紧密结合行业需求，云脑科技提供更接地气的AI平台

从AI解决方案到AI中间件，云脑科技正在用产品方式实现AI落地，降低对人力依赖，提升业务产品化率。截至目前，云脑科技在国内已经与银联智惠、上交所等十余家客户达成深度合作。现阶段主要以解决方案形式进行交付，未来云脑科技希望通过共同运营的方式，实现AI与行业的深度融合。

指导 | kevin 李喆

调研 | 李喆 刘馥亮

撰写 | 王琦

越来越多的企业开始拥有大量的有价值数据，迫切希望以更高效、更智能的方法来利用自身数据。同时，随着深度学习的发展，近年来的AI技术也产生了新的突破 。

而迄今为止，人工智能太过复杂昂贵，以致很多企业很难对其进行最佳应用，将其融入企业现有业务难度很大。

一方面，传统行业并不清楚AI能干什么，能为业务的提升做出哪些贡献；另一方面，AI专家又不了解企业内部的业务流程和需求，严重的信息不对称阻碍了AI技术在企业中的应用进程。

跨地域共同协作，加速AI在企业落地

为改变这种局面，2015年在美国硅谷成立的云脑科技，秉持着“既要有前瞻性的AI技术，又得有接地气的打法”的战略理念，致力于将硅谷最前沿的人工智能、深度学习研究成果引入中国市场。

在团队建设方面体现最为明显，云脑科技采取跨区域共同协作的方式，美国团队负责核心算法研发，中国团队则直接和行业客户对接。

美国团队由创始人兼CEO张本宇带领，其从事人工智能19年，曾就职于微软亚洲研究院、Google和Facebook，在AI方面获得了150项美国专利，被创新工场评为AI“华人10位大牛之一”。

中国团队由联合创始人&COO龙志勇负责，其有着15年IT从业经历，曾就职于中国电信、阿里巴巴和金立集团，在通信、金融、互联网和人工智能有着丰富经验。

中美两地团队协作的方式，不仅让云脑科技掌握了最前沿的AI技术趋势，更有利于其理解行业应用的痛点，加速AI技术在企业的落地。

行业中间件，架起行业和人工智能的桥梁

人工智能领域新的技术不断涌现，从机器学习到深度学习，再到胶囊网络技术，迭代速度之快让人目不暇接。

正因如此，不管是云脑科技还是其他人工智能公司，很难提供一个标准化、傻瓜式的AI平台为企业服务；而且，平台产品的使用门槛相对较高，很难在短时间内渗透到企业的业务当中。

外包项目的方式虽然能够很快地让AI理解行业需求，但缺点在于这种商业模式不易推广，复制性比较差。

而企业在应用AI技术时常面临三个方面的问题，即“数据如何选择和导入？”、“模型如何选择并组合？”和“输出如何集成到业务？”

云脑科技依靠在人工智能和软件行业的深厚积累，将软件和服务划分成数据导入、建模策略和业务集成三大功能，形成行业差异化的核心产品——“行业AI中间件”，为特定行业量身打造。

目前，云脑科技推出了四款AI（X）产品，覆盖通信、金融、人力、能源四个领域。这四款行业中间件能够帮助企业降低AI技术壁垒，切实帮助业务人员提升工作效率。

瞄准客户需求，与行业伙伴共同打造AI生态

云脑科技的目标很明确，即运用世界最前沿的AI技术来做解决方案，帮助国内的企业客户提高KPI，最终让中国企业充分释放自己的价值。

譬如在金融行业，云脑科技利用贝叶斯网络、深度学习和自然语言处理等新技术，基于行情和消息面等数据，在挖掘市场未知的隐含关联关系、量化市场间的影响程度、刻画市场波动传导路径和市场消息影响分析等方面进行了探索和研究。在满足金融行业对人工智能技术的可解释性和高效性等要求的同时，帮助交易所提高现有监管业务效率，提升对市场风险的预研预判能力，为进一步强化监管奠定基础。

在通信领域，云脑科技基于AI BrainSync专利技术，借助深度学习向量生成的不可逆特性，有效地解决了数据隐私安全和数据高效利用之间的矛盾。同时，云脑科技针对手机和运营商特有的数据类型和多业务特点，提供了一系列的数据清洗和算法工具（机器学习/深度学习/知识图谱），构建了业务子域和全局跨域的组合模型。此外，针对手机与运营商常见的内容推荐、精准营销、征信风控等应用场景，云脑科技为其提供了成熟的方法论和AI集成方案，能够帮助通信行业切实提升业务指标和收入能力。

现阶段，按照项目或者解决方案的形式进行部署，企业的接受程度比较高；根据不同行业特点，云脑科技也提供了按照规模收费的模式。但从长远来看，云脑科技希望通过共同运营的方式，在更方便快捷地为企业提供服务的同时，能够进一步探索AI技术更多的应用价值，加深对行业需求的理解。

截至目前，云脑科技在国内外达成深度合作的客户有十余家，其中包括银联智惠、上海证券交易所、浪潮软件集团、算话征信、南方电网、金立手机、实习僧、极客学院等企业。

技术层面，云脑科技研发团队汇聚了来自微软、谷歌、Facebook、高通等众多美国科技公司的科学家，在人工智能领域耕耘多年，技术实力雄厚。且研发团队位于科技前沿技术最集中、最领先的美国硅谷，能够以最快的速度研判人工智能的发展趋势。

产品层面，由于AI平台使用门槛较高，通用性和复制性较差，云脑的行业中间件，从技术上能够更快的切入到业务当中，但AI技术本身还在不断迭代，在数据分析领域还属于新兴事物，中间件的产品形态仍处于发展阶段。

客群层面，与云脑合作的客户，大多存在比较迫切的数据分析需求，如数据量庞大且实时性要求较高的上交所等，随着AI技术应用场景的不断开发，这些行业头部企业对AI的投入将不断增大。

获客层面，从成立之初，云脑的思路就十分明确，让AI技术在国内企业尽快落地。虽然没有太多的销售人员，但国内团队拥有一定行业专家，不仅能够利用AI技术帮助企业业务能力，而且能为云脑筑起一道行业壁垒。与大客户进行合作，不仅能够为云脑科技进行背书，利用这种合作关系，云脑也能实现与更多B端客户的接触。

场景层面，随着数据量的不断积累，企业的数据分析需求将持续存在，企业业务人员使用云脑科技的产品能够有效控制风险、智能匹配分析、精准营销推广，应用范围比较广泛，在与客户的合作过程中，云脑科技还在持续探索AI更多的可能，不断地延伸业务领域。

近期，爱分析对云脑科技创始人张本宇进行了访谈，现将部分内容分享如下。

凭借对人工智能极其敏锐的嗅觉，感觉时机已到

爱分析：云脑科技自成立至今，发展经历了哪些阶段？

张本宇：目前为止分三个阶段。2015年5月成立，到2016年末是第一阶段，这一阶段我们的CloudBrain团队在美国硅谷成立，主要是进行内部研发。2016年末到2017年6月是第二阶段，杭州云脑科技公司成立，这一阶段主要是国内实体成立，然后尝试不同的AI落地方案。2017年6月至今为第三阶段，我们确定了AI中间件这样一个大的方向。

爱分析：当初考虑创立这个公司的动力是什么？

张本宇：随着数据量越来越多，计算能力越来越强，越来越多的运行模型能够投入到更深层次的使用中去，人工智能技术逐渐有了实际应用场景。

我本人一直在从事AI算法的工作，包括AI互联网的应用、广告推荐等等，所以能够很直观的感受到互联网算法的进步，以及AI给互联网带来的影响。那么跳出互联网行业，AI的应用场景还是非常广阔的，所以有想法做一个公司。

降低行业应用门槛，以AI中间件直面业务应用

爱分析：为什么选择研发AI中间件这个产品？为什么不考虑推出通用型平台？

张本宇：我们公司内部是有AI平台的，但平台的使用门槛还比较高，我们很难在第一时间将平台产品推向客户。而且，AI技术本身也在持续地发展当中，很多新的技术不断涌现出来，像图像识别领域的胶囊网络技术、图像生成的GAN技术等。

想提供一个傻瓜式或者一站式的AI平台，这个其实是很难的，所以我们一开始并没有考虑解决方案的做法。

做解决方案的好处是，我们可以很快地理解行业需求，然后与行业内的领导企业建立很好的合作关系。但缺点就在于，这种商业模式的可复制性相对要差一些，更多地是以项目的形式存在。

AI中间件并不是一个平台产品，其实是把所有的AI使用细节包在平台上，直接呈现的是在这个行业里面的需求，能以一种行业客户听得懂的方式来描述，这是一种比较大的区别。

爱分析：AI中间件的产品形态是什么样的？

张本宇：这个要看不同行业，比如说，数据仓库是放在中间件里面还是外面，因为中间件的概念就是连接不同的软件系统，其后台存在不同的数据仓库或数据库方案，前端可能有不同的展示形式。

因此，中间件不会出现大一统的局面，它是解决方案中最核心的部分，能够被复用的东西。对于AI中间件，它可能不仅是连接不同的软件模块，大多连接的是数据和场景。

爱分析：工作流程是怎样的？

张本宇：过程包括数据的转化、训练、模型管理、质量控制、服务等等，但不同行业存在差异。

我们服务的都是企业客户，企业客户的特点就是有持续不断的新数据进来。人脸识别的话可以预先确定一个Model，比如在海关或者公安系统当中，这个模型一旦建立就比较稳定，或者说变化的周期比较长。

但是某些行业每时每刻都在产生数据，而且数据会影响到结果，所以怎么训练，这里面有很多细节需要打磨。

爱分析：中间件产品在使用过程中有什么门槛吗？

张本宇：产品是直接面向业务部门的，我们会提供一个定制化的接口，比较容易地嵌入业务层，而且我们提供的是实时性服务。

AI中间件和解决方案中比较大的区别就是，中间件当中，行业专家的参与度会比较强，我们关注更多的是中间件这个产品，而数据和场景的话要跟合作伙伴一块来做。

而因为使用者是行业专家，他们会了解面临的问题是什么，这个问题的约束是什么，是用什么样的数据源，会用到什么样的场景当中，他们能够帮助我们做流程的优化。

我们提供的产品不单单是一个中间件，还有具体的服务，还是要跟行业紧密地结合在一起。

爱分析：产品在底层资源的调度上有没有特殊的设计？

张本宇：这主要取决于客户数据量的大小和模型的复杂程度，这更多的是一个运维的工作，我们是纯容器化部署。

选择有数据、有切实需求的行业客户进行深度合作

爱分析：现在所涉及到的行业有金融、能源、人力、通信四个领域，对于行业的选择有什么特殊的考虑？

张本宇：几个方面的考虑。一个是行业必须够大，第二个是必须产生大量的数据，第三是这个行业面临数据处理的痛点，具有改造的潜力，第四就是我们在这些行业中能够找到不错的合作伙伴，能够帮助我们去理解这个行业，来改善我们中间件产品的性能。

爱分析：与银联的合作是什么样的形式？

张本宇：银联智惠有一个叫做安全云的沙箱机制，这个沙箱机制上会有能力小伙伴，我们是AI能力小伙伴，在上面提供AI中间件，然后一起服务好营销的客户。

我们合作开发了“智惠触达Farcaster”营销触达平台，可以根据客户已有的消费用户群，自动发现相似的新用户，从而帮助客户以更低的成本、更高的转化率来获取高价值顾客。

爱分析：跟上交所合作主要是解决其哪些需求？

张本宇：上交所的需求还是很多的，比如监管需求、配合投资者的需求等等。

配合投资者中，主要是对大量数据的分析，告诉投资者什么是真的、有价值的信息，哪些信息会对市场产生比较长远的影响，哪些会是比较短期的影响等等。他们希望投资者应该理性投资，避免不必要的损失。

爱分析：与算话征信的合作内容是什么？

张本宇：主要征信风控的内容，这块业务有银行客户，以及像汇金公司这样的公司。

风控模型这块我们也是跟客户一块搭建的，如果直接把工具给客户的话，在使用起来还是有一定的困难，而且他们在这个领域也是很专业，可以帮助到我们。

以行业理解和深度协作筑起壁垒

爱分析：对于这种比较新的技术来说，在客户推广方面我们有面临什么困难吗？

张本宇：我们现在也在挖掘客户需求，有点像咨询公司，考虑AI 能做什么事情，不能做什么事情。

这个要从客户的实际情况出发，看客户在业务层面和数据量层面是不是已经准备好了，有的时候客户可能有些这方面的想法，但是在之前数据层面没有相应的大数据建设，或者业务变化比较快，又或者说使用AI技术对其业务能力的提升比较有限，在这种情况下AI技术就很难帮上忙。

爱分析：云脑科技的团队规模有多大？

张本宇：整体来看有50人左右。大部分是研发和行业专家，商务和产品还有一部分。

爱分析：团队具体分工是？

张本宇：行业专家主要是与客户接洽，美国团队更侧重算法和研发，核心的研发团队在30人左右。

爱分析：技术壁垒有哪些？

张本宇：壁垒一个是对行业需求的理解，它对产品层面和算法层面都会有一个促进作用；第二个就是通过运营，提高了商业上的壁垒。

爱分析：一个新的技术或者算法，从论文成果转化成企业级产品需要经过哪些努力？

张本宇：开发一个算法，在开始的时候，会在标准的数据集上面做一些测试，很多时候只有指导意义，真正运用到现实场景当中可能会相差很多。这里要搞清楚在新的论文或者算法当中提升业务的具体原理是什么，很多情况下，新的算法在实际应用过程中根本没用，还要看怎么去修正。

第二个是看这个改进对产品本身带来什么影响，训练周期会不会变多？外部数据需求量会不会增加？耗费的精力和算力会不会增加等等。因为在设计的时候是不考虑成本的，而在场景应用过程中就存在很多约束，还要评估这个改进对行业是不是有价值。

爱分析：从哪些方面能够评价AI公司的技术水平，或者说如何评价？

张本宇：现在每天都有很多新的Paper出来，大家想要解决什么样的问题，将来发展会是一个什么样的趋势，这是一家AI公司应该具备的判断能力。

很多人都会说AI最缺乏的就是售前，要充分的了解客户的需求在哪，AI能够做到什么地方，不能做到什么地方，现在的行业环境是什么样的，要起到一个桥梁的作用。

爱分析：未来中间件能够做成一种标准化产品吗？

张本宇：我们之所以提供中间件，就是要借鉴现在中间件标准化的一个概念，至少是在行业这个层面，但因为要满足场景和需求，要做跨行业的这种完全标准化的产品还是比较难的。

其实AI还处在一个不断发展的过程当中，正在对行业或者业务产生影响和改变，在变革的过程中就会有不同的需求产生出来，它是个动态的过程，面对各种变化的需求，目前来看，很难做成一个标准化的产品。

爱分析：AI与之前BI产品相比，其实时性体现在什么地方？

张本宇：现在来看绝大多数BI提供的还是离线分析，但高频交易这种对实时性要求很高的场景，BI是无法满足的。如果说对于一家店铺或者一个住宅的选址，这种事情可能几年才发生一次，这种事情其实并不需要AI来做。

现在像今日头条的新闻推荐、滴滴出行的打车调度、交易所的撮合交易，每天发生的数量可能都是几十亿次的量级，这种数量级的事情是不可能靠人来处理的，但AI可以满足自动化、实时性的要求。

爱分析：您对AI平台或者中间件的市场规模怎么看？

张本宇：首先取决于这个基础行业的需求有多大，然后估算效率有多大的提升，包括现在有多少因为低效率造成的损失，有多少比例的工作量能够被优化等。

营销这块业务，最大的问题是广告本身的导向和产品的导向存在冲突，广告越高级越好，功能越厉害越好。但实际上，产品设计要考虑服务的人群是哪些，最突出的价值是什么，核心功能是什么，很多时候广告存在夸大其实但又抓不住重点的。这种情况还是有很大的改善空间的，但是具体估计市场多大，还是有困难的。

爱分析：整体战略是什么？定位是什么？

张本宇：核心是AI中间件，并不是说简单的将平台部署就可以了，还是希望我们的产品能够集成到业务系统当中，能够对业务有帮助。我们也希望产品能够提升扩展性，一方面节省我们的人力成本，更重要的是可以降低客户的使用成本。

爱分析：美国市场专门做AI中间件的公司有哪些呢？

张本宇：美国这边的创业公司在AI领域，更多的是选择做无人驾驶，或者其它特定的场景，在AI中间件这块公司比较少。

主要是因为，美国企业的信息化程度比较高，而国内相对弱一些，因此处理大数据的需求也比较迫切。另外，美国这边关于数据的管理要求更加严格，像数据处理这种事情，企业一般选择自己来做。

爱分析：大的互联网公司也在做AI平台，会不会给公司带来竞争压力？

张本宇：我们会和大的互联网公司形成一种合作关系。我们的业务与行业的需求紧密相联系，一个公司很难做到全行业的覆盖，而是在垂直领域服务客户，各自在自己的领域深耕。