金忠孝：疫情期间上汽集团人工智能应用案例

　　2020年的新冠肺炎疫情对各种企业都有深刻影响，信息化手段在帮助企业应对各类突发事件，保障业务正常运营方面起到了重要的作用。由上海市计算机用户协会主办，上海浦东软件园和三林园协办，畅享网承办的【CIO讲堂】第十七期邀请到上汽集团的人工智能实验室副主任金忠孝，为我们带来《疫情期间上汽集团人工智能应用案例》的分享。以下为直播实录：

　　大家好，我是上汽集团的金忠孝，非常荣幸有机会与大家一起交流。下面，我结合上汽集团人工智能的一些经验，给大家分享一下企业如何应用人工智能。

　　工业人工智能应用思考

　　参考网上《中国大企业应该强化人工智能应用》的文章，现在中国很多公司都说自己的人工智能有多厉害，又拿了哪些一等奖。好多朋友在跟我聊天的时候也会讲到这个问题：中国的人工智能在全世界范围内，到底处于什么水平？我认为这篇文章讲出了现在中国的人工智能在发展过程中遇到的一些困难和瓶颈，如果这些问题得不到有效地解决，可能会影响到人工智能的发展。我个人认为，在接下来的过程中人工智能会有一个挤泡沫的过程（现在的人工智能还是有点泡沫的）。但是如果我们把这个泡沫放在中国整个企业或者工业人工智能角度来说，其实可以说是没有泡沫的。

　　工业人工智能和企业人工智能到底应该怎样发展？

　　我结合上汽集团的一些实际情况分享一些经验。我把上汽集团的人工智能称之为“探索实体经济的人工智能”。上汽集团是中国汽车行业的龙头企业，主要业务覆盖了整车、零部件、出行服务、汽车金融、国际经营五个业务板块。上汽集团的体量非常大，2019年，上汽集团第十五次入选《财富》杂志世界五百强，位列第39位，在全球上榜的汽车企业中排名第七，这样的集团为人工智能工作开展提供了一个非常大的平台。我们拥有非常丰富的人工智能应用场景，在人工智能领域有智能驾驶、智能出行、智能制造、智能物流这些技术复杂、可靠性又相当高的人工智能场景，为上汽的人工智能实验室发展提供了有利的支撑，这也是上汽集团在人工智能领域独有的竞争优势。

　　案例一：先人工后智能

　　第一个案例，我起的名字是“先人工后智能”。企业人工智能首先需要有人才，然后需要清晰的定位。我们实验室非常荣幸获得了“上海市人工智能创新中心”的称号，这对于一个传统的国有企业来说并不容易，我们也感觉身上的担子蛮重的。

　　我们实验室现在有100多个研发人员，其中有60多个博士，40多个硕士，其中出国留学人员占了40%多。在集团内部，跟我们实验室一起开发人工智能核心技术产业化项目的相关人员有2000多人。人工智能是一个综合性的学科，它涉及到计算机科学、控制论、信息论、神经生理学、心理学等等。所以怎么在一个大公司或企业里面去建人工智能团队呢？没有人肯定是没办法做的，要根据企业的核心业务来组建团队。

　　上汽集团以汽车作为主营业务，我们重点招聘了机械电子、机器人、电子工程、通讯工程、自动化、计算机、微电子、机械工程、物理、数学、心理学等11个专业的人才，组建了一个团队。实验室的研究方向又分深度学习、决策优化、计算机视觉、语音识别、智能语音理解、知识图谱、数据智能、机器智能八个方向，每一个研究方向的专业要求都是不一样的，我们把这些不同专业的研究人员按照这八个领域分散到不同的团队中去。

　　第一个案例总结：人工智能团队的建设，首先要有一批优秀的人才，而且是不同专业的人才，不能仅仅是数学专业或者计算机专业，要根据公司的核心产品去规划不同的人才。来自不同专业的人，他们思考人工智能问题的方法是不一样的。

　　案例二：完全理解人工智能的内容

　　这跟我前面提的问题关系很大，即怎样发挥人工智能在企业里的价值，应该用哪种人工智能技术提高企业核心竞争力。

　　我不敢写人工智能到底是什么，人工智能有哪些内容，所以就引用了Gartner的一张图来解释这个问题。大家在左边这张图上看到什么问题没有？这张图上Gartner对人工智能技术的理解分了几大块：感知智能、推理、计算智能、优化技术、自然语言处理、知识工程、多智能体的计算。从这种图上面，大家可以感受到人工智能研究的核心内容。我们再看右边这张图，2019年中国AI产业生态图谱，它涉及到通用AI技术及平台。这里面包含计算机视觉、智能语音、自然语音处理、机器学习这几大块内容。

　　通过对这张图的分析，你对人工智能有没有更多的思考?现在有些人，特别是一些传统做IT或做技术的人，认为人工智能就是视觉，这样的公司有商汤科技或依图，代表着中国在这个领域的独角兽公司。还有人认为中国上市公司里代表人工智能的的是科大讯飞，人工智能就是语音识别。当然人工智能还会涉及到自然语言处理、知识图谱、机器学习、深度学习，现在都非常热门。在很多企业的领导眼里，人工智能就是计算机图像识别、语音识别、自然语言处理这几个重要的技术。所以基本上国内的融资或者投资百分之七八十都集中在计算机视觉、语音识别这几大领域。

　　这样就会造成什么问题呢？首先，对企业来说，这个技术能否大大提高企业的核心竞争力。如果你的企业是跟上汽汽车相关的，要做智能驾驶，那就需要感知技术，很多企业不造汽车就用不上这一技术。再者，人工智能能为企业带来多少核心价值？从左右两张表上，我只想说明一个问题，感知智能、计算机视觉、自然语言处理不是人工智能的全部，决策推理、计算智能、逻辑推理、最优化技术等这些也是人工智能。

　　我从九十年代就开始学习人工智能，但那时没有人工智能专业，我原来是做机器人方向，研究的是agent-based的推理技术。我们那时候学人工智能，不只有视觉和语音，我们研究的还有决策优化、计算智能、搜索技术、专家系统、决策推理等。90年代也没有现在这么强大的算力，当然也没有大量的数据，所以计算机视觉，语音识别效果还是比较差的。在上汽集团这个人工智能实验室里，做的内容不仅是计算机视觉和语音，同时有很多研发人员在做决策优化、推理、计算智能等内容，是一个比较综合的人工智能实验室。

　　案例三：无人驾驶，人工智能皇冠上的明珠

　　我认为，无人驾驶是人工智能皇冠上的明珠。无人驾驶技术也不仅是感知，它包括感知、定位、决策、控制，而且每一个技术都是非常复杂的，它是人工智能里特别难以实现的一个领域。无人驾驶做得好不好，水平高不高，看什么呢？看量产。我个人不认同有些评测机构说哪家公司的无人驾驶技术最高，我比较看好的是特斯拉，但特斯拉的无人驾驶技术在很多机构的评测里面得分都比较低。我认为，能够量产的无人驾驶技术才是真正的技术，能够量产的人工智能技术才是真正的人工智能技术，能够给企业带来真正核心竞争力的人工智能技术才是真正的人工智能技术。所以，我们实验室就是沿着这个思路，所有的人工智能技术、人工智能研发团队做的成果都必须是能够量产的，能够变成结果的。

　　上汽人工智能实验室对人工智能要求是什么？我们叫四个导向。第一，用户导向，我们实验室的人工智能技术必须是有用户需求的。第二，价值导向，人工智能的实现必须是有价值的。第三，结果导向，人工智能必须产生结果，这个结果是可以验证的。第四，市场导向，市场对我们的人工智能有评价，这个人工智能够产生多少的经济价值。我们一直坚持这四个导向，按照这四个导向去落实我们的人工智能。

　　无人驾驶也是我们实验室投入非常大的部分，因为我们有客观需求。上海市政府对上汽特别照顾，在全世界为上汽找来了一个非常优秀的同桌——特斯拉。上汽在人工智能领域和特斯拉还有较大的量产差距，我们团队基本上天天都在加班，紧锣密鼓地追赶。我们知道与特斯拉的差距不小，特别在人工智能的感知定位和决策控制领域；另外实验室研究无人驾驶领域也为上汽集团的人工智能积累了非常多的技术，不仅可以用在无人驾驶上，也可以用在多种场景下，例如智能出行、智能制造和智能物流等。

　　案例四：共享出行，最复杂的调度优化算法

　　共享出行解决的是优化调度的问题，资源的最优化使用。如果大家研究过人工智能，研究过调度算法，就会知道这也是非常难的一个分支。这个项目要解决哪些问题？我们要解决上汽的共享出行，共享化更加有效的核心就是调度算法。除了共享更有效，还要保证安全，保证服务质量。单靠人工去服务这么多的客户是比较困难的，我们就用了人工智能客服。上汽共享出行核心的人工智能技术有智能客服、优化调度、多模态应用。

　　上汽的共享出行业务规模做大之后，最难的人工智能技术就是优化调度，它对调度的约束条件、规则、精准度、实时性要求是非常高的。这个领域是真正有挑战的项目，所以我们在优化调度这个领域也积累了非常多的人工智能算法。今天我介绍的是人工智能在制造领域的应用，因为很多在座的CIO都是制造领域的。我觉得制造业的未来就是大规模的个性化制造——C2B。那么C2B如何来实现？核心也是要靠人工智能。

　　案例五：C2B人工智能，制造业的AI明珠

　　我把C2B人工智能称之为制造业的AI明珠。在制造业里面最难的人工智能就是C2B。大规模个性化定制要使C端的个性化需求跟B端企业端的成本、效率、响应时间匹配起来，这是一个非常大的挑战，涉及到的变量是成百上千个，有零部件的采购、整个工程制造、制造的大数据MS、供应链大数据SAP。未来，大企业解决大规模个性化定制唯一的途径就是人工智能算法。售后的数据、用户者精准画像、智能客服、选配、成本、需求、生产排程的全部串连，靠人不可能做到最佳，人工智能能够发挥它的功效。每一个决策的效率提高一点点，产生的价值都是非常大的。

　　案例六：供应链AI，能产生巨大的经济效益

　　供应链AI能做什么？能产生巨大的经济效益。我们在这个领域做了好几个项目，产生的经济价值都非常明显。对一个企业领导来说，要先让他尝到人工智能的甜头。企业总经理肯定非常关心利润，供应链的人工智能就能够帮助他完成这件事情。

　　从这张图上，大家也可以感受到工业链的人工智能非常复杂。它把我前面讲的八个领域全部包括。感知智能，将工厂、流水线、仓库、装载工具等全部串起来，可以感知供应链上发生什么事情。预测功能可以预测哪个环节需要处理，哪个环节有风险，万一出现意外情况如何处理。实时分析功能可以分析供应链哪个地方有瓶颈。智能推荐功能能够推进供应管理人员做预防优化的方案。决策功能帮助供应链管理员做最佳的决策。供应链人工智能网，真的是工业人工大脑。

　　案例七：物流人工智能，很值得拥有

　　物流也是一个非常大的人工智能应用场景。物流上的人工智能又能做什么呢？最核心的就是预测供需：运输多少东西、怎么运、要准备多少运力、要多少仓库、整个供应链都怎样布点、全国各范围内有哪些网络、每个区要多少个网络、运输订单最佳分配、运输成本如何成本最低……这也是一个非常庞大的决策网络。在这种情况下，人工智能也是非常有价值的。每一个物流的人工智能项目决策规模都是非常大的，我们实验室在这里面取得了非常多的成果。

　　案例八：营销+AI，以客户为中心不再停留在口头上

　　真正做到以客户为中心，在人工智能时代就要充分利用人工智能技术。要将跟客户相关的口碑、对产品认知、客户的关怀、产品的售后服务的这些数据转化成为用户的满意度和可信度。这里面涉及到非常多的决策、数据分析所、智能交互技术等，所以这是一个非常复杂的人工智能，我们实验室在这方面也有成功的解决方案。

　　案例九：我们的智能制造AI产品SmartGo

　　智能制造领域怎样快速实现人工智能价值？我们实验室推出了SmartGo。这个产品的基本的思路就是从需求预测出发，我们有一个专门的需求预测模型，对于怎么生产，怎么更高效率，怎么成本更省，有生产排程人工智能算法，根据算法，我们帮企业实现供应链全局最优化。这三个是制造里面的核心环节，我们会结合起来做一个全局的组合优化，快速实现降本增效。

　　优化涉及到的变量非常复杂，靠人不可能很快做出一个最优的算法，在这种情况下人工智能是非常有价值的。我们将这个产品在集团里面推广，现在已经推广了几十家企业，效果优秀。

　　案例十：人工智能落地三部曲

　　什么叫人工智能三部曲？我们是从人工智能为企业创造更大的经济价值这个角度来规划的三部曲。

　　第一部，我们用六个月时间降本增效5%以上。在不改变你的企业现有业务流程、信息系统的情况下，选择几个典型应用场景，设计一个降本增效的目标。基于你现有的产品和数据，就可以做一个算法模型出来，然后来实现这个目标。有了第一步以后，企业的领导就感觉人工智能还是很有价值的。

　　第二部，我们在第一步的基础上再加六个月，总共十二个月。根据第一部的采集的数据对这个模型进行优化，增加更多的场景，会有更全面的AI技术开始介入，这时候降本增效可以按照10%的目标去做。然后通过这些模型认证，再增加一些新的训练的手段。第二部人工智能模型会更加全面，难度也更高，求解训练要求更高，所以它所需要的时间也会更长。

　　第三部，最终目标就是要把整个公司的运营模型逐步健全，各个领域都要介入人工智能，估算下来差不多要36个月的时间。有了第二部基础以后，公司上下基本上会对人工智能有一个清晰的认识。对企业来说，可以把它作为一个可行战略，这时候企业的一把手、分板块的副总经理、部门总监都已经逐渐认识到人工智能的价值，知道自己需要什么类型的人工智能。这样我们就可以介入更多资源、更多模型、更多决策、更多场景，用丰富的人工智能技术把企业的核心运营模型人工智能化。这时候，企业的人工智能真正到了落地健康阶段，后面就可以进入一个相对稳定的人机协作阶段。

　　这三个阶段做下去，要三年左右的时间。

　　互动问答环节：AI的多种发展方向

　　问题一：物流供应链是制造业尤其是汽车行业的重要环节，上汽是如何使用人工智能手段提高物流效率，实现降本增效？

　　物流供应链人工智能是非常有价值的，特别是在制造型企业里面。供应链人工智能对一个企业来说，也是降本增效比较重要的领域，上汽集团在这个领域人工智能算法的覆盖率已经非常高了。上汽的零部件入厂物流和整车物流的调度，都开始用人工智能算法来实现降本增效的。零部件物流算法非常复杂，它的决策变量差不多有六七十个，多目标优化问题难度高。我们在这个领域的研发人员有几十个博士，用了两年多的时间，拥有了具有核心竞争力的算法，帮助企业实现降本增效5%以上。

　　问题二：我国汽车智能化水平和产业发展的现状是怎样的？

　　无人驾驶技术是汽车智能化发展的方向，也是未来的发展方向。这一两年正在发生巨变，比如传统汽车马上就会进入智能汽车时代，智能汽车时代有非常多的机会，越来越多的高科技公司互联网公司纷纷进入汽车行业。国内很多BAT企业在做智能驾驶，国外有谷歌、苹果和其他一些高科技公司以及特斯拉都在做智能汽车。大家可以感受到智能汽车非常有前途，产业链规模巨大。全世界的智能汽车也刚刚起步，大家都有机会，就看谁的水平高。人工智能技术不能够停留在实验室，停留在一些试验车上，需要看量产车的情况，大规模量产的人工智能技术比试验车难好几十倍。汽车不是传统的产品，它对安全要求特别高，如果没有达到99.99%的可靠性，这个技术就不能随便使用。从目前的现状来说，我认为大家都要努力，没有谁比谁特别好，关键看量产水平，量产才能够证明人工智能技术多高。

　　我们国家对智能汽车发展也非常重视，2020年2月份发布了一份智能汽车发展国家战略，我对未来的中国智能汽车市场还是非常看好的，中国有可能将成为全世界最好的智能汽车市场。在技术上和市场上通过五到十年努力，中国的智能汽车可能在全世界排名前几位。跟手机一样，芯片和操作系统是制约整个中国智能汽车发展的主要问题，但这两个问题不会像智能手机一样，我们会自己解决，国内有实力的公司也越来越多。将来，中国的智能汽车会用上自己的芯片，自己的操作系统。

　　问题三：人工智能汽车被认为是未来发展的大趋势，你认为国内当下智能汽车存在哪些主要问题？人工智能汽车什么时候能最终面向市场？

　　智能汽车肯定是未来的发展趋势，其实现在就已经发生了。举个例子，特斯拉已经是一个能够让大家感受到的智能汽车，而且是大规模量产的智能汽车，现在很多公司里也在规划类似的产品。

　　国内人工智能汽车主要存在问题，我认为还是核心技术的问题，芯片和智能汽车的操作系统。智能汽车复杂度远远比智能手机高，智能汽车里跟系统相关的源代码都是要超过1.5亿或2亿行，这是什么概念？Windows系统是五六千万行代码，但智能汽车代码要到2亿行。它是一个非常复杂的智能系统，又与驾驶相关，关系到个人的生命相关，所以难度很高。整个汽车行业，从德国最典型的VW大众到其他一些企业，全世界的汽车企业都在开始转型，中国在智能汽车领域初期机会更多，因为我们没有包袱，不像德国大众，它转型的时候有很多已经存在的包袱。

　　智能汽车什么时候面向市场？其实你会发现它已经存在在市场中了，而且会变得越来越聪明，具备学习功能力，能够辅助驾驶，还有更好人机交互。它现在智商还没有那么高，现在汽车智商估计也就一两岁小孩的水平，但随着整车技术智能化水平的提高，它的智商也会越来越高。这是一个人车交互的过程，以后你开车开得越多，车也会越来越聪明。中国的智能汽车市场是一个生态圈，没有一家企业能够把这个市场全部垄断掉，每个汽车公司只要找到自己的细分市场，都是有机会的。

　　问题四：AI+5G的时代将会给智能网联汽车带来怎样的机遇？又会对未来交通造成什么影响？

　　AI+5G肯定能为智能汽车带来非常多的机会，能够加速技能智能汽车发展。未来整个汽车工业就是智能汽车+共享出行，这两个刚好是充分利用了AI+5G技术。有了AI+5G技术，中国的汽车工业真正到了变革的时代，挑战很大，机会更多。

　　问题五：您对百度的阿波罗计划怎么看？

　　一个计划的好坏，要看用户，要以用户为中心，看用户肯不肯为你的技术买单，人工智能水平高不高，用户说了算。有多少用户在用这个技术，他愿意为这个技术付钱吗？举个例子，苹果手机很少做广告，很少参加世界大赛拿什么奖，在学术会议上发表的论文也不是很多，但以用户为中心做得非常好。从这个角度去看，对于百度的阿波罗计划，大家都会有自己的理解和思考。我们实验室也是将用户为中心放第一位的，所有计划都应该以用户为中心，去体现技术的价值。

　　所有的人工智能技术都要以用户为中心。我们做的AI技术能给用户创造多少价值，用户能否因为这个价值给你付钱，付多少钱。从技术本身来说，以用户为中心的技术就是用户说了算。

　　问题六：曹操专车目前还是亏损状态，宝马奔驰设立了共享出行事业部，但去年也有裁撤计划。针对这个情况您怎么看？

　　现在国内所有的共享汽车应该都是亏损的，但是汽车共享是趋势。不管目前是否亏损，肯定是要去做的。共享汽车市场规模巨大，只是我们现在还没有很好的找到一种商业模式，让这个项目良性发展。有这么大的用户需求，共享汽车肯定很有前途。上汽集团的共享汽车目前也是亏损的，还在持续投入，因为它是一个不可逆转的趋势。

 

　　汽车共享化的要求不是烧多少钱，而是我们要尽快找到一种比较好的商业模式，改进运营效果。我认为，汽车共享化还是要跟区块链技术有机结合，要形成区块链+人工智能+商业模式的路子，汽车共享化未来很有前途。