2019 年的 AI 行業(yè)不再像往日那樣狂熱。一方面 AI 應用進(jìn)入深水區，深入細分領(lǐng)域和場(chǎng)景的產(chǎn)品落地難，而另一方面大量企業(yè)面臨融資壓力，投資人也更加謹慎理性。這樣的大背景下，一家不是科技巨頭，也不是 AI 獨角獸的通訊企業(yè)卻把 AI 解決方案搞得有聲有色。他們是怎么做的？

　　2019 年，AI 行業(yè)的關(guān)鍵詞不再是「銳意進(jìn)取」，而是「大浪淘沙」。

　　大量 AI 公司開(kāi)始重新思考商業(yè)邏輯的合理性，而投資者也變得理性而謹慎。泥沙俱下的商業(yè)環(huán)境里，什么公司才能在這個(gè) AI 的下半場(chǎng)贏(yíng)得漂亮？

　　你可能會(huì )想到應用生態(tài)完善，有著(zhù)雄厚技術(shù)實(shí)力的科技巨頭。你也可能會(huì )想到一路高歌猛進(jìn)，風(fēng)頭無(wú)量的 AI 獨角獸。而在通訊領(lǐng)域，卻有這么一家深耕行業(yè)產(chǎn)品與解決方案多年，直到 2017 年才開(kāi)始進(jìn)入 AI 領(lǐng)域的公司，率先提倡并踐行「通訊+AI」并在去年完成了 D 輪融資。

　　這家通訊企業(yè)的名字，叫做容聯(lián)。

　　企業(yè)通訊是一個(gè)發(fā)展了多年的行業(yè)，主要向企業(yè)客戶(hù)提供通訊領(lǐng)域的服務(wù)和解決方案，如通訊服務(wù)（短信、語(yǔ)音、音視頻等）、呼叫中心、客服、遠程會(huì )議等。在早期階段，企業(yè)主要向客戶(hù)提供硬件設備設施，如光纖、服務(wù)器等，幫助客戶(hù)建立通訊網(wǎng)絡(luò )。

　　在互聯(lián)網(wǎng)和云計算興起后，上云成為主流。客戶(hù)不再需要購買(mǎi)昂貴的硬件設備，而是從專(zhuān)業(yè)的服務(wù)商中購買(mǎi)云服務(wù)來(lái)解決通訊問(wèn)題。

　　在這兩年，云計算服務(wù)已日臻成熟。怎樣從成熟領(lǐng)域挖掘新的業(yè)務(wù)增長(cháng)點(diǎn)呢？從市場(chǎng)來(lái)看，許多客戶(hù)有了細分的需求。這些需求中，無(wú)疑蘊藏著(zhù) AI 應用落地的可能性。

　　例如，客戶(hù)們普遍面臨降低通訊成本，提升效率的問(wèn)題。以呼叫中心為例，高達 90% 的成本都需要投入在人力上——很多公司都需要維持龐大的客服團隊，保證客服們不斷接聽(tīng)詢(xún)問(wèn)、查詢(xún)和投訴。在一些大型的金融機構中，客服團隊的規模高達上千人。

　　同時(shí)，很多解決方案中亟待加入智能化輔助手段。比如說(shuō)，很多企業(yè)的人工客服面臨培訓時(shí)間長(cháng)，難以回應復雜而專(zhuān)業(yè)的問(wèn)題。由于企業(yè)在業(yè)務(wù)增長(cháng)的同時(shí)也面對查詢(xún)、投訴量的陡增。此時(shí)花大價(jià)錢(qián)、加大力度進(jìn)行客服培訓，實(shí)際效果可能還要打折扣。這時(shí)候就需要一定的智能技術(shù)，輔助提升客服效率。

　　另一方面，在許多場(chǎng)景下，許多通訊解決方案都在走向智能化。例如，營(yíng)銷(xiāo)不再是向大量的客戶(hù)進(jìn)行無(wú)差別式的「騷擾」，而是在大數據分析的基礎上，針對不同的客戶(hù)群體進(jìn)行精準的營(yíng)銷(xiāo)。

　　還有一個(gè)例子是：工業(yè)園區和制造廠(chǎng)房的視頻監控系統，也需要加入更多智能化方法，對員工操作、生產(chǎn)線(xiàn)控制等方面進(jìn)行智能化分析和管理。這些都需要大規模智能化的系統進(jìn)行計算、協(xié)調、管理和調度，僅靠人力進(jìn)行較為困難。

　　這些細分領(lǐng)域涌現的新需求，為 AI 應用提供了可能。在這一過(guò)程中，容聯(lián)總結出了一套成熟的方法論，用來(lái)判斷能不能用 AI，怎樣用 AI。

　　AI 是否能夠真正應用呢？容聯(lián)認為，判斷 AI 能否應用需要經(jīng)過(guò)三輪分析，即：1）能不能用；2）好不好用；3）行業(yè)發(fā)展形態(tài)。

　　首先，AI 在一些細分需求上可用，但在另一些需求上是不可行的。例如，同樣是客服應用，一些呼叫中心就可以使用 AI 技術(shù)，如知識庫、語(yǔ)音轉文字等技術(shù)，幫助人工客服快速定位搜索結果，加快回復速度并提升準確性。而一些依賴(lài)專(zhuān)業(yè)銷(xiāo)售話(huà)術(shù)的客服場(chǎng)景中，使用 AI 就不能像人工客服那樣，通過(guò)從業(yè)經(jīng)驗和手段提升客戶(hù)轉化率了。

　　其次，AI 好不好用也是一個(gè)重要的問(wèn)題。很多 AI 應用可以做到完成任務(wù)，但在實(shí)際使用中的效果并不令人滿(mǎn)意。例如，在外呼場(chǎng)景中，AI 已經(jīng)可以快速向多個(gè)目標用戶(hù)進(jìn)行呼叫，但機械式的方式讓客戶(hù)感到不適。類(lèi)似的案例還有使用 AI 進(jìn)行電話(huà)回訪(fǎng)。由于技術(shù)的不成熟，回訪(fǎng)收集的數據質(zhì)量很差。

　　而且，AI 在某一行業(yè)的應用程度和該行業(yè)的發(fā)展密切相關(guān)。AI 依賴(lài)質(zhì)量高、數量龐大的數據來(lái)提升性能。因此，在一些數據管理較好，有良好 IT 技術(shù)的行業(yè)，如金融業(yè)，AI 就可能會(huì )有更好的發(fā)展。另外，一些行業(yè)發(fā)展得還不夠完善，客戶(hù)對于新技術(shù)的接受程度不夠高，客戶(hù)沒(méi)有相對充足的資金支持新技術(shù)的落地等因素，都會(huì )阻礙 AI 的應用落地。

　　從這些角度來(lái)看，AI 的應用范圍并不是無(wú)限的。在通訊行業(yè)中，AI 應用落地取決于場(chǎng)景，可以使用 AI 進(jìn)行輔助的產(chǎn)品，如呼叫中心、智能客服、精準營(yíng)銷(xiāo)、智能制造中的視頻監控等。從行業(yè)來(lái)看，有著(zhù)較好的 IT 基礎設施、良好的數據積累和管理、資金較為充裕的行業(yè)、對技術(shù)接受度更高的行業(yè)，如金融、能源石化、電商等領(lǐng)域更容易落地 AI。

　　我們知道，在通訊領(lǐng)域，AI 更多的是切入細分的場(chǎng)景中。有些是在已有解決方案上的智能化，而另一些則是需要 AI 參與輔助的場(chǎng)景。最后，如果不同的場(chǎng)景和應用都需要復用同樣的 AI 模型，平臺化是否是一個(gè)效率更高的選擇？

　　容聯(lián)的 AI 產(chǎn)品發(fā)展就遵循了以上三個(gè)思路，分別分為：AI 智能化應用、AI 智能化改造，以及 AI 中臺。這三種產(chǎn)品形態(tài)上，可以看到容聯(lián)以機器人、知識、AI 為中心，AI 平臺為基礎的整體產(chǎn)品架構。

　　容聯(lián)的產(chǎn)品矩陣。

　　AI 智能化應用是根據客戶(hù)新需求——如為人工客服增加 AI 輔助、采用 AI 進(jìn)行精準營(yíng)銷(xiāo)、在視頻監控系統中增加 AI 檢測等產(chǎn)生的新應用。它們主要切入業(yè)務(wù)流程中可以被智能化的環(huán)節。

　　例如，有一種語(yǔ)音導航方面的應用。過(guò)去在電話(huà)客服中，我們經(jīng)常會(huì )聽(tīng)到「普通話(huà)服務(wù)請按 1」這樣的引導語(yǔ)音，往往需要需要進(jìn)行多次選擇。這一場(chǎng)景中所對應的是 AI 語(yǔ)音引導應用。在接聽(tīng)電話(huà)后，用戶(hù)可以直接說(shuō)出自己需要辦理的業(yè)務(wù)（如說(shuō)出「辦稅」、「退款」等類(lèi)似的字眼），AI 就可以幫助跳轉到合適的人工客服。從而減少客戶(hù)的等待時(shí)間，加快處理速度。

　　當這些應用可以走向市場(chǎng)后，客戶(hù)可以將這些應用和自身已有的產(chǎn)品進(jìn)行打通，從而實(shí)現部分業(yè)務(wù)流程的智能化。

　　除了智能化應用外，另一種更加龐大和系統化的產(chǎn)品形態(tài)是 AI 智能化改造。

　　由于通訊行業(yè)有著(zhù) 3 到 5 年的技術(shù)迭代周期。當客戶(hù)需要采用新的解決方案的時(shí)候，可以通過(guò)一體化改造的方式，將整體的應用方案全部進(jìn)行智能化改造，具體而言，這時(shí)候向客戶(hù)提供的解決方案會(huì )包含一攬子的智能化應用和服務(wù)。客戶(hù)采用了新的解決方案后，可以無(wú)縫地將數據遷移到新方案上，這一過(guò)程無(wú)感，但系統整體的效率大大提升。

　　最后一種產(chǎn)品被稱(chēng)為 AI 中臺。和云平臺類(lèi)似，容聯(lián)的 AI 中臺提供一個(gè)智能化平臺，其中集成了過(guò)去開(kāi)發(fā)過(guò)的 AI 技術(shù)、模型、應用等。通過(guò)提供給頭部大客戶(hù)，AI 中臺支持客戶(hù)在已有的 AI 基礎能力上開(kāi)發(fā)相關(guān)的服務(wù)應用。這一中臺也提高了容聯(lián)云在技術(shù)研發(fā)上的效率，避免重復開(kāi)發(fā)和浪費。

　　例如，很多 AI 應用需要一系列的底層技術(shù)支持。例如智能客服可能需要語(yǔ)音識別、語(yǔ)音合成、自然語(yǔ)言處理、知識圖譜等一系列 AI 相關(guān)的技術(shù)。如果某個(gè)企業(yè)想要實(shí)現 AI 應用，在沒(méi)有 AI 平臺的情況下可能需要全部研究一遍，投入成本高。在 AI 中臺的幫助下，開(kāi)發(fā)相關(guān)領(lǐng)域的應用會(huì )更加簡(jiǎn)單方便。

　　目前，容聯(lián)已形成了完整的 AI 產(chǎn)品體系，名為「三中心一平臺」。三中心指的是：機器人為中心、AI 為中心和知識為中心。這三個(gè)中心可以主要滿(mǎn)足各個(gè)細分領(lǐng)域的實(shí)際需求。而一平臺則是 AI 中臺，主要提供基礎的智能化能力。

　　怎樣做好 AI 產(chǎn)品？算法的性能是一方面因素，為什么很多實(shí)驗室中的優(yōu)秀算法無(wú)法落地呢？容聯(lián)認為，AI 的算法固然重要，但是在業(yè)界進(jìn)行落地的過(guò)程中還需要考慮很多因素。這些因素才是決定 AI 應用是否成功的關(guān)鍵。

　　在 AI 算法的研究上，容聯(lián)采用了和高校合作的方式。企業(yè)本身并不追求極致的實(shí)驗室性能，而是將重點(diǎn)放在有技術(shù)潛力，能夠快速實(shí)現應用的領(lǐng)域。而理論、模型等方面的探索性研究則通過(guò)聯(lián)合實(shí)驗室的方式進(jìn)行。

　　例如，在研發(fā)哪些 AI 技術(shù)方面，容聯(lián)就進(jìn)行了選擇。在 2017 年進(jìn)入 AI 的時(shí)候，團隊研判，在通訊領(lǐng)域較為重要的 AI 技術(shù)包括語(yǔ)音和語(yǔ)義兩方面。但是，在語(yǔ)音技術(shù)上已有很多成熟的產(chǎn)品，許多實(shí)力強勁的科技巨頭也在參與，因此團隊沒(méi)有投入太多。

　　而在包括自然語(yǔ)言處理和知識圖譜等語(yǔ)義理解的技術(shù)上，團隊看到了這些技術(shù)對于拓展后續的產(chǎn)品線(xiàn)的作用。比如說(shuō)，完成了語(yǔ)義理解的研究后，團隊可以帶著(zhù)相關(guān)的經(jīng)驗繼續投入到知識圖譜，進(jìn)而拓展至知識整理和知識分類(lèi)。這些技術(shù)都可以應用在客服、企業(yè)知識庫、智慧營(yíng)銷(xiāo)等場(chǎng)景下。因此他們在這一領(lǐng)域投入更多。

　　但是，學(xué)術(shù)性的研究則通過(guò)和高校的合作進(jìn)行。2018 年，容聯(lián)和華中科技大學(xué)成立了聯(lián)合實(shí)驗室，共同研究個(gè)性化推薦、情感計算、認知計算方面的學(xué)術(shù)成果。這樣的產(chǎn)學(xué)研合作降低了企業(yè)獨自研發(fā)的投入成本，同時(shí)能夠吸收先進(jìn)的學(xué)術(shù)成果。

　　數據是阻礙 AI 應用落地的一大障礙。缺乏數據往往會(huì )導致 AI 的性能達不到要求。

　　對于這一問(wèn)題，容聯(lián)一般采用三種方法解決。首先，從公開(kāi)渠道獲取開(kāi)源數據集，例如在文本數據方面，可以使用維基百科數據集。其次就是使用標注公司提供的數據。最后，由于多年的行業(yè)積累，很多頭部客戶(hù)已有類(lèi)似規則庫、知識庫方面的數據，也可以靈活使用。

　　在數據方面，容聯(lián)認為，有著(zhù)多年行業(yè)積累，對于數據的理解也會(huì )更深刻。例如，在智能制造領(lǐng)域，有一種 AI 應用便是針對生產(chǎn)線(xiàn)上的工人進(jìn)行監控。很多通用的計算機視覺(jué)算法會(huì )先在公開(kāi)的通用數據集（往往有上萬(wàn)甚至更多圖像）上進(jìn)行訓練，然后再進(jìn)一步進(jìn)行模型微調。實(shí)際上，有從業(yè)經(jīng)驗的團隊會(huì )知道，這是一個(gè)封閉的場(chǎng)景，實(shí)際上可能只需要 5000 多的場(chǎng)景內圖像，加上工程化技術(shù)便可以達到很高的準確率，使用開(kāi)放數據集反而效果不佳。

　　那么，在評估 AI 能力的時(shí)候應該采用什么樣的標準？容聯(lián)透露說(shuō)，在不同的 AI 應用上，測評的方法也有所差別，主要需要看不同場(chǎng)景的應用。例如，在語(yǔ)音客服中，就有一個(gè)公式，需要結合計算「單路通話(huà)的通過(guò)率」和「語(yǔ)音識別準確率」兩個(gè)指標，綜合計算后再評測結果。

　　在問(wèn)答機器人上則會(huì )采用劇本測試的方法。比如，在信用卡發(fā)卡客服應用上，測試團隊會(huì )根據該場(chǎng)景中可能出現的用戶(hù)交互問(wèn)題等整理出一個(gè)劇本。這一劇本需要覆蓋 80% 以上的情景。之后再請測試人員根據劇本進(jìn)行測試。在測試中，很少出現測試人員會(huì )脫離劇本「調戲」AI 的情況。

　　此外，AI 應用必須重視工程能力，用于在算法性能不足的情況下彌補。在工具和開(kāi)發(fā)框架的使用上，容聯(lián)在研究中采用 PyTorch，在實(shí)際生產(chǎn)中采用 TensorFlow 等。

　　雖然 AI 熱度不減，但是容聯(lián)在進(jìn)行 AI 產(chǎn)品的開(kāi)發(fā)方面顯得非常務(wù)實(shí)。在團隊看來(lái)，AI 應用應當符合商業(yè)邏輯。

　　很多時(shí)候，客戶(hù)的痛點(diǎn)無(wú)法用 AI 解決，但 AI 的研發(fā)卻是一個(gè)燒錢(qián)的工作。在實(shí)際應用中，如果 AI 應用所減少的成本和效率提升并不足以彌補開(kāi)發(fā)投入，這就使得很多公司望而卻步。

　　比如說(shuō)，通訊領(lǐng)域可以使用的 AI，如客服和營(yíng)銷(xiāo)等，真正需要解決的是生產(chǎn)問(wèn)題，如客戶(hù)通過(guò) AI 得到的客戶(hù)轉換率的提升，而很多時(shí)候 AI 并不能解決這些問(wèn)題。例如，一個(gè)人類(lèi)客服通過(guò)自身的能力，每日工作只有八小時(shí)，但可以帶來(lái)的一定催收轉化率。而 AI 替代后，盡管能夠不間斷二十四小時(shí)工作，但是由于本身的能力問(wèn)題，反而可能導致轉化率的嚴重下滑。這就需要開(kāi)發(fā) AI 產(chǎn)品時(shí)充分了解客戶(hù)需要解決的實(shí)際問(wèn)題。

　　同時(shí)，AI 產(chǎn)品的研發(fā)成本目前依然高企。盡管大型企業(yè)和頭部客戶(hù)有一定的資金和動(dòng)力，采用 AI 產(chǎn)品進(jìn)一步降低成本，但大量的中小企業(yè)對此缺乏動(dòng)力。例如，一個(gè)公司本身只有幾十人的情況下，采用 AI 無(wú)疑是「殺雞用牛刀」，不具有規模效應。因此，容聯(lián)的 AI 產(chǎn)品也多面向大型客戶(hù)。

　　那么，AI 究竟起到了什么作用？怎樣看待 AI 實(shí)際上的商業(yè)價(jià)值？容聯(lián)認為，目前采用 AI 的一個(gè)重要原因是要解決市場(chǎng)準入問(wèn)題。

　　由于現在有「智能化」、「AI」的產(chǎn)品和企業(yè)非常多，因此很多公司的產(chǎn)品如果沒(méi)有「AI」這一功能。往往會(huì )被企業(yè)拒之門(mén)外。矛盾的一點(diǎn)在于，如果投入很大成本研發(fā)，而最終效果并不理想，使得企業(yè)沒(méi)有使用的動(dòng)力，投入大量成本研發(fā)的 AI 就相當于被浪費掉了。

　　因此，想要兼有 AI 的能力，同時(shí)還要讓企業(yè)真正去使用、用得好，脫離行業(yè)發(fā)展孤立去看 AI 是行不通的。這也是為什么容聯(lián)依托在行業(yè)內的多年發(fā)展，從現有的市場(chǎng)中分析需求，基于已有的產(chǎn)品和方案發(fā)展 AI 產(chǎn)品的重要原因。

　　當前，AI 行業(yè)競爭非常激烈。前有科技巨頭的高歌猛進(jìn)，后有 AI 獨角獸的圍追堵截。但即使是不同企業(yè)的 AI 應用，在技術(shù)上都沒(méi)有和對手拉開(kāi)代差。這時(shí)候，只有洞悉行業(yè)發(fā)展態(tài)勢，深刻理解行業(yè)需求的企業(yè)才更具有優(yōu)勢。

　　首先，對于通訊行業(yè)的了解使得容聯(lián)在開(kāi)發(fā)相關(guān)的 AI 應用時(shí)能夠和自身已有的產(chǎn)品和解決方案結合，實(shí)現打包式的 AI 服務(wù)。通訊服務(wù)解決方案是一個(gè)復雜的問(wèn)題，除了向客戶(hù)提供 AI 能力之外，通訊服務(wù)商往往還需要解決各個(gè)通訊網(wǎng)絡(luò )、硬件、軟件方面技術(shù)兼容和數據互通的問(wèn)題。

　　在這種情況下，客戶(hù)更希望的產(chǎn)品往往是產(chǎn)品+AI，而不是 AI+產(chǎn)品。雖然 AI 是為客戶(hù)提供的方案中的亮點(diǎn)，但這并不是全部。AI 產(chǎn)品的關(guān)鍵在于 AI 和產(chǎn)品內的各個(gè)環(huán)節和方法充分打通，向客戶(hù)打包提供智能化的綜合解決方案。這樣一來(lái)，僅提供 AI 能力接口往往并不能滿(mǎn)足需求。

　　此外，不熟悉行業(yè)邏輯和方法的企業(yè)在推進(jìn) AI 能力和行業(yè)場(chǎng)景結合的過(guò)程中可能也會(huì )遇到問(wèn)題。例如，通訊產(chǎn)品往往需要對多種硬件、接口和數據格式進(jìn)行適應和兼容。很多時(shí)候需要兼容的版本十分老舊，沒(méi)有行業(yè)從業(yè)經(jīng)驗很難進(jìn)入。這樣一來(lái)，依托現有的成熟產(chǎn)品進(jìn)行 AI 的擴展和改造就顯得更加快捷而成本低廉。這些都是容聯(lián)在通訊領(lǐng)域內，依托已有基礎、穩步發(fā)展 AI 的優(yōu)勢所在。