袁文澤博客帶你用大白話理解什麼是數位化轉型，為了方便閱讀，請關注@袁文澤博客​

接下來，我們討論一下人工智慧技術。如果說網際網路提供了數據渠道，大數據增強了企業對數據的存儲能力和處理能力，那麼人工智慧則提供了「數位化」業務中的具體信息內容。

人工智慧技術做到了將企業從信息革命推向智能革命。例如原先的飛鴿傳書變成了現在的郵箱，再變成簡訊，最後變成微信，這個進化過程大大縮短了信息傳播的時間。今後我們不再需要打字，只要對著屏幕隨便說一句「我餓了，想隨便吃點東西，不要太油膩」，下一秒，點餐軟體就能夠按照日常菜品偏好（魚香茄子、麻辣香鍋等），結合個案需求，自動幫助我們推薦菜品，並替我們完成個人信息的填寫等各個訂單生成的關鍵環節。然後，點完餐的我們直接通過快捷支付方式把錢付了，等著快遞小哥準時把飯菜送到公司門口……

通過許許多多類似的方式，人工智慧把企業的「數位化」業務推向了更高級的形態，為我們擴展了便捷生活的想像空間。

上面的例子雖然看起來很簡單，但這裡其實摻雜了很多人工智慧技術。例如語音點餐，涉及了語音識別技術；系統自動推送好吃的，用到了知識圖譜技術和推薦算法；遠程付款時，若使用支付寶的刷臉支付，則又涉及人臉識別技術；最後，在智能動態規划算法的「督促」下，快遞小哥似乎總能有驚無險地準時送餐到手。

對人力的替代，從感覺到思維

那麼，人工智慧到底是什麼呢？我們現在的生活已經和人工智慧聯繫的越來越緊密了，任何「方便」的背後，幾乎都有人工智慧。

人工智慧技術起源於計算機學科，是一個實打實的交叉學科。這個學科研究的內容範疇非常廣，包括數學、心理學、信息學、動力學、管理學、哲學等，很多人都試著給人工智慧下定義，但這的確是非常困難的。不同專業領域的專家看待人工智慧的角度不同，往往也會給出不一樣的解釋，比如數學家可能會覺得人工智慧是一堆公式和算法，心理學家可能會覺得人工智慧擁有人一樣的思維和想像力，而信息學家或許又會覺得人工智慧僅僅是一堆複雜信號的組合……

人工智慧可以被認為是一種「企圖了解人類智慧的本質，通過在數據上構造並應用算法和模型，獲取有價值的業務信息，代替並超越人對數據的分析能力和決策應用能力的技術」。

人工智慧存在的目的就是代替人做事情，由於人是有不同方面的生理功能的，並且在不同數位化業務中，也會用到人不同的功能特徵。於是，在分析代替的是人的哪方面能力後，就可以對人工智慧進行分類了。

我們可以把人工智慧分為感知智能、認知智能、語言智能和行為智能等幾個方面。

感知智能包括圖像識別、語音識別、信號識別等技術，類似於人類的感覺器官，如眼睛、耳朵、皮膚什麼的。感知智能技術能夠對各種類型的信號數據進行信息的提取和識別，並進行規範的信息表達。

例如，在我們使用微信語音聊天時，有時候不方便接聽，這時就會用到微信語音轉文字的功能，這背後就是非常典型的語音識別技術。還有一些地方會用到圖像識別技術，比如OCR，這是一種可以通過掃描列印出來的文字，直接讀取到文字背後的數據的技術，可以用於對名片、發票、證件、表格、車牌等不同任務對象的文字進行自動識別，提高這些業務場景的辦公自動化水平。

認知智能技術包括概率預測、判別分析、規則學習等方面的內容，有些類似人的大腦功能，可以自主地思考業務問題。認知智能技術能夠對所提取的知識進行進一步的推理、分析，形成有啟發價值的業務觀點，支撐更加高級的業務應用。

其中，概率預測模型，是一種具有邏輯解釋能力的，能夠反映事件發生概率特點的數學模型。例如，通過金融方面的業務知識，我們可以構建一個預測某個消費者是否購買理財產品的概率預測模型，只要給軟體系統輸入消費者的性別、收入、年齡、職業等基本信息，軟體系統就會通過這個模型告訴我們消費者購買理財產品的概率。假如預測概率為80%，我們或許可以試著在該消費者身上花些時間。

很明顯，認知智能技術是在感知智能技術的基礎之上的，這類技術涉及具體業務邏輯的深入分析。例如，通過感知智能里的語音識別技術，先分析某個小哥的語音搜索記錄，獲得「旅遊產品」的相關內容，然後通過認知智能技術的某個概率預測模型，估計他可能需要買個帳篷，自動推送帳篷的購買連結給他。

認知智能技術在人工智慧這個領域裡，是高級、有挑戰性的一類技術。通過認知智能技術人們可以主動地挖掘業務場景中的關鍵知識，對業務流程進行優化，改善業務服務體驗。

數位化最核心的價值體現在數據對業務改進的支撐上，這意味著在人工智慧領域，認知智能對數位化的意義是重大的。但是十分尷尬的是，現在的研究和應用大多停留在感知智能層面，無論是研究人員還是企業管理人員，對認知層面的人工智慧的理解還非常有限。

畢竟，對於人類來說，五官齊全很容易，但是大腦靈光就很難。對於機器的認知能力來說也是這個道理。當前，機器的認知水平和人類智力的發展情況相比，才到剛剛學會開口說話的水平。

在一些典型的場景中，我們確實已經從數據中發現了很多重要的業務知識，並且可以指導一些業務環節的智能化和自動化，比如預測能夠賺錢的金融產品，挖掘有潛力的網絡傳播者，對患者的健康情況進行合理診斷，推薦網上用戶感興趣的話題和內容等。但在更多的市場應用領域，大家還是比較「迷茫」的，不知道數據到底能夠啟發什麼。

不過沒關係，挑戰與機會總是並存的，未來對數據進行深入的挖掘、分析與推理，都是數位化在技術方面應該關注和突破的方向！

語言智能，其實就是提供類似於人類閱讀書寫的自動化能力，其包括了自然語言理解、機器翻譯、人機對話等技術，極大地支撐了信息的深入交互和溝通。

行為智能，類似於人類的手和腳的運動行為能力，包括了強化學習、自動控制、無人駕駛等技術，主要用於解決如何利用信息對應用設備進行控制的問題，從而模擬人的生產操作活動。

我們可以看到，人工智慧在替代人的方面，從感覺到思考，都儘量要做到像人一樣，最終實現代替人提供「優質」商業服務的效果。

更聰明的算法，更精準的服務

在資訊時代，我們最不缺的就是數據，我們要做的就是用這些數據把機器教會，讓機器變得越來越聰明，做人可以做的事情。

智能的背後是算法，同樣的數據，採用不同的智能化分析手段，可以得到不同的結論：好的算法就有好的結果，壞的算法就只會產生誤導！也可以說，「算法」就是數據的靈魂。對人工智慧的研究就是對數據分析算法的研究。

例如，我們有很多用戶的在線交易數據，這些數據包括用戶的購買時間、購買產品、產品價格、用戶年齡、用戶購買渠道等方面的信息。這樣的數據一共有幾萬條，我們接下來打算用人工智慧算法幫我們找到有價值的業務知識。

好的算法可能得到這樣的業務知識，「年齡在30～40歲的男士，通常在晚上11～12點用手機購買某品牌的襯衫和領帶」；而壞的算法則可能會得到，「30～40歲的男士，比90歲以上的老年男士通過網絡購買的產品更多」。

比較結果是不是一目了然？壞的算法簡直分析了個「莫名其妙」。

這裡其實是想說，只有能指導業務增長的算法才是有價值的算法。有了智能化的算法技術，數據才能真正發揮它的價值！

如果依靠具有人工智慧的機器代替人做一些基礎的腦力活動，比如檢查文章的錯別字、識別圖片等，那麼人工智慧主要在「自動化」這方面發揮業務價值；同時，機器也可以做一些更加「高級」的智力工作，比如市場分析、解決方案的生成，那麼人工智慧則發揮了更多「智能化」方面的優勢，這就相當於讓機器做人的決策工作。

從技術上看，機器對人的決策行為的模仿和替代是非常困難的一件事。人的決策行為涉及非常多的複雜因素，背後也受人的感性方面和理性方面各種生理機制的綜合影響。關於機器在決策方面是否「完勝」人，當前還是有很多爭論的，但無論如何，機器做決策這件事，已經深入越來越多的領域，也在某些業務場景下開始「嶄露頭角」。

就拿基金投資業務來說，人工智慧可以像人一樣思考如何從大量的基金池中快速找到業績最好的基金。利用算法提供的數據挖掘能力，結合綜合量化指標，算法可以挖掘出那些數據好看的基金，並且能夠結合客戶當下的經濟情況和風險偏好，在眾多相似的產品中給投資人推薦最合適的金融產品。

再有就是在醫療服務行業場景中的應用，在傳統的模式下，需要專業醫師親自查看患者的化驗報告，並結合自身幾十年的醫療經驗，對患者的病情進行判斷。碰到複雜的病情，還需要多方討論，收集意見，才能形成最終的治療方案。而在數位化模式下，採用人工智慧技術，可以構建一個支持「自動診斷」的醫療軟體，大大提升醫師的服務效率，提升醫療診斷的可靠性。

具體來看，可以基於深度學習模型的圖像識別技術，自動對醫療影像進行分類，對患者感到不適的身體部位打上業務標籤，比如「不清晰」「有異物」「有炎症」等。再結合其他檢查診斷數據，比如血液指標、呼吸道指標，通過概率圖模型或規則演繹模型，進行機器動態推理，形成對患者健康狀況的綜合判斷。同時，系統可以自動從電子病例庫中調取相似病例，分析病例之間的相關性和差異性，快速生成靠譜的治療方案。

我們可以看到，人工智慧技術在產業端的應用比在消費領域的應用更加有前景，畢竟從單純的自動化到更高級的智能化，才是人工智慧未來發展的必然趨勢。

在傳統模式下，上面這些應用大多依賴業務專家豐富的行業經驗，以及他們對複雜業務問題的綜合分析能力和精準決策能力，而這無疑增加了企業的運營成本和管理成本，同時也對很多行業的進一步發展形成了知識方面的巨大阻力。因此，很多產業應用背後都迫切需要智能化的解決方案。

人總是有生理方面的局限性的，這裡包括知識存儲和知識計算方面的限制。任何一個人能夠掌握的知識都無法覆蓋到整個行業，也無法在24小時都精力飽滿地「大功率」持續輸出智慧。然而機器永遠不會疲倦，人工智慧讓領域專家可以複製，也可以把多個「各有所長」的專家整合成一個「全能」的大專家來解決更加複雜的問題。

不同業務、不同場景，背後都有其固有的業務規律，讓機器主動地掌握這些規律，充分應用這些規律，就可以快速打造出各個領域的頂尖行業專家，為相關業務不斷地提供優質的智能服務。

智能終端設備，一切皆可自動

根據前面的討論，我們可以很清楚地認為，人工智慧技術實際上就是在模擬人的大腦的行為。在很多業務場景下，光有人的智力行為還不夠，要想對現實世界產生影響，還需要給機器添上「手和腳」，也就是「機器人」的概念。現實中，很多生活中的物體只要加上了人工智慧的大腦，就會產生智力，變成智能終端，從而能夠在沒有人操作的情況下，具備獨立工作的能力。

在人工智慧以終端設備為載體對業務進行升級改造的場景中，無人駕駛可以說是近兩年最熱門的應用之一了。

無人駕駛的原理其實很簡單，就是在汽車上配置很多傳感器，就像眼睛一樣，能夠實時地獲取路況信息，識別障礙物、信號燈等，將這些信息以信號的形式傳回，並通過智能控制系統，來分析決定在獲取到什麼路況信息時該做什麼動作：是轉彎還是直行；是加速還是減速；是剎車還是倒車。智能控制系統背後就依賴人工智慧算法持續地學習並更新其在駕駛方面的技巧知識。

駕駛知識以前只被人掌握，而機器像人一樣，通過不停地行駛，不停地學習，也可能獲取豐富的駕駛經驗。傳統的人工駕駛場景一直存在著很多弊端，人會疲勞、犯錯，會有「路怒」的衝動，也會懷著僥倖的心理酒後駕駛，這就使得馬路成為世界上最危險的地方之一。無人駕駛的出現不僅解決了技術問題和商業問題，還解決了社會問題！

此外，智能家居也是非常典型的應用場景。

其中，智能煮飯機器人通過AI技術識別米質的細微差別，根據米的類型去分配最佳「米水比」和設置烹飪曲線，實現米飯、粥、稀飯等不同美食的全自動烹飪，甚至可以學習煮出「一鍋兩吃」的硬米和軟米。

人工智慧洗衣機通過AI攝像頭自動判定衣物體積、衣型、護色標識，針對不同衣服的吸水情況，自動匹配用水量和洗滌劑，並以不同洗滌力度、不同水溫，自主選取合適的洗衣方式進行工作。

智能掃地機器人可以實時地感覺到所處的空間位置，自動發現髒東西，然後根據髒東西的大小、類型和軟硬材質，「聰明地」挑選合適的設備進行定點定時清掃。

其他智能家居的例子還包括智能電燈、智能門鎖、智能水龍頭，這些家電可以很好地消除「健忘症」們的煩惱。如果家裡沒人，電燈、水龍頭就會自動關閉，門也會自己關上鎖好，很好地保證了人們居住環境的安全。

這些智能設備背後的工作原理，就是通過智能傳感器，實時地感受家電設備的工作狀態和工作環境，獲得相應的數據，並通過智能晶片自動對這些數據進行技術參數分析，從而確定戶主的活動場景。之後，這些智能家電終端通過預設的規則執行相應的操作，給戶主提供「恰到好處」的日常起居服務。

類似的通過智能終端提供服務的人工智慧應用，還有智能售貨機、智能快遞車、智能導遊機器人、智能客服機器人、智能電視、智能家庭管家等。智慧機器人不一定長成人的樣子，只要能通過智能算法自主行為，代替人完成某一項特定工作，就是人工智慧在機器人方面的很好的應用。

除了面向生活服務場景，智能終端最重要的應用場景之一就在工業製造業方面，也就是智能生產線設備。工廠是對機器人需求最大的地方，很多髒活、累活、精細活、危險活，都得有人干，如果設備的「智力」水平跟上了，也就把人給解放出來了。

智能設備在數字經濟時代「大展宏圖」的背後，既依賴於強大的算法，也依賴於底層的關鍵基礎AI服務能力。

一方面是智能晶片技術。由於要把人工智慧算法植入機器人中，所以需要針對不同的機器人產品，設計並製造各種不同類型的晶片。晶片是算法的硬體載體，好的晶片不僅要形態輕便，容易安裝，還得具備強大的數據存儲性能和數據計算性能。對於某些機器人，還有耐熱、防水、防震的客觀要求，那麼這些特性也要在設計晶片時考慮進去。

另一方面是網絡通信技術。5G技術的發展極大地推動了很多應用設備的數位化升級進程。正如前面提到的，不管是無人汽車，還是智能家居，在自主執行任務的時候，都需要實時敏捷地獲得工作環境的數據，只有對環境進行感知和計算分析，這些設備才能更好地工作。

有時候，這些智能設備可能會用到設備外部的數據和計算能力，因此數據的計算不一定是在設備上進行的，可能需要把數據傳輸到遠程的計算機設備上進行分析計算。在計算完畢後，再把數據分析的結果傳回來，指導設備的下一步操作。這裡提到的外部數據和計算能力，也就是所謂的遠程「雲」服務資源。

此外，設備之間也可能會涉及數據的通信。例如家庭智能管家，你跟它說「我要看電視」，它就得通過網絡把開電視這個指令發送給電視機，來指揮電視機打開並切換到你想要的頻道。無人汽車之間也會通信，畢竟，其他汽車的行駛情況也是駕駛環境的一部分重要信息。

基於5G的通信技術可以做到低時延、低能耗，經濟效果顯著，5G的發展極大地推動了人工智慧在智能設備方面的落地應用。我國在5G方面的研發近幾年取得了非常大的進步，因此基於智能設備的數位化應用實踐，也發展得非常快。很多原先日常平淡無奇的物件，都被智能算法「武裝」起來了，人們的日常生活方式也因此變得更加輕鬆愉悅。

說到家庭智能管家和智能設備，是不是很多人都可以想到一個近5年來刷爆家居市場的親民國產品牌——小米。小米基於國家在人工智慧場景及智能設備方向的推動，以及自身多年來在持續研發、產品選擇、市場推廣方面積累的豐富經驗，目前在C端硬體產品布局上已經覆蓋了包括手機、可穿戴設備、家居、運動輔助產品等在內的上百種產品，服務於累計數量超過3億的用戶。

小米基於自身雄厚的資金和研發能力，無論從品控還是市場上，都俘獲了廣大年輕用戶的心。在如今數位化轉型的大好環境下，小米並不滿足於僅從產品角度服務於C端用戶，而開始開發自己基於多年研發經驗創出來的一條智能生態道路，希望以場景化思維賦能產業端的解決方案。

這就是小米的AIoT平台，也叫智能生態平台。目前這個業務以「平台+軟、硬體+服務」為底層生態設計思路，推出面向企業高效管理和城市數位化需求的「1v1定製終端業務模式」和「5+1智能生態業務模式」。這完全區別於小米以往面對的市場，但小米在這個市場裡與長期專注於ToB業務的一系列老牌網際網路玩家相比毫不遜色。

截至2018年年底，小米投資或孵化的超過100家智能硬體公司所構建的IoT平台已經連接了超過1.32億台智能設備，涉及的AI語音服務累計被使用50億次。到2021年二季度，該平台上連接的設備近4億台，累計米家App月活用戶數量超過5000萬，當之無愧地成為在全球範圍內領先的消費級AIoT平台。

具體來說，從企業維度，小米提出的「1v1定製終端業務模式」，是在深度剖析了企業管理運營上的痛點後，為企業量身定製的服務終端產品。通過定向服務，企業可以更好地對其信息安全、數據分析、數字資產安全等方面進行把控與跟蹤。同時，小米的定製化業務還為6個不同行業的企業，針對各個運營板塊提供針對性的管理軟體工具，比如幫助一家金融企業管理人員績效考核，為政府政務人員提供新媒體運營平台，為製造業企業管理軟體服務，等等。

在這裡，小米的軟、硬體結合的研發及資產優勢就凸顯出來了。小米在提供這些系統定製服務的同時，會為定製終端配上小米手機、小米平板電腦、小米電視等相應的配套硬體設備，從軟、硬體到後續跟蹤服務，為客戶提供一條龍的定製服務。

在智慧城市維度，小米深耕住宅、酒店、養老、公寓、辦公五大行業，幾乎覆蓋了一個數位化城市的全方位場景。例如在酒店方面，小米與華住旗下多家酒店合作，為酒店提供小米AI的智能管理方案。跟智能家居相似，用小米的全套智能產品為住客提供智能電視、智能配送、智能冰箱、智能窗簾、智能音響等一系列優質服務，實現了真正的「全品類+多場景+全覆蓋」的用戶服務！

2021年年初，小米的企業服務布局就已經遍布包括北上廣深一線城市在內的10餘個城市，企業服務內容已經覆蓋超過15個行業，服務企業超過5000家。我們可以通過已落成的小米智能生活體驗館感受未來全新的數字世界是什麼樣子的！

該圖是在城市中進行駕駛實驗的無人汽車。無人汽車對安全性的要求非常高，需要用大量的實驗數據和仿真數據來不斷「校對」加載在汽車中的行駛模型參數。