猎云网注：百度不断丰富其AI商业化落地标准：要有好的前景，有商业模式，还要有产品，最后看账期。只有同时具备这四个条件，才是一门“可持续的生意”。文章来源：蓝洞商业（ID：value_creation），作者：郭朝飞。

生存还是毁灭，这是个问题。如果再加上“人工智能之于人类”这个前提，答案更加难以琢磨。

但在李彦宏眼里，毁灭？不存在的。人工智能会让人“永生”，未来每一个普通人都可以做到精神永存、灵魂永存。

是的，你当然没有看错。这看似一个玄学论断，但其解释其实很理工男。

“每一个人说的每一句话、干的每一件事，甚至你的记忆、你的情感、你的意识等都可以数字化地存储，放在网盘或其他云端，你的思维方式可以被机器学习出来，遇到新问题，通过技术进行现实还原，就可以与后人进行跨越时空的对话。”

把人工智能放在商业领域，对于在移动时代走过弯路的百度来说，是一个不可错失的机会。几年前，李彦宏就说，希望未来百度是一家人工智能公司，而不是互联网公司。

为了加速百度AI产业智能商业化落地，过去的一年多，李彦宏在战略、组织、人事方面几番调整。

2018年12月，智能云事业部（ACU）升级为智能云事业群组（ACG），同时承载AI to B和云业务的发展。2019年5月，王海峰晋升百度CTO；9月百度智能云与CTO体系融合，百度智能云团队向王海峰汇报。

在王海峰看来，人工智能技术发展日趋成熟，呈现出很强的通用性，以及标准化、自动化和模块化的工业大生产特征，具备了深入赋能各行各业的能力。人工智能会像机械技术、电气技术一样，持续渗透和变革人们生产生活的方方面面，人工智能正在成为科技革命和产业变革的核心驱动力量。

2020年5月18日，王海峰公布百度智能云新的业务架构，包括三层：底层的百度大脑，通用的基础云平台、AI中台、知识中台等中间层，面向各行业的智能应用和解决方案。百度智能云的战略是以云计算为基础，以人工智能为抓手，重点布局智慧金融、智能客服、智慧医疗、智慧城市四大赛道。

20岁的百度能否抓住机会？

走过弯路

2017年前后，百度发现在搜索与百度商业系统内积累的AI技术，比如机器视觉、语音、自然语言处理等在其他行业有了点状应用，AI有可能大规模“卖钱”。

基于自身积累，百度将AI与云结合，通过云输出AI能力，这也是其与阿里云、腾讯云等对手的最大差别。

李硕是百度智能云副总经理、智慧金融事业部总经理，在他的印象中，2017年几乎没怎么在办公室呆过，不是在研究行业的路上，就是跟不同企业聊如何看待AI、怎么让AI落地。

“不得不承认，当时大家对人工智能真正关心的，是新技术能否解决业务中的问题。”李硕向「蓝洞商业」回忆。

甚至对于AI以及产业化，百度内部也有不同声音：上世纪90年代，人工智能有过低潮期，这一轮能持续多久，会不会再次陷入低谷？百度AI产业化应该从哪里入手？做什么？不做什么？

李硕坦承，当时没有精确的规划，哪一步该往哪里走更需要随机应变。他跟李彦宏长谈过一次，不确定性很大，也做了一些预判，李彦宏态度明确，“大胆尝试”。

百度也确实走过不少弯路。

2017年年初，百度落地机器人语音对话技术，在企业的呼叫中心有呼入、呼出两大类。经过分析，百度认为，呼入是服务类场景，呼出是营销类场景，任何一家企业都渴望获得更多客户，呼出一定比呼入更有市场空间。

中国联通，是百度智能云的第一个标杆大客户。为了落地机器人语音服务，百度工程师赶到联通天津呼叫中心，驻场一个多月。白天与联通话务人员一起工作，晚上住快捷酒店，最后愣是成了酒店的白金卡会员。

时间长了，百度工程师发现，呼出相对复杂，基础条件不具备，一些场景无法落地。呼入客户需求和痛点明显，比如高峰期或者话务人员下班后，电话很难打通，很多问题和诉求也类似，更利于机器代替人工。

此外，在一些企业的呼出场景中，打出的电话有可能是骚扰，甚至诈骗。

2017年秋天，百度决定暂时停掉呼出，只做呼入。内部有人反对，呼出比呼入赚钱多，停掉就可能失去一个巨大的行业机会。李硕也纠结过，最后下定决心，暂时不碰呼出。如今回头看，这不失为一个明智的选择，呼出经历了行业乱象，目前该领域的监管越来越严格。

在与中国联通的合作中，李硕也得出了AI落地的方法论。联通每年在客服方面的投入就有几十亿，2017年双方第一期合作的目标是，机器代替17%的人工客服，这就能为联通省去很大规模的投入。

“后面很多行业，我们都在复用这个规律，我们的人工智能跟一个行业、一个客户第一次接触时，一定要找出他价值可测算的业务部门去做落地，不能在空中飘着、漫无边际地去谈。”李硕总结，这个价值范式就是，构建其信息化的基础上，去解决客户的某一个问题，最终跟他的KPI或者某项经营项指标挂钩，寻找可落地场景。通过这个标准，也可以判断出哪些没有价值。

此后，百度AI用这个方法进入互联网、金融、工业、安防等领域。百度也不断丰富AI商业化落地标准：要有好的前景，有商业模式，还要有产品，最后看账期，只有同时具备这四个条件，才是可持续的生意。

2018年4月，百度的智慧医疗平台灵医智慧上线。百度智能云副总经理、智慧医疗事业部总经理黄艳解释，灵医智慧围绕筛查、诊疗、管理三个主要的医疗环节，推出一体化的解决方案。

“基于多模态的医疗AI中台和专业、权威的医疗知识中台，构建了一系列的智慧医疗的产品和应用。包括眼底筛查产品、新冠肺炎筛查产品、临床辅助决策产品、合理用药产品、病案质控产品以及慢病管理产品等。”黄艳补充道。

面对城市治理，百度发布“智能城市解决方案”。在智慧城管应用中，依托百度AI中台，实现城市环境下多模态、多场景下的知识能力。一方面通过对摄像头、无人机、遥感卫星、手持终端等多种类型的前端设备进行适配；另一方面，支持人脸、人体、车辆、城市事件等语义理解。

据百度副总裁、智能云智慧城市事业部总经理刘雅雯介绍，百度智慧城市参与了北京市海淀区的“城市大脑”建设。比如在渣土车综合治理中，实现对渣土车精准识别，每天处理100万张过车数据，高峰时期发现渣土车9000多辆，识别准确率95% 以上。

同时，借助深度学习算法，针对渣土车行驶轨迹进行预测分析，准确率超过60%，全面提升渣土车管理能力，有效解决渣土环境污染问题。

并非“你死我活”

BAT转向产业互联网，都在打AI这张牌，商汤、云从、旷视、依图则被称为“AI四小龙”，竞争不可谓不激烈。

在李硕看来，还远未到“你死我活”的阶段，都在往前走。但他也承认，金融是竞争比较激烈的行业。比如，一个常见的竞争策略是，BAT某家厂商在自己擅长的领域出手时，另外两家大概率会进行战术骚扰。

价格战也很常见，报价0.1元这样的极端案列不止一次出现。

李硕也打过这张牌，截至目前只有一次。

当时多少有点无奈，百度拿下一个项目，客户手中还有关系密切的另一个项目，如果也能到手，两个项目一个AI底座，后期会很顺畅。但招投标环节，对手可能出0.1元，不效仿就会落标，前一个项目也会受影响。

“那时候只能说，这事我们0.1元干了。”李硕强调，人工智能领域还是要坚守底线，底线就是人工智能给客户带来价值，而不是产品没有价值，拿0.1元去强调它的价值。

即便竞争激烈，李硕相信百度在金融行业更具优势。越来越多的公司向C端用户提供金融产品，尤其阿里与腾讯的移动支付让金融机构很焦虑，百度在支付领域不和金融机构抢生意，坚持技术赋能合作，一些股份制银行、城商行很欢迎，合作持续深入。

在更多行业，似乎很难看出巨头AI能力的差别，他们都标榜具备从芯片、算法、算力到数据等多方面的AI能力。阿里有达摩院，腾讯有AI Lab、优图、WeChat AI等三大人工智能实验室。

百度集团副总裁、深度学习技术及应用国家工程实验室副主任吴甜向「蓝洞商业」坦言，现在基础AI的算法门槛已经大幅降低，基于深度学习框架和或者平台把自己的一些算法构建出来变得容易很多。百度AI核心竞争力与壁垒主要表现在核心技术积累、持续应用打磨、多技术融合创新等方面。

在多技术融合创新方面，比如百度“数字人”可以播新闻、当客服、报天气，这背后是综合的AI技术方案，包括语音识别、语音合成、视觉理解与合成、自然语言处理等技术，生成的面部表情需自然，同时唇形跟语言要匹配，包括手势、动作等要协调，配合合适的语言内容。

百度大脑已经成为软硬一体的AI大生产平台，包含算力和数据平台、AI基础底座深度学习平台、通用AI能力，面向场景的定制训练平台，便于终端使用的部署与集成平台，加上AI安全的保驾护航，打通了AI产业化的全部流程。

“百度大脑2010年就初具雏形，百度AI具备系统性的技术优势。”吴甜补充道。

百度深度学习平台飞桨（PaddlePaddle）亦值得关注。2013年，百度开始研发飞桨，三年后面向开发者开源，2018年升级为开源深度学习平台。

深度学习框架是智能时代的操作系统。在全球范围内，更有影响力的深度学习框架是谷歌的TensorFlow与Facebook的PyTorch。

吴甜解释，深度学习框架的定位是底层基础软件，就像OS，可以将之理解为智能时代的操作系统。深度学习框架和平台向下连接硬件，向上承接应用，帮助开发者便捷、快速训练出适用的AI模型，最终用在各个AI业务场景当中。更重要的是，围绕深度学习框架会形成共生共赢的AI生态，对比当年实力强大的Wintel联盟，就可想象其价值。

在吴甜看来，TensorFlow和PyTorch面向开源生态的建设时间更早，在开发者尤其研究者当中有更大影响力。飞桨多年积累下来，已形成一些特色与领先技术优势，会持续建设开发者生态，致力于更好地支持产业发展。

不能只学皮毛

百度智能云新业务架构下的AI中台与知识中台正在加速百度AI商业化落地。

王海峰认为，产业正在进行智能化升级，企业需要AI实现智能化，同时AI必须与企业应用场景深度结合，才能更好满足企业需求。但现阶段大多数企业缺乏AI基础能力和支撑AI开发及应用的平台。

百度AI中台的核心能力包括AI能力引擎和AI开发平台，可以帮助企业建设AI开发和应用的自主能力，集约化管理企业AI能力和资源，统筹规划企业智能化升级版图。

国网山东省电力公司基于百度的BML机器学习平台构建自己的AI中台，实现快速业务应用。比如通过借助AI中台搭建的输电通道可视化平台，实现户外各种复杂场景下的安全巡检。在运行场景中，应用AI人脸识别，实现进厅识别、刷脸办电等功能。

百度知识中台基于百度多年积累的知识图谱、自然语言处理、多模态语义理解、智能搜索等AI核心技术，是一个全周期、智能化的企业知识赋能平台。

在底层对接各种不同来源和形式的数据，上层支撑不同业务场景。知识中台面向企业的智能应用包括智能知识库、行业知识图谱以及企业搜索、智能推荐、智能问答、知识推送等。百度与浦发银行联合推出的“金融数字人”，背后便有知识中台的作用。

目前，AI在互联网、金融、零售等行业逐渐落地，工业、农业等领域也在持续摸索。

吴甜分析，AI产业化的问题，一开始在于相互不理解。经过几年探索，有了一些改善，但AI在整个产业中的渗透率并不高，甚至大量行业的渗透率很低，AI 落地的广度和深度还有待提升。

主要表现在四个方面：第一，AI有大量技术积累，技术栈本身深且广，面对具体行业会遇到各种各样的问题，以多技术深度融合的方式对接不同场景需求，才能更好地解决实际问题，这需要不短时间的沉淀积累。第二，既懂AI算法又懂行业应用的复合型人才短缺，或者从这个角度看问题的意识与能力还需要大力加强。第三，AI技术落地整个链条比较长，需要打通生态链，比如从数据、硬件、技术到系统集成，这不是某一家企业可以完成的，需要社会精细化分工，逐渐磨合。第四，数据与产业安全问题需要加速解决。尤其在金融等行业，涉及大量个人隐私数据，与公共安全相关的机构、企业等数字化、智能化的程度还没有达到最完美的状态，而且数据呈现出分散性、地域性等，这在一定程度上影响AI基础数据平台作用的进一步发挥。

另外，对于包括百度在内的互联网巨头来说，长期以来更懂C端用户，AI产业化落地中，相对传统IT厂商，流程化管理不足。

很多To B企业将华为的“铁三角”奉为圭臬。任正非曾这样描述：一是让听得见炮声的人来决策；二是以客户经理、解决方案专家、交付专家组成的工作小组，形成面向客户的“铁三角”作战单元；三是一线的作战，要从客户经理的单兵作战转变为小团队作战。

李硕直言，他团队的很多人才是从华为、IBM和埃森哲等加入的，他们确实在向华为学习，学习在商务和交付层面，做到像传统IT公司一样可靠。不过，不能邯郸学步，只学皮毛，对应华为铁三角，李硕推崇双轮驱动。

一方面，面对市场机会，销售和解决方案团队可以驱动产品技术团队。此前，百度没有商务驱动的基因，都是产品技术驱动。但是，规则也很清楚，商务驱动的商务就要负责，从头跟到尾，保证产品的成熟、交付。

另一种就是产品驱动，尤其是在人工智能领域，普通销售比较难理解人工智能在哪里能产生价值、哪里不能。比如在工业质检领域，起初都是李硕带着产品经理说服客户尝试的。

李硕认为，AI产业化过程中不能采用铁三角决策的原因在于，面对很多不确定性场景和风险，三个职能角色很容易2︰1投票否掉一个机会。他更鼓励团队敢于担当，要么做销售与解决方案的担当，要么做产品技术的担当，双方争执不下时，有一个人拍桌子说这事儿我干了，这样可以往前走得更快。

目前，百度方面不愿意透露AI产业化的收入规模，但从其财报中也可窥得一斑，其AI与云很难完全割裂。2019年3月，百度在2018年第四季度财报中，首次单独晒出云业务成绩单，该季营收11亿元，是2017年同期的两倍多。2018年，百度云位列国内公有云第五名，2019年第一季度成为第四。

王海峰认为，人工智能正将人类社会带入智能时代。移动互联网之后，百度正在经受一个新命题的考验。