用户，在 6.18 等活动后会有大量用户找客服咨询，在这场景应用智能对话系统是必需的。目前我们实现每天用 AI 技术来接待数百万用户的需求。
在问询环节，我们加入一定的情感智能技术，可感受用户情绪，从而针对性地提供更好的服务。由于零售是个很长的链条，AI 技术可在售前、售中、售后、物流等各个环节提升效率、增强用户体验。
在京东对话系统中，对四川话等主要地方方言做到较好的识别。假如 AI 系统发现用户的焦急情绪，可通过语言进行了安抚。
除了售后应用之外，导购也是有意思的应用场景，例如售前如何吸引客户，让客户愿意购买东西？这需要应用 AI 的感知、语音识别、认知等能力。在这过程中，我们结合工单、商品系统和商品库等共同提升服务效果。
目前，京东对外提供的 AI 能力主要包括两个层次：
一是基础的层次，将基础的语音合成、语音识别、情感分析等 AI 能力作为 API 提供在开放平台，第三方可以通过调用 API 来使用。
二是京东提供整体的对话能力、呼叫中心等解决方案。例如智能服务平台“京小智”，向京东平台商家提供智能咨询与导购服务，如今它做为一个SaaS化的服务，让京东几十万商家可结合自己商品库的知识库，来做自己的商品销售支持，智能服务客户。
胡一川：来也科技专注在 RPA + AI 机器人领域，其核心产品主要是 RPA 和对话机器人。
在 RPA上，来也科技研发的机器人流程自动化平台UiBot，作为低代码的流程自动化编程工具，帮助广大开发者和业务人员开发属于自己的流程自动化机器人。目前UiBot应用于金融、电信、制造、零售等行业领域，并在财务、法务、供应链等业务场景有广泛的应用。通过 RPA 机器人，员工可以从基础流程化工作中释放出来，完成更有价值的工作。如此一来，企业的数字化系统能进一步被打通，为 AI 应用的落地提供了基础和保障。
同时我们在打造RPA+AI开发平台和解决方案。在来也科技研发实施的RPA流程中，包括 文字识别（OCR）、自然语言处理（NLP）、对话机器人（Chatbot）、计算机视觉（CV）等多种AI能力，用于处理企业中大量的非结构化数据。
给大家介绍来也科技的智能对话机器人平台——“吾来”，它的定位是低代码工具。提供对话机器人编程工具，能让开发者搭建起适合营销、客服、企业内部等业务的机器人。
目前，来也科技为各行各业提供RPA 流程自动化机器人和对话机器人的解决方案。我给大家分享几个应用案例：
在零售行业中，我们有一位有大型连锁药店的企业客户，它在全国有几千家门店，每个门店每天需要进行对账，在门店核对后，账本需要上传到区域和总部进行核算工作。由于门店较多，这个工作会耗时很久。因此，来也科技提供 RPA 机器人，可在几分钟之内下载银行流水，并完成对账。
在和国家电力系统合作中，我们发现电力系统工作人员的日常工作之一是巡检，他们需进入不同系统，去查看现场传感器传输回的数据。由于系统较多，涉及的操作极其复杂，巡检是一件耗时耗力的工作。我们提供 RPA 机器人来自动巡检，输出结果，这样的话工作人员只需查看和确认巡检结果，极大地释放了人力成本。
Q：未来三到十年，您看好哪些人工智能技术发展？
蒋涛：我认为未来变化最大的主要在两个方面：
一是无人驾驶。如今在城市里，我们建设起各高速公路，汽车普及应用后，经济社会迎来巨大变革。如果无人驾驶真的出现后，城市结构和人们的交通习惯将会发生变化。但是这个变化在短期仍难以发生，我们拭目以待它到来的那一天。我相信这变化带来的产值是巨大的，生产各种品牌汽车的厂家不再有太大的差别，而是变成类似联通一样的运营商。
二是AI的应用场景。如今的人机接口还有待发展，尽管语音是较好的交互接口，但像 Siri 这类的语音助手目前的理解力仍有限。不仅如此，很多机器人在较窄的领域里可理解人的语言，但当进入一个宽泛的领域，它们对语言的理解仍存在一定的困难。所以，这是需要长期发展的技术。
在短期来看，AI 垂直化的应用会得到很多发展，包括上文中何院长提到的智能客服机器人和一川总提到的流程自动化机器人。例如在酒店场景中，客户在房间里预订食物，硬件机器人可派送，这有效地节省人工成本。在未来3-5年内，将有越来越多类似的AI垂直化应用，在特定场景下有效地落地应用。
何晓冬：基于我过去十几年在研究人机对话与交互技术，我希望在这领域能有持续的技术突破。正如蒋总所言，人机对话是 AI 从技术理论到应用具有很高价值的领域。
在未来三到五年内，智能人机交互突破语言到视觉、手势、甚至到情绪的智能。多模态的智能人机交互应该会有较大的应用，逐渐会在一些垂直产品做突破。
在未来五到十年内，如果人机交互有所突破，将会带来下一代计算机产业升级，就像我们从键盘到鼠标，再到触摸屏这些操作习惯的改变，每次都带来万亿级别的产业升级。
目前智能音箱只是个尝试，如果未来实现万物互联，并且是有智慧的互联，那么未来的应用场景可能会完全不一样。
最近京东在多模态人机交互上做了很多尝试，这要感谢在过去五到十年深度学习技术的发展。以往大家是基于一个独立的模态来做，如语音识别就只做语音，机器翻译就只做文本部分，图像和人脸识别的只做视觉。基于近几年来的技术突破，如今可实现跨模态的人机交互。例如服务机器人不但可以运东西，还能听懂你的话。
当你和它说：“请到楼的另一头把牛奶拿过来。”它通过摄像头开始到处看，并识别走廊尽头、厨房、冰箱等，最终找出牛奶并运送给你。这就是升级的多模态人机交互。
疫情期间，京东研发出人脸识别筛查系统、智能温感筛查系统、无人送货车等，以及刚才说的智能客服，均是这领域技术的探索结果，未来我们将持续推进研究脚步。
胡一川：来也科技主要提供基于 RPA 和 AI 技术的软件机器人，因此我主要从这方向进行判断。
如今，来也科技是在帮助企业提供数字化的劳动力。所以我认为，未来的企业不仅要雇佣真人员工，还需雇佣数字化员工。
在未来三到五年，RPA 将从纯粹的流程自动化演进到认知的自动化，即从如今只会简单重复、基于规则的操作，未来发展为可做认知、判断、决策等操作。
如今企业员工每天需要处理大量的非结构化数据，如在钉钉和微信接受消息、收到邮件、合同、文档等。目前的 RPA 机器人是无法单独理解这些数据的，在未来三到五年，这些都会被快速应用到 RPA + AI 的场景中去。
在未来五到十年，一个大的趋势是企业里数字化的劳动力或机器人会越来越多。目前我们看到，拥有上万名员工的企业已部署上几十甚至上百个机器人，我相信未来这个数字还会不断提升。可能会出现机器人员工的数量可能会超过真人员工的数量。
到了那个时候，我们要解决机器人之间的协同问题，这些机器人可能是不同类型的，有 RPA 机器人、对话机器人，或是其他形态的机器人。此外，人们如何管理机器人也亟待解决的。随之而来的是社会经济将发生极大改变，会有更多数字化劳动力为社会创造财富。
AI 浪潮下，大中小企业何去何从？
Q：对想抓住 AI 大潮的企业有哪些建议？
蒋涛：AI 时代是偏向大企业发展：一是 AI 人才非常昂贵，小企业养不起，传统企业不一定能用好，因此对于大公司，特别是有技术实力的大公司是非常有利的时代。
二是 AI 技术需要大量的数据，除了人才以外，还有数据和场景。互联网的数据基本掌握在大公司手上，这会形成马太效应，掌握得越多，效能越好。例如何院长提到的智能客服，它的客服量越大，技能水平就越高，这对公司是有益的。
与此同时，我们看到在产业互联网上存在机遇，线下企业、传统企业是有很大潜力。如今投资界里最强的高瓴资本在投资各行业的头部公司，例如格林电器、百丽等，它通过帮助这些企业进行数字化改造来获得红利。这些企业在第一浪工业化革命时代领先，但在数字化时代没有领先，所以它们还是有很大的潜力和机会来将自己的业务数字化。
对于开发类企业的机会，则是全面往行业里发力。这一点并不太容易，在移动时代，还没有出现安卓和 iOS 前，尽管我们说3G时代来临，但3G门户上市后并没有抓到最大的机会。在 AI 时代，我们需要一个类似京东、百度、腾讯、阿里等的 AI 平台，释放 AI 能力，这样应用开发商基于这些 AI 能力再去做应用。
所以企业必须在具体的场景里扎得非常深，才能做到巨头没有做的事情。这些领域有很多空间可以做，但行业演变得非常快。从互联网的发展我们发现，第一波会出来一些大公司，但每一波都存在机会，因为技术演变会不断带来新的场景和应用形态，如今是应用开发商的机会。
当下，AI 时代的大幕才刚刚开始，虽然 AI 从 16年有所爆发，但如今才真正进入应用和落地的时代。
胡一川：如今人工智能的算法和模型已逐渐平民化，无论是大企业还是小企业都能够获得AI的能力。
对于今天的中小企业而言， AI 落地需在自己的业务场景中找到 AI 可以发挥价值的点，所以企业需要 AI 开发者或具备AI 产品经理思维的员工。
在过去，这种人是不存在的，因为传统的产品经理负责做用户交互设计界面的设计等工作，如今 AI 产品经理需要一定的数据驱动的思维，当需要用 AI 解决一个业务问题时，他需要判断，目前 AI 能不能解决这问题？如果可以，需要从哪里获得数据？获得的数据是否有标注？如果没有标注，如何高效地标注它？训练的 AI 模型上线后，能否形成所谓的数据闭环？在不断变化的环境中，如何持续地获取线上数据来优化增强模型？
在中小企业中，要让 AI 落地，算法不是最关键的，这一系列工作才是最关键的。如今大公司、开发者、开源社区已把这些算法、模型和基础框架都做得非常好，小公司更多应思考自己的业务如何和 AI 结合。
未来 AI 的落地应是自上而下和自下而上相结合。在过去，尤其在大企业里，AI 落地是自上而下的，往往领导层说要推动智能化，下面才开始动起来，但可能无法得到真正来自一线的需求，所以有时候是为了智能化而智能化。
如果能将自上而下和自下而上结合起来，就能取得更好的效果，也就是一线的业务人员和业务部门想办法通过 AI 来解决业务问题，在取得较好的效果后，往公司推广。
我们使用 RPA + AI 产品来服务企业时发现，有的企业是一个部门的业务人员使用 RPA 机器人解决完工作的痛点后，逐渐推广到整个部门，甚至是整个公司。这种方式风险相对较小，且更多地发动员工的集体智慧，因此这也是未来企业 AI 落地的发展趋势。
何晓冬：中小企业在 AI 落地上有优势也有劣势。正如两位提到，如果从基础的算法开发和创新来说，中小企业不一定愿意投入更多。它们的优势更多在于，对于某个业务场景理解特别好，对相关算法的理解也到位，所以能了解在当前最新的技术中，哪些已经成熟，可以用来解决这个问题；哪些还不成熟，需要加一些人工辅助和其他方式来完成。
通过企业对场景的深度理解， AI 能力变成一个工具库，例如京东提供的各类 API。虽然京东提供很多技术“武器”，但京东并不是真正的使用者，中小企业需知道如何真正使用它们，将“武器”和资源整合起来解决问题、创造价值，这是很多小企业大有可为的地方。
中小企业的人才不仅要理解业务，还需了解最新的 AI 技术进展，根据不同技术和场景的理解，使用相应的技术。
对于京东、Google等大企业而言，需大力发展社区和各类社区合作，以此促进生态发展，例如通过课程公开 AI 能力，培训开发者等。
我认为 AI 生态建设的过程是件双赢的事：对于小公司，通过了解这些技术来解决场景问题；对于大公司，通过建设平台建立更好的生态，某种程度上这对大公司发展的护城河和大公司的长远发展是有好处的。
AI工程师：关注前沿模型发展，着眼落地
Q：对希望从事AI技术的开发者有哪些建议？
何晓冬：对于 AI 开发者，需要注意 AI 领域的两个特点，即两个快。
一是 AI 技术本身发展非常快，短短十年，从深度学习崛起，再到2016年AlphaGo的崛起，神经网络已增加好多层。二是从 AI 理论的发展到落地应用也非常迅速，往往在最新的学术会议上推出的人脸识别模型，可能在三个月后就出现在厂家的应用。最前沿的企业往往离最前沿的理论很近，或者说转化很快。因此，有志于 AI 领域的工程师需两条腿走路：一是追踪最前沿模型的进展，二是着眼于实战和落地情况。
对于人机交互或者说人机对话方向，我们已到十字路口，看到多模态以及加入知识和情感驱动的人机交互的发展。这是我关注的研究方向。
当下我的阅读渠道是通过学术会议和期刊来获取前沿知识。另外，我也关注一些比较硬核的开发者社区，如 CSDN、京东智领云，大家在社区会分享一些实际的例子。
胡一川：如今要把一个 AI 模型和算法在业务里成功落地，须考虑工程化。因此既懂得算法，又懂系统、拥有工程能力的开发者更具有竞争力。另外，具备 AI 产品经理思维能帮助企业探索 AI 如何落地，落地后能带来什么价值，助力形成正向反馈。
正如何老师提到的，开发者的社区生态我也非常值得关注，目前我们做的任何开发工作都离不开社区，好的产品和服务也离不开社区。作为开发者，要关注社区最新的进展，并进入社区，主动和社区用户交流，吸收前沿知识。
我认为未来开发者的群体会不断扩大。以往开发者是会Java、Python、Go以及其他硬核的编程语言。但未来的趋势是低代码或零代码，可能越来越多非计算机科班出身，不一定懂操作系统和C语言的开发者也能利用低代码工具进行开发，这个趋势值得关注。
蒋涛：未来AI 人才金字塔由四类人员组成：一是学术研究人员，二是将理论研究工程化落地的工程师，三是AI应用开发者，四是无代码编程者。要想AI应用蓬勃发展，需大力发展第三类开发者。
我自己也属于第四类，原来我是商业人士，或者说产品经理，但这类人需要具备 AI 的思维或是算法的思维，了解在有数据、场景和流程的情况下怎么更好地利用技术，这是未来三到五年内可能会有较大的发展空间。
在未来几年，技术很难有特别突破性的进展，因此这是应用落地最大的机会。GPS 定位最早应用在手机时，大家不知道它还有什么应用，如今可应用在滴滴打车里。滴滴的几位创始人是产品加运营出身，这就是一个好的例子。在 AI 时代，更多的是需要张一鸣这样的人来用推荐算法改造信息产业。
在这个时代主要有两条线的竞争，一是平台级的公司，例如何老师的公司，它把自己的技术做成平台，作为行业领先性的应用。
第二条线是像滴滴那样的，它结合实际业务的应用来落地。在这条线上的应用需要对产业和业务理解很深。CSDN上的一些课程帮助大家先找到适合自己的应用，再看哪些技术能用，我们希望大家可以自己学会用武器来造东西。因此我最关注的是，我们找到能讲应用落地的老师和课程来合作，给大家讲知识谱图等技术如何落地。
我们更多应该学习的不是Python编程，而是Python编程思维，相信这样能给公司带来很大改变。我们需要这方面的课程，希望更多人加入我们，共同促进 AI 应用落地，让非 IT 人士具备 AI 思维。
还想听更多大咖分享？「大咖来了」第二期约定你！
5 月 26 日 20:00，我们邀请到涛思数据创始人陶建辉和同样富有创业、投资经验的程序员顶级男神、CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛一起共话技术人创业那些事儿。
扫描二维码
免费参与+抽取奖品+与大牛交流
加下方小助手好友，回复“大咖”，进直播群，有奖提问！