在物流业的一个细节,窥见行业 AI 落地的春雷涌动

阅读数:136 2020 年 4 月 10 日 17:36

在物流业的一个细节,窥见行业AI落地的春雷涌动

纵观整个 AI 技术的发展历史,会发现无外乎有三条路:通向算法能力进化,通向开发者,通向行业应用。

三者当然缺一不可,但其中行业 +AI 却是重要性最高,同时也最富挑战性的一条路。因为它是 AI 的最终目的,也是无法作弊的终极考卷。很多人都知道,AI 技术在上世纪 60 和 80 年代分别迎来过一次技术到产业的全面泵喷,史称两次 AI 之冬。而这两次技术灾难发生的根源都在于 AI 最终没有达成大众对它的产业化期待,无法真正走到工业世界和社会经济当中。

数十年过去,我们今天紧紧抱住的 AI 技术能逃脱历史的“厄运”吗?答案可能要从一个真实的岗位,一家实际存在的公司,一份确实需要 AI 技术的工作中去寻找。

好,让我们来给这篇关于行业 AI 的故事,预先设计一个主角吧。这个主角就是你和我共同使用的视角。我们的主人公叫小白,是刚刚进入国际物流行业不久的一位新人,他每天的工作就是处理像雨燕一样飞来的物流单证。

说起来,人类确实是最神奇的生物。看到燕子飞来,大多数人想到的不是吵闹的叫声,而是冬去春来的种种意境;小白在看到那些全球飞来的物流单证时,看到的也不是工作多么复杂繁冗,而是 AI 对行业润物无声的改变。

物流业的单证之痛,如何用 AI 解决?

小白所在的企业,经营着通达全球的物流系统。这意味着公司每天会回收来自世界各地的物流票据、结算单据等等。小白的工作就是将它们归档整理,为企业流程运转做好数据准备。

但与很多人想象的不同,这份工作并不是无穷无尽的打字录入。在 AI 时代,识别单据信息只要用 OCR 技术扫一扫就能搞定。但对小白这个岗位来说,OCR 识别取代人工却并不那么容易。

原因在于,这家企业经营的是国际物流。其问题在于来自各个国家、各个合作企业的物流单证制式并不统一,语言五花八门,甚至手写还是机打都不一定。一般的通用 OCR API 根本无法识别这些“万国彩旗”。小白这个听上去极为简单的单证管理岗位,却被硬生生逼成了会多门外语,能识别各种奇异字体。

然而最近小白却发现了转机,用 AI 能力识别各种国际物流表单,不再只是他这个文科生的“科学幻想”。公司接入了盈智科技应用华为云 ModelArts Pro 开发文字识别套件。在这个套件基础上,一个全新的国际物流单证识别只需要 3 分钟就能完成。这意味着物流单证可以“出现一个消灭一个”,而不是等待技术人员和服务商用一周多的时间才能开发好。而在新 AI 能力的辅助下,小白估算了一下工作效率,发现他完成同等单据录入工作的时间,竟然生生压缩到了原来的 50 分之一。不仅小白自己的工作压力得到了解放,整个公司的平台效率也显著提高。

AI 专家为小白解答了改变背后的“秘密”:过去的 OCR 识别 API 是通用化的,面对他们的特殊单证很难发挥效应,识别正确率无法令人满意。而基于 ModelArts Pro 打造的单证识别 AI 套件,是一个可以实现高效定制的系统。当新单证出现,只需要把几个关键点输入系统,几分钟就可以获得新的识别能力,能快速响应不断增加的单证需求。

至此,小白由衷感慨,AI 时代真的来了。

在物流业的一个细节,窥见行业AI落地的春雷涌动

回归现实:AI 到行业 AI 的距离

AI 必须走入行业,满足每家企业的独特需求。这个逻辑几年来被广泛论证,已经成为了贯通国家战略与每家企业智能化发展需求的社会共识。

但问题是,AI 究竟如何走入行业?

如果我们不站在小白的视角,可能会认为 OCR 识别早就解决了物流单证识别的问题,甚至物流 +AI 已经基本实现了。然而回归一个真实的岗位,一个细节的企业需求,就会发现每家企业、每个行业的独特性都是无法忽视的。行业与 AI 的真实距离,还隔着从纸面到现实这座大山。

比如说,回到现实中我们会发现大多数实体经济企业,都不具备 AI 人才储备。数据标注、模型训练、算法架构、Kubeflow、OpenNLP 这些概念对企业目前的从业梯队来说无异天书。而雇佣 AI 人才成本又太高,有了相关人才之后结果如何还属未知,这让众多企业只能对 AI 想想之后作罢。

而能够直接从服务商体系获得的 AI 能力,又大体处于通用 API 的阶段,就像上文所述的物流单证 OCR 识别一样,通用 API 能力不足以满足企业定制化需求。而向专业公司求助,又会面临很多问题。比如即使需求拥有可执行性,定制周期一般也要数周起步。而如果定制 API 需要发生更新,就像小白需要识别新的单证,那么这个轮回又将重演,企业又可能面临数周的等待期。

另一方面,专业 AI 服务商由于并不懂具体的行业流程和行业需求,因此会要求企业提供大量专业背景和行业数据。这个时候企业又要花费很多时间在整理资料、收集数据上,容易陷入双方你等我、我等你的状态,最终项目的时间、人力、资金成本被反复放大。

由此可见,对于现实中具体行业、垂直领域中的无数企业来说,AI 要求人才成本过大、获取时间过长、无法自我迭代等等问题都构成了 AI 落地的阻碍。那么解决这一系列的思路应该是怎样的呢?至少有三个解题方式可以归纳:

1、行业数据和行业模型要实现共享,尽量避免具体的企业从发明轮子开始上马 AI。

2、每家企业要能实现基于模块化技术,以及行业数据、开放平台的自我 AI 创新。达到行业共享和企业定制的结合。

3、整个流程尽量实现自动化、标准化,企业不需要专业 AI 人才也可以使用 AI。

这三个要求,我们可以将之视作 AI 技术体系的 3.0 阶段核心特性。以机器学习为代表的第三次 AI 崛起,1.0 阶段是实验室和科研机构的算法效果和数据集实验;那么 2.0 阶段就是 AI 走向开发者,搭建深度学习框架、AI 算子、预训练模型、开源社区;而 3.0 阶段则是走向行业差异化和技术工具的模块化、标准化,从而让 AI 走向产业应用,走向低门槛普惠化的行业 AI 阶段。

而从小白工作上的改变,物流行业的定制化 AI 能力中可以看出,华为云的 ModelArts Pro 已经具备了这样的特征。

行业 AI 工作流:ModelArts Pro 的逻辑重构

3 月 28 日,在华为开发者大会 HDC.Cloud 期间,华为云正式发布了 ModelArts Pro。作为 AI 开发者已经十分熟悉的一站式 AI 开发管理平台,ModelArts 以自动化、智能化的开发方式驰名业界。然而 ModelArts Pro 却并不像手机一样,是版本的垂直上升。而是将一系列全新能力纳入体系内,完成了开发者象限之外,行业 AI 这个事实上非常空白领域的填补。

ModelArts Pro 的定位,是全球首款企业级 AI 应用开发专业套件。它的独特价值不仅在于技术上的升级和进化,更在于它在使用者视角上尝试了一个堪称重构的逻辑转换。

在物流业的一个细节,窥见行业AI落地的春雷涌动

一般而言,AI 平台和开发框架预设的使用主体是 AI 开发者;而 ModelArts Pro 瞄准的是行业 AI 应用开发者,以及不太懂 AI 开发但是却需要进行 AI 落地的企业,从而完成了“授人以渔”的工具逻辑转换。

从物流行业的案例中,我们能够直观感受到 ModelArts Pro 带来的行业 AI 改变。而如果回到技术线索的话,ModelArts Pro 的改变在于交付方式的创新。一般情况下,AI 平台提供的是技术链和工具集合。但一家不具备专业技术背景的企业,在使用一种全新技术的时候,真实需要的其实是工作流。

所谓工作流,是上世纪 80 年代办公自动化崛起时,关于企业流程管理和企业效率提升的一个概念。它把一家特定企业的工作拆解成相互衔接、能够层层推进的任务和目标,新的员工和项目组,只需要按照工作流要求融入企业流程,就可以高效率、低学习成本地进入企业。

ModelArts Pro 的主要目标,就是帮助行业 AI 应用开发者快速构建相应的工作流。工作流来自于华为云在处理相关行业需求时积累的经验,以及合作伙伴对垂直行业的深度理解,从而搭建出适合具体行业的 AI 套件。

当适配 ModelArts Pro 覆盖行业的企业出现 AI 需求时,可以率先查看相关工作流是否与自己需求吻合,如果吻合只需要一步步执行即可。将自身行业数据,比如小白面对的全球单票数据输入相关工作流,就可以极短时间内满足企业需求。

而如果企业还是有一定定制化需求,那么可以通过原子组件 (Atom) 灵活编排新的行业工作流。或者由华为云结合具体需求,搭建符合 ModelArts Pro 规则的工作流。这样在满足具体需求的同时,有相关需求和行业特性的后续企业就可以延顺这条工作流完成低门槛定制开发。并且企业后续的迭代也建立在相关工作流上,可以无缝实现自我演进。而当相关工作流和具体算法愈发丰富,企业经验更加成熟,还可以通过华为云 AI 市场随时购买更多算法,组成自己的差异化能力,让 AI 开发者生态与行业 AI 生态不断融合。

ModelArts Pro 的产业逻辑之所以有“重构”的特性,是因为它首先承认了各行业、各企业需求的极大不同,而不是希望以技术抹平企业差异化。同时它预设企业没有 AI 人才基础,将所有企业可能无法完成的工作都自己完成。

既然 AI 要落地,就要站在土地的角度思考,而不能空想岩石长出翅膀。

在物流业的一个细节,窥见行业AI落地的春雷涌动

与以往的 AI 开发平台和开发工具相比,基于行业 AI 工作流的 ModelArts Pro 至少在三个方向上重新定义了产业链的行为逻辑:

1、以行业用户为中心,从头组织 AI 交付方式:以往的 AI 产业中,交付方式是以技术能力为单位的。但 ModelArts Pro 的 AI 工作流模式,则是完全以行业视角为中心,以企业的工作流程模块为单位。也许企业上一步需要某种能力,下一步需要完全不同的技术能力。但 ModelArts Pro 则消弭了技术之间的差异,直接以行业为单位交付。

2、以工作流为方式,重构 AI 应用场景:传统的 AI+ 行业,只需要关注单一场景的效果。但在企业生产实践中,却可能是从策划、研发到生产销售的全流程多场景方案。这些场景可能贯穿不同的 AI 技术能力、工具和开发方式,但是 ModelArts Pro 打破了这些界限,为企业提供整套解决方案,以及简单高效的部署体验。

3、以行业为视角,重新定义 AI 人才边界:ModelArts Pro 的一切思路,都建立在各行业目前阶段必然缺乏相关人才的基础上。于是 ModelArts Pro 基于工作流模式,融合更多智能化开发工具、AI 市场,构建了无技术门槛的 AI 使用方案。

某种意义上来说,ModelArts Pro 就像一个新的通信节点,它把属于 AI 和开发的信号,同时接入了行业的网络中。而这一个节点带来的改变,显然将带来广阔的连锁效应。当物流单证这个非常垂直的问题,被 ModelArts Pro 的工作流所改变,我们已经能看到更远处酝酿的蝴蝶风暴。

跨越寒冬:重新定义行业 AI 落地方式

ModelArts Pro 在纵向的 AI 技术发展历史上,是行业 AI 趋势的必然要求。而华为云能够率先推动完成这一改变,一方面建立在华为整体 AI 战略布局上,一方面来自于华为云不断与各行业交流、沟通、探索 AI 技术的基础上。ModelArts Pro 的本质,就是华为云在 2019 年开始不断积累的各行业 AI 经验留存下来,目前已经覆盖物流、石油、零售、金融、医疗、交通等行业场景,推出了文字识别、视觉、自然语言处理、知识图谱等开发套件及端云协同多模态 AI 应用开发套件 HiLens。在 ModelArts 开发生态、AI 市场,以及华为云合作伙伴的不断加入中,基于行业需求的 AI 交付方式将不断繁荣,以“小”实现“大”,以案例驱动产业,以认同差异实现普惠 AI。

而这一模式改变更重要的价值,在于 AI 以全新的方式融入行业场景,将驱动 AI 使用和云计算服务的整体市场格局发生板块迁移。目前 AI 已经成为了云服务体系中最受关注的输出产品,但真正的大市场、大应用,却被 AI 人才成本、时间成本、产业效率等问题隔绝于“云”外。

ModelArts Pro 让 AI 解决方案直接与行业需求贯通,事实上改变了 AI 接入企业整体进程的效率。AI 不再需要等待企业去逐步认识价值、培养团队、形成战略,而是可以直接尝试通过云服务吸纳无门槛的 AI 技术应用,以尝试带动体系化跟进。

而在 ModelArts Pro 背后,还联接着从昇腾芯片、MindSpore 开发框架,再到华为全栈全场景 AI 解决方案。当 ModelArts Pro“邀请”行业用户加入了 AI 世界,后续发生的生态效应将会持续令人期待。

以 ModelArts Pro 为牵引,到华为全栈全场景 AI 的整体架构,这一逻辑链带给云计算产业的直接变革在于,大量普通用户将被吸入,新的商业模式和需求将在实体经济和商业世界中兴起,华为云基于 AI 技术的差异化优势将进一步影响市场格局。

智能世界的一切,似乎都在弹指一挥间实现着、改变着、探寻着。

本文转载自脑极体公众号。

原文链接: https://mp.weixin.qq.com/s/HqJ5YLKhhImlHYY1aow-OQ

评论

发布