从实验室跃进产业，腾讯 AI 是如何向 to B 进化的？

2018 年 9 月 30 日，随着腾讯地震式架构调整、云与智慧产业事业群（下称：CSIG）成立，腾讯 AI 不仅跑出了实验室，更开始加速向产业纵深。

" 架构调整之后，将使腾讯的技术力量更聚焦，能为产业客户提供更完整的解决方案。未来腾讯 AI 将更加面向场景和产业，专注技术与产业的结合。" 腾讯高级执行副总裁、CSIG 总裁汤道生对腾讯的 AI 战略曾如此描述。

腾讯日前公布了的 AI 全景布局：包括 " 技术 - 平台 - 场景 " 三层 AI 结构布局，以及 " 双引擎 + 双轮 " 驱动 AI 场景落地。其中，双引擎指的是腾讯两大 科技 实验室矩阵，双轮指的是 " 消费 互联网 + 产业互联网 "。

据此前钛 媒体 梳理，腾讯两大实验室矩阵其一为人工智能实验室矩阵，包括腾讯 AI Lab、优图实验室、Robotics X（机器人）等四大实验室；其二为基于前沿科技的实验室矩阵，包括量子计算、5G 技术等。（详见：2020 年了，BAT 都组建了哪些超强科技实验室？）

其中人工智能矩阵会更多服务于公司内部或行业业务，而前沿科技矩阵则着眼于稍远的技术展望。

" 腾讯是既要在近期能落地的科技上有布局，又要在稍远的科技上有探索。" 优图实验室总经理吴运声介绍道。

因为聚焦计算机视觉（下称：CV）这一 AI 应用最广的领域，在诸多实验室中，优图成为腾讯 AI 深入产业的排头兵。在技术产业深度融合的大势中，一所人工智能实验室的跃迁，成为腾讯向产业互联网迈进的典型缩影。

一座 AI 实验室的 to B 进化

"930" 是优图实验室负责人们最常提及的标志性节点。

在 930 腾讯架构调整前，优图实验室更多面向消费互联网。为腾讯业务线上的 QQ、天天 P 图、腾讯视频、微视等消费互联网产品做技术支撑。

而 930 以后，腾讯优图被划分至腾讯 CSIG。CSIG 是腾讯产业互联网的主阵地和 to B 的主窗口，这也意味着优图开始从腾讯的内部实验室走向前台，更多面向产业和客户的考验。

实际上，930 之前优图已经有了 to B 案例。

2018 年 5 月，腾讯优图就和 微信 支付合作推出了刷脸支付系统，结合优图的活体识别和 1:1 核身技术，在上海家乐福落地。只是架构调整后，优图技术将统一通过 CSIG 窗口输出。（详见：从癌症检测到刷脸支付，腾讯 AI " 跑 " 出实验室）

另据钛媒体了解，此前汤道生曾明言对优图不设 KPI，而现在优图也开始承担起一部分 CSIG 的 KPI。

为什么优图成为了腾讯 AI 深入产业的排头兵？

除了上述提及的 CV 应用广泛外，另一方面，虽然同处于人工智能矩阵，但 AI Lab 和机器人实验室被划分在了腾讯技术工程事业群（TEG）中，TEG 更重视基础研究。在不同事业群的思路下，优图向产业更进一步，AI Lab 和机器人实验室则专注在前沿科技上。

被划分至 CSIG 后，优图主要负责技术研究和产品解决方案的打造，CSIG 则更多面向客户、反馈客户需求。

" 优图的特点在于研究和业务落地 ' 两条腿走路 '，二者有比较好的协同。这只是腾讯 AI 落地的一个环节，实际操作中还会有大量业务人员参与。" 优图实验室副总经理黄飞跃介绍道。

优图实验室已经有 15 种行业解决方案

从消费互联网迈进产业互联网，优图不仅延续了 to C 的方法论，还通过自身的进化去适应 to B 的新规则。

这种适应一方面体现在架构和思路的调整上，另一方面则体现在了技术储备上。

" 消费互联网上更多是通用需求，最重要的是有爆点的产品创新，所以人们要去想 idea。而产业互联网不同，像 CSIG 的宗旨是 ' 客户服务 '，所以优图很多流程和导向都会在这一思路下进行。在人员配置、组织架构和对接中就会把 ' 客户服务 ' 作为一个很重要的指标。" 吴运声对钛媒体解释道。

与 to C 的通用需求不同， to B 往往面临着更多来自客户的定制化需求。" 以内容审核为例，电商和社区对于色情和性感的定义就不同，比如在电商中不属于色情的内容，在社区内容的判定中就会属于色情。" 黄飞跃补充道。

针对 B 端频繁的定制需求，优图也做了相应的研发储备。例如，优图内部有一个全自动的在线训练平台和客户运营平台。该平台可以针对特定需求进行快速定制、训练和优化，在 2-3 天内完成定制化模型的训练。优图也有运营类平台供客户查看效果，实时的反馈能不断优化其定制化能力。

在服务 B 端客户的过程中， 腾讯 AI 也实现了从单点突破到通用平台的演进。这是从大量定制化服务经验中抽象出的通用法则。

" 几年前更多是利用单点 AI 技术去解决单点问题，但随着时间发展和需求激增，一个单项的技术和单点解决方案，已经很难满足一个行业或产业的需求，这个时候往往需要通过一个平台或通用型解决方案去解决更多的通用场景。" 吴运声说道。

腾讯推出的工业 AI 平台

日前，优图推出了泛娱乐、广电 传媒 、内容审核和工业等四大领域的 AI 平台。

" 整个行业都在向这一方向演进， 毕竟定制化的成本太高了 。" 吴运声对钛媒体解释道，" 以钢铁行业为例，原来的方式需要 100 个人日，AI 通用平台推出后只需要 3、5 个人零星做些支持就好，节省的是后续部署等各种沟通成本。"

C2B 的实战课

" 产业互联网不仅仅是 to B、to G，最终还是 to C 的，C2B 是腾讯面向产业互联网的一个优势。" 汤道生曾如此阐释腾讯 to B 的路径。

所谓的 C2B 方式，指的是腾讯利用在 C 端积累的数据与流量进入产业。用在 C 端积累的数据和技术不断打磨 to B 的解决方案，也利用其流量优势为客户触达消费者提供联结。

" 通过 QQ、微信、小程序、公众号及微信支付等产品，腾讯能从十多亿用户中积累相关经验，并将 C 端服务能力输出给合作伙伴，为其提供公众号、小程序、支付、企业微信等一系列连接的能力。" 黄飞跃对钛媒体解释道。

腾讯有很多 to B 方案都来自于 C 端积累。比如微信刷脸支付，就把 to C 的经验提炼成了面向银行的 to B 解决方案。除此以外，通过在健康码、随申码等 to C 应用中不断打磨远程核身技术，优图解决了大量活体检测的问题。而这一经验则被提炼成面向运营商远程开卡、面向银行远程开户的系统。

微信刷脸支付系统（图片来源：微信支付官方）

" 是否有 C 段链条，是腾讯在选择进入产业的标准中，一个重要的参考因素。"腾讯云副总裁王帅曾对钛媒体指出。但随着腾讯向产业纵深，更多场景并无 C 端经验可以参照，腾讯 AI 便开始在一些 " 纯 to B" 的领域拓荒。

比如物流行业，其痛点在于如何将多渠道的物流单据进行智能化整理。腾讯云为中国外运股份有限公司提供了 OCR（即光学字符识别）解决方案代替人工录入。以 汽车 进口的零部件单据录入为例，此前需要 4 个人花一周时间完成的工作量，现在只需一个人花 40 分钟。

再比如保险，传统的健康险核保包括上传体检报告、分析、核保等多个流程，需要核保师人工完成。但问题在于人工核保效率低，且行业缺乏医学知识丰富的核保师。腾讯云为泰康人寿提供的 AI 智能核保系统，能够实现全流程的自动化。以往保单审核平均需花费 40 分钟，现在降至 15 分钟，每年约能节约人力成本 400 万元。

比起物流、保险等行业，工业是一块 " 更难啃的骨头 "。在 "AI+ 工业 " 领域，腾讯云为主营液晶显示屏的华星光电提供了技术支持。

在液晶面板行业，传统的检测方式是 AOI 扫描基板图片，然后用人工检测方式检测基板图片。随着工业检测越发需要精准，传统的视觉缺陷检测和分拣设备很难满足要求。而实际产线上，人工肉眼复检也很难降本提效。

华星光电的产线每天会产生一两百万张图片，每个质检员要看 1 万多张图片，对每张产品图进行缺陷分类平均需要 2 秒。而现在基于优图 CV 技术，腾讯云推出了 AI 自动缺陷分类系统。识别单张图片只需 500-600 毫秒。对比人工判片，AI 识别速度提升了 5-10 倍，每年可以为华星光电节省超千万元的成本。

对于这种传统产业，腾讯并不能提炼 C 端经验，" 走进产业 " 便成为重要课题。

在华星光电的案例里，光从当前图像的特征无法正确判断缺陷分类，不仅要借鉴前一个工艺环节的图片一起判断，甚至还要结合业务上的知识。在这些问题上算法可能是有局限的，不了解背景未必能解决这些问题。同时算法也不能像产线工人一样随时跟其他人沟通寻求帮助。因此，AI 项目落地不是最简单的训练和推理过程，需要持续结合实际业务知识，通过行业专家系统结合机器学习，才能给企业提供有价值的服务。黄飞跃向钛媒体解释道。

除优图外，" 腾讯觅影 " 背后的技术提供方之一、专注医疗的天衍实验室也在加速技术产业融合。

疫情期间，腾讯觅影推出了 AI 辅助诊断新冠肺炎的方案，于武汉大学中南医院落地。该方案能在患者 CT 检查后最快 2 秒内完成 AI 模式识别，1 分钟内为医生提供辅助诊断参考，2 个月内为湖北多家医院共 2 万 4000 多名患者进行了肺部 CT 诊断。

此前，有观点认为腾讯缺乏 to B 基因，黄飞跃向钛媒体说道，" 如果大家相信基因，也会相信进化，作为企业最重要的就是学习、以及适应市场的能力。"

来源： 钛媒体 芦依