几乎每隔六七年，腾讯就会进行一次重大的组织架构调整，云与智慧产业事业群（CSIG）就是今年的新面孔。10月31日，腾讯董事会主席兼CEO马化腾发布了一封公开信，将产业互联网列为集团未来的发展重心，而CSIG无疑将成为这一战略的重要载体。换言之，要打通从生产制造到消费服务的价值链，实现从智慧零售到智能制造、从消费到产业（C2B）的生态协同，云与智慧能力缺一不可。
近年来，资本市场对于人工智能的吹捧前所未有得高涨，自2015年用于AI训练和推理的通用硬件逐渐流行，到两年之后出现越来越多的并行框架，与硬件结合让AI模型训练得更快更好，再到2018年由于神经网络层数持续增长，所带来的基于TensorFlow、Caffe、Pytorch这些深度学习框架的研究需求，算法与工程的结合正变得愈发紧密，这才有了AI在各行各业的产业应用不断涌现出来。
“在新的组织架构中，腾讯可以做好企业服务，包括更好地研究如何把AI技术输出到各行各业，既包括以腾讯云为中心的基础设施服务、各种软件能力的服务，也包括腾讯其他BG的各种能力，包括地图、视频、音乐等等。”在2018英特尔人工智能大会上，腾讯云副总裁王龙表示，“以C端能力为核心输出，通过腾讯云连接用户的能力打造新的C2B企业服务模式，我们将可以更好地帮助各行各业实现数字化转型。”
腾讯云副总裁王龙
AI战略背后的平台支撑
早在2011年，腾讯就成立了AI实验室，今年又成立了机器人实验室，至此围绕计算机视觉、智能语音、机器人控制、NLP自然语言处理等领域进行了全面投入。随着对于行业智能化的深入理解，腾讯云在今年5月的云+未来峰会上发布了超级大脑，其背后的一个思考在于任何计算模型都要基于数据来做出决策，而数据的源泉则是互联网、智能终端。
但是更进一步看，这些用户做决策的数据并不是普通的文本数据，也不止是网络上的那些信息流而已，而是在物联网设备、各类传感器上产生的富媒体数据。为此，人们有必要通过一个系统在云端、智能设备上，以及二者链路之间的边缘环境中去调度、处理、分析数据背后的算法逻辑。
另一方面在于AI算法与工程的结合，要知道落地到行业场景中，技术人员在实验室设置的理论模型会受到各种各外界条件的影响，这时候就需要工程人员与算法人员的配合。再比如在工厂生产线上，以前工厂的MES系统会基于内部数据库对已有数据进行建模分析和预测，引入计算机视觉之后取代了一些像人工质检这样的流程，但这里引出的一个问题是如何将原有数据和现有的决策系统打通，要知道产品生产个性化是智能制造的一大考量因素，而这离不开对仓储、物流、天气等外界不确定性因素的分析。
如何连接算法和工程人员、连接技术和应用场景？这个平台就是超级大脑。“我们希望能够帮助算法专家，帮助英特尔这样的硬件合作商、智能终端合作商、工程人员和开发者，让他们可以在平台上找到适用自己的算法、硬件、场景。围绕这个平台，形成一个连接云、边、端的智能操作系统。”王龙说，“更重要的是，我们希望让合作伙伴能够使用腾讯C端的连接能力，连接数十亿的用户，同时通过B端的合作伙伴体系获得更多的技术和能力的支持。”
超级大脑推动行业智能
根据调研机构HSRC的预测，到2023年工业4.0市场规模将达到2140亿美元，并将改变长期以来商业和全球经济权力均衡的态势。未来，制造业的生产方式将趋向智能化、网络化，企业组织将走向扁平化、虚拟化，产品模式将转向定制化、服务化。对于传统制造型企业来说，把业务迁移到公有云颇有挑战。工业互联网时代产生的数据量比传统的信息化要多数千倍甚至数万倍，并且是实时采集、高频度、高密度的，动态数据模型随时可变，因此直接将业务迁移上云是比较困难的。
在王龙看来，深度学习、机器学习等AI技术，以及5G和物联网的发展，将为打通工厂内部的信息孤岛等传统难题带来新的机遇，“未来，可能一个IoT传感器就能把园区甚至城市中的数据收集起来。”而任何基础设施层面的变化，都会伴随上层操作系统、软件系统、应用场景的升级，超级大脑的作用就是让升级的过程更便捷、更高效、更简单。未来，工程师只需要了解工厂的设备，并不用成为算法专家，依靠超级大脑算法仓库提供的工具模型，同样可以为摄像头、传感器找到最合适的解决方案，从而让人工智能以更低的成本实现。
可以说，超级大脑更像是一个工具，用来提升算法、设备、数据、应用的连接和处理效率，其本身并不提供任何数据甚至不提供算法，后者则是交给合作伙伴来做。这些合作伙伴可以分为三类：第一类是光学设备合作伙伴，会将光学设备接入到超级大脑的平台上；第二类是算法合作伙伴，腾讯云会先做出一批成果（如与优图实验室联合开发）来测试，再将优化过的算法与合作伙伴共同进行下一步开发；第三类是MES集成，找熟悉工程制造流程的合作伙伴一起来做应用落地。
找专业的人做专业的事情，不懂的交给行业伙伴，这种做法无疑是最有效率的。例如在医疗行业联手觅影、在零售行业联手优Mall，这些都是行业与算法协作的典型案例，而连接这一切的平台就是超级大脑。在谈到与其他厂商的智慧大脑相比有何不同时，王龙称：“我们希望做更有效的连接器，用Pony(马化腾)的话说，我们希望做大家的助手，而不是自己冲到赛道里去，这是理念上完全不同的地方。”
基于场景挖掘AI商业价值
当然就像王龙所说的，超级大脑扮演的更多是平台、连接的角色，无论是芯片还是算法，亦或是上层应用，都少不了合作伙伴的帮助，而英特尔就是这样一个不可或缺的伙伴。过去一年，腾讯云基于英特尔的开源组件和MKL算法库，使得CPU的整体鉴黄性能提升1.6倍；基于至强可扩展处理器，以及新的指令集和OpenCL库，在1080P视频转码上获得了两倍的性能提升；基于英特尔的AVX指令集和算法优化，TDSQL在传统CPU上运行查询任务时单实例可以获得四倍性能提升，多实例环境中这一数字会再增长1.4倍。
在边缘环境中，腾讯云基于Movidius做了很多适配和和测试工作，并且将这些成果应用到了智慧零售与公共安全等领域。例如，超低功耗的计算机视觉深度学习引擎Movidius可以直接放进终端设备中，在零售店改善视频安全监控，用于走失儿童的面部识别或车辆等物体的图像识别。英特尔人工智能大会期间，该公司推出了第二代神经计算棒，而这也是腾讯云下一步的合作计划，“我们希望把更好用的算力带到边缘，去帮助传统企业向互联网、向数字化转型。”王龙说。
不止是边缘，智能化的基因已经渗透到云、边、端的每一个角落，但正如对于AI应用的加速不可能用同一款芯片去做，用于AI训练的硬件、算法、框架也发生着变化，比如有些厂商不想管框架、只想管算法，有些可以管框架，甚至硬件上的指令集都要更改，需求是各不相同的。
从云服务商的角度来看，王龙对笔者谈了两点期待。首先，希望所有为腾讯云提供硬件设备、算力的厂商，除了在尽可能降低硬件成本、提高效率之外，还要想办法提高硬件可定义的灵活度，“我们以前讲Software defined datacenter、Software defined compute，以后可能需要Software defined CPU或者Software defined Architecture，要有这样的想法出现，这样我们才能更好的满足客户的需求。”
其次是要和英特尔、下游的合作伙伴一起来研究如何灵活调度、适配各行业的使用场景，以及这些应用于这些场景的硬件设备，充分调动在各自领域的技术优势，“就像超级大脑一样，如何把一个只能变动10次的硬件架构和一个必须要变动1万次的应用架构去做缓冲和融合，需要大家发挥各自最大的优势，这是我们云厂商一直在致力做的事情。”
王龙认为，一个完善的生态圈一定是多层次的，大家会各司其职做自己最擅长的东西，“我们基于英特尔的芯片做了深度学习框架和一系列工具，包括超级大脑平台，把我们的算法通过英特尔的平台对外输出，包括人脸识别等通用的工具包。在这方面，英特尔也是开放的。我们希望合作伙伴秉持开放的态度，让真正的商业价值来说明这一切，将最终的选择权交给客户。”
本文属于原创文章，如若转载，请注明来源：超级大脑背后的AI生态 平台思维如何推动产业智能？//cloud.zol.com.cn/703/7038359.html
