發布時間：2019-04-26

近日，第四屆清華校友三創大賽全球總決賽暨大數據智能化高峰論壇在渝舉行。

如何推動玩轉大數據、智能化，為傳統產業發展“添翼”？來自清華大學軟件學院院長王建民、神州數碼CIO沈暘，海爾大規模定制平臺總監趙銀花，昆侖數據首席運營官秦磊，云城（北京）數據科技有限公司創始人王軼捷、清華校友三創大賽副主任李竹、清華大學語音和語言技術中心主任鄭方、百融金服副總裁陳雷等眾多大咖紛紛建言獻計。

“智造”中的大數據要協調起來

王建民：互聯網的下半場，大數據、智能制造、人工智能，讓消費互聯網走向產業互聯網。大數據的應用，已滲入“智造”的各個領域，例如，智慧氣象、環境監測、運維服務、智慧能源、工程裝備等。

然而，大數據產業盡管從2008年開始起步，至今已有11年的時間，但遠遠沒有成熟。首先，大數據系統的性能，軟硬件的性能均滿足不了現在應用的要求。其次，現在的大數據的應用主要還是靠專業的軟件或者是信息的人員，其實大數據的應用應該讓更多人參與到大數據的開發編程和應用中來，所以要提高應用問題。第三是數據的系統可信性的問題。

他表示，大數據系統比喻成動物園，動物園中的老虎、獅子、大象就是各種原本沒有關聯的信息、數據，要將動物園中的毫無關聯的動物協調起來，就需要一個“馴獸師”，才能處理、分析數據，最終衍生出應用。如何提升數據的質量，就需要通過時序匹配發現數據關聯，數據畫像挖掘數據規律，異常檢測探測數據缺陷，最終進行數據修復。

秦磊：在工業領域，價值變現之路特別漫長。“云”，尤其是公有云將是大勢所趨，通過“云”來降低大數據應用的使用的門檻，從而實現更多專業領域的創新。同時，數據思維和工業思維必須要結合在一起，才能夠做假設、做命題，才能夠做測量、做實驗。對于重慶的制造業而言，通過數據、通過人工智能，建立起精細化運營的能力，把原來的粗放式管理變成精細化的管理，幫助他們實實在在的解決被國外的工藝卡脖子，就能夠賺錢。龍頭企業擁有眾多資源來“單干”，但更多的工業企業則需要政府提供公共資源。

王軼捷：不同于一開始就有數據化戰略的互聯網公司，工業恰恰相反，有很多的業務系統，想完成一個產線的工作，有可能成百上千的系統一起跑，關鍵是讓數據協同的能力，“采數”是其中的難點。首先，部署工業互聯網要減小影響企業產線正常運行的影響，同時也必須考慮員工培訓導致的成本問題。其次，采集的數據產生的價值能否量化。此外，工廠的數據都是非常私密的，必須保證其放在公有云上是安全的。例如，最近有公司老總希望進行語音控制，但不能使用語音云服務，因為他不希望自己的“聲紋”被其理解。但無論前路多艱難，都需要不斷地創新。

沈暘：傳統模式要做加工工藝的優化，需要請專家到工廠一輪一輪的做優化。而有了工業數據上云后，則可實現數據共享、流程優化，節省中間的溝通成本和商務成本，甚至改變生產模式，比如定制化。工業互聯網數據量特別大，但數據價值則不太高，需要找到成本可預測、并且非常成功的商業模式讓數據的價值用起來。第一是找到工業方面的大企業，端對端，所有的工業物聯網的事情全做完，琢磨很多的經驗。第二是找到專有云的公司，占到60%-70%以上細分行業的龍頭，由他們做全球領域細分領域的工業互聯網相對更容易。

趙銀花：工業互聯網除了能造出好的產品外，還應考慮如何讓我們的合作伙伴、資源方從中獲得更高的的利益，讓這種模式、流程技術和系統實現嫁接。例如，海爾前兩年嘗試的衣聯網，我們聯合服裝企業，在衣服上加上編碼，同時在我們的洗衣機上加裝了識別器，能識別衣服上的材質、顏色、尺寸，各種各樣不同的信息，推送漂洗模式時也獲取了穿衣偏好等數據，從而實現對用戶的個性化服務。針對工業互聯網發展，要有公共綜合性的平臺，提供經驗或者是技術的解決方案，在公有云服務平臺上，針對行業要有子平臺。和當地不同行業的龍頭企業一起共建完善推動工業互聯網的發展。


AI應用已進入新的階段

李竹：人工智能現在進入了新的階段，即“大腦”階段。什么叫大腦？就是控制器。例如，以前的人臉識別公司，僅僅比對這個人是不是罪犯。但現在，則把數據做了融合，不僅是人臉的數據、還有每個公安所在的位置，調動最近的公安力量去逮捕罪犯。這是下一代人工智能大家要關注的方向，數據采集了怎么樣分析，最后形成閉環，變成可以執行的機構。

鄭方：人工智能在語音領域，第一是聽懂人說話，像科大訊飛做的。第二是聲紋的識別，通過聲音辨別人的身份，聲紋可以代替身份證，用聲音可以支付等等。第三是做情感的識別，比如電話客服需求知道服務質量如何，可以通過客戶的語音判斷里面有沒有憤怒、焦躁，進而理解人的情感、知道人的意圖。語音的人工智能技術除了這些，還有其他應用，例如，中醫看病的“望聞問切”，聲音里也包含身體狀況的信息。所以，未來可能一句話可以解決所有問題，出門不需要帶錢包、不需要帶身份證，甚至不需要帶手機，穿戴式設備+AI就可以了。

陳雷：金融是經營風險的行業，大數據和機器學習在風險管理中，要面對欺詐風險，一般的信用風險，和多頭共債風險。

以欺詐風險為例，有的欺詐團伙通過一臺筆記本電腦控制幾百臺手機，用獨立的身份證號、真實的信息向金融機構進行申請，尋常的身份認定和信息核驗無法識別發現。通過定位技術、關系圖譜技術，可發現在同一個區域，如此密集的手機發送高度相似的信息，可以推斷很大概率是詐騙團伙。

另外，通過對大數據挖掘分析，有一些很有價值的發現，例如經常閱讀財經金融類雜志期刊的客群、經常買母嬰用品的客群，信用更好。通過大量的樣本分析和計算，可以對客戶和金融機構進行風險匹配、客戶匹配、風險定價，用人工智能將資源、風險、收益高效科學配置。

來源：重慶日報-上游新聞