这位“华人AI前10大牛科学家”，如何用“AI中间件”跨越人工智能和行业应用的鸿沟？

AI和产业的结合，已经渐成趋势。

作为AlphaGo的研究团队，DeepMind在大众中的知名度似乎不及自己的产品。而就在去年乌镇击败了世界围棋第一人的柯洁后，AlphaGo宣布退役，DeepMind也更加关注AI算法在医疗、能源等产业中的落地应用。

大数据、超算力，还有机器学习，已经开始对产业格局产生影响。但是，不同于下围棋，这一切还处于发展的初期，AI技术和行业应用之间，还隔着一条鸿沟。AI技术和算法需要找到AI应用的场景，而多数企业，却仍然缺乏数据处理的专业人员、训练AI所需的资源，以及高层对如何应用AI改变业务的了解。

这道鸿沟之间需要一条有效的桥梁，就如同在软件产业中，是通过中间件，连接起不同的独立应用程序和操作系统。

这也是云脑科技（CloudBrain）推出行业“AI中间件”的初衷。

在业界，云脑科技创始人张本宇已经有了19年的人工智能和大数据的研发经验，在微软亚研院、Google和Facebook先后就职，也曾被创新工场誉为“华人AI前10位大牛科学家”之一。

和DeepMind相类似，云脑科技也是将人工智能和深度学习领域的积累和研发成果，引入企业的智能化进程，让AI技术让行业应用场景落地。而它更想做的，是打破AI企业应用的“黑箱”。不同于以往的AI解决方案，云脑科技推出“行业AI中间件”，以产品的形式，实现AI和行业的融合。目前，云脑科技开发的AI中间件，已经覆盖了通信、金融、能源、人力等几大行业。

2017年7月，云脑科技获得了翊翎资本和中经合集团领投的数千万元A轮融资。在此之前，云脑科技还曾获得峰瑞资本的天使轮融资。

“硅谷谷歌系算法研发+国内阿里系产品服务”体系

张本宇离开Google创业时，他已经在人工智能领域浸润了16年。从微软亚洲研究院，再到Facebook和Google，他在AI方面已经握有150项美国专利，在国际一流期刊和会议发表的45篇论文已经被引用超过了6000次。

但科学家张本宇的心中，却一直有着跃跃欲试的创业梦想。云脑科技并不是他的第一次创业尝试，在早年，张本宇曾经做过一款互联网语音聊天产品。虽然最终他结束了这一项目，投入人工智能技术学习和研发，但和一般人印象中埋头实验室的技术人不同，张本宇对于商业，一直保持着自己的敏感度和理解。

在2014年，创业的念头再次在张本宇的心中升起。在当时，虽然国内的创投领域对于人工智能还了解不深，但是张本宇觉得，时机已经到了。

2014年，深度学习已经取得了长足进展，在图像处理和语音识别、自然语言理解等领域，已经开始应用。大数据、算力的提高，以及越来越多的模型投入使用，人工智能开始获得了实际性的商业应用成果。

在之前的工作中，张本宇更是直观地感受到了AI算法和模型的应用，给这些公司带来了多大的效益提升。“但是，无论微软、Google、Facebook，都是偏互联网行业的。而实际上，不仅于此，在互联网之外，人工智能还可以应用到更广泛的行业和场景中去。”

但是，对于国内的很多公司而言，这还是件“不可能完成的任务”。企业运营数据中包含大量的歧义和模糊性，如何处理它们和从中获得价值，以及如何让AI了解企业的具体业务流程，是件困难的事情。

张本宇决定出来创业，做一家针对B端企业客户的公司，将前沿的AI技术，引入国内企业的业务中。“深度学习技术发展到一定阶段之后，是可以帮助AI工程师进入更多的行业，进行跨行业服务和研发的。”

2015年5月，云脑科技在硅谷成立。2016年，AlphaGo战胜了李世石，点燃了全球对人工智能领域的关注度，人工智能创业的时代，汹涌而来。

这一年，云脑科技也从最一开始张本宇的“单人独骑”扩充到了10多个人，云脑科技的创始团队逐渐成型。云脑科技联合创始人、COO龙志勇曾任阿里高级产品专家，和张本宇在硅谷相识后，由于对创业和商业方向的不谋而合，2016年10月，龙志勇加入云脑科技，担任联合创始人、COO。

2016年底，杭州云脑科技成立。有了国内的实体公司，云脑科技的公司架构也确定下来。云脑科技采取了美中双中心协作的方式，硅谷团队由张本宇带领，成员包括从业AI二十多年的原Google资深专家刘亚新，以及核心算法工程师樊向军、徐昊等，负责核心算法研发；国内团队由龙志勇负责，包括原阿里巴巴高级技术专家陈鹏、原微软亚洲研究院数据工程师、美丽说数据团队负责人黄颂等成员组成的核心团队，直接对接行业客户，推进公司技术和产品的商业化落地。

在“硅谷谷歌系算法研发”和“国内阿里系产品服务”的基础上，云脑科技不断探索AI落地的途径。从2016年开始，云脑科技即建立了和中大型国有企业的合作。作为银联的合作伙伴，云脑科技和银联共同开发了“智惠触达Farcaster”营销触达平台，基于银联的海量消费数据，可以自动学习并动态更新用户。利用这一模型，银联可以根据已有用户，自动发现新用户，更高效地获客。

此外，云脑还开发了国家电网“台区低压负荷预测系统”，提高电网的负荷预测准确度。

但是，云脑科技给自己的任务，是搭建起AI技术和企业应用场景之间的桥梁。在2017年，云脑科技将重点放在为特定行业打造的核心产品“行业AI中间件”上。

在GMIC峰会上，张本宇和《机器学习》作者Tom Mitchell

行业AI中间件，连接数据和场景

张本宇并不想单纯做通用平台和AI解决方案。对于传统领域企业而言，AI平台的门槛较高，也很难通过短时间内，和企业的业务相结合。在张本宇看来，很多企业虽然渴望AI赋能，但它们实际的IT能力不够，直接进入AI世界是很困难的；而AI技术本身在高速发展中，一个平台的层面要把门槛降到能够简单使用的界面，算法的妥协代价太大。

针对不同行业，云脑科技推出了不同的AI（X）中间件。虽然借鉴了软件“中间件”的概念，但云脑科技的AI中间件，是针对该行业内的需求，把相应的AI技术/平台用行业应用“包”起来，去解决行业场景。传统的“中间件”连接的是软件应用程序和操作系统，而云脑科技的AI(X)中间件，是AI技术、算法，连接起企业的数据和场景，为企业实现智能匹配、分类预测、精准营销、风险控制等方面的应用。

在企业的AI应用中，经常需要解决的是“数据如何选择和导入”、“模型和技术如何组合”和“输出如何集成到业务”三个核心问题，云脑科技则将软件和服务分成AI数据处理、建模策略和业务集成三大功能，直接面向企业业务。

这对客户而言，是更容易理解和接受的一种方式。应用行业AI中间件产品，客户不需要再去关注如何训练和测试数据、如何发布最新模型，AI的应用门槛大大降低；AI中间件直接面向业务部门，提供相关接口，更容易嵌入业务应用。

比如在手机行业，云脑科技推出了包括终端数据特征挖掘、端加云协同训练、快速深度交叉学习、特征流水线工程框架等Mobile AI中间件产品和服务，为手机终端的人工智能提供了加速引擎。而在金融监管方面，云脑科技提供了挖掘市场未知的隐含关联关系、量化市场间的影响程度、刻画市场波动传导路径和市场消息影响分析的证券AI中间件，在满足金融行业对人工智能技术的可解释性和高效性等要求的同时，帮助交易所提高现有监管业务效率，提升对市场风险的预研预判能力，为进一步强化监管奠定基础。

目前，云脑科技已经推出了4款行业中间件，分别是：通信AI（T）、金融AI（F）、能源AI（E）与人力AI（H），目前已与银联、上海证券交易所、南方电网、金立、实习僧等公司建立了合作。

数据是根本驱动力

什么类型的企业适合应用云脑科技AI中间件？在张本宇看来，可以应用AI中间件的企业，都具备可以被量化评估、可解释性较强的场景，量化指标具有非常大的提升空间。“它们所处的行业足够大，都是万亿级规模的市场，具有强劲的需求；在这些行业内，产生了海量数据；数据和场景切合AI技术应用；并且，这些行业我们已经发展了较好的合作伙伴，我们更加了解企业的真实需求，以及什么样的客户才是我们的重点客户。”

能够和云脑科技合作的客户，基本上，都是具备大量的数据分析需求的企业。在研究深度学习多年的张本宇看来，数据，也是AI技术能够在行业应用中落地最重要的一环。“它们理解数据，也拥有数据。”

大多数传统行业的企业，对AI非常感兴趣，但是由于对人工智能技术不够了解，有时也会有“不切实际”的期待。“AI不是金手指，它也需要对数据足够的积累和认识，充分利用企业过去积累下的电子化的数据，把这些数据，从占用它们存储空间的成本，变成真正的价值。”

在实际上，拥有数据的企业数量众多，但是“大数据孤岛”问题时至今日也仍然存在。大量的数据出于隐私保护需求，并没有放在云端，访问性是受限的。如何达到数据的访问合规，同时保护数据安全，训练深度学习模型，是张本宇认为，亟需解决的问题。

在2017年，云脑科技研发的重点，也放在新算法的研发，以及如何提高对数据访问的安全性和隐私保护上。在新的一年，深挖四个主要行业，以及拓展头部客户，仍然是云脑科技运营上的重要部分。

从一开始，张本宇就很清楚地规划了云脑科技AI中间件的产品落地策略。行业客户呈一个“金字塔”的形态，云脑科技的销售人员并不算多，从主要推动产品在标杆客户中的落地，逐渐向中型企业拓展。AI中间件基本上是效仿SaaS的收费模式，按照应用和效果付费。根据企业的不同规模和所在行业的特点，付费形式也会有所调整。

在AI中间件这个概念上，目前在市场上，还鲜少有云脑科技的同类企业存在。这是片极为广阔的市场，但同时，也是一块需要长期开辟和投入战力的战场。AI产品和解决方案与平台不同，它对行业的具体应用场景和需求了解度的要求更高。而熟悉行业需求、挖掘出企业数据的价值，从而推动产品和算法的研发，这对云脑科技而言，也是最有价值的“壁垒”所在。