《平安科技&InfoQ:瞭望:平安集团的科技力量(46页).pdf》由会员分享,可在线阅读,更多相关《平安科技&InfoQ:瞭望:平安集团的科技力量(46页).pdf(46页珍藏版)》请在三个皮匠报告上搜索。
1、 平安科技介绍 平安科技是平安集团的全资子公司,致力于运用人工智能、智能认知、云计算、区块链等前沿科技,为人们打造全新云生活。对内,平安科技是平安集团的高科技内核和科技企业孵化器,负责开发并运营集团的关键平台和服务。对外,平安科技以智慧科技为手段、以智造未来为蓝图,聚焦于医疗、金融、智慧城市三大领域,将国际权威认证的技术能力应用到实际业务场景中,打造生态闭环,积极践行科技改变生活的企业理念。超过 10000 名专业 IT 技术人员和管理专家组成的高级研发团队,为平台的运营稳定和可靠,提供了专家级的技术保障。目前所建立的云生态圈已经承载过 5 亿的互联网用户。平安集团 SMART 科技大会介绍
2、平安集团 SMART 科技大会是由平安集团旗下平安科技牵头举办,也是中国平安首个专注于技术分享的平台。SMART 科技大会每一年举办一届,旨在分享和探讨科技浪潮下人工智能、大数据、云计算、区块链等技术的应用成果和发展趋势,以助力于产业升级和科技进步。今年,第二届平安集团 SMART 科技大会将以“云无限”为主题,向您展示平安以及合作伙伴在金融、医疗、智慧城市等领域最新实践和展望,共谱科技引擎下的生态蓝图。联系我们联系我们 联系电话:95511 市场与媒体:pub_ 产品与销售:dept_ 1 作者|蔡芳芳 权威人工智能落地,商业化比技术更重要 近几年人工智能再次走到了风口浪尖上,大众、开发者、
3、企业对人工智能的关注度都极速上升。从政府、学术界、企业界、投资界到创业者们,无一不将人工智能视为未来方向;而媒体铺天盖地的报道,更是让人工智能快速占领了每一个普通人的视听。但是正如每一项进入炒作期的新技术或新产业一样,人工智能在无限风光的同时,也伴随着不少怀疑的声音。当前人工智能真正的落地应用有多少?人工智能能够给企业带来哪些实际价值?它能够大规模商业化吗?人工智能到底是未来已来还是泡沫将破?主打 AI 技术输出的初创企业和研究院,与急欲将AI 融入业务中的传统行业,是否会有不同想法?在第一届平安集团 SMART 科技大会现场,平安、思科、软通动力、中科院、氪信等企业机构的技术专家、管理者针对
4、以上问题给出了答案。他们之中有正在转型的传统公司,有专注于提供 AI 技术服务的初创企业,有业务规模庞大的集团公司,本文尝试从不同角度探讨他们遇到的人工智能落地难题。AI,“看上去很美”从积极的一面来看,人工智能催生了大量新技术、新企业和新业态,为个人、企业、国家乃至全球提供了新的经济增长点,甚至可能成为第四次“工业革命”。2 IDC 预计,全球人工智能支出到 2020 年将达到 2758 亿人民币,未来五年复合年增长率将超过 50%。中国人工智能技术支出将达到 325 亿元,占全球整体支出的 12%。从消极的一面来看,尽管人工智能开启了一个全新的时代,但也在不断滋生着“泡沫”,吹捧有之,跟风
5、有之,噱头有之。近两年,数十家中美 AI 创业企业密集倒闭,大量 AI 创业项目中途夭折,不免让人感慨,人工智能是否只是“看上去很美”?3 年前你都不好意思说你是做人工智能的,而今天你都不好意思说不做人工智能了。泛人工智能是人工智能火爆之后催生的一种现象,就是把什么东西都叫人工智能。如今没有哪个企业不想拥抱人工智能,但当前人工智能技术的采用程度到底如何?麻省理工学院 Sloan Management Review 最近对 3000 位高管、经理和分析师进行的一项调查显示了一个令人惊讶的结果:目前大多数公司还没有采用人工智能技术,只有不到四分之一的受访者表示已经采用人工智能技术,还有 23 的受
6、访者正在进行一些试点项目,而有 54 的受访者表示他们还没有开始采用人工智能技术。这与 AI 前线在年终总结时所做的一份落地情况调查结果相近。麻省理工学院的调查中也列出了可能阻碍企业采用人工智能的几大障碍:对于已经理解并采用人工智能的组织(“领导者”),人才缺口、竞争激烈的投资和对安全的担忧是他们的主要障碍。与此同时,尚未采用人工智能(“被动”)的企业认为需要识别业务应用场景、缺乏管理支持、技术能力有限是其主要挑战。AI 落地困境 当前的人工智能实际上是数据驱动的智能,也就是基于大数据的智能。中国科学院深圳先进研究院首席科学家须成忠教授认为这一波人工智能涉及 ABCD 四个概念,A 算法,B
7、大数据,C 计算平台(如云计算平台),D 领域知识,技术必须跟领域结合。技术不结合场景,就只是一个技术而已。目前 AI 在医疗、金融、交通等多个领域皆有不同程度的渗透,虽然行业不同,但 AI 落地时遇到的困境却多有类似,其中场景和数据是最常被提到的两项。为什么企业要为 AI 买单?据平安医保科技首席技术执行官穆强介绍,目前 AI 在平安医疗健康的应用主要分为面向病患和面向医护人员两种类型:面向病患:利用 AI 技术对患者分层,通过患者的就医习惯和行为画像定义风险等级,再匹配需要的医疗水平,也叫做医疗能力分层或者患者需求分层,从而把医疗的供给测和需求侧匹配起来、协调医疗资源。面向医护人员:用 A
8、I 给医疗行业赋能,借助 AI 为处方点评、临床决策等提供决策建议,帮助医生更好地决策判断。另一点是运用医学知识图谱和大数据的方法,调整综合医疗费用结构。目前的总费用中,药物占比过高而医生的价值占比太低,因此需要在总费用不变的前提下调整医生价值与药费 3 的占比,使医生发挥的价值与价格不背离。平安尝试在医疗场景落地 AI 的过程中,既会使用公司内部的技术方案,也会与第三方公司合作。商业合作不是公益项目,企业最关心的自然是这项技术到底能为自己解决什么问题?能带来什么价值?而这可能也是 AI 技术服务商在尝试向行业输出技术前,最需要想明白的问题。穆强指出,AI 初创公司想要进入医疗垂直领域,最大的
9、痛点是买单方,也就是谁为他们的 AI 技术买单的问题。“企业经营不外乎开源节流。如果想把 AI 技术应用到产品中,首先要找到 AI 能给企业经营带来什么价值,是能帮企业开源还是节流,还是抑制风险,还是提高医疗水平,总得帮人干点什么,所有的这些最终都要转化成商业价值。只要这项 AI 技术能够帮我们提高经营能力,我们自然愿意为之付费。”错把商业项目当成研究项目 须成忠教授是中国科学院深圳先进技术研究院首席科学家,他所带领的团队开发了“先进云”平台,平台之上融合了大数据、机器学习等技术,在智能交通、医疗健康、城市信息等多个领域都有落地应用。须成忠教授告诉 AI 前线,智慧交通即利用人工智能和大数据使
10、城市交通变得更智能,其终极目标是通过城市大脑做预测,并能持续学习进而反馈控制,但目前暂处于起步阶段。“阿里做城市大脑,说将城市拥堵改善了 10%,其实这 10%从科学研究角度来说误差都要拿掉了,可以说是微不足道,而且它是基于一个小区的小范围实验。”目前中科院深圳先进技术研究院在交通领域已经落地的成果主要基于中科院收集的城市所有浮动车(出租、公交等非固定权的车辆)数据,包括三类服务:面向政府的服务,如城市精细化管理;面向公众的服务,如深圳市的公交在手软件,能够综合实时路况、天气情况预测当前公交距离本站还有多久;将数据通过 API 方式开放给第三方企业(如腾讯、广电集团、酷米客等)做更多的应用和服
11、务,每天数据API 访问量达到 500 多万次。在加入中科院之前,须成忠教授在国外也承担过不少企业合作项目。在他看来,做技术研究的人最容易犯的错误就是太过在意“研究”,错把商业合作当作科研项目。须成忠教授指出:“研究院研发的产品原型充其量是证明你有这个技术能力,但还是需要针对用户的具体需求来修改和定制开发。我们以前把项目当作研究项目来做,并没有解决企业的刚性需求,研究院经常会遇到这样的问题。结果导致我们做的技术,用户并不是特别感兴趣。”须成忠教授举了一个例子,假设客户要做出租车实时报表,他们原来平时做一次报表要花两个多小时,客户的需求是实时化。利用大数据处理将报表处理时间降到一分半钟后,客户就
12、很满意了。至于一分半钟和一分钟的差距,就属于研究问题了,这个问题客户可能并不感兴趣。虽然从研究的角度来说,时间缩短了50%,但对企业来说价值不大。“技术输出首先要搞清楚解决企业问题和研究项目的差别。只要技术好,然后能够钻进去跟客户一起做一些面向客户需求的定制化开发,肯定能够生存下来。”4 无数据不 AI,无场景不 AI 传统网络设备商思科早已开始数字化转型,同时也期望能够通过技术帮助行业升级。全球很多流量都跑在思科的网络设备上,“如今大家都在关注 AI,但其实最核心的是底层数据。”思科大中华区副总裁、大客户事业部经理海广跃告诉 AI 前线,而底层数据正是网络设备商思科的强项。思科尝试将网络设备
13、变成传感器,从底层基础设施开始引入 AI、大数据,帮助各行各业进行技术升级和转型。据介绍,目前思科的数字化转型支持已经覆盖了 11 个行业,包括互联网公司、运营商、金融和娱乐行业,医疗和教育行业相对受 AI 影响慢一些,石油石化、电力系统最慢。不同行业 AI 落地速度快慢,有很大的因素与数据有关。由于这一波 AI 对数据的重度依赖,应用首先得有足够的数据,而这可能正是很多传统行业所缺失的。即使有了数据,数据是否正确、是否足够有代表性、如何准确标注又成了另一个老大难。“种瓜得瓜,种豆得豆”,机器学习的成果取决于数据的质量,错误的数据只会让训练结果出现严重偏差。海广跃指出,AI 最核心的价值在于数
14、据和场景,而目前很多传统行业难以应用 AI 或者应用效果不佳一般也是数据或场景的问题。数据方面的问题包括:数据太少甚至没有,比如电力行业、工厂车间;数据实时性,以自动驾驶为例,车本身是要和周围环境交互,包括公路情况、天气情况、行人聚集情况,需要实时判断并决策,网络存在时延,如果不能实时响应就可能会出现事故;数据处理需要借助领域知识和经验。先找到特征值并进行标注,经过训练之后才能用来做决策或预测,不懂行业的数据科学家无法做到这一点,比如医院 X 光片、工厂设备故障检测等。而没有特征 5 值就没办法应用 AI,只有懂行业、懂场景的人与数据科学家配合才能真正将 AI 用起来。软通动力集团执行副总裁康
15、燕文也向 AI 前线表达了相同的观点。在语音识别、多国语言翻译、音视频结合方面,软通动力集团与不少大公司有合作。软通负责提供语音数据和产品测试服务,辅助验证语音产品的可用性,而在这样的合作中数据正确性显得尤其重要。康燕文指出:“在对 AI 产品进行测试时,如果数据给的不对就没用了。比如展厅机器人,有很多人进来参观跟它对话,机器人有知识库,它需要从知识库中找到你问的问题,它才能回答,你问的问题不对或者不在知识库中就没办法回答。”为了升级而升级 AI 如此火爆,不乏“拿着锤子找钉子”的初创企业,也有不少还没想清楚为什么要升级就想先把 AI“用”起来的传统企业。“这不太现实。所有的技术升级都是业务驱
16、动,不能凭空自己造,也不能为了升级而升级。”氪信 CreditX 首席科学家周春英告诉 AI 前线。氪信是一家专注于运用机器学习与大数据技术解决金融信用风险问题的服务商,目前已经与数百家金融机构达成合作。营销和风控是目前机器学习在金融领域的主要应用点。营销方面,主要就是解决不同的客户和不同产品的匹配问题,以实现精准推荐。在这方面应用机器学习更多是一种“升级”,由于整合的用户数据和产品数据更多,相比简单的 LR,推荐成功率有所提升。风控则相对复杂,涉及反欺诈、信用评分、行为监控等。其中反欺诈分为两个维度,一是基于个人数据,和营销类似,从简单的评分卡转为机器学习,升级数据处理和模型技术、提升效率;
17、另一个是为机构建立全套体系,包括机器学习的模型、算法、训练等,这不是一次性的工作,需要不断迭代。周春英认为一开始寻找切入点是最难的,“要考虑怎样才能快速推进,又能落地上线使用,还能够不断迭代升级”。大家都知道要技术升级,问题是怎么找到需要升级的那个实际业务问题,如果平白无故地去做技术升级,没有落地的实际效果很难推动,也难以形成不断迭代的过程。氪信对此的解决方案是合作,在一开始会花比较多的时间去和客户、业务负责人交流,共同寻找切入点。周春英补充道:“找到切入点之后其实也不是一下子从 0 到 100,而是需要花一段时间(比如几年)才能出来成果。”另外,不同客户的需求不一样,这就需要对解决方案和产品
18、的抽象能力,既不能过度设计,也不能不抽象。在与客户的合作中,既要保证高效率,又要满足其个性化需求,因此方案和产品的抽象设计是对于 AI 技术服务商的另一项挑战。传统行业对新技术不够开放 AI 技术不是单点技术,它需要形成一个体系,因此免不了需要巨大的投入,从底层硬件到数据再到专业人才,缺一不可。对于金融机构来说,硬件和系统花钱买不难,但 AI 人才培养比较难。6 周春英认为这是专注技术的 AI 初创企业的机会。术业有专攻,技术的问题可以交给懂技术的人,但寻找业务场景离不开良好的合作。合作中可能遭遇的问题就是传统行业不够开放。虽然金融领域有其特殊性,包括对信息安全、数据安全都有特殊的需求,但是如
19、果金融机构越来越封闭,对于新技术的应用只会有不好的影响。“对于新技术、新方式,或者新的技术方向,传统行业要有一个更开放的态度,包括数据的使用,这样实践或者是落地可能会更快一些。”周春英说,这或许也是很多 AI 公司内心的呼喊。如何将 AI 技术通用化?平安科技是平安集团全资子公司之一,为整个平安集团提供技术服务,此外也给国内的众多银行和保险公司提供服务。过去几年,平安科技一直在进行 AI 的研发,目前在大数据平台的基础上,引入了面部识别、语音识别、视觉识别、行动识别、情感情绪识别等技术,进行自动决策。以贷款申请为例,平安科技利用人脸识别匹配客户身份、基于各项数据智能分析客户的风险状况,3分钟之
20、内就可以在网上给客户派发贷款。平安科技大数据高级产品总监王健宗告诉 AI 前线,平安集团在 AI 时代转型的难点不在于做不做 AI。对于先在公司内部落地 AI 之后,再开始尝试将 AI 技术对外输出的平安科技,面临的难题是:如何将 AI技术与自身业务剥离,使其通用化、标准化、产品化?王健宗指出:“首先,每个公司的数据不一样,数据标准参差不齐,平安的数据是平安的一套,但另外一个公司可能是另外一套数据,中间涉及数据融合、数据归集化、数据交叉,这是一个挑战。第二个挑战来自于业务流程的差异性,保险行业每个公司的保险流程都不一样,又涉及流程融合。”因此平安科技在帮助合作伙伴落地 AI 的时候,既会提供模
21、型和算法,也会提供能对模型和算法进行闭环训练的系统,使数据和规则能够快速通过系统优化,并应用到实际业务中。7 破局之道 看清:AI 不是银弹 当大数据将 AI 推向“技术炒作”舞台的正中央,带来的一个令人混淆的结果就是,突然间人人都号称自己做的是“AI”,实际上却是徒有其名;人人都以为自己需要“AI”,却不知道 AI 到底能为自己解决什么问题。在硅谷人工智能研究院创始人 Piero Scaruffi 教授看来,以上问题不只出现在中国,在全球任何地方都一样。AI 真正应用于商业场景通常会面临两个问题:第一,有些商业人士可能擅长传统的科技思维,但是对 AI 了解不多;第二,很多优秀的软件工程师从未
22、学习过 AI,他们学的是其他领域的技术,AI 不是他们擅长的东西。对于工程师来说,有计划地学习一些课程就能解决问题,但对于商业人士则非常困难。面对这些问题,企业决策者和技术管理人员首先应该明确一点:AI 不是万能药。当问题已经有解决方案时,可能没必要采用 AI,否则反而是在把工作复杂化,或者变成自己给自己制造问题。Scaruffi 教授指出,没有 AI 商业照样可以运转,现在大多数 AI 仅是优化程序,比如机器人。为什么买机器人?为什么用机器人代替原来的工作?因为机器人更便宜,可以降低成本。但是这些所谓的机器人一般都非常简单。“当有人说中国每年制造 1000 万台机器人时,你应该问问这是什么机
23、器人。一天到晚都在做简单机械工作的机器人并不是 AI,但是它们的确省钱。这可以称作自动化,但已经是存在很久的技术了。而真正的 AI,比如说可以回答问题、实时监测的机器人,一般非常贵。”正如前面所说,这一波 AI 是基于数据的 AI,因此 AI 应用到实际问题中离不开数据。没数据就不能训练神经网络,不管计算能力多强、速度多快。无数据无 AI,如果没有就需要先搞到数据。如果有数据,AI 可能是有用的。但在一些情况下其实大数据技术就可以解决企业的问题,未必需要用到 AI。企业必须能够分清楚哪些问题需要用 AI 来解决,哪些问题用已有的其他技术就可以了。康燕文认为,应用 AI 之前首先对 AI 的认识
24、要清楚,要知道 AI 到底可以做什么、局限在哪里。比如制造业要用 AI 识别成品存在的缺陷,需要先积累大量数据,让机器去学习,才能开始识别。工人师傅需要积累经验,机器同样需要积累数据,获取数据、积累数据都需要一个过程。康燕文还补充了一点,即新技术需要测试环境,不能一下就拿来用,出错的风险太大,需要先做一些实验。须成忠表示,人们应该要修正自己对于人工智能的期望。虽然人工智能目前在封闭式环境中确实有了一些很好的突破,但是在开放环境中还有很长的路要走。另外,人工智能是无法在一朝一夕突然就能够解决所有问题的。“我们不能也不要头脑过热,过一段时间发现人工智能除了下棋打牌其他都做得差强人意。人脸识别需要在
25、标准场景下,语音识别在开放环境还有问题。更何况数据清理和转换也要花掉不少精力。如果大家不能修正对它的期望,到时会带来更多失望,但这也是一个过程。”须成忠说。8 合作:寻找 AI 落地场景 有人将 AI 落地问题比作“道”和“术”的问题。做 AI 工程的人,最在意的是这个算法怎么样,够不够快,这是“术”的角度;做业务咨询的人更考虑你有什么问题,我要帮你解决问题,我用什么你别管,我有创意,最后成了就行,这是“道”的角度。那么当掌握了 AI 技术或有了科研成果,怎么跟企业需求对接?如何在企业的业务场景中找到应用新技术的切入点?海广跃认为,首先得将业务或场景流程化,才能找到存在问题、可以应用 AI 的
26、环节,接下来再考虑怎么以 AI 为工具去解决流程中存在的问题。另一点则是要站在未来看现在,看未来会是什么样的使用习惯,找到未来的场景,就能够知道该做什么样的产品。这是另一个如何创造新业务的问题。周春英则表示,寻找应用场景的切入点其实没有什么窍门,最实际的就是做技术的人必须懂业务,而方法总结起来也简单,就是多沟通、多学习。通过经常和不同的客户交流和沟通来学习业务,先从客户的出发点考虑问题,然后再转化为用什么技术去解决它。“要帮助客户解决问题,既要懂业务也要懂技术。光懂技术跟客户谈不到一起去。弄懂业务之后,再想怎么把业务的痛点转化为技术的解决方案。接下来把这个方案讲通讲明白,这个事情怎么做,实际的
27、痛点是什么,什么技术能解决,出什么样的解决方案,这个就是我们实际项目过程中的经验。”周春英说,“跨学科能力是技术人必备硬技能。”须成忠教授也认为切入点需要双方共同碰撞出来,而“拿着锤子找钉子”的做法目前并不是很可行,因为通用的一般性技术、一般性系统很难找到,也很难有市场。“软件行业开源那么多,但实际上开源只是证明你的能力,最后还是需要做定制开发。至于说怎么找到用户的需求,首先要让用户知道你能做什么东西,有什么样的能力,然后再根据用户的需求去做深做透。这是双方互相碰撞的一个过程。需要双方沟通后,弄清楚我有什么问题,你有什么办法能解决我的问题才能确定目标。”须成忠教授说。基于平安医疗健康的业务场景
28、,穆强给 AI 前线列举了 AI 在医疗领域可以切入的角度。保险就是管理可控风险,怎么让风险变得可控?其实就是两个问题,怎么收钱以及怎么花钱。这两个方面规则的定义恰好是如今基于大数据的 AI 所擅长的基于客观事实数据和规律,将主观判断变客观,从而更合理地制定规则和策略。医保风险控制包括三点,一是防止欺诈滥用浪费,二是降低疾病发生风险,三是提高被保人的健康水平,而这些都是综合降费的办法。“对于保险公司来说,1%的重疾和 19%的慢病会花掉 70%的医保费用,那么这 20%的人就是保险公司重点管理的对象。怎么把这些人挑出来?怎么干预这些人的行为,对他们进行个性化管理?这对我们来说投入最小、见效最快
29、,如果 AI 可以解决这些问题,能够帮我们降低成本,就有落地的价值。”穆强说。9 渐进:平衡 AI 的投入产出 目前不乏有些企业辛辛苦苦捣鼓了 AI,但效率却得不到相应价值的提升。那这些投入只能算是打水漂了吗?企业应该怎么评估 AI 技术能带来的实用价值?又该如何衡量应用 AI 需要投入的人力成本、时间成本?AI 是大势所趋,随着未来 5G、物联网的发展升级,数据只会越来越多。以后谁能利用好数据,谁就会在业界领先,而不会用数据可能就会被淘汰,所以 AI 升级肯定是要做的。但现阶段,逐步迭代可能是比一步到位更靠谱的选择。周春英表示,AI 本身就是比较重投入的,但是它也会有更长远的影响,所以不能特
30、别短视于此时此刻的回报上。但不同企业的需求不同,不能一概而论。周春英告诉 AI 前线:“我比较倾向于,AI 技术升级不要想着一蹴而就,一步就到深度学习,而是逐步迭代,先有一个整体的规划,然后一步一步慢慢取得成果。这样能够比较好地平衡投入和产出,对于一些小型金融机构来说确实是这种做法比较好。”康燕文认为,不能把新技术拿来就用,需要一个实验的过程,循序渐进,而不是说一下子投个大钱就想得到巨大突破,这样才能避免出现投入很多却得不到预期结果的问题。“人工智能是大趋势,现阶段企业更应该赶快去试,越不去试,越搞不清楚,等试了之后慢慢找到对的方法和方向,再一步一步往前走,自然就会越来越清楚。”康燕文说。方向
31、:民主化还是定制化?最近不少企业都在谈 AI 民主化、AI 普及化、AI 服务化,或者 AIforall,其实不管名字怎么叫,其核心就是一点,希望能够降低人工智能的门槛,让非专家也能使用 AI,这也是很多人对于未来 AI 的期望。10 海广跃是这个观点的支持者,他认为推进 AI 民主化,才能推动 AI 在各行各业的应用普及。海广跃说:“当 AI 高高在上的时候,传统行业懂场景不懂技术的人,与懂技术不懂场景的专家之间有鸿沟,AI 和数据、AI 和应用场景、AI 和知识之间也同样存在鸿沟。”至于如何跨越这个鸿沟,海广跃也提出了他的想法。一是构建一个各行业通用且低价的 AI 平台,使不同行业的人都能
32、很方便地使用 AI,在平台之上运行业务而非研究技术。但他也坦承,难度比较大,因为很难用一个 AI 平台满足各行各业的不同需求。偏底层的 AI 基础平台或许可行。另一点就是纵向打通,将一个垂直行业场景从上到下全部打通,把这个场景做好了,再做另外一个场景,先对某一个企业产生价值之后再继续做加法。须成忠教授则认为垂直领域的深挖更有潜力。他告诉 AI 前线:“通用的一般性技术不一定有市场,充其量就是开源,想要发展就一定要把这个通用技术应用到垂直领域,然后针对这个垂直领域来做定制化的开发。将来的人工智能不管发展到了哪个阶段,一定不会像人那样什么都懂、什么都会,它一定是这个软件和系统专注一个业务,另一个专
33、注另一个业务,是跟领域相关的。未来 AI 会越来越偏向跟应用接轨,越来越多地与应用相关。”AI 的未来 有人说人工智能是未来已来,也有不少人认为人工智能的蜜月期会终结于 2018 年。AI 离我们是近还是远?淘宝搜索、银行人脸支付、小米智能音箱,无处不是人工智能,对于普通消费者来说,AI 似乎很近。但对于企业和技术人来说,不是所有问题都像消费级产品一样容易解决。人工智能所有涵盖的技术纷繁复杂,怎么从中找到合适的方法来解决自己的问题?怎么得到数据?怎么清洗数据?甚至一开始怎么找到应该解决的问题?这些都是企业想接近 AI 却又觉得 AI“遥不可及”的路障。但这些也是未来要让人工智能真正扎根于工业界
34、、真正改变每个人的生活所必须解决的问题。人工智能落地难,却是这项技术真正变成“新电力”般存在的必经之路。对于传统行业公司与 AI 技术初创公司来说,都是挑战与机遇并存。原百度研究院院长林元庆从百度离职后,创办了自己的公司 AIbee,他的目标是利用 AI 深度赋能传统行业,实现产业升级。而人工智能著名学者吴恩达也于今年 12 月宣布成立 Landing.ai,立足于解决 AI转型问题,第一站是制造业。从国家政策来看,12 月工信部发布了促进新一代人工智能产业发展三年行动计划,从培育智能产品、突破核心技术、深化发展智能制造、构建支撑体系和保障措施等方面详细规划了 AI 在未来三年的重点发展方向和
35、目标,足以看出国家对 AI 产业化的重视。未来 AI 企业也将从拼技术逐步转移到拼行业、拼落地。2018 年,人工智能的泡沫是否真的会破灭,我们不得而知,但过度期望带来的泡沫被戳破未必是件坏事。接下来一段时间,人工智能落地势必会是业界最为关心的话题,而人工智能落地无非是:弄脏手、扎进去、踏实干。11 作者作者|蔡芳芳,陈思蔡芳芳,陈思 动态GitHub 企业版入华,落地平安云!两个月前,全球知名的同性交友社区,哦不,是全球知名代码托管及开源社区平台 GitHub 在一场发布会上宣布与平安云达成战略合作,未来,将通过平安云为大中华地区提供 GitHub 企业版的产品和服务。同时,平安云正式成为
36、GitHub 在大中华区的首个云管理服务提供商(MSP),这也是继 IBM、Fujitsu 后GitHub 全球范围内的第三家 MSP。双方后续还将在基于云端的人工智能编程、DevOps 以及开源社区等领域进行持续深化合作。GitHub 终入华 GitHub 发布的 2018 年度报告中显示:美国、中国和印度是 contributors 数量最多的三个国家,中国今年占据第二位,提升了一个名次。今年有 800 万新开发者加入 GitHub,并且新增注册数量最多的也依次是美国、中国和印度。(图片来源:Gartner 2018 年度报告)12 作为 GitHub 用户量第二大的国家,中国的开发者们也
37、曾经历过一段无法使用 GitHub 的时光,当时连李开复都在发表了一条抗议封锁 GitHub 的微博引发热议,不过没过多久封锁就解除了。虽然风波已过,但由于 GitHub 对于开发者的重要性和 GitHub 上时不时出现的敏感内容,大家对于 GitHub 未来是否会被墙仍然忧心忡忡。不过两天前宣布的一场合作,似乎能给大家带来一丝曙光。2018 年 10 月 17 日,平安云发布会在深圳举行,会上宣布平安云与 GitHub 达成合作,并将通过平安云为大中华地区提供 GitHub 企业版的产品和服务。平安云在当天还宣布,平安云 GitHub 企业版于 2018 年 10 月 18 日开启公测。此次
38、公测限量 500 名企业用户,成功申请公测账号的用户将获得平安 GitHub 企业版 45 天的免费体验,期间用户可体验平安云 GitHub 企业版的全部付费功能,同时同一企业账号下创建的用户账号、代码仓库均无限制。据了解,平安云将与 GitHub 共同协作提供私有代码、公共代码到开源代码的托管与版本管理方案。GitHub 企业版将根据中国用户群体的需求提供定制化的产品和服务模式:公有云镜像部署模式、本地部署模式、GitHub 企业版的 SaaS 服务模式、以及教育版及创业版的 SaaS 服务模式。与此同时,平安云正在积极将 GitHub 企业版与“平安云 Wizard 研发管理”进行集成整合
39、,为客户提供完整的 DevOps 管理平台。看上去是 GitHub 正式入华,但实际上也不完全是。什么是企业版 GitHub?出于隐私或法律原因而不能将代码托管到第三方平台的企业,可能希望在企业内部架设专有的GitHub 服务,能做到么?答案就是 GitHub 企业版(GitHub Enterprise)。GitHub 企业版搭建在企业本地网络中,因此企业拥有对版本库和项目完整的控制权限。GitHub 企业版包含了 GitHub 上所有的好东西:提交历史、代码浏览、比较视图、Pull Requests、问题追踪、维基、Gists、组织和团队管理、强大的 API,和漂亮的界面,因此会使用 Git
40、Hub 就会使用 GitHub 企业版。此外企业版还增加了对 LDAP 和 CAS 支持功能,以便和企业现有的认证系统整合等等。GitHub 企业版不通过下载软件包进行安装和部署,而是提供基于虚拟机的解决方案。即 GitHub 企业版以 OVF 虚拟机文件格式发布,可以运行在多种虚拟机平台,如:VMWare、VirtualBox、Oracle VM、Red Hat Enterprise Virtualization 和 IBM POWER。使用 OVF 格式让 GitHub 企业版的部署更加轻松。在平安云 PAC GitHub 的常见问题菜单中,我们也找到了官方描述:PAC GitHub 企业
41、版是由平安科技提供服务的 GitH 本地版本。此外,PAC GitHub 企业版包含与 GitH 相同的一系列功能,但打包后可在您组织的本地网络上运行。所有存储库数据都存储在您控制的计算机上,并且访问权限与组织的身份验证系统(LDAP,SAML 或 CAS)集成在一起。与 GitH 还有一点显著不同,那就是企业版的 GitHub 是需要花钱的,而且不便宜。13 从上图可以看到,尊享版套餐需要奖金 40 万一年的花费,至于旗舰版,恐怕就更高了吧。说到这里,可能很多读者对于平安云还不太熟悉,凭什么它能够拿下 GitHub,而不是其他云?下面我们就来聊聊这家平安云。关于平安云 中国平安保险(集团)股
42、份有限公司于 1988 年诞生于深圳蛇口,是中国第一家股份制保险企业,至今已经发展成为金融保险、银行、投资等金融业务为一体的多元的综合金融服务集团。平安科技成立于 2008 年,负责平安集团 IT 基础设施建设、系统运维、业务应用开发、管理等工作,是国内最早成立的金融科技公司之一。自 2013 年平安集团推进互联网战略,平安科技就加大了在移动互联网、云计算、大数据和人工智能等领域的研发和应用。平安云是平安科技打造的面向金融、医疗和智慧城市三大垂直领域的云平台,是平安产品和服务输出的总平台。从产品角度划分,平安云的主要业务有计算、存储、网络、数据库等。这个角度上平安云跟一般的云平台很像。但跟其他
43、云平台最大的区别是它有很强的业务属性,如果从业务角度来划分,主要分为三大类,金融、医疗和智慧城市。目前金融行业的业务量最大。知名咨询机构国际数据公司(IDC)认为,平安云依托平安集团在金融行业的业务优势及金融 IT 领域的技术积累,积累了众多金融机构上云及云迁移的实践经验,在整个金融云市场有着独特的优势。为什么 GitHub 会选择与平安云合作?从目前能找到的官方资料上看,“GitHub 选择平安云是因为其强大的云建设能力与丰富的运维经验”,稍显官方。或许正是由于平安云在金融云市场的积累,在安全性和可靠性上具有独特优势,所以成为了 GitHub 企业版最终选定的合作伙伴。但其中是否还有什么其他
44、原因,让 GitHub 没有选择阿里云、腾讯云等,我们就无从得知了。但无论怎么说,平安云与 GitHub 的合作都是一次共赢的选择:GitHub 借机打开中国市场,开拓了新的疆土,而平安云也以此开展了新的业务,还能吸引更多开发者来使用平安云,对于这两方来说都是何乐而不为的事情。14 人物陈立明:AI 应用场景比技术更重要 平安科技 CEO 陈立明 人脸识别、无人驾驶、语音交互一项项依托于 AI 技术的商业应用渐渐走入普通人的生活。人工智能时代大踏步走来,到底会为我们的生活带来什么改变,企业又应如何把握这一划时代的新机遇?平安科技 CEO 陈立明接受大公网专访时指出,人工智能目前已经在多方面应用
45、,很多企业不断投入资金钻研技术,以期获得更多突破。但实际上,人工智能更像是“电”,它的发展关键是如何部署和实施,应用场景比技术本身更重要。近年来,人工智能炙手可热,成为资本界的宠儿。人工智能目前已经在医疗、金融、智慧城市等方面得到了诸多尝试及应用。有数据显示,2017 年全球人工智能领域的投资高达 220 亿美元,这一数字是来源来源|大公网大公网 15 2015 年的 26 倍,增长速度非常惊人。而相较于初期注重技术本身的发展,更多企业瞄准人工智能与多类型行业协同运作的空间。在陈立明看来,人工智能是当下最前沿、最热门的技术,绝大多数公司高管都看到了它的商业价值,但如何运用才是开启未来的钥匙。“
46、实际上,人工智能虽然可以帮助信息像电一样普遍,但如何承载才是发展的关键,场景应用比技术本身更重要。”科研投资逾 500 亿人民币 陈立明说,落地场景丰富是平安科技有别于其他纯科技企业的优势所在。依托自身多年来 IT 能力的积累,2013 年,平安科技开始迈向通往前沿科技能力的赛道。他介绍,平安科技在过去十年一直致力于研究如何用技术推动应用价值。过去十年,平安集团在科技研发方面的投入资金已经超过 500 亿元人民币。目前,平安的专利累计申请数高达 4,418 项。“比如声纹识别,可以帮助我们的呼叫中心识别客户,准确率已经达到 99.7%;大数据+人工智能预测模型,在慢性病和流行病的预测方面,准确
47、度可达 90%以上,已应用在重庆和深圳两市的疾病预测领域;医疗 AI 平台,可以辅助医生筛查肺结节、糖网病等疾病;智能闪赔,通过用户上传的车辆损坏情况照片,人工智能可判断车辆受损程度以及维修成本;人脸识别技术应用在机场安防场景,通过建立红、白、黑名单,来识别可疑人物等等。”成立于 2008 年的平安科技,是平安集团旗下全资子公司。公司总部设在深圳,目前已有逾 4,000 名专业 IT 技术人员和 IT 管理专家。陈立明透露,作为平安集团的高科技内核,平安科技是集团的技术孵化器,目前已拥有超过 18 项前沿新技术,以及独特的研究和开发 AI 的能力。其中,平安科技在医疗、金融领域有多项人工智能服
48、务占据业内第一,如基于医疗 AI 平台的肺结核筛查。今后,平安科技还将依托集团丰富的场景业务,在金融、医疗和智慧城市三大领域持续发力,探索 AI 服务与改变人们生活的更多可能。区块链领域不涉足虚拟货币 区块链技术也是前沿科技的重要方向之一。陈立明表示,作为一家金融起家的科技公司,平安科技与其他公司发展区块链的侧重点不同,更注重平台的搭建,主要提供 To B 服务,努力解决客户企业的痛点。时下大热的虚拟货币不会去涉足。陈立明介绍,通过多年技术积累,平安已经有了自己的加密算法,基于区块链技术的金融壹账链平台,已有 800 余家金融机构注册,接入的中小企业节点部署数量近 17000 个,覆盖交易额超
49、过 12 万亿人民币。“我们的区块链技术优势是在金融应用领域,可以在不抓取全部信息的情况下获悉每个公司的风险链。应用在贷款审批领域,即可以在不解密的情况下验证信息的真实性,大大提高了审批效率。”陈立明说。16 人物区海鹰:AI 让复杂的 1000 步变简单 1 步 产品是技术的最终落脚点,如果没有产品的应用落地,再先进的技术也可能是“空中楼阁”。作为平安科技首席产品官,区海鹰深以为然。技术要服务于产品,更要融入产品,技术与产品“共谋”,打破旧产品痼疾才能树立行业标杆,打造出“爆款”产品。以平安科技高科技为内核的一系列智能产品,正是践行这一观点的成果。AI+医疗,解决看病痛点“排队 3 小时,看
50、病 3 分钟”,是医疗服务中最常见的场景。对此,患者抱怨看病难、看病贵;而医生受制于繁琐的检查报告,无法高效地做出诊断。医生与患者看起来相互对立,但实则因为传统就医过程中的痛点,导致了双方的各“不满意”。“现在在医疗领域,其实很多的环节已经用 AI 技术切入进去。”区海鹰说道。用智能技术去解决医疗痛点,听起来很新奇,但成果却令人惊叹。利用平安科技人脸识别技术的“刷脸核身”已经应用在就医的多个环节。患者可刷脸预约挂号、诊前刷脸验证、预防伪检替检、刷脸打印检查报告等。智能医疗产品平安好医生,截至 2017 年 8 月底,注册用户数已突破 1.72 亿,日咨询峰值 60 万次,平安好医生已经成为国内
51、覆盖率最高的移动医疗应用。不同于过去的排队、开检查单、再排队、再诊断,线上就医大大缩短了就诊时间。在医生做出诊断时,需要集合患者多方面的医疗数据,人工智能可以预先把医生需要的数据整合起来,并输出参考结果,这样一来,医生不仅能够快速地做出诊断,诊断错误率也显著下降。“平安的目标是打造大医疗健康生态圈。”不仅仅是看病就医过程,平安的智能服务要覆盖医疗领域的方方面面。平安科技首席产品官兼平安云总经理 区海鹰 17 智慧医保管理服务平台能够替政府管理社保医保,与厦门市合作的平台可以为政府减少40%的成本。不仅如此,平安还在扩大业务,在不同城市试点,将城市服务整合到 App,打通社保、医保、商保,打造“
52、一卡一机一账户”全新民生服务新生态。AI+金融,解决风控难题 一直以来,风控是金融行业的核心和难点。由于借贷双方信息的封闭性,容易形成风控盲区,进而引发风险。而流淌着金融基因的平安科技,对风控更多一份敬畏和理解。要突破风控难点,不仅仅体现在投资者适当性原则上,产品服务评级适当性、投资者“精确画像”、产品与投资者的匹配、信息披露以及投资者教育等等都是风控的着力点。以平安普惠为例,区海鹰表示,利用人工智能技术,可以解决传统借贷中的风控难题。人工智能只需 3 分钟即可完成审核、放贷。比过去的数个工作日提高了几千倍的效率。效率提高的同时,还打破了借贷双方的信息壁垒,大大降低了借贷违约率。领先于行业的技
53、术优势令平安科技“势如破竹”,但更重要的是对用户痛点洞若观火的体察力,以及技术和场景深度融合后打造爆款产品的能力。而区海鹰正是“神来之手”背后的“操盘者”。“AI 就是让复杂的 1000 步变成简单的 1 步,但恰恰是那最后一步,让冰冷的技术饱含温情”,区海鹰在平安简单生活大会上说道。18 方国伟方国伟 平安科技平安科技 CTO 兼总架构师兼总架构师 人物方国伟:云计算十年,最需要突破的不仅是技术 2018 年 5 月 8 日,InfoQ 记者对方国伟先生做了采访,深入探讨云计算产业的发展和平安云的演进历程,结合平安科技的发展经验分析 AI 产业在过去一年的发展情况。从私有云到公有云 Info
54、Q:您先后在微软、您先后在微软、AWS、平安这几个科、平安这几个科技巨头都工作过一段时间,能否请您简单介绍一技巨头都工作过一段时间,能否请您简单介绍一下自己的这几段职业经历?下自己的这几段职业经历?方国伟方国伟:2007 年我初到微软的时候主要负责大企业的创新技术支持。2008 年微软对外推出了Window Azure 这个服务,当时还只是技术预览版(Technology Preview),从那个时候开始我就正式投入云计算相关的工作。我在微软前后工作了 6年多,其中有一段时间在总部雷德蒙参与了Windows Azure 和 Windows Server 的相关工作。我负责设计了微软中国第一个私
55、有云解决方案,构建了第一个云计算演示中心,并实现了第一个私有云的企业客户案例。我还组织牵头写了微软中国第一个云计算白皮书和第一本关于微软云计算的图书。2013 年亚马逊 AWS 进入中国,虽然当时的AWS 在中国其实有点像一个创业公司,只有几个员工,但我看好亚马逊的云技术,因此正式加入成为 AWS 中国的第一个技术人员。我在亚马逊AWS 主要负责技术市场相关的工作,同时也负责一些重要客户的服务咨询工作。14 年平安科技开始大规模投入做云计算,对于我来说,能自己和团队一起去设计一个完整的、全新的云平台产品是一个更有挑战也更有成就感的事,所以我和家人来到深圳,加入平安。InfoQ:从您从您 200
56、8 年开始正式进入云计算领年开始正式进入云计算领域已经十年了,在不同的职业阶段,就职于不同域已经十年了,在不同的职业阶段,就职于不同的公司,您对于云平台的认知是怎么迭代和变化的公司,您对于云平台的认知是怎么迭代和变化的?的?方国伟方国伟:这十年我做过公有云,也做过私有云,微软的 Window Azure 是公有云,外企的云落地到中国是很有挑战的,我当时提出的微软云战略是,一方面通过 Window Azure 帮助微软建立云计算的领导力,另一方面是通过私有云解决方案帮助微软获得云方面的收入。从供应商的角度,私有云的解决方案就是如何以云的概念去销售 IT产品和服务。我在微软也曾帮助多个中国客户构建
57、了私有云。我在亚马逊的时候做的是公有云,到了平安则是逐步把私有云构建成了公有云。在云计算刚刚开始发展的时候,大家认识也不统一。我记得曾经有个笑话讲在一个云计算大作者作者|蔡芳芳蔡芳芳 19 会上,主持人问了 10 个人什么是云计算,结果得到了 12 个答案。我做了大量的学习和阅读,印象比较深的有两篇论文,一个是 09 年伯克利的一篇论文(Above the Clouds:A Berkeley view of Cloud Computing),还有一篇是美国 NIST 的论文(The NIST Definition of Cloud Computing),这个组织经常给行业做标准定义的。云计算的
58、标准,包括 IaaS、SaaS、PaaS 三种服务模式,公有云、私有云、混合云部署模式等都是 NIST 提出来的。我通过前几年的学习和实践,我逐渐完善了对云的认知。后面几年更多的是将所学所想在实际场景应用起来,我自己对于云的认知本身没有太大变化,但可以看到现在市场对于云的接受程度越来越快。InfoQ:你觉得在这十年里,云计算的应用情你觉得在这十年里,云计算的应用情况可以分成哪几个阶段?况可以分成哪几个阶段?方国伟方国伟:我认为云的发展或者说企业 IT 的发展可以分为几个阶段:第一个阶段是传统IT方式,这个阶段不是很动态,采用技术也比较固定,都是传统 IT 厂商提供的技术。第二阶段是采用虚拟化阶
59、段,2000 年后虚拟化技术慢慢成熟,越来越多的企业开始使用虚拟化技术,但也面临着很多挑战,比如服务器虚拟之后数量变多、灵活性增加的同时管理复杂度也增加了,因此需要更好的方式来使用这些新技术。然后过渡到了私有云,私有云是在已有的 IT 虚拟化技术上加上动态管理用以提高效率的方式。我认为云计算发展的最终的方向还是公有云,但往公有云发展可能中间有一个阶段,有些企业既用公有云也用私有云,属于混合阶段。随着云技术的不断发展,我认为公有云的比例肯定会越来越高。我之所以一直看好公有云(含行业专有云)的发展,是因为关于云计算的三个基本因素一直没有变化:经济学上的规模效应;自动化提升效率;专业分工,专业的人做
60、专业的事。只要这三个基本因素没有变化,公有云、专有云的发展方向就不会变。平安云的四年升级之路 InfoQ:刚才您介绍平安是刚才您介绍平安是 13 年底开始构建年底开始构建云计算平台,平安云的架构设计经历了哪几个阶云计算平台,平安云的架构设计经历了哪几个阶段的演进?能否介绍几个关键节点?段的演进?能否介绍几个关键节点?方国伟方国伟:在云平台搭建之初,确定一个合理的架构是非常重要的,因为架构确定之后再做调整是非常困难的。在平安云的架构上,我们当时做了两个非常明智的决定。第一个是决定用公有云的服务设计和架构方式来做私有云,比如我们一开始就做了多租户,平安内部有很多的专业公司,专业公司下面还有不同部门
61、和项目组,他们在我们的云上就是一个个租户。还有我们使用了VPC(虚拟私有云)的方式,这种方式在于可以把租户和租户之间通过网络很好地隔离开,这个决策使得我们后续在向公有云方向发展的时候,技术架构上的调整比较简单,没有太大的阻碍。第二个决定是平安云的整体架构设计由我们团队自己控制,云平台中一个的功能模块使用什么技术可以由团队自己来决定,有些是自主研发,有些是开源技术,有些是选用商业产品。这个决策我们认为非常重要,有些公司在搭建私有云的过程中,采用与某个供应商整体合作的方式,这样做不仅内部团队对技术把控不住,灵活性也欠缺,因为供应商产品往往是一个整体,定制化困难。如果整个架构是由我们自己设计,每个模
62、块采用的具体技术方案由我们自己选择,这样得出的整体方案灵活性很强,可以做到整体自主可控。云的发展越来越快,规模越来越大,业务越来越多,打造一个自身能力很强的技术团队,对以后的高速发展也非常有利。InfoQ:您刚才谈到的两个明智决定保证了平您刚才谈到的两个明智决定保证了平安云不管是随着公司战略发展而调整,还是跟随安云不管是随着公司战略发展而调整,还是跟随整个云平台技术而不断发展,平安云都能游刃有整个云平台技术而不断发展,平安云都能游刃有余。那么,能否介绍下,在平安云这四年多的发余。那么,能否介绍下,在平安云这四年多的发展历程里,有哪些关键的变化?展历程里,有哪些关键的变化?20 方国伟方国伟:这
63、是一个高速发展的时代,每个公司的业务发展规划都是动态调整的。2014 年初到平安时,公司高层的想法是搭建平安集团的私有云。到 2015 年底,这个任务基本完成,平安私有云的规模、架构都是比较完备的,云平台上的应用也越来越多。2016 年初我们就在构想,既然平安云在平安内部推广和应用的相当成功,为什么我们不能将这个平台介绍给更多的客户,对外部客户也开放呢?因此 2016 年公司提出平安云要从对内服务转变为对外服务,我们专注的是金融行业,这是我们的巨大优势,所以我们要做最专业的金融公有云。这个是第一个比较大的业务发展规划的调整。2016 年我们推出的金融云成功的为很多银行业务提供了技术支撑,201
64、7 年年中的时候我们对外发布了平安公有云。2017 年底平安集团的又进行了新的业务战略调整,进一步加大科技的投入。另外不但做金融,还在医疗和智慧城市两个方向发力,所以 2018 年云平台的重点就是为金融、医疗、智慧城市这三大行业做支撑,这是第二个比较大的发展方向的变化。由于这三个行业都属于强监管行业,因此我们面临了很大的挑战。我们在云平台构建里面做了很多隔离技术,使得整个云平台可以支撑不同的行业。为了应对政府对数据安全性的高要求,我们使用了不同的管理方式,有托管也有专区,以此来满足不同行业对数据安全性上的各种特殊要求。InfoQ:平安云目前的业务主要分为哪几部平安云目前的业务主要分为哪几部分?
65、分?方国伟方国伟:从产品角度划分,有计算、存储、网络、数据库等。这个角度上平安云跟一般的云平台很像。但平安云跟其他云平台最大的区别是我们有很强的业务属性,如果从业务角度来划分,主要分为三大类,金融、医疗和智慧城市。目前金融行业的业务量最大,例如我们跟平安壹帐通公司合作,在云平台上提供很多针对银行的应用和服务。InfoQ:您谈到目前平安云上金融行业的业务您谈到目前平安云上金融行业的业务量是最大的,这能否代表金融行业对云计算的需量是最大的,这能否代表金融行业对云计算的需求是最大的呢?求是最大的呢?21 方国伟方国伟:这应该不是普遍的规律。平安云是行业云,我们专门针对上述行业来提供服务,因此这些行业
66、的业务量相对较大。目前市场上其他的云平台各有侧重,有的云平台主要是做游戏,有的是做互联网创业公司,每个云平台都有自己的个性特点,专注不同的市场。所以我们在打造平安云时也重点打造平安云的差异化和竞争优势,和其他的云平台区别开来并为我们的目标客户提供更好的服务。InfoQ:现在,越来越多的客户需要获得人工现在,越来越多的客户需要获得人工智能的支持,这个能力可以通过云端获得智能的支持,这个能力可以通过云端获得无无论是公有云、私有论是公有云、私有云还是混合云,也可以通过终云还是混合云,也可以通过终端获得。平安云现在主要是通过哪种方式提供这端获得。平安云现在主要是通过哪种方式提供这种能力的接入接出?能否
67、介绍一下现在通过平种能力的接入接出?能否介绍一下现在通过平安云平台使用这些人工智能能力的案例?安云平台使用这些人工智能能力的案例?方国伟方国伟:平安云的人工智能能力分为三种方式来输出,一是直接提供了人工智能的服务能力,例如平安云已经上线的人脸识别 API,用户可以直接调用 API 来使用这个服务。第二,我们提供了机器学习的框架服务,比如我们支持 TensorFlow,在这个服务的基础上,用户需要自己设计算法,然后将算法放在机器学习服务上面运行。第三种,更加底层一点,我们在云平台上面也会提供 GPU计算服务,客户可以使用这些计算力,构建自己的机器学习框架并进行训练。云平台上一个典型的人工智能案例
68、是车险定损例子,我们现在可以通过手机拍照并上传受损的车辆照片,后台系统就可以自动辨别车型、受损部位、损伤程度等并自动计算需要赔偿的金额。InfoQ:您感觉市场对您感觉市场对 AI 能力的需求现在处能力的需求现在处于一个怎样的量级?从平安云的角度,涉及于一个怎样的量级?从平安云的角度,涉及 AI的业务在你们平台上有怎样的增长趋势?的业务在你们平台上有怎样的增长趋势?方国伟方国伟:整个社会对 AI 的需求从 2017 年开始增长的非常快,可以说是爆炸式增长,我们的平台也反映了这一变化。目前做 AI 的重点大多是通过机器学习和深度学习,这两方面对数据计算能力要求很高,无论是什么样的模型,都需要大量的
69、计算能力,所以在云平台上我们看到对 GPU的需求量非常非常大。现在最大的挑战在于 GPU的供不应求。目前在市场上采购 GPU 服务器,周期还是比较长的,我们经常遇到的一个挑战就是我们预测的需求增长赶不上用户实际的需求增长。这从另一方面也反映出 AI 的需求量确实非常大,一个模型就需要很多资源去训练。我们认为 AI 正在成为云平台上的一个 Killer App(杀手级应用场景)。云平台如何做技术选型?InfoQ:刚才我们提到金融是非常重要的云计刚才我们提到金融是非常重要的云计算应用的行业,相比其他传算应用的行业,相比其他传统行业,你们为金融统行业,你们为金融行业打造的云服务有哪些不同的业务需求和
70、技行业打造的云服务有哪些不同的业务需求和技术挑战?术挑战?方国伟方国伟:金融行业最重要的是安全,平安金融云的安全性首先得益于平安科技的团队,大部分团队成员的背景一直从事金融 IT,所以对金融行业对于安全、运维的相关要求都非常了解,由这个团队构建的金融云平台,在满足金融监管要求和提供高安全性服务方面是有重要优势的。第二,银监会对银行应用云服务是有特殊要求的,如果某个银行关键应用使用了云平台服务,那么云平台的隔壁租户也必须是银行,也就是要求云平台必须做一个银行专区。因此我们做的金融云会通过银行专区的方式提供给银行客户,也就是底层的计算资源、存储资源等专门给这些专业用户用,通过物理上的隔离来满足行业
71、监管的要求。最后,我们在架构和资源上都充分考虑的金融行业的高可靠性和冗余性要求。InfoQ:请问对于医疗行业打造的云服务有哪请问对于医疗行业打造的云服务有哪些不同的业务需求和技术挑战呢?些不同的业务需求和技术挑战呢?方国伟方国伟:对于医疗行业也是和金融行业一样,首先要满足行业监管的要求,然后是考虑如何让我们的服务更符合医疗行业对底层技术的要求。我们在平台层 PaaS 层,应用层 SaaS 层,都在努力提供更多的能实际解决医疗行业业务的服务,使我们的服务更符合行业云的特点。InfoQ:平安云采用的是哪种开源云平台?为平安云采用的是哪种开源云平台?为什么做出了这样的选择?什么做出了这样的选择?22
72、 方国伟方国伟:很多人认为开发云平台,需要选择某一个框架,比如 CloudStack、OpenStack 等等。但是经过几年的实际耕耘之后,我认为选哪一个框架并不关键,云的关键在于底层的网络、存储,包括一些自动化的流程设计。框架上我们最开始用的是 CloudStack,后面也融入了一些 OpenStack的模块,所以我们的做法相当于把 CloudStack 和OpenStack 的相应模块整合在一起,加上我们四年多的大量定制构建起我们自己的 PAStack(也叫做平安 Stack),形成了平安自己的一套框架,使得我们平台的定制能力和适应能力更强。但是平安云的真正关键不在这个框架,而是底下的网络
73、、存储等核心服务,以及如何将这些部分做得更加安全可靠,扩展性更好,跟 PAStack 能有机的整合在一起,提供卓越的云平台服务。InfoQ:您刚才提到的网络、存储和自动化流您刚才提到的网络、存储和自动化流程上进行过哪些选型工作?程上进行过哪些选型工作?方国伟方国伟:我们尝试过很多不同的技术,以存储为例,云存储服务可以分为三大类,对象存储、块存储和文件系统。我们的对象存储是基于 Ceph做的,块存储采用了混合的方式,使用了 Ceph 还有传统的 SAN,甚至也有用到本地盘。我们通过不断尝试来研究哪一种存储方式能更好地适应云平台的需求。我们现在的云平台有 11 个数据中心,每一个数据中心的构建时间
74、都不同,比如说最开始构建的数据中心,当时没有 Ceph,就只能是用传统的SAN来做块存储。当技术慢慢越来越可靠,团队把握能力越来越强以后,新的数据中心构建就会选择 Ceph。技术始终是在不断发展的,我们主要关注什么样的技术更能解决当前场景的问题。平安云从 2014 年底 2015 年初开始做容器的尝试,我们尝试过很多不同的技术,目前最新的容器技术发展方式就是按照 Kubernetes 来构建的,虽然其 他 的 容 器技 术 也 还 在 用,但 重 点 是 放 在Kubernetes 上。InfoQ:可否介绍下平安科技的整体技术研发可否介绍下平安科技的整体技术研发团队和容器研发团队的规模?团队和
75、容器研发团队的规模?方国伟方国伟:由于平安集团在做科技方向的业务转型,所以今年的策略跟之前不太一样,今年我们平安科技的转型目标就是做云公司。所以平安云不仅仅包括刚才讨论到的计算、存储、网络、容器,我们也包括很多平台层和业务层的服务,都会整合到云平台里面来。我们对外的服务都会通过云平台统一展示和服务,所以从这个角度来讲的话,大部分平安科技的研发人员都会参与到平安云的建设工作中。另外,平安云上的许多 SaaS服务也是平安云的一部分,许多针对各个行业的应用服务都是由平安不同专业公司参与共建的,所以整体研发团队规模是比较大的。InfoQ:您一开始也是架构师,慢慢走到现您一开始也是架构师,慢慢走到现在,
76、在整个团队中,架构师所承担的是什么样的在,在整个团队中,架构师所承担的是什么样的角色?您所理解的架构师职责包括哪些?角色?您所理解的架构师职责包括哪些?方国伟方国伟:架构师还是挺关键的,因为架构师是从需求到最后实际做产品研发落地的重要桥梁,他需要对很多需求有比较深刻的理解。这个需求包括两方面,一个是功能性需求,到底这个产品做什么的;另一个是非功能性需求,比如说安全性、可靠性、性能等等,跟直接功能没关系,但是会间接地影响功能本身的使用好坏,这些需求架构师都要有很深的理解。因此对架构师的职责要求也非常高,技术要过硬,一方面要有自己的技术特长,另一方面是技术面要广,比如你要设计云相关的某个架构,关联
77、的系统都要有所了解,否则设计出来的的系统是孤立的。如果说这个架构师是做软件相关的架构,我们希望这个架构师能够开发核心模块。如果是系统架构师,那他需要对相关系统软件有一线的经验。不能光说不练,还是要有很强动手能力才行。InfoQ:如何成为一名优秀的架构师,您是否如何成为一名优秀的架构师,您是否能跟我们分享一些自己的经验?能跟我们分享一些自己的经验?方国伟方国伟:仅供参考,我认为一个架构师有几点比较重要,一个是一定要有自己的技术特点,某方面的技术必须了解得很深,架构师不能光是了解面,好像什么都懂一点,没有自己的专长的话,很难建立起自己的技术口碑,没有技术口碑就没有技术上的公信力。第二,架构师眼界要
78、广,知识面要广,敏感度要比较强,你要了解到哪些技术是有发展潜力的,架构师很多时候会涉及到技术的选型,需要帮团队做技术决策,敏感度不行的话就可能选错。第三点其实跟很多技术工作 23 都有关联,只是对架构师来说可能更重要一点,就是学习的能力,要能够不停地学习新的东西,快速了解新的东西,一旦有很新的技术出来架构师要能快速地了解并上手使用。InfoQ:您刚才说到的敏感度,感觉比较抽您刚才说到的敏感度,感觉比较抽象,怎么培养敏感度呢?象,怎么培养敏感度呢?方国伟方国伟:敏感度有两种方式来培养,一个是你要关注业界发展的情况,要知道现在业界大概有哪些新的技术出来,这些新的技术跟老技术有什么转变关系和替代关系
79、。第二是架构师要动手,我一直鼓励团队的人要把你的手弄脏(Keep your hands dirty)。如果你做系统设计,就要去装一些系统,配置一些系统,如果是应用代码设计,自己要写代码,自己动手做了之后,才能增强技术敏感度。举个例子,2016 年的时候,我负责云平台团队,当时团队想做一些自动化运维,我们取了个名字叫 AlphaOps,因为 2016 年 AlphaGo 下围棋赢了,我们觉得在运维上面也可以应用人工智能。为了了解如何在运维上应用人工智能,我也去学习了 Python 语言,学习了之后就更能了解为什么Python对运维很重要。因为Python语法简洁,还有不同的运行模式,支持交互模式
80、。Python 的交互运行在运维里非常有效,而且 Python 在机器学习里面也非常流行。我希望团队的人都是这样的,自己动手去做,才能对技术更了解,敏感度就会更好。云计算回顾和展望 InfoQ:有人认为有人认为 2017 年是年是 Kubernetes 的胜的胜利之年,您怎么看?利之年,您怎么看?方国伟方国伟:Kubernetes 在 2017 年确实发展得非常好,Kubernetes 其实从 2014、2015 年开始发展势头慢慢起来,为什么能发展得这么火?因为Kubernetes 背后是容器,背后最重要的推手是谷歌。谷歌为什么要花这么大精力去推一个开源的产品?我的看法是,主要还是因为谷歌在
81、云计算领域是后来者,他们在想办法改变游戏规则,他们想改变原来基于虚拟机的运作方式,因为在原来的游戏规则里,谷歌是不可能赶上其他厂商了,比如AWS。但实际对更多的云从业者来讲,这是一个很好的机会,既然谷歌可以利用这个趋势,其他云厂商也可以利用这个趋势,因为容器的好处是让云平台上面的应用和云平台本身的耦合度降低,大家不会绑定在某一个特定的云平台上,所以迁移能力会比以前更强一些。2017 年发展很快,我相信一方面是谷歌背后在推,另外是更多的从业者、云服务商觉得这是很好的机会,可以改变游戏规则,能够让自己有更大发展空间。InfoQ:您觉得过去这一年,云计算领域最重您觉得过去这一年,云计算领域最重要的新
82、事物是什么?要的新事物是什么?方国伟方国伟:云计算行业有两个事情是我们重点关注的,一个是应用方面,两大类应用是比较有潜力,一个是人工智能,当前人工智能大多基于深度学习或者机器学习,需要大量数据,这些数据放在云平台上比较合适,同时对计算的需求量也很大,既有存储需求又有计算的需求,因此人工智能对云平台会有比较大的驱动作用。另外一个是正在兴起来的 IoT,也就是物联网,以后的智能应用会无处不在,物联网本身会产生大量的数据,有很多边缘计算方面的需求,这跟云平台的关系也非常密切,因此从需求角度来看,我们认为云平台在 IoT 方向上的发展应该也是很明显的。另外从计算模式上来讲,现在云平台有一个新的计算模式
83、,平安云也在做,就是 Serverless 的计算模式。我们内部也有一个项目也在做 Function as a Serverless(FaaS),目的是希望降低用户对资源、环境管理的需求,只要把代码一提交,云平台可以帮他自动运行,而且真的能做到用多少付多少钱,如果没有人调用这个服务,这个服务本身是没运行的,也就没有计费。这个是云在近两年慢慢发展起来的一种计算模式。InfoQ:您觉得云计算领域现在最有待突破的您觉得云计算领域现在最有待突破的地方在哪里?地方在哪里?方国伟方国伟:云计算最有待突破的不是技术,而是另外两个。一个是心理,我并不认为公有云的安全性不如私有云,但这是很多人认为的。这是一个误
84、解,实际上公有云的安全性并不会比私有云差,我认为没有本质区别,所以这是云计算行 24 业需要更多用户突破的一个心理障碍。第二要突破的是利益问题,很多企业都有自己的数据中心,有自己的团队去做基础设施运维,如果采用公有云的方式,或者行业云(行业云也是公有云的一种,是针对某个业的公有云),这个团队本身的利益会受到损失,可能这个团队就不需要了,或者团队工作量会减少,这是利益方面的分配问题。我觉得这才是云计算行业目前面临两个需要突破的问题。技术的演进本身我觉得是没问题的,我们并不期待一个特别大的突变来改变云计算领域,因为在过去的发展中,绝大部分应用已经可以在云平台上完成和实现,至少可以实现得跟本地一样好
85、,所以关键不在技术层面,而是心理或习惯上,在利益上。我们需要意识到,整个行业在转变的时候,肯定有些人的工作方式会发生变化。InfoQ:您认为下一阶段云计算的主流发展方您认为下一阶段云计算的主流发展方向是什么?向是什么?IaaS、PaaS、SaaS 和平安提出的和平安提出的 CaaS各自将如何发展?各自将如何发展?方国伟方国伟:云计算发展最终是要解决业务问题,我们认为 IaaS 这一层慢慢会趋向于同质化。很多公司都在做云平台,云平台里面很大一块是做 IaaS,但最终 IaaS 这一层慢慢会同质化,差别会有,但是不会有本质区别,就像我们买服务器或买笔记本,最开始笔记本出来有许多不同的品牌,慢慢的最
86、后剩下的品牌就很少了,因为大家觉得选哪个品牌都一样,服务器也是一样的。所以云平台的 IaaS 一层未来也不会有太多不同的厂商品牌,而对用户来说选哪个 IaaS 也都能满足它的需求。平安云一方面是要继续夯实 IaaS 这一层的技术,使得我们的产品跟其他的产品在通用基础功能上一样,但是在针对行业上具备一些独有的特点。另外我们会在业务属性上加强突破,希望我们的云平台可以针对智慧城市、医疗和金融提供特殊服务,尤其是在整个 P 层和 S 层,后续有很多发挥空间。InfoQ:对于平安云的下一步您有哪些规划?对于平安云的下一步您有哪些规划?平安云未来有哪些改进计划?还将探索哪些新平安云未来有哪些改进计划?还
87、将探索哪些新的技术或发展方向?的技术或发展方向?方国伟方国伟:从技术方面来讲,我们始终在跟踪云计算业界的发展,希望在技术发展上保持跟业界同步。另一方面,从业务拓展方面,整个平安云的业务紧紧围绕平安集团战略来做的,平安云有自己的云战略,但从整个集团来讲我们是支撑集团的业务战略。例如,集团如果要拓展海外市场,平安云也会拓展海外市场,比如今年我们在香港已经建立两个数据中心,会提供平安云的服务。第三,我们会继续加强业务能力构建,例如我们今年构建了一个 API 市场,其中包括技术的API 和业务能力的 API,业务 API 是围绕着刚才说的三大行业来构建的。InfoQ:当前整个云计算市场厂商非常多,竞当
88、前整个云计算市场厂商非常多,竞争激烈,您希望平安云未争激烈,您希望平安云未来在其中扮演什么样的来在其中扮演什么样的角色?角色?方国伟方国伟:我希望平安云是与众不同的云平台,目前大部分云平台都是技术属性,没有业务属性,我希望平安云是最有自己的业务属性的,而且是比较强烈的业务属性,这也是我们构建行业云的一个很重要的特点,比如说云主机可能跟其他云平台类似,但是还有一些不一样的,带有很强业务属性的服务,这需要把平安整个集团各个业务公司的专业特点发挥出来。另外平安云会比较开放,比如我们平台上的 API 市场,对于平安内部提供的API 和合作伙伴提供的API 认为都是一等公民,而且技术的、业务的 API
89、都会放到我们的云平台上面。25 肖京肖京 平安平安集团集团首席科学家首席科学家 人物肖京:AI 落地不是炫技,而是一个痛苦的改造过程 2015 年,肖京以国家千人计划引进专家的身份,从美国归来。面对众多颇具吸引力的 offer,他选择了加入平安科技。作为平安集团的全资子公司,平安科技却远没有平安集团那样为大众所熟知。普通人甚至根本不知道,以保险等金融业务为核心的平安集团,多年来花费了大量人力物力发展技术,并取得了令人侧目的成果。肖京是世界顶尖的算法科学家,之所以回国,就是希翼能够让大数据在金融、医疗等领域得到真正利用。平安集团的庞大业务及海量数据,令他感到如鱼得水。他认定,这里正是最适合 AI
90、 落地生长的沃土。务实的科学家 肖京是美国卡内基梅隆大学的计算机博士,从1995年开始,研究方向一直是计算机视觉和模式识别。在卡耐基梅隆计算机学院机器人研究所,肖京在人脸识别、情绪识别、面部跟踪等方向,都做了深入的研究,并获得了数个美国授权专利。迪士尼电影公司和维塔数码(Weta Digital)就曾经购买了肖京的一项专利授权,并将其运用于电影特效,比如电影阿凡达,人物的面部特效就采用了这一专利。计算机视觉技术发端于上世纪 80 年代,但是长期没有得到真正的应用。肖京曾参与过美国中央情报局的一个测谎项目,通过人脸的微表情变化,来看这个人是不是在撒谎。但当时做出来之后基本没派上什么用场,因为做不
91、到特别准。人脸识别也是差不多情况,识别数量过万之后,识别精度就大大下降。美国联邦调查局曾投入很多资金做人脸识别的研究,后来在一些机场试了一下,发现效果非常差。博士毕业以后,肖京加入了爱普生美国研究院,负责算法部门。爱普生有一个很大的业务领域是精密仪器和传感器,所以这个研究院除了做主营业务打印机、复印机和投影仪以外,也做了很多传感器数据分析。肖京当时的工作涉及到的数据种类特别多,应用方向也很广。事实上,这一点与平安集团有点相似,只不过平安是在金融和医疗领域,爱普生是在传感器和消费电子领域。在企业里,肖京大展拳脚。比如人脸三维呈现技术,就可以用在打印机上,用户扫描一个照片进来,但是对自己的脸不够满
92、意,想把肤色变白一点,眼睛大一点,脸小一点等等,可以很方便的直接在扫描仪上做到。这一模型还能实现从单张照片恢复一个人的面部三维图像。传统方法要使用几个摄像头同时拍才能做到这一点,而肖京的方法只需要使用一个摄像头。这样生成的三维图像,也可以用于 3D 打印机作者作者|刘海星刘海星 26 的内容生成。还有可以用于医疗的传感器。比如心脏病患者,心肌异常的运动会产生一些微弱电流,这些微弱电流产生磁场,通过电磁传感器可以检测到。肖京和团队做了一个人工智能算法,可以通过多个传感器,推出一个 200*240 万精度的图片出来,能够精确定位心脏里面的异常电流在哪里。当时世界上可以实现的最小误差是 1.4 毫米
93、,而肖京他们的技术将误差缩小到了 1 毫米以下。这一方法也可用于脑部肿瘤的定位。这样的例子还有很多,三维投影、静脉识别、行人检测肖京共获得美国授权专利 80 多项,这些专利大多已经被广泛使用。这并非偶然,肖京的观点是,炫技没什么意义,做任何技术研发都要有目标,都要跟公司的战略一致。能在业务上产生价值的才是好技术,所以他的很多专利都是有实际用处的。这与平安集团务实的风格不谋而合,也是他选择回国加入平安科技的重要原因。人工智能落地需要几个要素 说到平安科技,不得不提一个人平安集团董事长兼首席执行官马明哲。他是一位很有远见的人,很早就觉得数据是战略资源。毕竟对于一个有 150 多万名员工的庞大企业来
94、说,做决策不能依靠直觉判断和主观喜好,通过分析数据,基于数据的支撑点做决策,才是最合理的。所以他多年前就已经要求平安科技做大数据的布局,做相关技术的研发,并且应用在业务场景上。如今的平安科技可以从容应对业务每天产生的大量数据,但在大数据平台建立之初,技术团队也曾面临很大的挑战。最大的困扰恰恰来源于集团的庞大。肖京用“信息孤岛”来形容曾经的平安集团。作为世界五百强企业 Top50 榜单中的一员,平安集团单单是一级子公司就有近三十个。每个子公司都有自己的一套数据化方案,这意味着要把这些医疗数据、金融数据等等打通,首先需要进行数据的清洗,形成统一的标准,才能整合到一个平台上来。这只是第一步。之后数据
95、会不断地更新,必须建立一整套更新迭代的机制,让新的数据内容能很方便地加进去。数据打通以后,安全性也变得非常重要,一旦出现安全泄露,可能所有数据都会出问题,这也是平安科技面对的主要挑战之一。但是成功将数据打通和整合仍不意味着大功告成。数据本身没有价值,一定要跟分析结合起来才有价值。讲大数据一定要讲分析技术,分析技术就是人工智能技术,所以大数据和人工智能是绑在一起的。在肖京看来,人工智能技术要在传统行业落地,需要满足几个要素。第一个要素是本身要有数据,没有数据你做不了什么事情。作为一个全牌照的金融公司,平安集团拥有最全、最深、最广的金融大数据,这一点是国内绝大部分企业都难以望其项背的。而且这些数据
96、全部来自业务,不需要通过搜索或者社交行为去猜测估量,精度和可信度都更高。仅拿车险一项来说,每年上千万起理赔案例中,每一起都会收录 50-100 张图片,每年产生大量的图片支持算法模型的建立。第二个要素是有技术能力,包括基础的计算平台,计算能力,以及算法。平安集团有自己的五大数据中心,以及强大的技术架构平台。包括在金融和医疗领域处于绝对领先地位的平安云,也从侧面证实了其在算法和平台方面的优势。27 第三个则是要有场景和专家。要做数据分析,如果不知道痛点在哪里,肯定做不出好的结果来,所以专家的指导非常重要。而平安集团近三十年来积累了非常多的业务场景,并且吸纳了大量的行业专家。这是一个很容易被忽略的
97、关键点。肖京举了一个简单的例子,在 AlphaGo 赢了李世石和柯洁之后,所有人都记住了谷歌旗下的 DeepMind 公司。但是人们不知道的是,同时期 Facebook 也有一个下围棋的人工智能项目,名为“黑暗森林”(Dark Forest)。它的技术以及团队和 AlphaGo 不相上下,但是棋力却差得很远。原因很简单,这个开发团队里没有人懂下围棋,缺少这方面的专家。以业务需求为导向 通过多年的积累,平安科技在人工智能领域已拥有多项世界领先的技术。肖京举例说:“2017 年 5月,国际权威人脸识别公开测试集 LFW(Labeled Faces in the Wild)公布了最新测试结果,平安科
98、技人脸识别技术以 99.8%的识别精度和最低的波动幅度领先国内外等知名公司,居世界领先。尤为难得的是,这些技术都快速地与业务场景相结合,实实在在地解决了问题。以车险理赔为例,平安集团是目前世界上唯一完全实现图像识别自动定损的保险企业。从去年 10 月开始试点,到今年 6 月全国展开,现在平安车险每天处理三万多起案件,都是通过图像识别,并且能够达到 90%以上的精度。平安的车险自动定损系统背后还有一个庞大的知识图谱,可以解决很多问题。比如这个知识图谱覆盖了六万多个车型,两千多个配件,可以非常精准的识别车型,通过图像识别出来哪个部位有什么样的损伤,马上就能精准的定价。甚至能够区分一个同样的配件在不
99、同地域的价格差异。此外,保险行业一直存在欺诈问题,车险的欺诈比例非常高,造成的损失以十亿百亿计。为解决这一问题,平安车险自动定损系统有一个三万多个规则的反欺诈引擎,能够自动识别很多欺诈,减少企业的损失。这在全世界保险行业都处于领先位置。2016 年,平安集团提出“平安 3.0”的战略目标,把“互联网+金融”模式向全行业开放,携手金融同业伙伴,共同利用新科技,打造更加强大的、开放式互联网金融服务平台。为此,平安科技通过国际前沿的数据挖掘、机器学习、深度学习等技术,研发了大数据平台产品“平安脑”,支持集团战略转型。仅一年,“平安脑”已帮助平安集团识别大量“骗保”,减少了 20 多亿元的资金流失;还
100、引领业务创新,为客户提供智能健康管理、保险自助理赔等人工智能服务。肖京为我们详细讲解了“平安脑”的结构。第一层是原始的数据,就是前面提到的标准化的大数据平台,这一层主要做清洗整合、标准化、安全管理、质量控制,要保证不断得到的一些数据,其质量能够支持后面的分析。第二层是画像脸谱层,可以把原始的数据根据个体、企业、渠道、产品等分门别类,做成各种丰富的画像,变成一些标签。在画像这一层,数据就没有隐私信息了,全是脱敏的标签;第三层是分析层,这个分析层会使用大量人工智能技术,商务智能技术,统计分析技术,包括结构化数据,非结构化的深度学习等等技术,都在第三层;再上一层是解决方案层,这一层会有个人的风控解决
101、方案,企业的风控解决方案,欺诈识别解决方案,智能推荐解决方案等等;最后就是应用层,解决方案怎么在各个业务里真正落地,跟业务具体流程怎么结合,业务哪一步分别用解决方案的哪一个模块等等。28 平安科技通过这样一个智能引擎,来助力整个集团的业务充分地利用先进技术。未来他们还要不断增强“平安脑”的实力,使其充分成为大健康、大金融方向上的“智库”。人工智能的第三次兴起 很多人对人工智能的最初印象,来源于好莱坞科幻电影,肖京也不例外。肖京童年时是在部队大院长大的,基本上每周有电影看,但是让他印象最深刻的,是 1976 年上映的美国科幻电影未来世界。电影里的很多特效场景,比如人类控制拳击机器人对打,下棋时棋
102、盘上的“马”变成了活的,他至今还记得。里面的一些场景,现在在现实中已经可以实现了,这也让肖京切实地感受到了技术的进步。肖京认为,人工智能曾有过两次兴起,两次衰落,而当下是第三次兴起。前面两次衰落,主要原因是没有产生价值。“因为人工智能有一个问题,它很少百分之百正确,就跟人一样。但是人的错误改正起来比较方便,而计算机系统改正的成本很高,也比较复杂。所以要把问题定义清楚,哪些问题是适合用人工智能解决的,如果这个问题太大怎么缩小,缩小到既有业务价值,又能够真正用起来。”对于人工智能的这次兴起,肖京觉得完全在预料之中,而且这一次兴起与前两次有个本质区别。这和互联网的发展有很大的关系,互联网行业比如说搜
103、索广告,地图等等,人工智能技术产生了很多价值,因为很多时候这些东西不需要百分之百对,有点错误也没关系。当然,技术的进步也是必要因素。最近这些年计算能力提高了,数据量也有了很大的提高,可以做的事情多了。以前第一次兴起的时候,尽管那时的电影或广告中已经预言了机器人助手,但那时一个知识库,一个字典只能放几十个单词,根本不可能做出来可以对话的机器人。肖京很确定,人工智能一定会在我们生活中越来越常见,越来越产生价值。而他现在最感兴趣的,就是人工智能在金融和医疗领域的应用:“我们说科技引领金融,科技最终还是要在金融上落地,才有价 29 值。我们集团的战略是大金融和大医疗。在金融和医疗领域,我们觉得哪些地方
104、利用人工智能技术,能够提高效率、提高效果、提高用户体验、降低成本、降低风险,我们就去做。”具体来说,平安科技关注的主要问题集中在几个层面。金融业最核心的就是风控,通过人工智能技术预防或者及时制止风险和欺诈,是平安科技始终要做的重要工作。其次是获客,通过非常精准的分析,很快知道用户需要什么,然后给他推荐最合适的产品,最合适的服务。第三是服务,金融实际上属于服务业,服务水平不高的话,用户来了也留不住。第四个是个性化,不同的用户,可以通过大数据分析,做到真正个性化的服务,提高用户的体验。另外就是金融本身的业务,比如智能投研,通过人工智能技术,非常快速地分析一个市场或者一个领域,辅助相关部门快速的做出
105、准确的投资、交易等等决策,甚至可以让机器来做一些量化交易。理赔是不是可以自动化,非常快速地从大量的资料里面找到相应的信息,自动完成表格的填写,相关材料的准备,自动生成一些分析报告等等,让员工能够更加轻松地服务更多的客户,这些都是肖京觉得人工智能一定会发挥作用的场景。深圳平安国际金融中心 更广阔的天地 1998 年,肖京参加 ICPR 模式识别国际大会,和坐在旁边的一位来自日本松下的研究人员聊天。对方问“你是哪里人?”肖京回答“我是中国来的。”对方意外地表示“你们中国还有做模式识别的?”现在再去看 ICPR,能看到很多中国人的身影,其他的重量级人工智能大会也是差不多情况。肖京感概道:“现在国家确
106、实很重视人工智能,中国的人工智能技术水平在过去几十年发展非常快,也吸引了大 30 量的人才进来。”在他看来,中国的人工智能技术在国际上水平还是不错的,尤其是应用能力很强,不管是互联网还是人工智能,很多技术的应用,包括产品的设计,真正结合场景的实际落地,中国在国际上都很领先了。但是原创性还是美国、欧洲做的好一点。不过这方面中国也在很快的进步,所以他觉得现在对于技术人来说是个非常好的阶段。平安科技也是在这样的大环境下迅速成长着。现在的平安科技是一个独立核算的公司,有员工近万人,基本上都是 985、211 等比较好的院校毕业的。它包括很多不同的业务方向的团队,比如语音团队,技术架构团队,运维团队,区
107、块链团队等等。而肖京的团队负责大数据和人工智能,现有 500 人左右,90%以上都是清华北大交大等名校的硕士或博士,哈佛,斯坦福等海外名校的毕业生也很多。在 2017 年 8 月举行的年中报发布会上,中国平安集团总经理任汇川表示:“平安正在从资本趋动向资本科技双向趋动转型。平安集团董事长兼首席执行官马明哲更提出,希望十年之内科技服务的收入更高。”与之相对应的是,平安科技正在成长为一个金融科技平台,不只服务于平安集团,还要服务更多的金融机构。近几年平安的技术输出越来越多,比如平安云、人脸识别身份认证、智能客服等等,已经在服务很多银行和金融机构。还有去年在第三届世界互联网大会亮相的实体客服机器人安
108、博士,依托平安海量的数据积累和世界领先的智能引擎,集万物互联、大数据与人工智能于一身,具有迎宾分流、业务办理、咨询引导、智能推荐、关爱提醒、集中管控等强大功能,助力银行、保险、投资等业务公司打造新一代的高科技门店。对于期望赶上人工智能这趟快车的企业,肖京给出了自己的建议。他表示,人工智能落地是个痛苦的过程,要对现有的系统,现有的流程做改造,这需要很多资源,很多资金,以及领导的支持,否则很难实现。中小企业选择跟成熟的企业合作是个不错的方式,成熟企业有一些经过实际验证的解决方案,可以让中小企业方便快捷地使用新技术,从而在快速变化的市场环境中先人一步。31 谢国彤谢国彤 平安科技首席医疗科学家平安科
109、技首席医疗科学家 人物谢国彤:未来 2-3 年,医疗科技行业将进入关键期 医疗科技从蓝海市场发展为一片红海之势,不过短短数年时间。医疗产业又因其门槛高、专业性强、产业链长,向来能够入局的多是行业巨头。随着科技的发展,医疗科技正在经历嬗变,从跑马圈地到群雄逐鹿,平安科技首席医疗科学家谢国彤认为,未来 2-3 年,医疗科技行业将进入关键期。而在这个时间点到来之前,雾里看花往往令人费解,而亮出真正的“杀手锏”,才是市场看到的最好砝码。在近日由平安科技承办的平安集团 SMART Tech Talk 上,谢国彤向外界亮出了平安科技正在悉心布局的医疗科技生态圈。令外界更为兴奋的是,平安科技露出了其中的“杀
110、手级利器”。祭出“三板斧”向疾病管理全生命周期延展 谢国彤表示中国每年就诊人数已经突破 80 亿人次,而与巨大的就诊人数对应的则是医生的短缺,一些门诊的医生一天要看一百个以上的病人,高强度的工作导致医生急需要减负。“如果有这么一项技术可以帮助医生提高效率,聚焦在高价值的工作上,而不是花费更多的时间在问诊和初筛方面,这项技术就产生了价值。”需求决定供给,但平安科技并不仅仅只针对单一的诉求来提供解决方案。平安科技要打通和击破的是涉及诊前、诊中、诊后的整套疾病管理生命周期。谢国彤解释道,具体而言是从诊前的分诊、预测、筛查,到诊中的诊断治疗,到诊后的随访、患者教育一整套生命周期里,如何利用技术针对影像
111、数据、文本数据、病例数据的挖掘变成模型,从而提高医生的工作效率,并帮助医生解决比较困难的问题。针对就诊环节设计相应解决方案是平安科技场景和技术深度融合的一大特色。在诊前公共健康管理领域,今年初在深圳市一次流感预测中,平安科技的大数据+人工智能流感预测模型,实现了提前一周预测流感趋势。目前大数据+人工智能疾病预测模型已经在深圳和重庆两市开展合作并逐渐落地应用,在慢病预测准确率、传染病预测上,准确率均超 90%。作者作者|匿名匿名 32 打出“组合拳”快速推进应用落地 值得注意的是,“长拳”固然威力无穷,然而层层递进的组合拳更具“杀伤力”。针对基层医疗,平安科技需要解决三大难题:一是疾病防控,二是
112、分级诊疗,三是家庭医生。为此,“我们提出的解决方案是用人工智能技术使疾病预测的更准确;利用医疗大数据平台和医疗知识图谱平台,辅助基层医生做出更准确的疾病诊断和治疗;家庭医生则通过智能化平台完成随访、患教和问答等的工作。”谢国彤也指出,在整个概念、商业模式都已经广泛接受的前提下,落地速度变得至关重要,未来 2-3年,将迎来一轮行业洗牌期。相同的赛道,共同的目标,意味着竞争更为激烈,而平安在落地方面的优势显而易见。最初吸引谢国彤从 IBM 中国研究院离开加入平安的原因,正在于平安科技背后庞大而丰富的医疗生态场景,以及平安强有力的执行力文化。“平安的保险业务使它有很强的驱动力去做提高医疗的质量、提高
113、患者的生活质量、提高患者的疾病管理的事情。同时,平安的基因中有很强的开拓精神,这些优势使得平安科技在医疗科技的落地速度非常快。平安科技目前已经和近百家医院达成合作,并逐渐投入应用。平安科技的医学影像技术在与贵州省龙里医院的应用中,已经扫描超过 1200 份影像报告,辅助发现超过 100 名肺结节患者。这一医疗影像技术,已经覆盖至 30 多种疾病可辅助医生读片诊断治疗。同时,涵盖疾病管理全生命周期的智能质控平台,平安科技也在稳步推进中,已与多家行政主管医疗单位达成合作。短短数年,医疗科技覆盖的场景其实已经经历了几度更迭,从最初的医学影像,再延展到如今疾病管理的整个生命周期。谢国彤认为,在群雄逐鹿
114、的医疗科技市场,平安科技凭借平安 30 年打造的医疗场景闭环和快速的推进应用,显然已成为最接近目标的竞争者之一。33 王健宗王健宗 平安科技大数据高级产品总监、平安科技大数据高级产品总监、平安深度学习平台负责人平安深度学习平台负责人 技术从金融到科技,平安科技布局 AI 放出“深水炸弹”王健宗先生自 2002 年开始从事计算机科学的学习,到今年已经 17 年了。从本科、硕士一直到博士,都是从事计算机方面的科学研究。2009 年的时候他去了美国,开始接触做云计算领域的研发。当时美国的云计算技术也是刚刚起步。大概到了 2012年,王健宗开始从事大数据相关的工作,据他本人介绍,自己应该是国内第一批做
115、 Spark 的技术人。“这一年,同样是我在美国做博士后的时间,那时候Spark 开始得到推动,同时深度学习也有了突破,比如谷歌等等大厂都有了相应的成果,我也是从那个时候开始进行的深度学习研究。”2015 年,王健宗加入平安科技,开始专注于如何将深度学习应用在金融领域。在此期间他组建了一支非常强大的团队:“我目前在平安集团负责整个深度学习平台的应用,同样我是在 2015 年组建的技术团队,除了工程师、科学家,还有不少为深度学习进行数据标注的同事,大概一百多号人的团队。虽然在整个业界不论国内还是全球范围我们的这个团队不是最大的,但是在金融领域,我们的团队是相当有规模的,甚至可以说是最大的。”正是
116、这个号称是业界最大规模的技术团队,在王健宗的带领下,立志要对传统金融行业进行一番彻底改造。打破传统印象,转型技术公司 大多数人可能对平安的了解是由保险业务开始的,之后慢慢接触到平安的金融等等业务。可能很少有人知道,平安一直在专注在科技领域,而且在人工智能领域已经取得了一些不俗的进步。“从我开始做计算机科学,到大数据再到现在的 AI,我个人对 AI 体会最深的感受是:这一波 AI 热潮不是一夜之间造成的。大家都很清楚,这一次 AI 潮更像是一次数据的 AI 潮,以数据为基础而发展起来的AI。”王健宗先生介绍说:到明年,正好是平安成立 30 周年。在 30 年的时间里,平安已经把整个金融行业“吃”
117、的非常通了,同时在这一领域也积累了大量的数据经验。而恰恰在金融领域,AI 现在是最能够发力,并有所突破的。王健宗认为有这样两个原因:一是因为金融是相对比较黑盒子的领域,利用 AI 将它透明化是很有意义的;二是因为 AI 可以解决某些领域中重复劳动的问题,而金融正是这样。作者作者|陈思陈思 34 王健宗告诉我们,大部分普通用户是不懂金融的,比如说做投资、做股票交易,甚至有很多人买了保险,等到需要用到的时候都不知道该怎么赔。这个领域实际上是很不透明的,很多客户对于金融这一块是完全觉得跟自己没多大关系的。因此,在这个领域 AI 是有机会的。同时在金融领域有很多重复的劳动,比如说经常有大量的单据处理,
118、或者经常电话里面遇到很多重复的问题对用户进行身份的核查等等。这种重复简单密集型的劳动给 AI 创造了很多机会。对于外界对平安的固有印象,王健宗也有所耳闻:“我们平安对外界来说更多时候是一家金融公司,有些人可能觉得我们是银行,也有不少人认为我们是保险公司,甚至有一些人只知道平安是中超的赞助商。”其实平安一直把科技在金融领域的应用作为非常重要的一块内容。王健宗说,早在 2000 年左右的时候,平安就已经开始尝试互联网与保险相结合的业务,之后在 2011、2012 年左右的时候,也就是国内大数据刚刚起步的时刻,平安已经开始布局如何把公司的业务数据进行轨迹整理,同时也开始了用户分析、用户画像等领域的工
119、作。“从今年开始,我们也是在积极地拥抱人工智能的这波浪潮,希望能够走在业内领先的位置。”王健宗提到,平安的马明哲董事长也提出:要从传统的金融公司转变成一个科技公司,利用科技+金融,慢慢地去颠覆金融领域传统的作业方式,让它变得高效透明,最大限度地提升用户体验。从正式宣布开始布局 AI 至今,平安科技已经在诸多领域取得了不错的成果。在智能认知领域,尤其生物特征识别方面做的非常领先,王健宗告诉我们,目前平安科技已经研发出人脸识别、声纹识别、虹膜识别、静脉纹识别、眼纹识别以及步态识别等多种验证技术;在金融领域,尤其是该领域比较常用的风险预测,平安科技推出了智能预测 AI 和决策 AI 系统,节省人力物
120、力,同时还可提升用户体验。除了以上技术,王健宗说,平安科技同时对外提供即服务,从 IaaS(基础设施即服务)、SaaS(软件即服务)、到 Paa(平台即服务)平安科技都有涉及。王健宗进行了一个形象的比喻:IaaS 就像是一片荒地,买下之后,所有的工作还得用户自己来做;PaaS 就像在这片荒地上建了一栋写字楼,用户搬进去之后只需要负责装修;而 SaaS 不仅建了一栋楼,还把房间装修好,用户只要买下就可以即刻领包入住。平安科技各种各样的 AI 能力、大数据能力、风控能力就如同王健宗所说,全都装在了这栋精装的楼里。平安科技主要的用户群体是企业,中小银行、中小保险公司、中小基金公司等等。王健宗表示,希
121、望平安给这些中小型企业提供技术,让他们能够轻松“领包入住”,他说:“我们的一个愿景就是希望能够做到服务、保险以及银行领域的 Intel,核心就是我们的科技。我们希望将我们的能力复制并且高效输出,用来帮助我们的用户完成他们的目标。”打破传统印象,专注布局 AI,平安科技希望通过金融+技术的结合,颠覆传统的金融业务,但是转型是这么容易就可以做到的吗?35 罗马不是一天建成,转型没有那么容易 据了解,早在大约十年前,平安就已经成立了自己的科技公司。王健宗告诉我们:“正如我刚才所说,平安一直把科技当成非常重要的内容在做。”他向我们介绍,平安绝对不是一下子就转型的,从上面的谈话中我们也清晰的了解到,平安
122、一直以来就在进行科技工作。“你可以对比一下其他传统的金融企业,几乎很少有哪家金融企业像平安一样,拥有自己独立的科技公司。”每个金融企业肯定都有自己的信息管理部门或者 IT 技术部门,但是像平安科技这样专门成立一家以科技为主要工作的公司,确实少之又少。王健宗介绍说,平安科技在成立之初就有一个愿景:希望把以前服务于自身的能力输出到对外,不论实体经济还是虚拟经济,平安都希望能够将自身的能力服务于社会,实实在在的为金融领域做一些事情。前文中我们也提到,平安董事长马明哲先生提出:从传统的金融公司转变成一个科技公司。而在今天这样科技大爆炸的时代,转型,尤其是平安这样体积的大型企业转型是一项巨大的挑战,同时
123、在进行技术输出的过程中,遇到的问题更是复杂多变。每个公司的数据不一样,并且数据的标准参差不齐,同一套数据处理的方法也许在别家企业并不适用,其次,不同行业的业务模式也有所不同,仅就保险这个行业来说,不同公司的保险流程也不一样。怎样进行数据的融合,怎么样去数据归集化,怎么样去数据交叉这样的问题,这些都是平安遇到过的挑战。在王健宗看来,这些挑战是必然的:“因为我们是以前做得技术都是,强烈地与我们的业务相结合。而我们现在要做到对外输出,需要做到通用化、标准化、产品化的一些剥离,之后才能对外去输出。目前效果还是很不错。平安科技作为一个对外输出的窗口,能够实现普惠金融,实现我们对外进行科技附能的这样一个目
124、标。”36“深水炸弹”:平安深度学习云平台 工欲善其事,必先利其器,为了优化自己的技术输出,平安科技推出了深度学习云平台,该平台可以通过图像识别、语音分析、文本理解等技术进行智能化数据挖掘。平安深度学习平台有一个非常有趣的名字:深弹平台,王健宗告诉记者,这个名字意味:深水炸弹。想必这个名字也是希望该平台可以像深水炸弹一样,取得十分“爆炸”的效果。平台特点 王健宗介绍,平安科技的深度学习云平台首先是作为平安科技整个生态系统当中的一个工具存在的。平台作为数据的一个载体,同时也是模型训练的一个引擎,通过一个平台,最后能够实现快速的数据的获取、数据的 ETL 处理,而在基于模型不断的优化时,根据深度学
125、习的一般规则,迭代次数越多越好,但是迭次一次时间很长,而平安深度学习平台能够加速迭代,快速的实现模型优化,王健宗说:“我们只用一天时间我们会选择一个全新的模型。”在实际的业务场景应用中,该平台也可以发挥很大作用。据王健宗介绍,该深度学习平台服务所有平安的 30 几家子公司,子公司数据上传到平台进行训练,训练完之后输出的模型马上就能使用,同时由于迭代速度很快,仅需要 24 小时一个迭代循环,子公司业务的流程和速度也得以加快。“我们现在也把平台想办法在输出,把这一平台部署到其他公司,把训练能力输出,不仅授人以鱼,同时授人以渔。”王健宗对平台的名字进行了进一步解释:“深”是深度学习,“弹”是多音字,
126、又有弹性的意思,同时意味着,这是个弹性平台,目前平安深度学习平台已经可以实现从一百个节点到一万个节点的拓展。王健宗为我们举了一个简单的例子:在服务量很大的时候,平台会做自动的、弹性的处理,名词叫弹性计算(elastic computing),假设总共有一百台机器,90 台是在提供线上服务,10 台在进行训练;等到服务高峰期过后,平台会自动将机器切换成 90 台提供训练,10 台提供先上服务,同时还能够实现多机多卡的 GPU 的训练和调度,支持所有的图像语音视频进行训练。“这个平台是我们团都独立自主研发的产品,同时也是我们的一个杀手锏,是核心竞争力”,作为平台的创建人和设计师,王健宗对自己的作品
127、十分自信:“整个产品从没有到最后实现,到最后能够落地都是整个是基于我们的平台进行,可以理解为这个平台就是土壤,上面长的庄稼、长的树、长的花,就是各种各样人工智能的果实。”平台优势 目前拥有深度学习平台的技术企业不止平安一家,许多知名的技术大厂都有自己的深度学习平台,在这样激烈的竞争环境中,平安深度学习平台能否脱颖而出?王健宗表示对此并不过分担心:“因为平安是个金融公司,我们在金融场景落地的技术是实实在在的。”37 随后他举了一个近期的案例:某平台展示过一项图像的能力,该平台对某钢铁公司生产的钢铁进行了分类,通过该平台可以大致分辨了 5 类钢材的质量。然而据了解,真正生产环境中的钢材分类大约有上
128、百种,可见这样的平台虽然努力尝试并取得了一些进步,但是离落地应用还有很远。“金融领域对技术的需求是十分迫切的。”王健宗告诉 AI 前线,虽然目前,从平台本身的结构体系、节点拓展、GPU 调度数等方面,各家平台的表现都差不多,但是单从落地应用领域来看,平安科技的优势是其他人没有的:无需耗费过多时间在训练模型上,只要训练完毕的模型就可以立即使用。王健宗说,平安科技要做的就是 AI 平台中的“精装修”。深度学习仍然有待突破,AI+金融有极大潜力 作为人工智能领域的先行者,王健宗个人对这一轮 AI 浪潮的成功以及 AI 在金融领域的影响与发展都有一些自己的看法,在他看来,深度学习领域还有很多有待突破的
129、地方,而人工智能与金融相结合的应用还有很大的潜力有待发掘。AI 为什么能成功?王健宗认为,首先是因为现在的 AI 发展由工业界引领,从底层数据到平台和算法再到应用落地,都是工业界在引领。目前 AI 的趋已经开始从学界转向工业界,工业界有更加强大的数据和经济基础,以此为由,技术大厂挖来了许多世界知名的科学家。以谷歌,Facebook 等企业为首的 AI 先遣军冲了出来,并且大力投入,王健宗认为相比前几次的 AI 浪潮,这一次成功的可能性非常高。其次,这次 AI 浪潮中,许多创业公司也获得了发挥实力的机会。比如在 AI 芯片领域,寒武纪、地平线等等企业,都有机会来创造一些核心竞争力,在这个整个 A
130、I 大的生态系统里面,哪怕一家企业核心的一个竞争力只有一个点,也完全可以诞生一个公司,这是 AI 的发展造就的机会,未来 AI 相关领域的创业趋势绝对不会弱。从 AI 技术领域来说,以 AlphaGo 为例,从学习人类棋谱,到无需数据,自我学习无师自通,技术的趋势已经很明显:研究者们已经慢慢的在尝试去做一些不要数据的 AI。王健宗说,平安科技现在也在迁移学习方面也做了很多工作,比如利用迁移学习模型处理大量的单据、发票等等。利用少的数据,达成快速迭代数据的模型,从而实现模型的可应用化,可落地化,王健宗认为,这是技术领域的趋势之一。在深度学习的理论上,王健宗觉得有很大的突破空间。他回忆起他的博士生
131、涯,导师经常对他说:解决一个应用问题时候一定要深化,能够通用,能够提出属于自己的计算理论。因为一旦提出理论以后能够复制,能够重用,有很多可解释、可理论化的东西需要突破。王健宗认为目前深度学习在语音在图像做得很好,但是在有些领域,比如在结构化数据分析领域,虽然有所尝试,但成果不像语音图像这么明显;在 NLP 领域,在语义分析等等这些方面,未来都是应该要突破的,应该在这些方面多做尝试。在说到 AI 与金融领域相结合的话题时,王健宗显得更加专注与热情。身为这一领域的技术人,他对AI 带给金融领域的变化感触一定是最深的。王健宗说,AI 给金融带来的变化太大了。去年,李德毅院士在一场大会上的讲话给他留下
132、了十分深刻的印象,他回忆说,李德毅院士点出了两个 AI 最有希望改变的领域:一个是金融,一个是教育。金融的范围很大,除了人们日常接触的银行、保险,还有新兴的互联网金融、智能支付等等方面。但是正如上文所述,这一领域对多数人来说仍然是黑盒子,让人很有距离感。王健宗说,AI 的出现,透明化了整个金融领域,通过智能分析、智能风险评测等系统,可以让不懂理财的用户能够轻松理财;通 38 过 AI 的智能决策和判断系统,可以让不懂保险的用户可以轻松理赔。人工智能在金融场景的落地应用,给整个传统的金融领域带来的改变是颠覆性的。新型智慧城市是下一步计划 今年以来,智慧城市的布局在技术企业中逐渐成为主流,百度、谷
133、歌等大厂,甚至一些初创企业都开始积极发展智慧城市的相关技术。王健宗告诉我们,平安科技的下一步计划,就是智慧城市。王健宗说:我们智慧城市不同于一般概念中的智慧城市。从经济方面来说,平安科技的智慧城市会考虑帮助整个城市的政府去管钱,防止出现经济困难财政基础亏空的情况出现;从安防领域来说,平安采取的方法也不再是仅仅向某个小区去招标采购摄像头,王健宗介绍,他们的方案是先对某小区进行安防设置,再对整个小区投安防保险,举例来说:小区中任何一户发生了盗窃案件,除了赔偿被盗的资金,平安还会再追加一份精神损失费。这样一种新的模式,格局是城市,甚至是国家这样的层面,都将会是平安科技重点发力的对象。除此之外,平安公
134、司内部特有的审批系统也是布局智慧城市的重要一环。王健宗为我们简述了一个代表性的案例:去政府部门进行审批的流程常常让人头疼,盖章、找人、审批,一套流程下来,对审批人和送审人来说都是非常大的考验,如果应用了平安科技的审批系统,一切流程都可以通过线上进行,不仅公开透明,同时简化了繁琐的流程,还做到了环保的无纸化,可以说是一举三得的举措。平安公司早已不是大多数人眼中那个以保险、银行等传统金融业务为主流的金融企业,随着科技的升级,平安已经进化成为一个以发展和输出技术为主业的科技公司。随着 AI 领域布局的投入,相信平安科技有实力跻身世界一流的技术大厂之列。39 技术用科技力量重构家园 平安科技为绿色城市
135、提供新思路 如果地球生活病了,谁来拯救?科技改变生活,“AI+环保”被委以重任,让环保全方位发力,让世界环境日不止每年 6 月 5 日这一天。过去,平安科技一直在幕后默默付出,在不久前捧回“AI+环保”国际级大赛桂冠,恰好证实其在环保领域的研发,已有成效。不仅如此,平安科技将率先与国内城市开展深度合作,让 AI 真正应用到环境治理中,也让“AI 构建环保城市”走入大众视线。捧回国际大赛桂冠 平安科技在构建智慧城市进程中,将环保视为十分关键的一环,技术突破为场景应用做足铺垫。不久前,在 AI+环保国际大赛“异常能耗监测”(Power Laws:Detecting Anomalies in Usa
136、ge)中,平安科技“平安脑”团队获得世界第一。这是继平安科技 AI 读片技术及平安科技 AI 作曲技术斩获国际性大奖之后,平安科技再次获得人工智能领域的世界级大奖。据悉,本次竞赛的数据,来自世界各地 187 个未知类型的建筑物、历时 7 年积累的 4000 多万条真实用电数据。要在这么大量的数据中,发现未被标注的用电异常,并精准定位能耗最为相关的一场,难度很大。来源来源|科技早资道科技早资道 40 在这次由全球能源管理行业领导者施耐德电气(Schneider Electric)和国际知名数据竞赛社区DrivenData 联合主办的国际大赛中,吸引了超过 1700 支参赛队伍,知名高校、研究院,
137、以及国际知名机构等参赛主体同台竞技,影响力与关注度很高。在为期两个月的比赛时间里,平安科技仅用了一个月,就提供了一套精准的智能环保节能异常检测算法,以技术赢得比赛。通过这项技术,在现实生活中可以帮助这些建筑物节省 15%-30%的能源浪费,效果可观。打造环境数据中心 无论是对比赛真实数据的快速应对,还是技术方案的真实有效应用,都可看出,平安科技从 AI 应用到环保领域,从研发到应用均实实在在。回看 AI 爆发这些年,AI+环保并不是陌生的概念。科学感知土壤湿度,帮助农业节约用水;根据外部温度,智能调节室内温度,避免用电浪费;通过动物触碰无人自拍装置,顺利“偷拍”野生动物,帮助摄影爱好者降低对大
138、自然的破坏科学研究者正在利用智能技术,在不同领域,对环境尽量表现友好。平安科技将如何把技术应用到现实场景?据透露,基于世界领先的技术优势,平安科技将其整合为环保数据中心平台,在实际生活中,真正发挥技术价值。目前,平安科技将和国内一些城市的环保部门达成合作,打造环境数据中心,全方位着力构建智能环保城市。环境数据中心集数据整合、数据管理、数据可视化、空气质量预测、异常智能预警、污染场景模拟、污染溯源、环保舆情监控等功能于一体。通过环境数据中心,对环境数据进行全面整合,实现环保信息统一规划,利用大数据和 AI 技术对环境问题进行智能化分析和处理。“具体而言,智慧环保要往前走,首先需要打通各个业务科室
139、的环境数据,真正解决环境数据孤岛问题;有了良好的数据基础后,针对企业的排污,我们利用视频智能分析和数据挖掘技术去发现企业的数据造假行为,而针对空气质量、水环境等重点环境问题,我们利用数据建模,构建起空气质量预测预警、水质预测预警、污染溯源等模型,提供事前、事中、事后全流程综合解决方案。”平安科技该项目相关负责人说,清新空气、干净水源、节能建筑等,城市将迎来全新的环保生活。AI+环保大有可为 随着大数据、云计算的不断发展,环保产业步入新时代,“AI+环保”将成为未来行业内的一大主题。加上政策利好,插上 AI 翅膀的环保行业大有可为,平安科技跟上了时代潮流。去年,环保部印发生态环境大数据建设总体方案,提出未来五年内,生态环境大数据建设要实现生态环境综合决策科学化、生态环境监管精准化、生态环境公共服务便民化的目标。同年,国务院颁布新一代人工智能发展规划,明确要建立涵盖大气、水、土壤等环境领域的智能监控大数据平台体系,建成陆海统筹、天地一体、上下协同、信息共享的智能环境监测网络和服务平台。平安科技响应国家号召,潜心研发,还将起到技术引领作用,未来还将有更多“AI+环保”研发落到实处,让科技真正带给人们美好生活。