王汉生 苏萌
克日，由伟易博主理的“聚焦‘数据二十条’——数据基础制度与数字经济生长论坛”在京举行 。本文节取部分嘉宾讲话，整理成文 。
王汉生（伟易博商务统计与经济计量系教授）： 人工智能、商业剖析、企业家
现在是大数据时代，也是人工智能时代 。在数字手艺的高速生长中，中国企业家未来的时机在那里？关于这个问题，我以为商业剖析可能是会为我们带来谜底的主要链接 。
一、人工智能手艺的界说与生长
人工智能可能有差别界说 。广义来说，人工智能就是指机械能够资助人类举行劳动，这种也许从蒸汽机时代就有了 ；若是狭义一点来看，现在在媒体上常�？吹降娜斯ぶ悄苤饕侵阜墙峁够萜饰鲆约八纳桃涤τ� 。
从生长上来看，近些年一些手艺已经生长得很是好了 。现在的语音识别对音频的明确已经相当准确，好比我们常用的苹果Siri、百度小爱，都可以很是利便地为我们处置惩罚一系列简朴使命 ；微信的语音识别也可以实现录音转文字，虽有一些错别字，但仍可以大幅提升输入效率 � ；�图像识别的手艺也愈发成熟，人脸识别手艺的迅速升级更新使得其在安防、收支境管控等方面施展了主要作用 。
迩来，ChatGPT对自然语言的明确也已经很成熟了 。我并没有把它想得很恐怖——我以为ChatGPT最了不起的地方是它能够读起来像是真人在语言，但实质上它输出的逻辑性并不强，被问到深刻问题时也并不可给出有参考价值的回应 。我以为，若是能将人工智能手艺与电商客服的场景团结起来，会是件很了不起的事情 。ChatGPT的泛起说明我们现在对非结构化数据的剖析已经愈发成熟了 。
另一项学习手艺的生长就是强化学习也在越来越成熟，典范的有AlphaGo和ChatGPT 。强化学习是件很是了不起的事情，它与伟易博人生有一定相似之处——在强化学习中，我们要面临的是一个系统，我们要做出一个决议并获得系统的反响，并在这个历程中一直实验优化自己的战略 。从这个角度也许我们可以明确为什么小学生喜欢玩游戏——由于游戏中的反响是即时的，而现实中我们许多决议是需要时间才华获得反响的，好比学生时期好勤学习，但好勤学习在人生中的反响可能要到20年后才华来 。为了勉励我们，先生也设计了许多中心型的回馈机制，好比“三勤学生”的称呼 。我们现在在强化学习中的研究重点正是这种反响机制的设计，其中中心性的回应设计计划是最好的，现在我们在这方面的手艺也已经相当成熟了 。
二、数字时代的企业战略与机缘
数字手艺生长得越来越好，企业家们在感伤的同时也会在思索中国企业该怎样找到合适的应对之策，来捉住数字时代的潜在机缘 。我以为有两种计划可供企业参考：一是推动底层手艺的研发更新，二是关注成熟手艺的应用开发 。第一种在我看来是很难题的、也是很少见的 。这并不可说明中国企业家们缺乏远见，而是在当今商业市场竞争十分强烈、转变十分富厚、生长很是迅速的大情形下，恒久投资这条路有着太多不稳固因素，是一件极需耐心与辛勤的事 。另一条路则是期待手艺成熟后，找到合适的场景将较为成熟的手艺运用到商业中 。相比于前者追求的“引领潮流”，后者越发强调“顺应潮流”以求生涯 。我关注的也许较量短，说的只是让企业们先存活下来罢了，可是当足够多的企业能够完成生涯后，商业金字塔中亦会有优异的、甚至像华为这样伟大的企业脱颖而出，引领新一轮的手艺更迭 。
三、数字手艺的商业场景开发
数字手艺应用的重点在于寻找到合适的商业场景 。我来分享一些我们团队已往几年中接触到的案例 。举个简朴的例子，好比各人都熟悉的物联网，物联网装备很大一部分是牢靠角度的摄像头，这种摄像头在学校、蹊径中触目皆是，为我们网络了大宗的、亟待我们去剖析的数据 。这类摄像头的一个特点是它的角度相对较量牢靠，这也带来了一个重大的优势——它拍摄到的像素点最先具有物理意义了，这使得后面的剖析变得简朴了许多 。我来分享一个我们前年做的研究，这也是牢靠摄像头拍摄手艺的一个应用场景 。在矿山生产中，违规操作是事故爆发的一大缘故原由，而管控违规操作的一个简朴要领就是装置监控摄像头 。下面左边图中这个师傅坐的车叫猴车，是收支作业面最主要的交通工具 。下图中这三位师傅的操作都是违规的——左边的师傅带了很大的工具，有可能遇到扑面的人 ；中心的师傅的脚在地上拖行 ；右边的师傅没有坐车在走路 。这类清静问题的羁系现在可以通过牢靠摄像头与人工智能的团结来实现 。得益于牢靠角度摄像头的优势，现在我们可以轻松地将违规情形通过图像剖析手艺识别出来，并在泛起违规操作时通过广播举行提醒 。
另一个例子，是图像收罗装备在铁路运输中的应用 。下图中是伟易博高铁在以300公里时速行驶时车轮从左侧、右侧和底侧三侧拍出的高区分率画面——差别于一样平常摄像机的平面成像，这个手艺是线状成像的，在列车高速驶过时，装备会通过激光和摄像手艺举行扫描，无论是在白天、黑夜照旧在雾霾的情形中，都能够精准扫描成像，以来检查车辆有没有问题 。在已往，通俗火车的检查要领是靠工人拿小锤敲 ；现在，数字手艺可以收罗到行驶中高铁的图像数据，并为后期剖析提供了很好的场景 。这可以算是我们又在手艺上往前走了一步 。
由此可见，现在伟易博图像收罗和物联网手艺已经相当蓬勃了，下一个要解决的问题就是后期的剖析 。包括上面火车的例子，现在许多我们收罗到的数据的后期剖析照旧靠人工 。可是，我信托在不久后伟易博后期剖析也能很快跟上 。
有关后期剖析，我再给各人分享一个我们做过的案例 。下图拍摄的是青岛港，一共有80多台左图中的这样的大型起吊装备，装备上面像一个大象的鼻子一样伸出来，叫作象鼻，最顶端是象鼻头，象鼻头上有抓斗垂下来，从船舱中抓取货物并整齐码放到码头上 。整个历程基本上都是自动化的，唯一的问题是有时间操作不当或者遇到卑劣的天气等意外时抓斗会摆，其危险性可想而知 。针对这个问题，我们通过象鼻顶部原有摄像头收罗到的图像数据（如下方右图所示），凭证随机波动的统计学纪律，盘算出黄色预警和红色预警的规模，当抓斗摆动至响应的预警规模内时，装置就会自动发出警报 。未来，我们尚有可能再通过几何模子，在视频中盘算出抓斗的摆动角度，来更好举行危害预判 。
四、总结
通过以上这些应用案例我们可以看出，我国的数字工业生长至今，基础已经很是扎实，而未来伟易博挑战将聚焦在手艺与商业场景的团结与匹配上 。商业场景的选择是数字手艺能否落地生根的要害，好比现在安防工业为头部人工智能企业的财报做出了可观的孝顺，可是若能为手艺开拓更多的商业场景可能性，则可以让手艺走得更远、爆发更大的知识、支持更大的梦想 。故而，无论企业在现在的数字化潮流中选择何种应对战略，接纳严谨、系统的商业剖析要领以寻找相宜的数字手艺及应用场景都是必不可少的 。
苏萌（伟易博研究教授）：跨越周期 加速工业数字化转型
一、数字工业化与工业数字化
中国数字经济的规模已经成为全球第二 。数字经济包括五个部分，即数字化基础设施、数据价值化、数字工业化、工业数字化及数字化治理 。这内里有两个重点：一个是数字工业化，一个是工业数字化 。
数字工业化是由手艺企业最早最先耕作，提供产品手艺，逐渐使其生长为一个有一定规模的工业 。而工业数字化是数字工业规模的4倍 。工业数字化最早从数字化能力基础较量好的工业最先，现在逐渐进入到古板或相对古板的工业 。对古板工业举行数字化刷新、数字化优化，提升效率，这是现在中国以及许多外洋国家重点发力的地方 。
在整个工业中，各人越来越强调数据的价值 �？梢韵胂笠蛔绞怯凶试吹�，可是资源没有形成资产 。从数据的资源酿成数据的资产的历程中需要大宗数据治理的基础性事情 。
综合来讲，工业数字化是数字经济的主战场 。目今古板工业的数字化转型历程已经进入到真正纵深的阶段 。这反应为两个特征，第一个特征就是，若是一个企业没有成熟的产品、没有DEMO[1]、没有案例、没有快速做看法验证（POC）的能力、没有成熟的产品组件 ；若是不可马上去安排、测试并看到效果，它已经无法向客户证实自己的能力 。现在从工业的角度，客户举行数字化转型更推许的是价值，并且是能够量化的价值 。
第二个特征就是单点的手艺或单点的产品已经解决不了客户的问题 。政府数据和企业数据拥有者最关注的是数字化转型解决问题的能力，这需要场景的融合、手艺的融合、数据的融合 。以前一些企业可以靠简单的产品、简单的手艺生涯下来，但现在已经较量难题 。解决大客户的大问题需要综合的能力，若是靠简单的产品生涯就需要追求相助同伴和生态相助 。
从企业举行数字化转型的角度来看，许多企业希望能快速建成数字化系统并马上施展价值 。但现实上这是很难做到的，往往事倍功半，这也是数字化项目不乐成的缘故原由 。企业的数字化转型还面临五大挑战 。第一，企业关于数据价值认知的不清晰，或者是过高地预期手艺公司的能力，也过高地预期了自身数据的价值度 。第二，还保存战略和严谨性的问题，基础的数据都没有打牢，就急于用低质量和有噪声的数据举行决议 。第三，企业数字化历程往往缺少端到端的一体化能力 。大企业想要解决的问题也是弘大的，关联度高，需要多维的数据，实现多场景、跨场景应用，难以用简单的产品手艺解决 。第四，手艺也需要整合和升级迭代，越来越多的视频数据、地理位置卫星数据等，都需要席卷进来 。第五，能够举行数字化转型的组织和综合性人才照旧较量缺乏的 。
二、工业数字化敌手艺企业的新要求
基于行业探索了十几年的履历，简朴总结工业数字化敌手艺企业的要求，主要包括以下三点 。首先，手艺是需要融合的，无论是现在的人工智能手艺，照旧大数据的手艺，或是云盘算或者隐私盘算的手艺，它往往需要多场景融合 。若是只有一小我私家工智能算法是找不加入景的，手艺能力也是不敷的 。有了手艺融相助为起步，第二是数据要融合，包括营业数据、日志数据、标注数据、模拟数据，尚有非结构化的数据等 。第三是场景的融合 。许多企业数字化的场景是重大的而非简单的，都需要综合多个场景举行剖析 。这要求手艺企业，第一要能够处置惩罚越来越多实时的数据和批流一体的数据 。第二要注重交互性，人和系统需要越发自然地交互 。第三还需要自主性，让机械能够自主地举行决议辅助 。
三、大数据与数据科学
数据科学是由大数据催生的，大数据又重新界说了古板的数据科学，数据科学是大数据的未来 。这个学科是由数据、统计学、人工智能等多个学科交织的新型学科 。数据科学的目的就是实现对现实天下的认知和操控，研究工具就是数据价值链的实现 。
数据价值的实现有三个环节，划分是从数据到信息、从信息到知识、从知识再到决议，即三个转换 。这三个转换详细包括五个环节：数据的收罗汇聚、存储治理、处置惩罚盘算、剖析和应用 。这五个环节里泛起越来越成熟的工具、组件、产品清静台，能够快速地提高效率 。
大数据的三个条理 。大数据行业生长到今天，必需举行行业的专注和聚焦，也就是大行业的专业化分工 。若是把大数据分成三个层面，底层是盘算存储的基础设施层，包括盘算存储、运维清静 。这一层应该是由大型企业承接 。这是中型企业很难做到的事情 。它是一个基础设施，它一定要掌握在国家层面 。这再往上一层就是场景化数据应用，有面向政务的，有面向企业的，有面向小我私家的 。这其中尚有行业细分，由于明确行业的门槛很高，以是手艺企业应当专注少量行业内里，把它做深 。应用层越专注越好，应当增强与相助同伴相助，实现专业化分工 。手艺企业需要做的是把基础设施上面这一层尽可能拉通，包括集成治理、建模、剖析和效劳，并把数据价值实现的共性能力生长为成熟的工具组件，形成不依托于某一个行业的标准化、一体化的平台，可以高效、低本钱、快速地安排 。最后进入加入景化数据应用层，包括政务应用、企业应用和小我私家应用 。
四、对未来的思索
第一，工业的未来一定是在“行业”的深处，也就是一定要深耕一个行业，不是寻常而谈 。未来一定是手艺和行业专家的融合，才有真正的价值 。
第二就是科技立异 。这个领域的手艺飞快奔驰，永远都有新的企业带来新的手艺 。以是这个领域里的� ；卸己芮� 。行业巨头认真搭建“基础设施”的同时，其他企业需要在基础设施层面做一个“水龙头”或者是一个“小开关”，辅助这些“基础设施”接入更深的行业内里 。
最后一点是“专精特新” 。虽然大的项目需要综合能力，但关于行业里的中小型的企业来说，国家的政策有用阻止了红海的太过恶性竞争和资源的内讧 � ；⊙芯坑晒壹毒傩兄氐阃度�，行业和企业做到“专精特新”，既阻止了太过竞争，又让企业建设起自己真正的门槛和生涯的时机 。
简报执笔：李显荣 王涵宜
敬请扫描以下二维码关注“伟易博头脑力论坛”公众号 。
微信号：GSMThoughtLeadership
[1] DEMO是"demonstration"的缩写 。DEMO的中文含意为“树模”“展示”“样片”“样稿”“原型”，常被用来称呼具有树模或展示功效及意味的事物 。
