发布时间：2019-04-26
近日，第四届清华校友三创大赛全球总决赛暨大数据智能化高峰论坛在渝举行。
如何推动玩转大数据、智能化，为传统产业发展“添翼”？来自清华大学软件学院院长王建民、神州数码CIO沈暘，海尔大规模定制平台总监赵银花，昆仑数据首席运营官秦磊，云城（北京）数据科技有限公司创始人王轶捷、清华校友三创大赛副主任李竹、清华大学语音和语言技术中心主任郑方、百融金服副总裁陈雷等众多大咖纷纷建言献计。
“智造”中的大数据要协调起来
王建民：互联网的下半场，大数据、智能制造、人工智能，让消费互联网走向产业互联网。大数据的应用，已渗入“智造”的各个领域，例如，智慧气象、环境监测、运维服务、智慧能源、工程装备等。
然而，大数据产业尽管从2008年开始起步，至今已有11年的时间，但远远没有成熟。首先，大数据系统的性能，软硬件的性能均满足不了现在应用的要求。其次，现在的大数据的应用主要还是靠专业的软件或者是信息的人员，其实大数据的应用应该让更多人参与到大数据的开发编程和应用中来，所以要提高应用问题。第三是数据的系统可信性的问题。
他表示，大数据系统比喻成动物园，动物园中的老虎、狮子、大象就是各种原本没有关联的信息、数据，要将动物园中的毫无关联的动物协调起来，就需要一个“驯兽师”，才能处理、分析数据，最终衍生出应用。如何提升数据的质量，就需要通过时序匹配发现数据关联，数据画像挖掘数据规律，异常检测探测数据缺陷，最终进行数据修复。
秦磊：在工业领域，价值变现之路特别漫长。“云”，尤其是公有云将是大势所趋，通过“云”来降低大数据应用的使用的门槛，从而实现更多专业领域的创新。同时，数据思维和工业思维必须要结合在一起，才能够做假设、做命题，才能够做测量、做实验。对于重庆的制造业而言，通过数据、通过人工智能，建立起精细化运营的能力，把原来的粗放式管理变成精细化的管理，帮助他们实实在在的解决被国外的工艺卡脖子，就能够赚钱。龙头企业拥有众多资源来“单干”，但更多的工业企业则需要政府提供公共资源。
王轶捷：不同于一开始就有数据化战略的互联网公司，工业恰恰相反，有很多的业务系统，想完成一个产线的工作，有可能成百上千的系统一起跑，关键是让数据协同的能力，“采数”是其中的难点。首先，部署工业互联网要减小影响企业产线正常运行的影响，同时也必须考虑员工培训导致的成本问题。其次，采集的数据产生的价值能否量化。此外，工厂的数据都是非常私密的，必须保证其放在公有云上是安全的。例如，最近有公司老总希望进行语音控制，但不能使用语音云服务，因为他不希望自己的“声纹”被其理解。但无论前路多艰难，都需要不断地创新。
沈暘：传统模式要做加工工艺的优化，需要请专家到工厂一轮一轮的做优化。而有了工业数据上云后，则可实现数据共享、流程优化，节省中间的沟通成本和商务成本，甚至改变生产模式，比如定制化。工业互联网数据量特别大，但数据价值则不太高，需要找到成本可预测、并且非常成功的商业模式让数据的价值用起来。第一是找到工业方面的大企业，端对端，所有的工业物联网的事情全做完，琢磨很多的经验。第二是找到专有云的公司，占到60%-70%以上细分行业的龙头，由他们做全球领域细分领域的工业互联网相对更容易。
赵银花：工业互联网除了能造出好的产品外，还应考虑如何让我们的合作伙伴、资源方从中获得更高的的利益，让这种模式、流程技术和系统实现嫁接。例如，海尔前两年尝试的衣联网，我们联合服装企业，在衣服上加上编码，同时在我们的洗衣机上加装了识别器，能识别衣服上的材质、颜色、尺寸，各种各样不同的信息，推送漂洗模式时也获取了穿衣偏好等数据，从而实现对用户的个性化服务。针对工业互联网发展，要有公共综合性的平台，提供经验或者是技术的解决方案，在公有云服务平台上，针对行业要有子平台。和当地不同行业的龙头企业一起共建完善推动工业互联网的发展。
AI应用已进入新的阶段
李竹：人工智能现在进入了新的阶段，即“大脑”阶段。什么叫大脑？就是控制器。例如，以前的人脸识别公司，仅仅比对这个人是不是罪犯。但现在，则把数据做了融合，不仅是人脸的数据、还有每个公安所在的位置，调动最近的公安力量去逮捕罪犯。这是下一代人工智能大家要关注的方向，数据采集了怎么样分析，最后形成闭环，变成可以执行的机构。
郑方：人工智能在语音领域，第一是听懂人说话，像科大讯飞做的。第二是声纹的识别，通过声音辨别人的身份，声纹可以代替身份证，用声音可以支付等等。第三是做情感的识别，比如电话客服需求知道服务质量如何，可以通过客户的语音判断里面有没有愤怒、焦躁，进而理解人的情感、知道人的意图。语音的人工智能技术除了这些，还有其他应用，例如，中医看病的“望闻问切”，声音里也包含身体状况的信息。所以，未来可能一句话可以解决所有问题，出门不需要带钱包、不需要带身份证，甚至不需要带手机，穿戴式设备+AI就可以了。
陈雷：金融是经营风险的行业，大数据和机器学习在风险管理中，要面对欺诈风险，一般的信用风险，和多头共债风险。
以欺诈风险为例，有的欺诈团伙通过一台笔记本电脑控制几百台手机，用独立的身份证号、真实的信息向金融机构进行申请，寻常的身份认定和信息核验无法识别发现。通过定位技术、关系图谱技术，可发现在同一个区域，如此密集的手机发送高度相似的信息，可以推断很大概率是诈骗团伙。
另外，通过对大数据挖掘分析，有一些很有价值的发现，例如经常阅读财经金融类杂志期刊的客群、经常买母婴用品的客群，信用更好。通过大量的样本分析和计算，可以对客户和金融机构进行风险匹配、客户匹配、风险定价，用人工智能将资源、风险、收益高效科学配置。
来源：重庆日报-上游新闻
