2.1.2　认知智能的产业落地

同理，认知智能的产业落地也应构建在人工智能产业落地基础之上，那么人工智能在产业中如何落地呢？

人工智能的产业落地可分为不同的层面。图2-3展示了人工智能的产业落地方向，并从横向和纵向的视角对相关工作进行了梳理。

从横向视角来看，人工智能的产业落地可以分为采集与感知、认知与推理、决策与交互这三大领域。知识图谱与认知智能技术则同时覆盖认知与推理、决策与交互领域，综合了大数据和统计分析、机器学习、自然语言处理、图计算等领域的技术。

从纵向视角来看，人工智能的产业落地可以分为基础设施层、算法层、技术方向层、具体技术层和行业解决方案层这几大层次。围绕着金融、医疗、能源、工业制造、交通、游戏等行业的需求，不同层次的落地方向如下。

• 在基础设施层，以云厂商为首的企业，通过建设物联网基础设施、高性能计算、大数据平台等底座，为人工智能提供了硬件基础。

• 在算法层，学术界、工业界的各行业人工智能从业者从统计学习、机器学习、深度学习、图计算等不同方向构建了人工智能的基础算法。

• 在技术方向层，按人类认知思考的流程，人工智能的技术方向可分为计算机视觉、语音工程、自然语言处理、规划决策系统、决策执行系统等。

• 在具体技术层，计算机视觉以图像识别（人脸识别）、图像理解（花朵分类）、视频跟踪（短视频分类、安全巡检）为主要场景，语音工程以语音识别、语音合成为主要场景。自然语言处理进一步拓展了人工智能理解与思考的领域，主要以机器翻译、智能对话、情感分析为主要场景。

• 在行业解决方案层，围绕着金融、医疗、能源等行业的业务场景，业务专家、咨询顾问、产品架构师、技术架构师会相互协同，在整体上规划技术与应用相融合的解决方案，将图像识别、智能对话、虚拟数字人等人工智能技术，融入交易支付、病情诊断、配电调度的业务流程与系统中，形成无人支付、诊断助手、虚拟调度员等通用性强、商业回报清晰的行业级人工智能解决方案。

那么人工智能如何在企业中落地呢？如图2-4所示，近年来，不少企业已建设人工智能平台，国内的云服务商（如腾讯云、阿里云、华为云）也面向不同的业务领域，打造了企业AI中台的云产品能力。各云厂商的AI中台主要建设在云底层设施（IaaS、PaaS）基础上，具有低成本、高效率等优势。在此优势之上，云厂商与合作伙伴深入合作，逐级往上建设SaaS应用。云厂商通过SaaS应用积累平台的生态优势，再面向用户业务场景组团形成联合解决方案。

比如，面向金融、政务、工业制造等领域的人工智能用户需求，云厂商需要联合垂直行业的合作伙伴一同建设行业级企业AI中台。垂直行业的数据、知识、专业模型是行业合作伙伴的优势，可以与云厂商高性能、低成本的底层平台相结合。因此，垂直行业的技术服务供应商可以基于云服务商的企业AI中台的底层平台，将自有的数据、知识、推理应用搭载在平台之上。人工智能对行业的认知高度决定了人工智能创造价值的高度，需要由垂直行业的合作伙伴与云厂商一起建设。这一生态结构对于人工智能领域的从业者而言，是实现人工智能创新应用的巨大机会。云厂商提供了大数据与人工智能底层平台，可以极大地降低人工智能应用基础建设的成本。而人工智能从业者可以基于垂直行业的场景需求，梳理和建设行业知识库，开发垂直行业的人工智能应用，进一步实现拥有认知智能的人工智能应用。

知识图谱与认知智能技术在人工智能产业的基础上，进一步结合了行业领域的专业知识及经验，提升了业务场景中人、物、企业组织的认知与决策能力。认知智能落地是系统化工程，涉及知识体系设计、知识图谱构建、知识推理应用开发等多项流程，涉及的技术领域包括数据治理、图数据库、自然语言处理、机器学习和图计算。企业知识库是企业认知智能的典型场景，需要提高对企业知识的统一管理及服务能力，这需要将企业各领域的数据知识通过知识图谱聚合并管理，为企业上层应用提供统一、准确的搜索和问答等知识服务。

在产业互联网的浪潮下，不少企业已开始进行信息化及数字化转型，并在营销、服务等场景中探索数据智能化转型。因此，人、物、企业的认知智能落地已有一定的基础，主要体现在以下几个层面。

• 基座层面：大数据存储推动了计算平台和人工智能平台的快速发展，为知识图谱与认知智能技术的数据采集、知识构建、知识推理提供了平台化支持。同时，人工智能经由认知与推理而生成的业务策略，可直接被企业信息系统使用，实现决策执行的自动化。

• 数据层面：大数据平台和数据中台的发展加速了企业大数据的采集、计算、聚合等相关产业链的发展。企业数据平台建设、数据标准化已有一定基础。

• 知识层面：企业各业务流程的信息化、自动化、数据化建设，为企业业务经验规则的沉淀积累了大量素材。企业的专业知识分散在企业办公文档、企业业务系统日志、企业数据仓库中，亟待知识图谱技术将其转化为知识。

• 算法层面：认知智能技术的实现涉及知识图谱构建与知识推理等多个方面的算法建设。随着自然语言与大数据挖掘、分析技术的发展，知识图谱已具有半自动及自动建设能力。同时，随着机器学习、深度学习算法的快速发展，知识图谱在用户画像、搜索问答、推荐等场景中已逐步显示巨大的商业价值。

因此，认知智能已具备在产业互联网中落地的基础。在产业互联网中，企业可以运用知识图谱技术聚合多来源数据、知识形成业务知识图谱，在此基础上构建知识推理、策略生成、策略筛选等认知智能能力，提升不同场景中业务人员的认知与决策能力。

认知智能与企业所处的行业的专业知识与业务流程紧密相关。专业知识和业务模型可以在业务积累中不断迭代、优化与扩展。因此，企业在认知智能方向投入得越早，就越能获得更多的先发优势，包括知识积累、知识标准、知识应用等多个方面。企业通过数据、知识、应用、行业生态，将形成极具竞争力的壁垒。因此，企业需要深挖行业需求，聚合行业数据、知识，尽早构建认知智能应用，以获得行业竞争优势，成为行业知识与标准的领头羊。