百度正在用云计算把人工智能“怼”到你眼前

百度正在用云计算把人工智能“怼”到你眼前

酮体雪白的音箱墩坐在床头，和你有一搭无一搭地聊天。

现在很多人以为“会聊天儿”的东西才是人工智能，但说实话，这只是人工智能巨大教堂的拱顶上的那根避雷针的尖儿。你只盯着这部分，是感受不到教堂的宏伟的。

来看下面一个场景：

无尽的高速路，一辆救援车正拖着事故车行驶在茫茫夜色里。如同一个抬着担架的护士，它不容有失。夜太深了，司机双眼有些疲倦，突然点了下头。

这一切被装在挡风玻璃上的摄像头看在眼里，电光火石之间，警报大噪。司机猛然清醒，摇摇头，按照公司规章开去服务区休息。

摄像头知道什么是“困”，这项技能听起来挺喜感，但它同样是人工智能。事实上，这千千万万种特定领域的人工智能，已经如同飞鸟走兽一般，成为了如今技术沃野上的“主流生物”。

今天中哥要讲的故事，都是百度的大牛们告诉我的。

一、Watson 老师

给你介绍我的一位好朋友，Watson。

这个 Watson 不是经常站在福尔摩斯旁边发现华点的那个盲生，而是百度智能云的掌门人——尹世明。

Watson 很随和，爱笑。跟他聊天，好像天底下没什么大不了的事儿。但是，当他一个人望向窗外的时候，胸中丘壑顿生。

Watson 尹世明

Watson 出生在1974年的江西，他在少年时代目睹了这个国家的奇观——乡村里的人，为了更好的生活而浩浩荡荡涌向东南沿海。有家族里的年轻人打工归来，跟叔叔哭诉“三个月没见到肉”。

1999年，我毕业不久，在咨询公司工作。当时的东莞厚街有一批给木板贴皮的工厂，我亲眼见识了他们的招工。门口站着一排小地方来的人，背着棉袄和水壶。人一波一波进来，做俯卧撑。能做到50个就录取，否则就走人。

他回忆。

某种程度上，那时中国的 GDP，和东莞工人被切掉手指头的数量成正比。但也正是这一张张面孔，成就了中国世界工厂的地位，为我们今天在国际中所做的每一次博弈提供了坚实的底气。

但 Watson 知道，中国企业不可能永远依靠背着棉袄和水壶做50个俯卧撑的血肉之躯，计算和智能才能给这个民族未来。

于是，他辗转加入了老牌德国企业管理软件 SAP，立志把先进的软件技术和管理经验引入中国企业。

Watson 有个癖好，但凡有个新客户，他都要趴到人家生产线上，仔细观察整个生产流程。在他的脑袋里，基本上装了一部《中国工业十万个为神马》。

直到2016年，中国的科技大厂全都推出了自己的云计算产品，国产的智能和计算技术已经日臻成熟，Watson 觉得时机正好，于是他低调加入了百度，开始统领云计算业务。

熟悉云计算行业的童鞋可能还记得，那时候百度刚刚提出“ABC”的战略，三个字母分别代表 AI（人工智能）、BigData（大数据）、Cloud（云计算）。意思就是，我们家的云不一样，和人工智能、大数据能力是紧紧的捆绑 Play。

这对于在牌桌上博弈的 Watson 来说简直是王炸。

因为，别人家的云计算，云计算就是云计算，就像卖自来水。而自己家的云，上面可以附带百度十多年积累下来的人工智能技术，相当于不仅能卖自来水，还能把水做成王老吉、脉动、红茶、可乐雪碧红酒，一并提供给用户选择。

当时中哥觉得这事儿挺dio，还写了一篇文章分析它——。也正是因为人工智能和云计算在百度这儿如胶似漆，为了加深大家的印象，2019年百度云哭着喊着把自己的名字改成了“百度智能云”。当然那是后话。

Watson 眼光毒辣，从一开始就选了腾讯和阿里都有点心虚，但是自己特别熟悉又热爱的行业，工业。

2016年的时候，百度云打响了工业第一枪。

那时，百度云和首钢搞了一个合作，用云上的人工智能技术帮助钢铁生产线识别钢板上的瑕疵，这样，不仅质检老湿傅不用每天在五十多度的产线旁汗流浃背地进行“人工质检”，而且识别速度和精度也大大增加。

主要的钢板瑕疵有这三种

我记得当时在百度云智峰会上，Watson 还专门和首钢的同事们来了个现场测试，对于瑕疵钢板识别的准确率达到了99.98%。这波操作骚极了，现场掌声轰鸣。

这几年，在百度整体品牌承压的情况下，百度智能云的成绩却特别扎眼，例如，2018年它的用户数和收入都翻倍，在中国云厂商里增速第一。不得不说，Watson 老师确实没有辜负这一手好牌。

既然百度把云计算做弹壳，人工智能做火药，这两种技术的配合肯定是很重要的。那么下一趴中哥就给你说一下这两种技术协同发展上的“小脑洞”。

二、人工智能杀出城堡

这个脑洞是百度智能云副总经理管瑞峰告诉我的。

他把人工智能分为三代：

第一代、云上的人工智能

第二代、云+边的人工智能

第三代、边云协同的人工智能

我知道，看到这里你要吐槽听不懂了。没事，这就是你中哥存在的意义，接下来听我给你解释——这可以比喻为“三个和尚挑水”的故事。

先说第一代人工智能。（云上的人工智能）

其实，第一代人工智能最早的代表作就是搜索。你在自己的计算机上输入一个关键词，这个词原封不动地通过网络进入百度，然后搜索引擎在云里面一顿算，最后找到合适的网页，再发回给你。

你看，所有的计算都发生在云里。

同样，你熟悉的智能音箱，也是云上的人工智能。比如你跟小度音箱询问一下“苍老师的三维”，那么它就会把你的请求原封不动地发送到云端，然后啪啪啪一顿查，然后告诉你 90-58-83。

这就像三个和尚（用户），要想喝水（人工智能），只能走到远处的大湖里（云计算），一人捞一桶抬回来。

大概就是这个亚子

与此类似，人工智能客服、人工智能气象预报、人工智能用户推荐、人工智能物流，都是云上的人工智能。这种架构大概从世纪之交开始，到2015年左右达到成熟，现在还在继续发展中。（百度做搜索起家，这就是他们在人工智能和云计算方面技术积累很多的原因。）

下面说第二代人工智能。（云+边的人工智能）

人工智能之所以要进化到第二代，本质上是因为技术进步了，人们想用人工智能做的事情更多了，只在云上，有点“招不开”了。

管瑞峰给我讲了个故事：

2016年的时候，一家电梯厂商找到了他们，希望用百度帮他们做两件事：1、用技术帮助他们收集所有电梯的运行数据；2、用人工智能对这些数据进行计算，帮他们实时检测电梯的“身体”，预测哪台电梯快要坏了。

在这个故事里，由于要对电梯状态实时监控，万一要断网就麻烦了，所以用来计算的节点不能远在云端，而是在电梯运行的大厦里的小机房里。

注意！这个位置，就叫做边缘。

为什么叫边缘呢？因为它的计算没有发生在云数据中心里，而是发生在相对于云数据中心来说的“边疆”地带。

还用三个和尚作比喻。和尚发现水不仅能喝，还能用来每天洗澡，这样一来每天就需要好多水，去湖里打水就供不应求了。于是他们在自己家周围挖了个池塘，这样每天取水的距离就短多了。

大概就是这样。

远处的湖是“云”，

近处的池塘是“边缘”。

就像刚才提到的钢板瑕疵检测，也同样是边缘人工智能——这边把每一张新生产的钢板各个姿势拍照，然后自动传到现场的百度云ABC一体机里面，就能判断出这个钢板是好的还是坏的。

一体机长这样。（当时没拍太清楚，大概感受一下吧。）

这还没完，随着人工智能技术的发展，人们又有了更大胆的想法。。。

妹子们比谁都懂，把手机45度举过头顶的一瞬间，镜头里就出现了一个吹弹可破口如含朱指如削葱的自己。

细思恐极，这些人工智能美颜的复杂运算，就那么一瞬间发生在你的手机里。

你以为，为什么华为手机天天秀自己的手机里的人工智能芯片，其实主要都是给妹子用的。

再把三个和尚拉回来解释一下。这就相当于和尚们生活要求又高了，不仅每天喝水、洗澡，居然想在庙里搞个游泳池。于是他们只好在自家院子里打口井，虽然井口不大，但是毕竟随用随取，特别嗨皮。

于是，出现了“云+边缘+端”的人工智能计算层级。

注意，虽然端上可以有人工智能计算力，但一般比较弱。美个颜什么的还可够用，但是涉及到地图导航、智能推荐这类需要极大量运算的事情，还是要传数据给云端做。

总之，以上“云+边”的玩法就是第二代人工智能，大概从2015年开始萌生，至今还在茁壮成长。

那么，第三代人工智能是什么样呢？

别急，为了让你深刻理解人工智能的昨天今天和明天，下面一章中哥还是得给你“多垫一块砖头”——科普一下现在的第二代人工智能究竟做了什么掉渣天的事情。

三、那些骚气的人工智能应用

讲个小故事吧。

精研科技是一家厉害的电子器件生产商，你可以拿出手机，看一下底部的数据线接口，有可能就是他们生产的。

不过，这两年精研科技董事长王明喜有点烦。他的生产线主要在江苏常州，而这里的工人工资正在飙涨。你懂的，生产线其实是劳动密集型企业，工资上涨眼看就要严重影响到企业盈利。

这条生产线上有一个神秘的工种：每个器件生产出来后，都需要一个眼神超好的小姑娘，在强光之下，从6个方向检查质量。她们被称为“黄金眼”。

后来 Watson 去考察的时候，还专门拍了一段“黄金眼”神奇的工作现场。

图/Watson

遇到用工荒，高价也找不到这么多合格的“黄金眼”。

有人劝他把生产线搬到越南，可是王明喜又不想让土生土长的“中国制造”离开祖国。

就在这时，一个从施耐德西门子出来的团队“微亿智造”联系到他，他们有个大胆的想法：用国产的人工智能技术做电子器件的质检。

他们找到的“国产人工智能”，就是百度。

由于这个项目涉及保密，Watson 必须派出精锐工程师进驻工厂现场开发。就在和工人吃住的这两个月，百度的攻城狮心灵受到了巨大的蹂躏：

这些姑娘们正在20岁的最好年华，理应去做更有创造力的工作。然而她们却几个小时不停歇地在强光下重复看电子器件，每3秒检测一个器件，如同机器一样工作，只有铃声响起才能趴在那休息15分钟。。。那时我就下定决心，一定要开发出智能系统，救救她们。

当时在现场的百度智能云副总经理李硕对我说。

人工智能果然没让人失望，他们的“AI质检机”如今就摆在精研科技的生产车间里，质检准确率甚至超过那些熟练的“黄金眼”小姑娘。人力成本大幅降低，王明喜终于不用把生产线搬到东南亚了。

这位就是王明喜，他身后的就是“人工智能质检机”。（图片是我在2019百度云智峰会上拍的。）

这是质检机工作时的内部场景

有趣的是，那些原本做零件质检的女孩子并没有失业，而是做起了“数据标注师”，她们也坐在办公室里，和百度的博士们一起工作，负责用自己的经验教会机器什么零件是合格的，什么是不合格的。

故事讲完了，我们不妨做个思考题，如果用上一章的分类标准来看，人工智能质检机用到了哪一代的人工智能？

没错，是第二代。（云+边的人工智能）

质检机需要在1秒之内拍摄18-24张图片，并且在480毫秒的时间内，用人工智能判断出它是不是合格品。这么短的时间内完成全部骚操作，来回上传到云计算肯定不行，只能用布置在机器旁边的边缘计算节点来实现。

当然，在一个阶段的工作结束以后，微亿要把设备的数据总结后传输到云端改进能力。就像人的大脑睡觉时整理了一天的见闻，第二天能成为更好的自己。

再举一个例子。

这是百度智能云副总经理张志琦曾经给我讲的。

世界产钢量最大的企业宝钢，它的生产线上有很多神秘的“大桶”，学名叫做：钢包。

钢包其实就是钢水乘坐的“出租车”，负责把钢水从一个地方运到另一个地方。钢包运输钢水的过程中，热量会有散失，需要对钢包进行烘烤。

这货就是钢包。

但是在传统的生产线上，人们对于钢包里钢水的温度、压力都是一无所知的。于是人们只能按照经验烘烤钢包，会浪费大量的热能。

2017年，宝钢用百度的人工智能和物联网技术，对于钢包状态进行实时计算，然后智能地进行烘烤，这样一来，一下子节省了50%的能源。由于这个工序在钢厂大量重复，所以每年节约的费用高达150亿元。。。

当然，这里主要的人工智能计算也并不在云端，而是在靠近生产线的边缘设备中。

你还记得我在文章开头讲的那个故事吗？那个检测到司机精神不佳就嗷嗷作响的警报器。

这个功能属于一个很酷的领域：“汽车主动安全”，我说的这个例子，属于一家叫做“吉诺救援”的公司。

吉诺救援是全国最大的汽车救援公司，每天都会抢救无数遇险车辆。可以想见，遇险车辆往往已经经受了撞击，绝对经不起二次事故。而这个用于判断司机状态的摄像头，就是吉诺的小伙伴和百度一起研发的“端上的人工智能”。

多说一句，吉诺救援同样也用了云上的人工智能，帮助救援车辆优化路径规划。就在刚刚过去的“利奇马”台风中，吉诺救援用人工智能在40分钟内调集了300多辆车，前往了37个县展开救援。

人工智能帮助他们把整体救援时间降低到过去的50%。让事故车主焦急恐惧等待的时间减半，如果说技术有温情，这也许是一例。

总结一下。人工智能最近几年，已经把一个趋势走出来了：

它们跋山涉水，从云端的大本营，走到边缘安营扎寨，又进一步走进了你的后院，甚至睡在你的枕边。换句话说，人工智能正在被时代“怼”到每个人眼前，你我都蒙受着技术的恩泽。

但是你仔细看刚才这三个案例，就会发现一个问题：一个功能，不是就用云上的智能解决，就是用边缘的智能解决，他们在场景上基本是相互独立的，井水不犯“湖水”。

没错，“割裂”就是现在第二代人工智能的问题所在。

现状是：一家公司得为云上开发一套人工智能程序，再为边缘开发一套人工智能程序，甚至还得再为终端开发一套人工智能程序，这好麻烦。

那能不能“买张一卡通”，用同一套程序框架，云边端，想在哪里计算，就在哪里计算呢？

四、AI工业化

Finally，中哥要介绍今天最后一个生词——“AI 工业化”。

注意！注意！注意！

AI工业化，不是让人工智能去帮助工业。而是人工智能本身以“标准化”，“工业化”的姿势输出。

为了说明 AI 工业化，还是先回顾一百年多前的故事吧。

1834年，英国首次推出“螺纹标准”，号召大家造出标准化的螺丝螺母，这几乎是全世界最早的工业化操作了。

1914年，美国人亨利·福特发明了一个叫做“生产线”的东西。工人们站在生产线旁，用标准的零件，每人只做一道标准工序，一小时五美元。

这种操作的好处是：在别的车都卖4000美元的时候，福特汽车卖850都能赚钱。。。这种价格优势下，福特不一统汽车江湖才见鬼呢。

福特T型车生产线

上面的例子是为了说明：工业化的基础是标准化。

如今，“标准化”这三个字已经深深印在我们脑海里了——你去买一根 iPhone 线，无论哪家生产的，肯定能毫无鸭力地插进任何一台 iPhone 屁股里。

那么说回来，AI工业化是什么呢？当然也是标准化。

百度智能云副总经理谢广军告诉我，他们正在做一件厉害的事儿：

我们正在开发一套技术，把百度云同时装在数据中心、边缘计算节点，甚至未来还能到端上去！

你可以想象一下，这就像我们国家的“村村通公路计划”，一条公路从省城连接市县，再从市县连通村子，于是，上面的车就可以自由流动，想去哪里去哪里。

同样，统一的云计算框架也像公路，连通了数据中心、边缘和端，可以让上面的人工智能负载随意流动。

稍微有点抽象，还是举个例子。

就说爱奇艺吧。

视频网站都有一个经典操作：用户上传了一个视频，他们需要用人工智能审核这个视频有没有违规。

因为影片很大，如果传到云端再审核就比较费带宽——万一有人直接传了一部6.7G的苍老师作品，到了云端才被识别，就很浪费资源了。面对这种情况，审核其实可以在影片上传过程中的边缘计算节点进行，例如省一级的CDN机房。同理，如果手机算力更强，在手机上就能直接完成视频自动黄暴审核。

这就像坏人带着违禁品去省城，不用等进省城才被发现，经过县里的时候就被检查站发现，甚至村口的检查站也能发现——谁发现都一样。。。

统一架构的好处体现在：某个视频到底是在端上审核，还是在边缘审核，还是在云端审核，爱奇艺不用手动调整。由于这三级人工智能应用和底层的云都是相通的，系统会自动根据情况决定，这个视频到底在哪里审核。

爱奇艺的童鞋只要写一套代码，搞定。

这就是第三代人工智能——“边云协同”——的力量。

实际上，百度已经把这套框架做出来了，这项技术的直接负责人正是管瑞峰。这个应用框架叫做 BAETYL。更厉害的是，这个框架已经被百度捐献给了 Linux 基金会，开源出来，每个人都可以免费使用了。

管瑞峰告诉我，目前国家电网正在联合百度，基于 BAETYL 为整个电力系统建立计算框架。如果顺利的话，不久之后所有终端电表和电网设备和控制节点，就都处于一套人工智能调度体系中，不仅可以节省重复开发的劳动，还可以智能调度，节省好多能源。

最后告诉你个小秘密：

其实，人工智能的大厦正在等待一个“新材料”，那就是5G。

一般人只是觉得5G会让信息传输更快，这没错。但在5G的技术标准里，还有一个非常独特的设计——在同一个基站的范围内相互传输信息不用通过核心网，延迟非常低，而且费用很便宜。

利用这条速度极快的通路，可以在5G基站周围可以放置一些小的主机，形成“超级边缘计算节点”。你猜它们能实现什么逆天的功能？

例如：车路协同的自动驾驶。

简单来说就是：汽车上本身可以通过“图像识别”技术实现自动驾驶，但是它的视野毕竟有限，最多只能看清附近一二百米。这时，附近的基站就可以收集方圆一公里的路况信息，实时传递给这辆车。假设五百米外发生了事故，这辆车就可以提前减速，更加安全。

这个图显示的是视线被前面大车挡住，却也能知道红绿灯情况。

百度的同学告诉我，他们的智能驾驶团队已经把这套技术用在了“机器人出租车”上。就在2019年国庆前后，在长沙的路上，这种“机器人出租车”就可以为普通市民提供服务了。

“边云协同”的第三代人工智能，正在我们这片土地上生根发芽，茂密生长。

五、沃野上的生物

2019，距离 Watson 看到东莞的工人们做俯卧撑整整二十年。

在他的手机里，至今留存着一张照片。

那是他加入之后，百度云做的唯一一次机场广告。那天黄昏，Watson 正好在首都机场降落，他一回头，看见了夕阳下自己亲手为百度云写的广告，于是拍了下来。

开头一句简单的话：为变革而来。

图/Watson

“这是我的真心话。”Watson 对我说。

在中国，仍然有200万质检工人，有将近3亿产业工人，每天每时每分每秒重复着同样枯燥的工作，他们的工作因为人工智能的辅助可能有更多的尊严。

在中国，有500万程序员，360万医生、50万名翻译，他们大量的日常工作也是重复的，而这些工作，也可以被工业化的人工智能辅助。

在中国，有6亿农民，他们的春种夏收也可以由工业化的智能辅助，然而此刻，面朝黄土背朝天仍然是大多数人的生活。

正如福特本人所说：

机器化生产为人们提供了更多的生存手段，而我们又依赖这些手段去购买产品。标准化不等于千篇一律，它使我们的生活变得比以往任何时候都要丰富多彩。

如此看来，“AI工业化”的路恰恰像这个民族的历史一样艰难又漫长，但庆幸在各行各业，人工智能犹如沃野上的新物种，正在浅吟低唱。

可叹梦想人人都有，肯为它坚守二十年的人不多。幸好时间是个温柔的裁判，你只管低头前行，而它会在某个夏日的午后，给你一场应许的光芒万丈。

工业化是我们

向上帝购买时间的硬通货