案例A：某大型保險集團制定平台、應用、技術“三個領先”戰略和“四個關鍵舉措”推動智能化建設

某大型保險集團于2019年成立了集團科技中心大數據和人工智能部，由此開啓了人工智能技術發展之路。該保險集團擬在人工智能建設方面實現“三個領先”的戰略目標。一是領先的平台：持續打造涵蓋NLP、語音、OCR、人臉識別、大數據應用子平台的集團統一人工智能技術平台，各項技術指標居于行業領先水平。二是領先的應用：聚焦客服、管理、銷售三類機器人突破，機器人研究和應用水平居于行業領先水平。三是領先的技術：核心算法全部自研，關鍵技術和硬件具備國産化替代方案。

在建設思路方面，爲了實現“三個領先”的戰略目標，該保險集團實施了如下關鍵舉措：

1）制定長期規劃，營造創新氛圍。集團制定了長期人工智能發展規劃，和適合科技創新的項目管理機制，營造鼓勵創新、容忍失敗的工作氛圍。

2）鑽研前沿技術，加快技術落地。密切跟蹤人工智能技術的演進趨勢，並適當開展前沿技術的研究，縮短前沿技術落地的周期；重點加強多模態AI應用落地的能力，加強大數據和AI深度協同的能力，加強研發人員對業務的理解。

3）探索國産化替代方案，實現技術的提前儲備和自主可控。探索PaddlePaddle等國産深度學習基礎框架，驗證國産GPU的實際性能，形成備用方案，確保極端情況下仍然可以開展人工智能的應用和研究。

4）加快機器人突破工程成果孵化，探索研發通用機器人。利用機器人研發成果，進行銷售和管理機器人嵌入式研發，重點突破人機混合運營下的機器學習；依托各類私域流量和公域流量，實現純線上化的銷售模式和銷售管理模式；由小規模、人機協作向全覆蓋、無人化演進，並探索研發通用機器人。

案例1：中新天津生態城構建智慧城市産業大腦，用AI挖掘數據價值

中新天津生態城（以下簡稱“生態城”）是中國與新加坡兩國政府戰略性合作開發的生態城市，于2008年9月開工建設，總規劃面積爲150平方公裏，旨在打造産城融合、綠色發展、智慧城市、國際合作的示範區。

爲了構建智慧城市産業，生態城當前重點發展5G創新應用、大數據交易生態、傳統産業融合創新應用三大交互應用産業，希望打造從數字生産資料挖掘、到智能産業研發孵化、再到龍頭企業牽引的産業鏈。然而，生態城在産業發展中，其産業規劃、招商引資、企業服務工作都面臨著一些痛點問題，這些問題包括：

• 産業規劃與分析缺乏數據支撐。生態城在做産業規劃時，沒有每個産業鏈細分領域的信息和數據支撐；或者有總體數據，但缺乏産業深度分析能力。
• 招商引資方式粗放、單薄。生態城在確定産業招商方向後，由于沒有産業鏈信息，導致招商缺乏針對性的標的；或者有明確的招商標的，但對待招商企業進行評估時缺乏支撐數據和智能評估方法。
• 産業扶持與企業服務缺乏主動能力。生態城在服務園區內的企業時，無法爲企業准確匹配合適的扶持政策，也無法主動爲企業提供全面、個性化服務。

從根本上而言，上述問題都在于生態城在開展産業發展工作的過程中，缺乏以數據爲支撐的産業分析工具。事實上，生態城經過多年發展，已經積累了大量的智慧城市公共數據，包括了區域經濟運行、內部工商、財稅、政策扶持等數據。與此同時，大量公開的數據，如企業工商、業務、專利、招投標、投融資、輿情、風險等數據也能夠爲生態城的産業發展規劃所用。

因此，生態城要解決産業規劃、招商引資、企業服務工作中面臨的問題，就需要首先借助一系列的工具和方法，從海量的結構化和非結構化數據中挖掘出有用的信息，並以體系化的形式呈現出來，爲生態的産業規劃和發展提供數據支撐和科學的指導。

基于知識圖譜、NLP等AI技術，構建智慧城市産業大腦解決方案

針對上述挑戰，中新天津生態城希望通過引入大數據和人工智能技術來構建解決方案。在對廠商的産品、技術和服務能力進行綜合評估後，生態城選擇與愛數合作共建解決方案。愛數成立于2006年，是一家大數據基礎設施提供商，提供結構化數據、非結構化數據、機器數據、知識圖譜數據等全域數據能力，爲政府、公共事業及企業的數字化轉型賦能，幫助各行各業的客戶釋放數據價值，實現即時、隨時、實時的數據服務。

愛數爲中新天津生態城提供的智慧城市産業大腦解決方案，包含了一個産業知識網絡、三個能力平台、N個應用模塊的“1+3+N“架構，爲智慧城市産業發展中的“産業-招商-服務”全環節提供數據服務。

• 産業知識網絡即底層的知識圖譜數據湖，其將海量的外部網絡數據和智能城市內部數據進行彙總，形成數據湖，爲産業大腦提供能力底座。
• 三個平台包括企業主動服務平台、經濟運行分析平台和産業精准招商平台。通過三個平台連接政府與企業，爲産業大腦提供應用基礎。
• N個應用模塊是將産業發展和智慧營商環境分爲若幹個應用模塊，實現産業大腦的實用性和應用性。

圖 2： 中新天津生態城智慧城市産業大腦架構圖

如前文所述，整個解決方案的核心在于如何從海量數據中提取出有用信息，並構建以産業鏈、企業圖譜爲中心的大規模知識網絡。爲了解決這一問題，愛數項目團隊重點開展了如下工作：

1）數據治理。生態城內外部大量數據的數據質量狀況較低，因此愛數爲該項目成立了數據治理小組，制定數據標准和數據治理體系，提高數據質量。

2）知識抽取。在構建知識網絡前，需要對數據尤其是大量非結構化數據中的知識進行抽取。對此，愛數使用其AnyDATA産品內置的語言模型，同時也爲生態城定制了一些自然語言處理模型，比如産業政策、企業基礎畫像、招投標、投融資等模型，從數據中精准地抽取關鍵要素或屬性。在此基礎上，爲這些屬性設立匹配規則，從而構建知識間的關系。

3）構建知識網絡。愛數基于AnyDATA産品內置的知識圖譜、決策樹等技術爲生態城構建産業知識網絡。同時，提供AnyDATA意圖理解、規則、推理、圖計算等引擎，可以實現精准的知識搜索、關聯分析和輔助決策。

最終建成的知識網絡主要包含如下類型：

• 産業鏈圖譜：以産品上下遊、上下層爲關系構建的5000多個産品價值鏈圖譜，並與國民經濟、戰略新興産業實現有機對接，可以實現對産業鏈精准分類和關聯分析；
• 企業圖譜：基于工商、知識産權等公開數據，構建企業集團關系鏈、市場布局、産品業務鏈，實現企業鏈的精准定位和分析；
• 産品競爭圖譜：基于企業産品標簽集相似度構建競爭網絡，尋找細分領域隱形冠軍；
• 政策圖譜與規則知識庫：省市區多級政策要素自動抽取，形成分類、分級的政策要素與政策適用規則庫，以便政策的自動精准匹配推薦；
• 産業及經濟運行預測分析：基于産業鏈、企業鏈及其他産業要素動態事件的可視化推理及關聯分析預測；
• 投融資雷達：基于投融資事件知識與企業鏈、産業鏈的匹配，實現焦點招商、以商招商（園區關聯企業的投融資線索）。

智慧城市産業大腦落地後的價值和效果

智慧城市産業大腦在中新天津生態城的招商引資、産業經濟、企業服務中産生顯著的應用價值和效果。

1）招商引資更加精准。産業大腦彙聚了生態內外部的工商、産業等數據，結合知識圖譜技術，深度研究行業、企業業務，基于産品標簽集相似度，可以尋找到同類企業，然後利用企業畫像工具對企業實力進行評估，尋找行業隱形冠軍，從而更加精准地進行招商引資。

2）産業與經濟運行狀況了解更及時。産業大腦根據企業産業標簽管理，了解生態城産業結構，生態城因此能夠緊跟國家發展戰略目標；同時，通過多維度分析，生態城可以了解各産業發展情況，掌握産業增長與下降趨勢，以及影響産業發展走勢的主要企業；並收集宏觀經濟與區域經濟數據，並進行對比，掌握經濟發展差距，爲宏觀調控提供支持。

3）企業服務更主動。借助産業大腦，生態城可以從從企業入駐起對企業進行全生命周期管理。對標同行上市企業畫像，判斷企業發展方向、可能遇到的問題，進行主動培育服務。同時，基于政策試算器，向政策管理用戶提供政策匹配企業列表、企業兌現情況清單。

智慧城市産業大腦項目經驗總結

對于企業和政府部門而言，其在業務發展過程中會積累大量的文檔和內容數據，這些數據中存在著大量有價值的信息，通過構建知識網絡整合這些數據，能夠爲企業和政府部門的管理、業務發展提供有效的決策支撐。而從數據中挖掘價值，需要借助一系列方法和人工智能技術：首先要收集好各類型的內外部數據，並做好數據治理工作；然後借助NLP技術從數據中精准地抽取知識，建立知識間的關系，並且在此過程中，需要適當根據具體業務需求定制開發NLP模型。最後在此基礎上構建知識網絡，並利用規則、推理、圖計算等引擎從知識網絡中獲取有效信息。

案例2：AI數據管理平台助力上汽安吉物流批量化叠代AI模型，讓物流管理更智慧

安吉智能是上汽安吉物流旗下專注于智能物流解決方案的服務商，服務于上汽安吉物流內部的同時，也向汽車制造、機械電子、醫藥、冷鏈、日化、服裝等行業企業提供相關技術服務。

物流行業向來注重安全管理工作。以上汽安吉物流爲例，其業務範圍涵蓋汽車零部件、整車、港口、快運四個物流業務板塊，包括上汽、特斯拉等主要汽車公司的整車倉儲與進出口業務，其在全國範圍內管理10個港口、300多個網點、5萬多名員工。爲了保障如此龐大的物流系統能夠安全有序地運轉，上汽安吉物流每年花費上億元用于雇傭安保人員。但隨著業務規模的增長，過度依賴人力的傳統安全管理模式已經無法滿足其發展需求。

針對物流行業安全管理中的痛點問題，安吉智能自主研發了“安眸智能視覺管理系統”，利用計算機視覺技術對港口、園區、倉庫等物流業務場景中的核心元素“人員、貨物、設備”進行識別和分析，並對出現的違反安全管理規範的問題及時提醒和采取相應措施，主動化解潛在危險。以倉庫場景爲例，安眸系統能夠對倉庫內的叉車超速、禁區出現人員、員工危險動作、著裝不規範等行爲作出精准識別，並進行管理。

由于計算機視覺模型通常只能對預先訓練過的場景和物體進行識別，爲了滿足上汽安吉物流管理的10個港口、300多個網點，以及其對外服務的200多個客戶不斷提出的各異的功能需求，在安眸系統中不斷上線新的識別功能，安吉智能的研發團隊就需要不斷獲取新的樣本數據，並在不改變邊緣算力的前提下，對AI模型進行不斷的更新和運維。

因此，安吉智能需要解決AI模型頻繁叠代過程中的多個工程化難題。例如，針對遷移學習時模型會産生舊數據遺忘的問題，安吉智能已經通過自研知識蒸餾、混合學習等技術讓模型在學習新的數據特征後獲得新的識別能力的同時，也保留原先的識別能力。但安吉智能仍然需要應對以下兩點主要的問題：

1)缺少能對非結構化數據進行精細管理的工具。安吉智能有大的圖像數據集，但每個網點或客戶提出新的功能需求時，其提供的圖像數據的采集時間、采集目標、標注類別等信息都不一致，安吉智能需要將這些數據增補進原先的數據集中，記錄數據集的層次結構，並形成不同的數據版本，從而用于模型誤差分析和模型反複叠代。然而之前基于文件夾的手動管理方式，不僅很難追蹤過去版本的模型和數據集的對應關系，在上百甚至更多個網點和客戶都提出需求時，其數據版本就很難以文件夾的形式進行管理。

2)算法團隊需要深度介入數據處理工作，手動執行效率較低。由于模型開發中數據的收集、標注，以及模型訓練等流程存在大量需要算法團隊介入的數據處理工作，安吉智能需要依靠算法開發人員對數據處理工作進行層層把控，手動執行各種操作。當模型的叠代更新變得非常頻繁時，算法和數據團隊的深度綁定會使得模型叠代流程非常耗時耗力，甚至無法完成。

依托非結構化數據平台，保障模型叠代中的高質量數據供給和流程自動化

面對模型頻繁叠代，以及由此帶來的大幅增長的數據管理需求，安吉智能選擇與格物钛智能科技進行合作，將格物钛的AI數據管理平台作爲安眸系統研發中的AI基礎設施組件之一，以解決其痛點需求。格物钛智能科技是一家人工智能基礎設施提供商，其核心産品非結構化數據管理平台向各類創新企業及團隊提供AI數據管理解決方案，以數據引擎爲核心技術，解決非結構化數據的發現、管理、利用等難題，實現對海量複雜數據的靈活存取用，從而推動企業的數據資産化和AI工程化落地。

針對非結構化數據集管理中的難題，格物钛爲安吉智能提供了如下解決方案：

第一，在雲端對數據進行統一托管。安吉智能各個網點的數據都存儲在雲端，格物钛的數據平台全面托管了安吉智能的原始數據、標注數據和元信息。在平台的權限管理功能保障數據訪問安全的前提下，安吉智能的團隊可以在平台上方便地訪問數據和進行團隊協作。

第二，數據版本可追溯。安吉智能每月或每周會在數據集內新增圖片和物品類數據，通過格物钛數據平台，安吉智能在新增的數據上做標注，然後合並進原有數據集，並打上標簽，從而形成新的標准化的數據集版本。算法工程師只需要根據標簽就能找到需要的數據集版本，並比較各個數據集之間的差異。

第三，數據集分布特征可視化。格物钛數據平台的可視化組件能讓算法工程師從宏觀層面查看數據集的特征分布，以及從微觀層面查看單個文件和標注數據。安吉智能的算法工程師因此能夠在模型訓練前直接查看數據標注信息，也可以在模型訓練後將預測結果作爲一個數據版本，與人工標注的數據版本進行比較，從而判斷模型效果和數據標注質量。

針對算法和數據團隊的深度綁定，手動執行數據處理工作效率低的問題，安吉智能通過使用格物钛數據平台的Action功能，並結合了一些自研算法，對數據收集、數據標注、模型訓練等關鍵流程設置任務自動觸發機制，並讓整個流程實現自動化。在數據收集階段，安吉智能通過自研圖像相似度和質量分析的算法，當發現符合要求的圖像後自動在攝像頭中進行抽幀並將圖像上傳至雲端；在數據標注階段，通過使用格物钛數據平台，當符合需要的圖片數據達到一定量級後，平台自動觸發數據標注任務，然後通過簽約的數據標注公司在平台上對數據進行標注，再與原先的數據集進行合並。在模型訓練階段，當平台監測到數據標注完成形成新的數據版本後，會自動先進行模型訓練，然後對更新後的模型的預測結果進行評估，識別預測效果不好的圖片，並在平台上對數據標注實時地進行調整。

圖 3： 安吉智能AI模型開發關鍵流程

非結構化數據平台給安吉智能帶來的價值和效果

首先，格物钛非結構化數據平台爲安吉智能實現了模型開發中的高質量數據供給。借助平台的雲端托管、版本管理、數據集分布可視化等功能，安吉智能解決了模型叠代中的多種數據痛點，減少了數據收集、數據准備和模型評估中大量手工操作，讓算法工程師可以專注于用AI模型去解決業務問題，模型精度能因此能提高30%以上。

其次，平台的自動化能力大幅縮短了安吉智能模型叠代的周期，節約單模型訓練的人工成本。安吉智能預期因此可以實現每周對模型進行一次叠代更新，從而上線新的識別功能，最終全年能上線50個識別功能，並且單次模型訓練能節約25%的成本。

安吉智能AI模型開發和叠代經驗總結

以AI應用的複雜性，其在産業中落地的一大瓶頸通常在于數據的質量和匹配度。對于大部分傳統企業而言，其數據量有限，研發能力也相對不足，如果把AI應用開發的重心放在改進算法上，效果往往並不如意。因此，傳統企業在AI應用開發中應該把重點放在獲得質量更好、匹配度更高的數據上，幫助提高模型效果，讓AI應用更好地落地。

企業在AI模型開發或叠代頻次較低時，其數據管理可以通過文件夾形式手動管理，但隨著AI應用的加速落地，企業每年需要開發幾十甚至更多個模型的時候，手動管理的方式將難以爲繼。此時企業應該選擇標准化的工具對模型開發中需要的數據進行高效地管理，從而保障模型的持續叠代和更新。同時考慮在流程中引入自動化能力，進一步縮短模型叠代周期。

案例3：美宜佳打造商業智能決策管理平台，實現線下零售的智能化運營

美宜佳控股有限公司是國內第二大連鎖便利店集團。自成立以來，美宜佳以廣東爲中心，並逐步在全國範圍進行業務布局。目前，集團擁有美宜佳品牌門店兩萬多家，每日門店總客流量達2500多萬。

線下零售的核心邏輯是以“場”爲中心去對接“人”和“貨”， 而“人貨場”各自的特征要素以及它們之間的關系都在不同程度上影響著門店經營策略和結果。對于正加快在華東、華北等地區擴張門店的美宜佳而言，經過早期信息化建設，其已建有ERP、PIM、BI等業務系統，在內部積累了較豐富的“人貨場”數據。現階段，美宜佳希望用智能化的方法對人、貨、場的特征要素及其關聯進行分析和優化，支撐門店的穩步擴張和精細化運營。

結合業務需求、智能化可行性等因素，美宜佳決定在門店選址、門店運營、營銷優化三類重要場景中引入智能化解決方案。在門店選址方面，美宜佳需要用智能化的方法在城市中確定合適的拓店區域、該區域消費者習慣以及自身定位等情況；在門店運營方面，具體包含門店評估、品店匹配、銷量預測、競品分析等應用場景，幫助美宜佳更好的制定經營策略、提高門店業績；在營銷優化方面，則需要結合人群定向，對廣告投放策略做優化。

爲了在上述場景中實現智能化決策，美宜佳決定打造商業智能決策管理平台。但美宜佳在相關數據的完備性、以及AI算法能力上存在不足，具體如下：

1）數據層面，美宜佳僅掌握店內經營數據和自有供應鏈體系的後端數據，但缺乏外部的地理位置、周邊人群、周邊競品相關的數據。同時，在與外部廠商共同探索解決方案時，美宜佳需要分享內部數據時保證其數據的隱私和安全。

2）AI算法層面，選址、選品、消費者畫像、營銷的智能化分析需要大量AI模型支撐來實現，美宜佳需要外部廠商提供相關的AI模型，並用模型解決業務問題。此外，不同地區的數據分布會有較大區別，通用的模型很多時候不能直接適用，需要根據區域、環境等因素對模型做調整和遷移。

以時空數據爲基礎，AI模型爲支撐，美宜佳爲門店經營各環節提供智能化決策

在對廠商的數據、AI算法、應用解決方案等方面的能力進行評估後，美宜佳選擇與維智科技合作，建設商業智能決策管理平台。維智科技是一家時空人工智能平台提供商，專注于線下場景的數字化和線上線下的時空融合，通過時空AI技術打造數字孿生體，爲城市、交通、金融、地産、零售和品牌等提供精細化場景服務和智能解決方案。

基于維智Phy-gital飛吉特時空智能平台，美宜佳構建了商業智能決策管理平台，其架構上分三層：底層是聯合數據倉庫，包含維智科技提供的時空數據和美宜佳提供的門店數據；中間是技術服務層，包括AI模型、時空知識圖譜、業務計算邏輯等；上層是各類分析應用，包括門店選址評分、門店績效評級、歸因分析、人群畫像、銷量預測、價格預測、競品分析等。

圖 4： 美宜佳商業智能決策管理平台架構

針對數據層面的問題，平台通過聯合數倉的形式整合了維智科技的營銷智能基礎數據與美宜佳的門店數據。維智科技的營銷智能基礎數據包含客流、畫像、人群流動偏好、周邊生態、交通情況、商業環境、競合關系等類別的數據，具體包括了路網、交通、AOI（區塊），POI（點位）等靜態數據，以及測繪相關的人流、畫像、場景、企業、經濟等動態數據。在此基礎上，通過梳理“人、貨、場”之間的特征管理，形成時空知識圖譜。爲了保護美宜佳的數據隱私，維智科技將其時空數據、模型服務與美宜佳的內部數據結合，以一體機的形式部署在美宜佳的受限環境中，模型的構建、訓練、管理和發布均在一體機完成，確保美宜佳的數據不出庫。

圖 5： 商業智能決策管理平台預訓練模型倉庫邏輯

針對AI算法層面的問題，平台基于分類、排序、聚類、異常發現、回歸預測、溯因推理分析等技術模型，結合特征工程、自動特征計算等服務，形成畫像、選址、選品、營銷等方面的預測分析模型。同時，對于通用模型需要針對區域數據特征有變化進行適配的問題，維智科技通過匹配可適配的用例或特征來做模型遷移，並通過數據增強或者小樣本學習來解決數據量少和樣本稀疏的問題。

商業智能決策管理平台落地的價值與效果

美宜佳落地商業智能決策管理平台，用數據智能賦能門店開拓與運營，實現了以下業務價值。

1）門店選址方面，平台爲美宜佳在廣東、以及華東地區選址拓店，提供了數據支持和智能化的決策依據。具體而言，通過分析當前地區用戶的習慣、常駐和流動人員的習慣、場本身的特性（是周邊是醫院、社區、商業中心等）、周邊競爭態勢（供需飽和度）、交通便利性等數據，判斷某個地點是否適合開店，並給出關于在該地店的評分，以及影響評分的因子。這比傳統的依靠調研和專家經驗的方式大幅提高了決策效率和准確率，可以支持美宜佳每年3000家門店的開店合關店決策。

2）門店運營方面，該平台有效幫助美宜佳品牌門店和加盟門店總計4w+門店，進行數字化智能化運營。在門店評級、銷售預測、歸因分析、運營優化和營銷優化等方面，提供線下大數據和智能預測結果輔助決策，有效指導門店運營優化。

商業智能決策管理平台的項目經驗總結

第一，線下零售業涉及的數據量大、維度多、動態更新也相對頻繁，在選址選品、供應鏈配貨以及營銷等業務中需要依據這些數據做出相對實時的決策，因此複雜度和難度很大。但零售數據核心上還是圍繞人貨場及其關聯，面對複雜的數據場景，可以考慮運用知識圖譜技術，將各維度數據按人、貨、場梳理，再形成場與場、人與場、貨與場的關聯；同時考慮運用AI模型來刻畫複雜的變化規律、分析思路和決策經驗。

第二，只有店內數據無法在線下零售場景中實現智能化，因此還需要引入店外的時空數據，將地理位置、周邊人群、周邊競品等外部數據與內部數據結合，才能實現1+1>2的效果。並且，在將內外部數據進行結合時，需要考慮通過相應的技術或産品設計方式保障數據的隱私安全。

案例B：虛擬數字人助力江南農商銀行爲客戶提供創新性的遠程視頻櫃員服務

在銀行業積極探索更豐富、更精細化的客戶服務方式，消費者對銀行服務的效率和便捷性也有了更明確的需求，以及疫情常態化對銀行遠程服務能力要求更高等因素的推動下，江南農商銀行于2021年12月與京東科技合作推出的國內首個業務辦理類數字人“言犀VTM數字員工”。

區別于以往咨詢問答式機器人，VTM數字員工的創新之處在于，其采用擬人化的形象與用戶進行對話交互，爲用戶提供了良好的沉浸式體驗；同時，VTM數字員工與江南農商行的業務系統深度耦合，從而支持VTM數字員工從業務系統中調用數據支撐用戶問答與交互，並代替業務人員在各類交易場景中幫用戶閉環完成咨詢、查詢、導覽，以及取款、開戶、密碼重置等業務。而支撐虛擬數字人與銀行的業務交易場景打通，爲銀行實現創新性業務模式的是京東科技在NLP、TTS、ASR、虛擬形象、圖像識別等多種自研AI技術上深厚的積累，通過將這些AI技術有機結合，VTM數字員工具備了音唇精准同步、表情豐富逼真、交互流暢自然等高度擬人化的特征，以及高准確率的語音語義識別能力，並能精准識別數字連讀和方言，也爲適老化能力的建設和鄉村金融服務的街鄉級滲透提供新路徑。

VTM數字員工的投入使用，不僅大幅提升了江南農商銀行遠程銀行的接待能力與服務效率，降低了運營成本，還勾勒出銀行服務的未來發展的新形態：即通過運用人工智能等先進科技，銀行可以構建無人場景下的服務能力，重塑服務模式與體驗，爲客戶提供更便捷的服務。這將成爲未來銀行業甚至整個服務産業的發展趨勢，具備大規模推廣的潛力。

案例C：某全球頭部日用消費品公司在華公司以費用支出爲導向規劃AI應用場景

某全球頭部日用消費品公司在華公司爲保持其市場領先地位，需要在品牌建設、銷售管理優化等方面實現全面的智能化。因此，其數據科學與人工智能團隊采用了資金投入導向的方式對AI應用進行了規劃。具體而言，該團隊篩選應用場景的標准有三個：第一，優先考慮費用支持較大的場景；第二，重點考慮數據層面的問題，包括數據的充足度、數據獲取的難易程度、數據的有效度；第三，能夠用算法從數據中找到規律，從而解決該業務問題。

基于上述方法，該公司如下五類方向落地了多個AI應用，顯著降低了公司的費用支出。

第一，媒體規劃，即將媒體預算以最優的方式分配投入給不同的媒體形式，如視頻、站內、電視、戶外廣告等。

第二，精准廣告定位，即把廣告投向更精准、更有可能産生購買行爲的用戶。

第三，會員活動設計，即針對會員的過往的表現設計合理的會員活動。

第四，促銷優化，即根據曆史數據來優化未來促銷活動的規劃，減少促銷費用的投入。

第五，供應鏈管理，包括倉庫的分布、送貨路線的規劃、庫存的管理等。

案例4：依托計算機視覺技術，某餐飲連鎖企業爲餃子品控安上智慧之“眼”

某餐飲連鎖企業是國內知名的水餃餐飲連鎖公司，總部管理機構設于遼甯大連。目前，該餐飲企業在全國40多個城市擁有700多家連鎖門店，員工8000多人。

發展至今，該餐飲企業所有門店都爲直營，爲的是能夠控制水餃出品的品質。而當該餐飲企業在往南方擴展後，由于南方鮮有吃餃子的飲食習慣，出現了南方門店的餃子品質和北方門店有較明顯差距的狀況。爲了嚴格統一不同地域門店出品的水餃的質量，該餐飲企業最初采取了神秘訪客的方式對門店進行抽查。但由于其門店衆多，該餐飲企業只能不斷加大神秘訪客的抽查密度，最終付出了高昂的時間和人力成本，但收效並未達到預期。

在此背景下，該餐飲企業決定引入數字化技術對水餃品質進行管理。具體而言，該餐飲企業希望對每一份經過出餐口的餃子都進行拍照，並利用計算機視覺技術對餃子圖像進行分析，判斷和管理水餃的品質。然而，不同于常規的工業質檢，“餃子質檢”是一個創新性的應用場景，業內尚無成熟的解決方案。要産生實際的效果，就需要重點解決以下問題：

1）穩定地獲取高質量的餃子圖像。通常，餃子在被服務員端到顧客餐桌之前，會被統一放置在出餐口下停留1秒左右。因此，攝像頭需要在1秒鍾內完成高清裝盤餃子照片的抓拍，同時要克服出餐口下方空間狹小、光線不足，以及餃子熱氣蒸騰模糊鏡頭等困難。

2）將業務問題轉換成算法可以執行的客觀任務。視覺檢測通常用到的是目標檢測算法，包括了位置檢測以及對檢測內容的分類。餃子質檢場景中要對檢測內容進行分類，就需要首先確定餃子好壞的客觀標准，通過數據標注，讓算法能依據這個標准去學習對餃子的分類。然而餃子好壞的標准包含了很多行業知識，且其描述通常非常主觀和抽象，難以統一。

3）樣本數據要覆蓋盡量全面的情形，並兼顧控制冷啓動成本。在該餃子質檢場景中，由于場景很固定，訓練模型所需的數據量未必要很大，但樣本數據要覆蓋盡量全面的情形，以保證模型能夠識別各種特殊情況。同時，初期要用少量的數據讓模型可用，盡快上線，後續再對模型進行優化。

打造集定制相機、雲端視覺識別、品質管理系統的整體解決方案

基于對明略科技數字化技術和服務能力的認可，該餐飲企業選擇與明略科技合作，爲其定制開發“餃子質檢”解決方案。明略科技是一家企業級數據分析和組織智能服務提供商，爲政府、金融、零售、工業等行業企業提供基于大數據和人工智能技術的産品與解決方案。

經過和該餐飲企業的深度溝通，明略科技智能硬件和深度學習算法團隊爲其定制了一套端雲協同的綜合解決方案，在出餐口下安裝定制相機，通過這一邊緣設備獲取餃子的實時圖片數據，上傳至雲端對圖片進行深度學習算法的識別分析，對每盤出餐的餃子給出優秀、合格、不合格的評級，最後在品質管理系統中生成統計分析報告，供管理者及時全面地掌握出品情況。

爲了穩定地獲取高質量的餃子圖像，明略科技項目組爲該解決方案定制了攝像頭。鏡頭、補光燈等都做了個性化的定制，從硬件上解決出餐口下方空間狹小、光線不足，以及熱氣蒸騰模糊鏡頭等問題。同時，攝像頭內置了過線檢測算法，當區域內有物體移動，且移動區域超過一定界限，攝像頭會快速抓拍物體，從而獲得清晰的餃子圖像。

爲了確定判斷餃子好壞的客觀標准，明略科技項目組與該餐飲企業的業務專家合作，分批引入了外觀上的白鼓、偏皮、飽管，以及擺放上的是否順等判斷餃子品質好壞的維度。而其中每一個維度的判斷標准，例如白鼓，項目組排除了圖像的角度、光線、餃子餡等幹擾因素，篩選出了多個相對客觀的白鼓標准，讓不同的人標注同一批數據，結果能夠統一，並依次用不同算法測試這些標准是否能區分餃子好壞，最終確定了分類方法和所用的模型。

針對樣本數據量以及冷啓動成本的問題。項目組在前期主要考慮了樣本數據能夠覆蓋更多的情形。比如，樣本數據盡可能包含多幾種出餐口拍的餃子，光線也有更多變化等。而由于該場景比較固定，樣本數據量選擇在上百左右，這樣可以用最少量的數據標注就能讓模型達到可用狀態，上線達到初步效果後，再用一定時間收集長尾情況的數據並優化模型，從而降低了冷啓動的成本。

餃子質檢落地後的價值與效果

第一，通過餃子質檢解決方案，該餐飲企業的管理人員能夠在管理系統中查看實時生成的餃子品質統計分析報告，了解每家店每天甚至每個時間段的餃子的品質情況，具體到合格與不合格的餃子的數量，從而提高了該餐飲企業對餃子品質管理的效率。

第二，該方案目前已在該餐飲企業大部分門店推廣使用，有效識別了水餃飽滿、擺盤等問題，識別准確率在90%以上，其門店的菜品優秀率因此提高了20%。

餃子質檢項目經驗總結

用計算機視覺技術感知現實世界中各種情形，並將其數字化，爲企業解決各種業務問題提供了有效的技術手段。隨著人工智能在産業中的加速落地，計算機視覺也將被應用在更廣泛的場景中，甚至無所不在。而在用計算機視覺技術解決具體的業務問題時，企業要重點考慮數據、算法和冷啓動成本三方面的問題：

1）數據方面的問題主要涉及數據采集和數據標注。在數據采集階段，由于視覺場景通常差別很大，因此圖像數據的采集往往需要針對特定場景定制相應的相機以確保圖像數據采集的效果，並且要保證采集的數據包含盡量全面的情形。而在數據標注階段，企業首先借助業務專家的經驗，確認統一的標准，確保不同的人標注結果能夠一致，並且算法能夠識別和區分這些標准。

2）對于算法的選擇，企業可以結合標注數據的各種標准，選擇不同算法多做測試，根據測試結果選擇有效的標准的同時，也確認效果更優的算法。

3）初期爲了降低冷啓動成本，企業可以用少量數據讓模型達到可用狀態即上線，後續再收集更多長尾情況的數據，對模型進行更新和優化。

案例5：中宏保險構建營銷員智能助理，通過保險知識的共享和複用賦能銷售

中宏人壽保險有限公司（以下簡稱“中宏保險”）是國內首家中外合資人壽保險公司，由加拿大宏利旗下的宏利人壽保險（國際）有限公司和中國中化核心成員——中化集團財務有限責任公司合資組建于1996年11月，現已擁有逾2000名員工和17000名營銷員，爲240萬客戶提供金融保險服務。

保險産品作爲專業的金融産品，客戶對其通常缺乏了解，這導致在選購保險産品時，客戶需要考慮很多需求和因素，整個決策周期也很長。因此，保險行業爲了提高業績，就需要保險營銷員能夠向客戶持續輸出産品、條款規則、政策等專業知識，基于複雜信息，以最快的方式有效處理客戶的實際問題，展示出專業性和解決問題的能力，才能將潛在客戶最終轉變成爲現實客戶。

多年來，中宏保險一直注重對營銷員的咨詢支持和培訓管理工作，然而隨著其業務範圍的擴展，營銷員的咨詢支持和培訓管理工作變得越來越來繁重，消耗了大量內部資源，並且實際效果也不夠理想。一方面，中宏保險營銷員原先主要依賴向主管領導和營業網點服務台的工作人員咨詢關于保險産品的問題，然而這些問題有約50%都是較常見的問題，對常見問題重複的詢問不僅消耗了主管大量的時間，也占用了營業網點寶貴的客戶服務資源。另一方面，保險業的營銷員人員更替較頻繁，新的營銷員入職後也需要對一些常見問題進行詢問和學習，人員不停地輪轉也進一步增加了內部培訓的壓力。

基于上述原因，中宏保險希望利用自然語言處理、知識庫、對話機器人等技術，打造一個線上的保險營銷員智能助理，用于解答營銷員的常見問題，並具備對新員工的培訓能力。中宏保險對于營銷員智能助理解決方案有如下兩點最重要的要求：

1）保險行業涵蓋的知識體系很龐雜，不同的專業知識有11大類，因此在構建智能助理的知識庫時，需要盡量全面地覆蓋營銷員會咨詢和學習的知識類型，並且知識庫上線後也要方便持續地維護更新；

2）准確理解營銷員的問題是給出正確答案的前提，因此需要對話機器人內置豐富的AI能力模塊，使其具備出色的自然語義理解能力，能夠與營銷員進行流暢對話。同時，需要底層的機器學習平台具備良好的擴展能力，讓普通業務人員也能以可視化的方式對特定業務場景進行算法模型的調優調參，以達到更高的語義理解准確度。

打造以智能知識庫爲核心，智能交互爲途徑的營銷員智能助理解決方案

在對多家廠商的語音語義、知識管理産品，以及建設和運維方案做了較長時間的評估後，中宏保險選擇與竹間智能合作來搭建營銷員智能助理解決方案。竹間智能成立于2015年，公司以自然語言處理、深度學習、知識工程、文本處理、情感計算等人工智能技術爲基礎，將AI能力整合到企業業務中，爲金融、制造、政務、智能終端等行業提供端到端解決方案。

基于對中宏保險需求的理解，竹間智能爲其提供了營銷員智能助理解決方案。從用戶使用方式的角度，智能助理內置在中宏保險的內部營銷工具中，營銷員咨詢産品或進行業務培訓都可以點擊進入智能助理界面，通過文字或語音輸入問題，從而獲取所需信息。從解決方案架構的角度來看，其底層包含了機器人建設、運營工具、機器學習平台等解決方案的開發和運營工具，構成對話機器人的多個AI模塊，以及豐富的自然語言處理基礎技術，最上層則是與營銷員進行直接交互的界面。

圖 6： 中宏保險營銷員智能助理解決方案架構

中宏保險與竹間智能聯合搭建的智能知識庫涵蓋了豐富的信息，包括：運營規則（包括新單投保、保單服務、保單理賠等）、營銷員基本法、保險熱銷産品、營銷員榮譽競賽、客戶活動與增值服務、數字化工具使用等信息類型。而爲了使知識庫覆蓋盡量全面的知識類型，保障後續的叠代更新，雙方組建起項目組，在中宏保險的領導下，重點開展了如下工作：

1）在項目前期充分調研營銷員需求。了解一線營銷員需要了解哪些知識，對知識的呈現有哪些要求，在問法上有哪些獨到的習慣等問題。

2）高度自動化的知識圖譜構建。基于竹間智能的Gemini知識工程平台，項目組從中宏保險的保險條款、産品文檔等非結構化數據中自動解析和抽取保險産品名稱、以及與之相關聯的猶豫期、等待期、保險責任等産品屬性。在此基礎上，在Gemini平台上將抽取的知識進行自動關聯，形成保險産品的知識圖譜，從而實現知識推理、産品檢索等功能。比如將知識推理用于回答産品的保障內容、産品的比較、符合要求的産品有哪些等問題。

3）利用自動化的自然語言學習技術，在智能助理上線前後進行高頻問題識別和更新。通過竹間智能Bot Factory A+H人機協同平台的自監督學習能力，項目組一方面在智能助理上線前對中宏保險的客服錄音和聊天記錄做聚類分析，自動識別出已知的客戶高頻問題及其對應語料，視需要由人工核對，從而爲營銷員應對高頻的産品和業務問題提供標准答案。另一方面，在智能助理上線後，通過自監督學習從營銷員新提問的衆多未得到回複的問題中識別出高頻問題，中宏保險的業務專家隨後對這些問題給出標准答案，自動加入知識庫，從而實現對知識庫的持續更新。平台的AI自學習能力使之能夠以較低的運營成本不斷提升機器人的模型與會話能力。

爲了讓智能助理能夠准確地理解語義，實現與營銷員的流暢對話。竹間智能在對話機器人中內置了多個AI功能模塊，包括語義解析、FAQ、多輪對話、意圖識別、情感識別、知識推理、智能話術等。例如，多輪對話引擎通過向營銷員連續反向提問獲得確認具體問題所需的全面信息；意圖識別引擎內置50多類、3000多種開箱即用的意圖模型，用于識別營銷員的詢問意圖；情感識別引擎能識別25種情緒，從而使對話更有同理心和溫度。同時，平台內置了一個對話管理框架，當營銷員向智能助理提出問題時，對話管理框架會結合業務場景，對不同AI模塊的優先級、權重、分流策略進行調整，從而在其中選擇最匹配的模塊對營銷員的問題進行准確應答。

爲了讓中宏保險能夠對智能助理進行二次開發，使智能助理具備針對特定業務場景的擴展能力，竹間智能在對話機器人底層提供了自動機器學習平台，平台內置了多種前沿算法，當上層的AI模型對特定場景的語義識別不夠准確時，開發人員可以在自動機器學習平台上以可視化的方式對算法模型進行自動化測試、自動調參、算法融合，讓語義理解准確度在複合式算法、僅需要少量數據的條件下，自動叠代學習。

保險營銷員智能助理落地後的價值與效果

營銷員智能助理落地以後，中宏保險在營銷員的咨詢支持和培訓管理上實現了以下顯著的效果：

第一，在對營銷員的咨詢支持方面。首先，智能助理能夠7×24小時不間斷且秒級響應營銷咨詢需求，對營銷員常用問題實時給出正確回複，高解決率有效減輕了主管和營業網點服務台客服的咨詢服務壓力。自智能助理上線以來，平均回複准確率保持在95%以上，得到了一線銷售人員普遍認可。其次，智能助理上線後也作爲運營平台，可直觀了解未知問題和營銷員關心的熱門問題，幫助豐富智能助理知識庫和填補營銷員業務未知領域，未來結合智能化的培訓練習，幫助營銷員提升技能，增長業績。

第二，在對新營銷員的培訓方面。實時智能助理能幫助新營銷員快速且全方位地掌握産品、服務、規則、政策等全量信息與內容，縮短了新人成長過程中知識儲備的周期，讓新人能快速開展業務。

保險營銷員智能助理項目經驗總結

第一，在金融、制造等專業知識密集的行業，保障知識的高效學習與傳承是提高其生産和服務質量的關鍵。而如果只能依靠行業“老師傅”去傳授企業在長期業務發展過程中沉澱的大量專業知識，不僅耗費大量時間精力，也很難保證質量。因此，金融、制造等行業的企業可以考慮應用人工智能技術解決專業知識管理與共享的問題。

第二，在用AI對知識進行管理並以問答形式對外輸出的過程中，企業需要重點考慮構建智能知識庫以及具備高度語義理解能力的對話機器人。對知識庫的構建需要采用自動化的知識解析和知識圖譜構建工具，以及用無監督學習從海量語料中自動學習新知識，從而提高知識庫構建和後續運營維護的效率；對于對話機器人則需要其內置豐富的AI功能模塊，完善的對話管理框架，以及方便二次開發的自動機器學習平台，使機器人能准確理解語義，實現與用戶的流暢對話。

案例6：AI算法支撐下，AR虛擬試戴讓安克創新用戶獲得更優的線上互動體驗

安克創新科技股份有限公司（以下稱“安克創新”） 是一家全球化的消費電子品牌企業，主要從事智能配件和智能硬件的設計、研發和銷售，爲消費者提供充電、無線音頻和智能創新等品類的消費電子産品。安克創新的銷售渠道覆蓋國內外各大主要的電商平台和一些線下合作夥伴，在Amazon、Ebay等境外電商平台上占據行業領先的市場份額。

安克創新旗下的音頻品牌Soundcore聲闊，于2021年末推出了新産品“聲闊智能眼鏡”，並計劃重點在歐美市場對該産品做市場營銷和線上産品推廣，但安克創新此時需要應對較複雜的市場環境。一方面，在購物線上化和海外疫情常態化的大環境下，品牌商在線上推廣産品普遍會面臨營銷手段單一，業績增長乏力的問題。另一方面，年輕群體是消費電子的主力用戶人群，爲了吸引這類用戶群體，品牌商需要通過不斷的業務和場景創新提升消費體驗，讓消費者感受到品牌的活力和創新力。

在此背景下，安克創新決定引入AR虛擬試戴解決方案來推廣其智能眼鏡産品，讓用戶能足不出戶進行眼鏡試戴，模擬真實穿戴智能眼鏡的效果。對于AR虛擬試戴解決方案的要求，安克創新有如下具體考量：

1）AR試戴的效果要足夠好，以保證用戶獲得較真實的試戴體驗，包括：眼鏡的質感、材質、光澤度等産品細節的還原度要高；試戴時，眼鏡要能夠跟隨人臉的運動與面部正確位置高度貼合；所有試戴效果要能夠實時生效。

2）在保證試戴效果良好的前提下，解決方案要能夠同時支持在移動端和Web端使用，從而滿足不同偏好的用戶使用習慣，獲得範圍更廣的社交傳播效果。

3）需要廠商具備完整的解決方案的交付能力，提供從商品建模到交付上線全鏈路的産品服務，讓安克創新能快速上線有效的解決方案。

先進的AI算法和實時渲染引擎助力實現多端一致、效果真實的虛擬試戴效果

在對比了國內外多家廠商的AR試戴解決方案的技術水平、使用效果和落地方案後，安克創新選擇與火山引擎合作，爲其提供能滿足上述要求的AR眼鏡試戴解決方案。火山引擎是字節跳動旗下的企業級技術服務平台，將字節跳動快速發展過程中積累的增長方法、技術工具和能力開放給外部企業，提供雲、AI、大數據技術等系列産品和服務，幫助企業在數字化升級中實現持續增長。

基于自研技術，火山引擎爲眼鏡、美妝、鞋帽、手表、首飾、美甲等行業客戶提供AR虛擬體驗場景建設，可應用于品牌營銷、新零售、電商購物等場景。在線上，其解決方案可提供SDK/API，快速進行商城（Web）、APP、小程序等第三方集成上線，爲消費者實現從浏覽商品-線上試穿/試戴-購買的線上購物體驗閉環。在線下，可將虛擬體驗産品應用于實體店，通過創新的互動手段吸引消費者進店，提升消費者的購物體驗，進而促進消費行爲的發生。通過線上線下體驗和流程的打通，輔助客戶解決傳統零售行業面臨的高庫存、高銷售成本、低轉化等諸多棘手問題。

爲了保障安克創新的用戶能夠獲得較真實的試戴體驗，火山引擎從3D素材制作、人臉關鍵點識別算法、實時渲染三方面著手爲安克創新提供解決方案。

• 火山引擎基于其自研的3D引擎爲安克創新定制了10款聲闊智能眼鏡和8款預熱款眼鏡的3D素材，在對原始素材做基礎建模後，對材質的諸多細節如高光、反光、半透明等做進一步優化。例如，對于鏡片透明度的處理，傳統的素材處理只考慮透明度效果，而火山引擎進一步針對鏡片在半透的情況下與歐美不同人群的膚色相融合的效果做了優化，使效果更自然和真實。
• 爲了讓眼鏡在用戶試戴過程中能緊貼面部輪廓，獲得很高的跟隨度。火山引擎在解決方案中采用了自研的人臉關鍵點識別算法對人臉的3D關鍵點進行識別，精細化定位五官和面部輪廓，並用3D擬合算法實時生成人臉的3D模型，從而使眼鏡模型能夠很好地跟隨和貼合人的面部。同時，解決方案中還采用了運動補償和運動估計等慣性檢測算法，保證在連續運動和極端角度下試戴效果的穩定性。
• 火山引擎的3D引擎具備實時渲染的能力，並且對圖形渲染的性能做了優化，保障了爲安克創新定制的細節度很高的3D素材也能夠實時生效。

針對安克創新需要同時支持移動端和Web端的需求，火山引擎通過對算法和算力進行優化，實現解決方案多端運行的穩定性和效果一致性。在移動端，火山引擎根據手機硬件性能做了算法適配和硬件加速，保證在多算法並行的情況下的真實效果和超低延遲。在Web端，火山引擎也通過相應的優化能夠應對浏覽器資源調用、算力需求諸多限制。同時，火山引擎對算法本身進行優化，使得達到同樣的模型精度，其模型大小比業內平均水平低幾十倍，從而降低了包體大小方便多端適配，也更節省了算力。

針對完整的解決方案的交付能力要求，火山引擎提供了包括體驗設計、技術解決方案建立、項目管理、數據檢測、市場進入的端到端解決方案，讓AR眼鏡試戴解決方案能夠在安克創新快速落地和有效應用。

圖 7： 火山引擎AR虛擬試戴解決方案交付鏈路

AR虛擬試戴解決方案落地後的價值與效果

從用戶試戴效果的角度，安克創新通過采用AR眼鏡虛擬試戴解決方案，讓用戶能夠不用到店接觸實物，在線上就能獲得很真實的眼鏡試戴效果，並且了解商品的外觀、特點等諸多細節的信息，更好的幫助購買決策。

從業務價值的角度，虛擬試戴解決方案提升了安克創新用戶的線上消費體驗，從而促進商品的購買轉化。該功能在安克創新官網上線4周就吸引超100萬海外用戶體驗了該功能，對安克創新的品牌推廣及購買轉化都産生了很明顯的實際效果。因此，安克創新在中國區推出智能眼鏡後，也同樣選擇了火山引擎研發的AR虛擬試戴解決方案。

AR虛擬試戴解決方案的借鑒意義

AR虛擬體驗帶來的交互、場景、終端體驗正在催生體驗式消費的新升級，而爲了保證更真實和穩定的虛擬體驗，需要用人工智能技術從兩個層面發揮作用，解決相應的問題。

第一，先進的計算機視覺算法是提升虛擬體驗效果真實性的關鍵。要讓虛擬體驗達到更加真實的效果，就需要通過采用更加先進的計算機視覺算法對現實中的物體和環境進行感知、識別和重建，從多個層面還原和模擬現實中的情形。

第二，人工智能在實際落地過程中需要重點突破算力的瓶頸。開發出先進的算法通常只解決了問題的一半，要讓算法能夠實際運行，尤其是在消費者終端運行，就需要對其算力消耗、硬件資源進行大量的優化，保證算法在生産環境中可用。

案例7：某銀行搭建智能消費者保護中台，助力消費者權益保護監控和預警

某股份制商業銀行（以下簡稱“M行”）是國內金融零售業頭部銀行，該行注重對消費者的全流程陪伴和打造最佳用戶體驗，踐行消費者權益保護工作。

在金融産品與服務體系日益豐富且複雜的背景下，我國政府與金融監管部門愈發重視金融消費者合法權益的保護，陸續出台了《中國人民銀行金融消費者權益保護實施辦法》等各類監管文件，要求各大銀行建設或加強消保全流程管控機制，從産品開發設計、定價管理、合同協議、營銷宣傳、糾紛解決等各方面保護金融消費者合法權益。

此前，M行已使用傳統的IT系統實現消保審查和投訴處理線上化，例如消保審查系統是由業務部門提交申請、各級消保專職部門審批，完成各項消保審查；投訴管理系統是包含客服接聽電話-記錄-分類-轉辦-處理等環節的工作流系統。但此類系統由分行或業務部門各自建設和使用，且沒有覆蓋全渠道投訴、反饋和跟蹤情況。總行沒有統一的投訴處理風險反饋機制，導致投訴風險主要依靠各層級消保部門進行人工分析，信息流轉過慢，管理層無法對消保工作進行全過程的監控和管理。

出于在全流程業務中有效保護消費者合法權益的需求，M行希望通過建設智能消費者保護中台，運用語義理解、語音識別、機器學習等技術增強對消保業務全過程管控，智能排查潛在的投訴風險，以數字化手段提升工作質效。M行對智能消保中台解決方案有三點核心需求：

1）現有的消保審查、投訴管理、服務監督檢查和輿情監測等系統存在數據孤島問題。需要通過中台建設打破多業務部門、各區域、各系統數據壁壘，拉通“事前審查-事中管控-事後監督”全周期消保數據。

2）各項業務系統産生海量的非結構化文本數據，全人工處理和分析的效率低。需要借助OCR、NLP等智能技術進行信息挖掘，用于輔助投訴處理和進一步的風險智能分析。

3）管理層缺少對全行消費者投訴、處理反饋和跟蹤情況進行實時掌握和風險排查的有效手段。智能消保中台應提供針對潛在投訴風險的智能排查工具，形成適配消保業務的知識圖譜和標簽體系，輸出較爲准確的風險研判結果。

基于認知智能技術，打造銀行智能消費者保護中台解決方案

M行經過對解決方案公開比選，基于對拓爾思認知智能技術和客戶服務經驗的認可，選擇與拓爾思合作建設智能消費者保護中台。拓爾思是一家人工智能和大數據技術及數據服務提供商，核心技術是語義智能，即基于語義理解的認知智能，爲客戶提供從數據洞察到智慧決策的解決方案。

拓爾思爲M行提供的智能消保中台解決方案，覆蓋消保業務的事前審查、事中預警、事後督辦的消保全生命周期智能管理，提供投訴升級預警、重大投訴推送提醒、外部輿論分析等功能，實現潛在風險由人工排查向系統自動排查轉型。

解決方案有三個核心要點：一是拉通各業務系統的數據；二是對非結構化數據進行處理和信息提取；三是多維度的知識挖掘和分析應用。

針對數據孤島問題，M行通過建設全口徑的投訴管理大數據平台，整合行內10多類異構多模態數據，包括全渠道的消保審查、客戶投訴、服務監督檢查、輿情、政策數據等。

針對海量非結構化數據處理問題，運用OCR、NLP等智能技術從文本中提煉出具有概括性和精確性的字段，再根據字段的意義和內容，結合標簽體系生成信息挖掘結果。標簽體系包含客戶特征、投訴原因、投訴訴求、投訴渠道等近20個維度3000個標簽，在消保審查、投訴處理等需要分析大量文本的場景中，能夠有效提高工作效率；並且，平台可以進一步對標簽化分析結果進行統計，爲消保工作常態化監管提供數據支撐。

針對風險智能排查需求，一方面，拓爾思基于情感分析、機構識別、語義識別、標簽提取、觀點抽取、行爲分析等核心算法，根據M行消保業務需求封裝了行業區域分析引擎、動態追蹤引擎、産品分析引擎、聚類分析引擎、歸因分析引擎、投訴用戶畫像引擎等多維度分析模型，支撐投訴預警、輿論監測等前端應用；另一方面，運用知識圖譜技術進行關聯分析，輔助消保全過程的監督審查工作。以消保審查中的營銷內容審查爲例，平台將經過整合的産品圖譜、服務圖譜和相關投訴數據可視化展示，爲營銷內容審查提供更全面的參考信息，提高審查質效。

圖 8： M行智能消費者保護中台架構

智能消保中台落地後的價值與效果

基于認知智能技術的智能消費者保護中台上線以後，對M行的消費者權益保護監控和預警工作帶來以下了顯著價值和成效。

第一，通過建設大數據平台消除了M行內數據孤島，實現全口徑、多渠道消保大數據整合，每月自動化處理的消保數據超10萬條。

第二，完整的數據爲消保工作全環節線上跟蹤管理和統計、整改、考核評價、責任追究提供基礎依據，保障統一的消保審查工作體系在全行持續落地，有助于實現消保工作規範化標准化的科學管理，有助于落實監管要求。

第三，充分挖掘消保數據價值，采用六大客服分析因子，覆蓋超3000個標簽，消保數據處理分析效率較過去提升20倍，每年節約500萬人力成本。基于自然語言理解技術，消保專家知識庫積累超5000個知識點，適配超兩萬個意見模板，提升20倍審查效率。實現潛在投訴風險的智能化自動排查，有效提高工作質效，降低因投訴、訴訟或輿情事件造成的聲譽損失，也讓消費者權益保護更加及時有效。

智能消保中台項目經驗總結

隨著人工智能在産業中的深入，企業內部出現了大量需要對分文、專業知識進行深度分析以解決業務問題的AI應用場景，而這類應用場景只靠計算機視覺、智能語音等感知智能技術已無法解決，此時就需要引入認知智能技術，讓業務系統具體思考能力。而要實現認知智能需要重點解決多個方面的問題：首先，數據，尤其是相關非結構化數據要足夠豐富，並且整合完備；其次，認知智能的實現要結合多種技術手段，包括OCR、智能語音對信息的提取，NLP對文本的解析、知識圖譜對知識的挖掘和分析、機器學習對數據的分析等；此外，在不同的專業領域需要引入標簽體系以便對信息進行高效的分類和調用。

案例8：海信集團引入AI平台，構建獨立自主的AI開發能力

海信集團是知名的大型電子信息産業集團，旗下有海信、東芝電視、科龍、容聲、ASKO、Vidda等品牌，業務涵蓋多媒體、家電、IT智能信息系統和現代服務業等多個領域，並且在全球擁有13個廠區。

近年來，在面對國內人口紅利銳減以及國際上歐美國家擠壓的雙重挑戰下，海信集團實施了數字化轉型戰略，希望實現降本增效，並重塑海信在全球制造業領域競爭優勢。具體而言，海信集團自2019年全面建設了5G網絡和工業互聯網平台，涉及雲、邊、端協同，並集成了現有的IT系統、OT系統、大數據平台等系統，平台建成後産生和彙聚了海量的工業數據。

而爲了充分挖掘和發揮這些工業數據的潛在價值，海信集團需要進一步實施智能化升級戰略，推動人工智能在集團業務中的廣泛應用，從而提升運營效率、創新業務模式。由此，海信集團需要從應用場景、技術平台、組織AI素養三個層面構建人工智能能力：

1）在應用場景層面。首先，海信集團希望在智能制造、營銷、研發、財務等多個業務領域集成智能化應用，但集團內部尚未建立AI應用場景落地的評估機制。其次，海信集團需要首先選取幾個高價值度的場景落地AI應用，解決業務問題的同時，探索並驗證集團內AI應用落地的方法和能力。

2）在技術平台層面。海信集團此前只有少數外部采購的AI應用解決方案，幾乎沒有自主的AI建模能力，因此需要搭建統一的AI技術平台，並且平台需要滿足易于使用、功能完備、方便協作等要求，使集團內部人員可以在該平台上自主搭建AI應用。

3）在組織AI素養層面。海信集團的業務和IT人員之前的AI能力較薄弱，不具備開發複雜的計算機視覺、機器學習模型的能力，因此需要針對性地提高其AI能力素養。

從場景規劃、技術平台、人員培訓著手，全面提升海信集團的AI能力

在經過前期充分的調研論證後，海信集團選擇與九章雲極DataCanvas進行合作，爲其提供人工智能相關産品和服務。九章雲極DataCanvas是一家人工智能基礎技術服務公司，其核心産品自動化數據科學平台，能夠幫助業務分析師和數據科學家快速協同開發，實現自動化模型創建、管理和應用支持，爲政府和企業智能化升級提供配套服務。

基于海信集團在智能化升級中的需求，九章雲極DataCanvas爲海信提供的解決方案包括了應用場景規劃、三個應用場景的模型定制開發、信智AI平台建設以及平台的推廣和培訓。

針對應用場景層面的問題，海信集團在九章雲極DataCanvas的協助下建立了一套AI應用場景篩選的評估標准，並定制了三個較複雜的AI應用。

1）基于九章雲極DataCanvas在客戶服務過程中總結的最佳實踐方法論，以及海信集團的實際情況，雙方建立的應用場景篩選的評估標准包括以下三點：

• 應用場景需要是強業務需求，解決的是最痛點的問題；
• 應用開發所需的數據要比較容易獲取，最好具備現成的數據；
• 用AI解決該業務問題的方法要相對成熟，能直接調用模型的相關代碼更佳。

2）在考慮海信集團的業務需求、應用代表性等因素後，海信集團合和九章雲極DataCanvas合作定制開發了如下三個AI應用場景：

• 冰箱打包帶檢測，檢測打包帶是否存在多打、少打或歪斜超出工藝質量規定範圍；
• 電視機銘牌檢測，檢測銘牌是否存在錯貼、漏貼、倒貼等問題；
• 遙控器圖案檢測，檢測按鍵字符/圖案/顔色、絲印、底部Logo/型號是否有印錯。

爲了構建自主的AI開發能力，海信集團在九章雲極DataCanvas的協助下搭建了信智AI平台。信智AI平台是以九章雲極DataCanvas自動機器學習平台APS爲基礎，結合了海信集團定制的一些功能和算子，而構建的AI技術平台。該平台滿足了海信集團對AI平台的易用、功能完備、方便協作等要求，具體如下：

1）平台將模型開發全流程的功能都封裝成算子，並支持用圖形化、拖拉拽的形式將算子組合成工作流，從而降低了建模門檻。而平台上包含的算子有200多個九章雲極DataCanvas的標准化算子，以及數十個根據海信集團的需求定制的數據處理、NLP算子。同時，平台采用“白盒”模式，所有內置以及後續場景開發中（包括三個定制場景）沉澱的算子，其代碼都可以被查看和修改，以便組織內成員學習、複用，或做一定修改後遷移至其它場景。

2）針對模型上線過程複雜的問題，九章雲極DataCanvas將數據預處理、深度學習模型、以及模型後處理都打包成Pipeline，並提供在生産環境中調用的接口，從而簡化了海信集團的模型推理工作。

3）爲了滿足海信集團的應用開發協作需求，平台支持業務人員、算法工程師、數據科學家等人員登陸平台並各自完成自動建模、數據處理、算子調整、搭建工作流、模型上線等工作。同時，根據海信集團的需求，九章雲極DataCanvas爲該平台定制了單點登錄、標注平台、以及能夠顯示檢測後産品合格率的報表平台等不同人員所需要的功能。

針對組織AI素養較薄弱的問題，海信集團首先通過和九章雲極DataCanvas合作定制開發三個高價值應用場景的形式，讓海信集團的業務和IT人員熟悉平台的功能以及建模流程，並且將三個場景的工作流沉澱在平台中供海信集團的人員學習和複用。其次，九章雲極DataCanvas對海信集團的相關人員進行了約20次培訓，包括針對三個定制的應用的使用和後續運維、工業檢測、平台的使用方法等方面的專題培訓。

信智AI平台落地後的價值與效果

信智AI平台落地後産生的價值包括對業務場景的價值、對構建自主的AI開發能力的價值和對降低建模成本的價值三個層面。

1）在對業務場景的價值層面。雙方基于AI平台定制開發的三個應用場景都産生了明顯的效果：三個場景都因爲智能質檢應用的上線，將不良率降低了95%以上。

2）在對構建自主的AI開發能力的價值層面。通過搭建易于使用、功能完備和方便協作的信智AI平台，以及相應的培訓推廣，海信集團具備了自主開發AI應用的能力。在平台上線後一年內，海信集團基于該平台自主開發了電路板測試優化、門店地址相似度評估以及一些智能質檢等多個應用。

3）在對降低建模成本的價值層面。由于信智AI平台采用算子、工作流以及“白盒”模式，用戶可以通過修改算子，將模型遷移至高度相似的場景中，解決模型不易泛化的問題，從而將模型的建設成本降低60%。例如，九章雲極DataCanvas定制的冰箱打包帶檢測模型，該模型原先識別的是大尺寸冰箱的四條成剪刀形的打包帶的問題，海信集團通過增加類似場景的標注數據，對原模型的算子做了適當修改，成功讓模型擴展到3條類似産線。

信智AI平台的項目經驗總結

第一，企業的智能化升級是項系統工程，除了AI戰略、數據基礎外，企業還需要重點考慮場景規劃、技術平台建設和組織AI素養提升等方面的問題。在場景規劃層面，需要首先建立標准化的場景篩選流程和方法，其次，企業在智能化升級早期，可以考慮跟外部廠商合作開發幾個高價值場景的應用，爲企業後續的應用開發提供借鑒經驗。在技術平台建設層面，企業要充分結合內部現狀，搭建能在組織內廣泛使用的平台，重點考慮平台的易用性、功能完備性、協作便利性等。在組織AI素養層面，除了外部人才的引進，也要重視人員的培訓工作，包括模型開發、模型使用、模型運維等方面的培訓。

第二，模型的泛化能力是企業AI開發中需要重點關注和解決的問題。通過模型的泛化，企業能將模型快速遷移至相似場景，避免從頭重新開發，從而降低了模型開發成本。而在AI開發平台中引入算子和“白盒”的模式，將模型的工作流沉澱下來，使得開發人員後續能夠針對相似場景對模型做適當修改，從而快速實現模型的泛化。

案例9：助力某大型集團搭建AI數據智能平台，支撐數智化升級

某大型集團旗下科技公司爲行業及集團提供數字化轉型整體服務，通過構建物聯網、大數據和AI平台等數字基礎設施，將生産、流通和消費等環節的數據、算法和應用打通，更高效地賦能業務。

在本次合作中，該集團希望通過建設AI平台解決以下三點AI開發和管理中的難題：

1）“煙囪式”開發建設造成的資源浪費。該集團在以往的AI建設中，各個工廠和部門都有獨立開發或采購一些AI應用，因此帶來了集團內數據不能共享，AI開發工具重複建設，以及模型不能複用等問題。這種數據、開發工具、模型的“煙囪式”開發建設浪費了集團的AI資源，也阻礙了數智化的推進。

2）AI模型開發門檻高。該集團以往的單點AI應用多由數據科學家、算法工程師開發，但此類人力成本高，當要在全集團廣泛地落地AI應用時，就需要提供平台工具降低AI開發的門檻，讓業務和IT人員也具備一定的AI開發能力。

3）大規模的AI應用開發技術難度大、成本高昂。爲了盡快建設完善的AI數智平台，該集團需要在園區安全、供應鏈管理、智能營銷等領域同時推進多個AI應用的開發，如果都從零開發如此大量的AI應用，成本高昂，統一管理較爲困難。因此該集團科技公司希望借助在上述領域有成熟AI模型積累的廠商，以較低的成本快速落地多個AI應用。

搭建智能中台，提供統一的AI開發、AI管理和成熟的AI模型服務能力

在對多家廠商的産品成熟度、客戶案例、合作深度、團隊配置等方面情況進行考察後，該集團科技公司選擇與京東雲合作，爲集團搭建智能中台並共建應用。京東雲是京東集團旗下專注于産業數字化服務的業務板塊，依托人工智能、大數據、雲計算、物聯網等技術能力，爲各行業企業和政府部門提供全鏈路的産品與解決方案。

該集團的智能中台是基于京東雲Foundry智能中台産品而構建，智能中台提供了一站式的AI開發平台、統一的AI模型管理平台、以及大量預置的標准化AI模型。同時，京東雲也在智能中台搭建過程中爲該集團提供了場景共建、算法定制、人員培訓等服務。

爲了解決AI應用“煙囪式”開發的問題，該集團借助智能中台，從數據、開發工具、模型管理三個層面對其進行統一建設和管理。

• 在數據層面。該集團科技公司聯合京東雲搭建的大數據平台對集團的數據進行統一的存儲和處理，打破了數據孤島。同時，智能中台提供了統一的數據標注和數據集管理工具，使得AI開發中所需的數據能夠在不同的AI開發人員間共享和協作。
• 在開發工具層面。智能中台提供了一整套包含數據標注-模型開發-模型訓練-服務發布等全鏈條的AI開發工具，算法工程師及應用開發等人員都可以統一基于該平台進行AI模型的開發。
• 在模型管理層面。智能中台提供了模型倉庫功能以便集團對模型服務進行統一管理，如模型版本維護、模型更新、模型發布服務、對模型服務調用情況查看等。因此，集團的管理人員可以對平台上的所有模型進行統一管控，簡化運維工作，提高管理效率。業務和IT等人員也可以通過平台查看集團現有的模型資産和AI能力，並根據需要直接調用。

爲了降低AI開發的門檻，使得集團的業務和IT人員也具備AI開發能力，智能中台將算法代碼封裝爲組件，因此具備一定開發能力的用戶能夠通過拖拉拽快速構建工作流的方式開發模型，實現對前人經驗的複用。同時，智能中台也提供更簡單的自動化模型訓練功能，業務用戶只需選擇場景和相應的數據集即可對模型進行自動化訓練。

針對大規模的AI應用開發技術難度大、成本高昂的問題，智能中台內置了京東集團在長期業務發展過程中積累的大量成熟的AI算法，包含語音語義、圖像及視頻理解、文字識別、機器學習等類別，該集團在接受京東雲適當的培訓後，能夠自行選擇算法組件，並做好數據准備，即可在工業質檢、園區安全、供應鏈管理、智能營銷等領域快速構建AI應用。

圖 9： Foundry智能中台框架

智能中台落地後的價值與效果

智能中台爲該集團帶來的價值包括業務價值和管理價值兩方面。

從業務價值的角度，智能中台提供的低門檻開發工具和AI模型服務讓該集團的業務和IT人員也能夠開發一定的AI模型，從而提升了應用開發效率，降低開發成本。該集團因此能夠充分利用了自身沉澱的數據資産，在智能中台上線半年內，即在園區安全、智能營銷等領域構建了多個適配業務需求的AI應用及解決方案，顯著提高了集團的數智化水平以及業務創新能力。

從管理價值的角度，該集團通過智能中台對AI模型和服務的統一管理，實現了AI能力自主掌控、運行狀況可查可看以及AI服務的精細化運營，從而簡化了模型運維工作，提高了管理效率，並且通過AI模型和服務的複用提升了資源利用率。

智能中台項目經驗總結

第一，京東雲同該集團科技公司合作建設大數據與AI模型訓練平台能力，共同爲集團帶來從數據管理、模型應用等方面的技術工具，從而進一步輔助業務創新和發展。通過引入統一的數據管理、模型開發和模型管理工具供相關人員共同使用，利用平台實現AI能力的複用，提高資源利用率。

第二，爲了提高AI應用落地的效率，加速智能化升級，企業可以選擇與自身業務匹配度較高，且在這些業務領域有大量成熟AI模型和應用實踐的廠商合作。通過複用這類廠商的模型，及其最佳實踐方法論，企業能夠以較低的成本在多個關鍵領域快速構建AI應用，賦能業務。

案例D：某大型國有商業銀行構建MLOps體系，實現敏捷的模型叠代，高效的模型交付

某大型國有商業銀行經過近幾年的智能化建設，已經搭建了完善的人工智能生態體系，在數據、算法、算力、技術框架等多領域實現了技術領先，並且已在各業務領域落地了500多個AI應用。該銀行在AI應用實踐中，爲協同模型構建團隊、業務以及運維團隊，建立起一個標准化的模型開發、部署和運維流程，使得組織能更好的利用AI的能力促進業務增長，于近年構建了MLOps體系。

該銀行的MLOps體系主要從降低開發門檻和提升模型管理流轉效率兩個方面出發。在降低開發門檻方面，該銀行構建了從需求分析、數據准備、模型構建、模型發布，到模型運營的一站式AI工作站，爲建模人員提供可視化、低門檻的流水線建模服務。在提升管理效率方面，該銀行建立了“信息統一管理、實體統一流轉、管理信息與實體流轉保持一致”的AI全生命周期管理機制，以提升模型生命周期管理水平。具體而言，該銀行將AI工作站作爲統一的模型全生命周期管理平台收集模型的元數據信息，實現全流程管控；同時，構建了涵蓋一個模型基礎版本庫+開發、測試、生産等各套環境的模型調用庫，以及模型加密單向同步機制，實現模型實體的統一存儲、管理和在各模型庫間不落地的安全流轉，此外還建立了增存結合的入庫管理機制，加強模型入庫管控能力。在此基礎上，將AI工作站的模型管理信息與DevOps平台的版本交付信息聯動，DevOps版本交付機制調用AI工作站的服務，控制模型庫間的實體流轉，保證賬實相符，支持各應用全生命周期模型管理。

圖 10： 某國有商業銀行MLOps體系

該銀行通過構建MLOps體系，取得了良好的實施效果，模型研發周期從之前的平均3個月最短壓縮到兩周，模型部署的周期縮短至1天以內，常規模型後評價和模型更新最快2天即可完成，自學習模型可根據實際效果實時更新。

案例E：某頭部家電集團建立面向AI開發和管理的組織架構，全面支持産品的智能化創新

某頭部家電集團在AI研發和應用方面處于業內領先的地位。爲了保持集團AI技術的領先，保證其家電産品在智能化方向的持續創新能力，集團近兩年在AI研發上加大了投入，並對集團的AI組織架構做了調整和統一部署，明確了各部門AI相關的職責與各部門之間的協調機制。

整體而言，該家電集團成立了AI技術委員會，下轄AI創新中心、中央研究院、集團IT、IOT事業部智能研發部、以及空調、冰箱、洗衣機等各産品事業部的技術研發部門。

圖 11： 某頭部家電集團AI組織架構

其中，AI技術委員會的成員爲各相關部門負責人，委員會的職責是統籌協調各部門AI建設需求、AI能力輸出，並做到各部門之間的信息互通；AI創新中心爲集團新成立的部門，集團對該部門的人員和資金做了重點投入，希望在計算機視覺、語音基礎算法、家庭服務類機器人等方向做研發並具備自主技術，一是爲了降低外采技術的成本，二是爲了賦能産品線打造差異化功能；中央研究院主要負責智能制造、工業互連網相關的能力建設；集團IT負責供應鏈管理和部分智能制造領域的AI能力建設；IOT負責圖像、大數據、語音相關的AI應用開發，爲家電産品服務。AI創新中心、中央研究院、集團IT、IOT事業部智能研發部的AI能力會賦能空調、冰箱、洗衣機等各産品事業部，並提供應用解決方案，同時各産品事業部也會在一些特定的重要業務領域根據需求獨立開發或外采AI應用解決方案。

該集團基于良好的AI研發和應用基礎，在擴大AI優勢的過程中，重視調整組織架構來適應AI能力發展需求，爲集團明確分工、優化協作、降低AI研發成本、提高産品智能化能力提供了機制保障。