導(dǎo)讀：自從阿里巴巴提出“中臺(tái)”的概念之后，這個(gè)詞匯就成為各領(lǐng)域企業(yè)關(guān)注的焦點(diǎn)，很多人在考慮建設(shè)自己的中臺(tái)。然而，構(gòu)建中臺(tái)是否真有必要？是否所有的企業(yè)都要建設(shè)中臺(tái)？如何構(gòu)建中臺(tái)等問(wèn)題還是讓他們疑惑。近日，宜信科技中心 AI 中臺(tái)團(tuán)隊(duì)負(fù)責(zé)人王東在一篇技術(shù)專訪中，從大數(shù)據(jù)和 AI 賦能金融業(yè)務(wù)的角度，分享了中臺(tái)、大數(shù)據(jù)、AI 等軟件研發(fā)趨勢(shì)為業(yè)務(wù)賦能的經(jīng)驗(yàn)與思路。

本文為王東的采訪實(shí)錄整理，從技術(shù)視角到業(yè)務(wù)視角，在中臺(tái)的落地契機(jī)、AI與大數(shù)據(jù)關(guān)系、AI和大數(shù)據(jù)技術(shù)的落地等方面提出了他的看法。

以下為采訪實(shí)錄：

1、很多人將金融行業(yè)的發(fā)展劃分為三個(gè)階段：信息金融時(shí)代，主要指銀行卡的出現(xiàn)，銀行開(kāi)始做集中的數(shù)據(jù)管理；互聯(lián)網(wǎng)金融時(shí)代，互聯(lián)網(wǎng)的發(fā)展，使得用戶可以通過(guò) PC 和 APP 辦理金融業(yè)務(wù)，這一階段金融機(jī)構(gòu)通過(guò)數(shù)據(jù)平臺(tái)管理和使用數(shù)據(jù)；智慧金融時(shí)代，也就是現(xiàn)在，金融機(jī)構(gòu)通過(guò)大數(shù)據(jù)和 AI 技術(shù)讓金融服務(wù)智能化。

作為有多年金融行業(yè)經(jīng)驗(yàn)的大數(shù)據(jù)專家，您認(rèn)為在這 3 個(gè)階段里，數(shù)據(jù)為金融服務(wù)賦能的方式出現(xiàn)了哪些變化？分別有哪些典型的產(chǎn)品化表現(xiàn)？

王東：按照 DIKW 體系， 這三個(gè)階段對(duì)應(yīng)的是數(shù)據(jù)電子化、數(shù)據(jù)信息化、數(shù)據(jù)知識(shí)化和數(shù)據(jù)智能化的過(guò)程。

信息金融時(shí)代，金融機(jī)構(gòu)都在進(jìn)行金融基礎(chǔ)設(shè)施建設(shè)，數(shù)據(jù)被集中化管理，金融機(jī)構(gòu)從手工勞動(dòng)和紙質(zhì)單據(jù)中解放出來(lái)，提高效率，本質(zhì)上這是電子化、信息化的過(guò)程，金融機(jī)構(gòu)的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化和梳理，并被分析和使用。

這個(gè)階段數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的理論體系誕生并得到完善，基于數(shù)倉(cāng)理論體系的軟件工具發(fā)布，數(shù)據(jù)的 BI 分析（使用 ETL、建立數(shù)據(jù)倉(cāng)庫(kù)、OLAP 分析和可視化報(bào)表）在金融機(jī)構(gòu)中最先開(kāi)始落地并產(chǎn)生價(jià)值，基于數(shù)據(jù)的早期信用卡風(fēng)控模型開(kāi)始建立并投入使用。

互聯(lián)網(wǎng)金融時(shí)代，是數(shù)據(jù)爆炸的時(shí)代，云計(jì)算和大數(shù)據(jù)技術(shù)興起，金融機(jī)構(gòu)面臨業(yè)務(wù)變化快、大數(shù)據(jù)量、高并發(fā)量等各種不同需求的沖擊，前端業(yè)務(wù)系統(tǒng)進(jìn)行大規(guī)模改造以適應(yīng)大數(shù)據(jù)的沖擊。數(shù)據(jù)層面上，企業(yè)的數(shù)據(jù)量已經(jīng)變得非常龐大，業(yè)務(wù)變化也非?？?，傳統(tǒng)的報(bào)表迭代速度慢，需要排期，無(wú)法滿足金融機(jī)構(gòu)的數(shù)據(jù)分析需求。

大數(shù)據(jù)理論和大數(shù)據(jù)分布式平臺(tái)蓬勃發(fā)展，基于大數(shù)據(jù)平臺(tái)的相關(guān)技術(shù)讓敏捷式報(bào)表的概念逐漸成為可能，數(shù)據(jù)實(shí)時(shí)化、自助化深入人心。BI 的流程已經(jīng)大幅縮短，在金融機(jī)構(gòu)的決策中被廣泛使用。大數(shù)據(jù)技術(shù)、機(jī)器學(xué)習(xí)等技術(shù)在金融領(lǐng)域的引用，催生了大數(shù)據(jù)風(fēng)控技術(shù)、反欺詐分析、精準(zhǔn)營(yíng)銷和個(gè)性化推薦、銷售渠道優(yōu)化&產(chǎn)品服務(wù)優(yōu)化、輿情分析等智能應(yīng)用。

智慧金融時(shí)代，是數(shù)據(jù)知識(shí)化和智能化的高級(jí)階段，大數(shù)據(jù)和 AI 能力重塑和改造金融服務(wù)，創(chuàng)造業(yè)務(wù)，降低成本，提高效率。金融機(jī)構(gòu)業(yè)務(wù)部門的數(shù)據(jù)分析需求進(jìn)一步增加，商業(yè)智能分析產(chǎn)品被業(yè)務(wù)專家廣泛使用在輔助分析、協(xié)助決策、智能助理等各個(gè)領(lǐng)域。

BI 分析更加自動(dòng)化，增強(qiáng)型分析（是數(shù)據(jù)準(zhǔn)備和洞察過(guò)程自動(dòng)化、使用自然語(yǔ)言或語(yǔ)音交互、根據(jù) AI 分析給出決策建議、利用機(jī)器學(xué)習(xí)和 AI 管理數(shù)據(jù)）逐步成為可能。基于大數(shù)據(jù)和 AI 提供的各項(xiàng)能力，客服機(jī)器人、外呼機(jī)器人、智能投顧、智能投研、客戶流失預(yù)測(cè)、績(jī)優(yōu)銷售預(yù)測(cè)、千人千面的金融產(chǎn)品等變?yōu)楝F(xiàn)實(shí)。

2、智慧金融時(shí)代，AI 技術(shù)在金融服務(wù)的落地場(chǎng)景也越來(lái)越多。您能否介紹 AI 在金融服務(wù)業(yè)務(wù)場(chǎng)景中的落地實(shí)踐。

王東：這里我以宜信的智能聊天機(jī)器人平臺(tái)為例說(shuō)明。該平臺(tái)是結(jié)合自然語(yǔ)言處理、搜索引擎、會(huì)話領(lǐng)域場(chǎng)景的一站式人機(jī)對(duì)話解決方案，只需簡(jiǎn)單導(dǎo)入自己的業(yè)務(wù)問(wèn)答數(shù)據(jù)知識(shí)，系統(tǒng)的智能模型就會(huì)快速學(xué)習(xí)并生成相應(yīng)的機(jī)器人，創(chuàng)建出定制化的業(yè)務(wù)咨詢專家。

智能聊天機(jī)器人平臺(tái)包含 QA 聊天機(jī)器人、任務(wù)機(jī)器人、閑聊機(jī)器人、人工后臺(tái)、文檔管理、模型管理、會(huì)話管理、統(tǒng)計(jì)報(bào)表等諸多功能。平臺(tái)支持多租戶，對(duì)算力、數(shù)據(jù)和資源進(jìn)行隔離。對(duì)接公司 LDAP、SMP、SSO 等認(rèn)證系統(tǒng)，支持功能角色和數(shù)據(jù)角色，對(duì)業(yè)務(wù)系統(tǒng)無(wú)侵入，可以內(nèi)嵌到公司 PC 端業(yè)務(wù)系統(tǒng)中或手機(jī) APP 中。

以 CSC(Cloud Service Container，輕量級(jí)服務(wù)容器） 場(chǎng)景為例：CSC 的一線同事在日常工作中，每天都會(huì)產(chǎn)生大量業(yè)務(wù)問(wèn)題需要咨詢。此前這些問(wèn)題通過(guò)蜜蜂等 IM 軟件在工作群內(nèi)進(jìn)行詢問(wèn)，由 CSC 客服管理部相關(guān)同事支持。但由于問(wèn)題數(shù)量大、涉及業(yè)務(wù)線多，這些業(yè)務(wù)咨詢往往不能得到迅速解決，影響業(yè)務(wù)的順利開(kāi)展。另一方面，通過(guò)人工進(jìn)行業(yè)務(wù)問(wèn)題支持的工作還存在著響應(yīng)緩慢、效率不高、成本高昂等問(wèn)題。最終從客戶角度來(lái)看，業(yè)務(wù)問(wèn)題的無(wú)法解決或解決流程不規(guī)范，將嚴(yán)重影響客戶體驗(yàn)和品牌認(rèn)知。

使用了智能問(wèn)答機(jī)器人后， 門店客服可以通過(guò)智能機(jī)器人快速得到一致性答案，通過(guò)搜索引擎快速檢索到業(yè)務(wù)文檔相關(guān)資料，當(dāng)遇到機(jī)器人無(wú)法解答問(wèn)題，可以將問(wèn)題轉(zhuǎn)入人工后臺(tái)。讓大部分常見(jiàn)問(wèn)題由機(jī)器人代勞，少部分復(fù)雜的問(wèn)題轉(zhuǎn)后臺(tái)人工處理。通過(guò)智能機(jī)器人+人工后臺(tái)的方式，共同提供完整的快捷的一體化用戶體驗(yàn)。目前已經(jīng)成為客服管理重要的日常工具，實(shí)現(xiàn)了運(yùn)營(yíng)管理智能化從0到1的過(guò)程，幫助運(yùn)營(yíng)人員減輕壓力，提升運(yùn)營(yíng)效率。

由于智能聊天機(jī)器人平臺(tái)是按照平臺(tái)化方式來(lái)建設(shè)的，因此很容易推廣到公司其他需要智能聊天的場(chǎng)景中，除了 CSC 客服問(wèn)答機(jī)器人以外，目前已經(jīng)在公司車貸客服問(wèn)答、催收業(yè)務(wù)咨詢、財(cái)富智能問(wèn)答、指尖金融家 APP 和信審業(yè)務(wù)咨詢等領(lǐng)域中上線和使用。

金融領(lǐng)域正掀起一場(chǎng)智能化的變革，智能聊天機(jī)器人在這場(chǎng)變革中將扮演重要角色。眾多分析師認(rèn)為，聊天機(jī)器人的商業(yè)化應(yīng)用，其真正潛力正是在金融領(lǐng)域。除了對(duì)于企業(yè)內(nèi)部業(yè)務(wù)的智能化支持，更加令人興奮的是聊天機(jī)器人與金融的結(jié)合將徹底顛覆個(gè)人金融服務(wù)的形式，相信在不遠(yuǎn)的將來(lái)，智能金融機(jī)器人將在客服、咨詢、理財(cái)、支付等各種場(chǎng)景下提供更加科學(xué)而自然、理性兼具人性的服務(wù)，這也是我們平臺(tái)的最終發(fā)展目標(biāo)。

3、智能化的 AI 產(chǎn)品可以解決復(fù)雜多樣的業(yè)務(wù)問(wèn)題，但面對(duì)眾多的需求，需要進(jìn)行優(yōu)先級(jí)排列，您和團(tuán)隊(duì)是如何判斷業(yè)務(wù)問(wèn)題優(yōu)先級(jí)的呢？

王東：就能力分層來(lái)說(shuō)，我們認(rèn)為智慧化 AI 產(chǎn)品可以分為三層：

最底層——AI 平臺(tái)層：提供在線訓(xùn)練、在線標(biāo)注、特征工程、自助訓(xùn)練、算法庫(kù)、訓(xùn)練環(huán)境等AI基礎(chǔ)設(shè)施。服務(wù)的對(duì)象是 AI 科學(xué)家和數(shù)據(jù)科學(xué)家，為他們提供平臺(tái)和工具支撐。

中間層——AI 服務(wù)層：提供語(yǔ)言合成、詞法分析、相似度比較、觀點(diǎn)抽取、卡證票據(jù)類識(shí)別等通用AI服務(wù)，以及與業(yè)務(wù)方合作的智能服務(wù)項(xiàng)目。服務(wù)的對(duì)象是我們各個(gè)業(yè)務(wù)系統(tǒng)，為各個(gè)業(yè)務(wù)系統(tǒng)提供 AI 能力支持，助力業(yè)務(wù)發(fā)展。

最上層——AI 產(chǎn)品層：提供類似智能聊天機(jī)器人平臺(tái)這樣的端到端解決方案。服務(wù)的對(duì)象是我們的一線業(yè)務(wù)同事、甚至可能是我們的客戶。

從技術(shù)難度來(lái)說(shuō)，最具有挑戰(zhàn)性的是最底層-AI 平臺(tái)層，打造一套自己的在線訓(xùn)練平臺(tái)一直是很多 AI 科學(xué)家和數(shù)據(jù)科學(xué)家所期待的，但打造一套非常好用的在線訓(xùn)練平臺(tái)并不容易，需要投入大量人力和時(shí)間，維護(hù)成本也很高，需要增加最新算法庫(kù)等，對(duì)使用的用戶要求也比較高，一般都是算法工程師和科學(xué)家。我們的業(yè)務(wù)方對(duì)這個(gè)一般沒(méi)有什么感知。

從業(yè)務(wù)影響力和優(yōu)先級(jí)來(lái)說(shuō)，最上層和中間層的優(yōu)先級(jí)會(huì)更高一些，這兩層主要是為公司一線業(yè)務(wù)系統(tǒng)服務(wù)，會(huì)直接或間接觸達(dá)到一線業(yè)務(wù)同事或客戶，直接產(chǎn)生商業(yè)價(jià)值和降低成本。

作為 AI 中臺(tái)來(lái)說(shuō)，在有限的人力情況下，我們會(huì)更優(yōu)先支持最上層和中間層的 AI 服務(wù)，例如：聊天機(jī)器人平臺(tái)、語(yǔ)音合成、主題提取、卡證類識(shí)別等通用類 AI 服務(wù)以及與業(yè)務(wù)方合作的智能服務(wù)項(xiàng)目。而對(duì)于最底層 AI 平臺(tái)，我們也會(huì)在日常工作中，通過(guò)積累和沉淀可以復(fù)用的工具集，逐步形成相應(yīng)平臺(tái)能力。

4、據(jù)悉，宜信的智能聊天機(jī)器人平臺(tái)是基于 AI 中臺(tái)研發(fā)的，那么 AI 中臺(tái)為智能聊天機(jī)器人平臺(tái)的研發(fā)提供了哪些優(yōu)勢(shì)呢？相比 AI 中臺(tái)建設(shè)之前，有哪些地方得到了改善？

王東：從 AI 中臺(tái)的使命來(lái)說(shuō)，AI 中臺(tái)承擔(dān)一些跨領(lǐng)域的、平臺(tái)級(jí)的服務(wù)研發(fā)和推廣，避免煙囪式的開(kāi)發(fā)，強(qiáng)調(diào)開(kāi)發(fā)合作、通用性和可復(fù)用性。智能聊天機(jī)器人平臺(tái)就是這樣一款產(chǎn)品，它具有平臺(tái)的通用性，可以內(nèi)嵌到公司各個(gè)業(yè)務(wù)系統(tǒng)中，以自然語(yǔ)言的方式提供問(wèn)題咨詢、任務(wù)執(zhí)行、業(yè)務(wù)解答等支持，最終達(dá)到節(jié)省人力，降本增效的目標(biāo)。

智能聊天機(jī)器人在 AI 中臺(tái)開(kāi)發(fā)是有諸多好處的：

從人員方面來(lái)說(shuō)，智能聊天機(jī)器人涉及到自然語(yǔ)言處理、語(yǔ)音轉(zhuǎn)換等技術(shù)，這需要在 NLP 和語(yǔ)音識(shí)別等專業(yè)領(lǐng)域深耕的 AI 科學(xué)家來(lái)支持。一方面機(jī)器人平臺(tái)可以借助 AI 中臺(tái)的 AI 科學(xué)家通過(guò)更好的算法讓聊天機(jī)器人更加智能，更加多樣化，另外一方面機(jī)器人平臺(tái)也為 AI 中臺(tái)的專業(yè) AI 人員找到了合適的用武之地和實(shí)踐場(chǎng)景。

從平臺(tái)層面來(lái)說(shuō)，智能聊天機(jī)器人所需要的模型服務(wù)是可以向下沉淀的，通用化后成為 AI 中臺(tái)的 AIHub 模型服務(wù)平臺(tái)。這樣聊天機(jī)器人平臺(tái)不必關(guān)心模型管理，只需要關(guān)注自己聊天機(jī)器人領(lǐng)域的事情，例如模型服務(wù)、模型編排、模型監(jiān)控預(yù)警等這些模型通用能力的事情交給AI中臺(tái)的AIHub模型服務(wù)平臺(tái)來(lái)解決。實(shí)現(xiàn)產(chǎn)品模塊邊界清晰，并提高復(fù)用性和專業(yè)度，減少重復(fù)建設(shè)。

5、現(xiàn)在，越來(lái)越多的人提到數(shù)據(jù)中臺(tái)需要向 AI 中臺(tái)演進(jìn)，您對(duì)此怎么看？宜信的數(shù)據(jù)中臺(tái)和 AI 中臺(tái)之間是什么樣的關(guān)系？二者之間是如何支持協(xié)作的？

王東：數(shù)據(jù)中臺(tái)除了提供數(shù)據(jù)平臺(tái)本身的兩大能力（數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)計(jì)算）以外，還提供了更高級(jí)的能力，就是把數(shù)據(jù)變成一種基礎(chǔ)服務(wù)提供給業(yè)務(wù)方，業(yè)務(wù)方可以以自助的方式在數(shù)據(jù)中臺(tái)上獲取數(shù)據(jù)，進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)探索、數(shù)據(jù)挖掘、分析鉆取、多維分析、自助化報(bào)表、數(shù)據(jù)分享等，以快速的實(shí)現(xiàn)自己的商業(yè)價(jià)值。

隨著業(yè)務(wù)的發(fā)展，越來(lái)越多的智能化數(shù)據(jù)需求被提出，這些智能化需求涉及到模型訓(xùn)練、數(shù)據(jù)標(biāo)注、特征工程、模型部署、性能監(jiān)控等，需要使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法支持。數(shù)據(jù)中臺(tái)的主要目標(biāo)還是服務(wù)數(shù)據(jù)，對(duì)于智能化和模型并不能很好地支持，因此 AI 中臺(tái)應(yīng)運(yùn)而生。

我們把智能服務(wù)的需求抽象出來(lái)，形成一個(gè)獨(dú)立的 AI 中臺(tái)層。AI 中臺(tái)是一個(gè)用來(lái)構(gòu)建智能服務(wù)的基礎(chǔ)設(shè)施平臺(tái)，對(duì)公司所需的模型提供了分布分層的構(gòu)建能力和全生命周期管理的服務(wù)，鼓勵(lì)各個(gè)業(yè)務(wù)領(lǐng)域基礎(chǔ)性、場(chǎng)景性、通用性的 AI 能力沉淀到平臺(tái)中，加強(qiáng)模型復(fù)用、組合創(chuàng)新、規(guī)?；?，最終實(shí)現(xiàn)降本增效和快速響應(yīng)業(yè)務(wù)方。

數(shù)據(jù)中臺(tái)和 AI 中臺(tái)兩者是相互依存，承前啟后的關(guān)系。

數(shù)據(jù)中臺(tái)和 AI 中臺(tái)兩者都對(duì)外提供服務(wù)，只是側(cè)重點(diǎn)不同：數(shù)據(jù)中臺(tái)提供各種數(shù)據(jù)服務(wù)（BI 報(bào)表應(yīng)用、數(shù)據(jù)探索等），AI 中臺(tái)提供各種智能服務(wù)（模型預(yù)測(cè)、智能推薦等）；

AI 中臺(tái)依托數(shù)據(jù)中臺(tái)提供的數(shù)據(jù)能力和工具集，加速 AI 相關(guān)服務(wù)的開(kāi)發(fā)和復(fù)用，來(lái)應(yīng)對(duì)前臺(tái)智能業(yè)務(wù)需求。有了數(shù)據(jù)中臺(tái)清洗好的數(shù)據(jù)，搭建智能項(xiàng)目事半功倍；

數(shù)據(jù)中臺(tái)也需要使用 AI 中臺(tái)的智能化能力使得數(shù)據(jù)使用更加平民化和智能化。例如增強(qiáng)型BI 分析：通用自然語(yǔ)言交互方式，降低 BI 使用門檻；通過(guò) AI 分析給出參與建議，幫助普通用戶在沒(méi)有數(shù)據(jù)專家的情況下有效訪問(wèn)數(shù)據(jù)；增強(qiáng)型數(shù)據(jù)管理：利用機(jī)器學(xué)習(xí)來(lái)管理數(shù)據(jù)，包括數(shù)據(jù)質(zhì)量、元數(shù)據(jù)管理；主數(shù)據(jù)管理等。

6、從去年開(kāi)始，似乎每個(gè)公司都在談中臺(tái)，但其實(shí)很多人對(duì)中臺(tái)的具體價(jià)值還不是很理解，您覺(jué)得中臺(tái)在賦能業(yè)務(wù)方面有哪些優(yōu)勢(shì)？請(qǐng)您舉幾個(gè)例子具體介紹。

王東：在“以用戶為中心”的思想指導(dǎo)下，企業(yè)需要快速響應(yīng)、挖掘、引領(lǐng)?戶的需求，借助平臺(tái)化的力量可以事半功倍。后臺(tái)并不為前臺(tái)而生，要么不好用，要么變更速度跟不上前臺(tái)的節(jié)奏。就算是新建的后臺(tái)系統(tǒng)，因?yàn)槠浜笈_(tái)管理的屬性（考慮到企業(yè)安全、審計(jì)、合規(guī)、法律等限制）導(dǎo)致不能適應(yīng)前臺(tái)快速開(kāi)發(fā)的需求。前臺(tái)和后臺(tái)就像是兩個(gè)不同轉(zhuǎn)速的?輪，前臺(tái)要快速響應(yīng)，后臺(tái)則要求越穩(wěn)定越好。

因此中臺(tái)應(yīng)運(yùn)而生，中臺(tái)存在的目的就是更好地服務(wù)前臺(tái)，進(jìn)而更好地響應(yīng)服務(wù)。在宜信，數(shù)據(jù)中臺(tái)和 AI 中臺(tái)也同樣是為了更好更快地服務(wù)前臺(tái)而存在：

以數(shù)據(jù)中臺(tái)為例：業(yè)務(wù)領(lǐng)域組數(shù)據(jù)團(tuán)隊(duì)需要緊急制作一批報(bào)表，不希望排期，部分報(bào)表需要T+0 時(shí)效性。數(shù)據(jù)來(lái)源是異構(gòu)數(shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)時(shí)效性要求很高，需要對(duì)數(shù)據(jù)處理后并展示報(bào)表。使用數(shù)據(jù)中臺(tái)，業(yè)務(wù)方不需要關(guān)心數(shù)據(jù)的異構(gòu)性，無(wú)論是實(shí)時(shí)數(shù)據(jù)還是批量數(shù)據(jù)，只需要懂 SQL，業(yè)務(wù)方都可以在數(shù)據(jù)中臺(tái)上申請(qǐng)數(shù)據(jù)，自助地寫 SQL 進(jìn)行處理數(shù)據(jù)清洗、數(shù)據(jù)處理，最后，通過(guò)配置和寫 SQL 生成自己需要報(bào)表，不用等排期，完全自助快速完成。

以 AI 中臺(tái)為例：AI 中臺(tái)的智能聊天機(jī)器人平臺(tái)，對(duì)接第一個(gè)業(yè)務(wù)方是從零開(kāi)始，從研發(fā)平臺(tái)、模型研發(fā)、數(shù)據(jù)對(duì)接、到使用上線第一期，花了 6 個(gè)月的時(shí)間，第二個(gè)業(yè)務(wù)方享受到平臺(tái)的優(yōu)勢(shì)，直接導(dǎo)入數(shù)據(jù)，進(jìn)行驗(yàn)證和對(duì)接后，4 個(gè)月實(shí)現(xiàn)上線第一期，之后的業(yè)務(wù)方更快，2 個(gè)月上線，最近的一個(gè)業(yè)務(wù)方達(dá)到 3 周就上線的速度，體現(xiàn)了平臺(tái)的復(fù)用性帶來(lái)的便捷和快速響應(yīng)業(yè)務(wù)方需求的能力。

中臺(tái)將前臺(tái)業(yè)務(wù)中相對(duì)穩(wěn)定的能力固化和沉淀下來(lái)，并共享給有需要的其他業(yè)務(wù)方使用，從而實(shí)現(xiàn)快速響應(yīng)業(yè)務(wù)需求、降低成本和支持業(yè)務(wù)方進(jìn)行規(guī)?；瘎?chuàng)新。

7、以您的經(jīng)驗(yàn)來(lái)看，什么樣的企業(yè)需要建設(shè)數(shù)據(jù)或者 AI 中臺(tái)？或者說(shuō)企業(yè)在什么時(shí)候應(yīng)該要建設(shè)中臺(tái)，是否有什么明顯的信號(hào)？比如說(shuō)企業(yè)到了什么樣的階段或者遇到什么樣的問(wèn)題。

王東：企業(yè)啟動(dòng)自己的數(shù)據(jù)中臺(tái)和 AI 中臺(tái)建設(shè)，是與企業(yè)當(dāng)時(shí)的業(yè)務(wù)發(fā)展階段相關(guān)的。

很多企業(yè)在早期業(yè)務(wù)發(fā)展過(guò)程中，為了解決一些當(dāng)時(shí)的業(yè)務(wù)問(wèn)題，快速上線了很多功能，要么垂直的、個(gè)性化的業(yè)務(wù)邏輯與基礎(chǔ)系統(tǒng)耦合太深，橫向系統(tǒng)之間、上下游系統(tǒng)之間交叉邏輯錯(cuò)綜復(fù)雜。要么缺乏統(tǒng)一規(guī)劃，建設(shè)了許多高度相似的系統(tǒng)，大量重復(fù)建設(shè)，但又不通用，用戶體驗(yàn)不統(tǒng)一。這樣導(dǎo)致在新業(yè)務(wù)、新市場(chǎng)的拓展過(guò)程中，系統(tǒng)沒(méi)法直接復(fù)用，甚至沒(méi)法快速迭代。

我們稱為 “重復(fù)造輪子”和“煙囪式架構(gòu)”，本質(zhì)上是企業(yè)在早期高速發(fā)展過(guò)程當(dāng)中，為了快速解決當(dāng)時(shí)的業(yè)務(wù)問(wèn)題，而欠下了許多技術(shù)債務(wù)。這些歷史技術(shù)債務(wù)積重難返，當(dāng)企業(yè)進(jìn)入成熟期之后，發(fā)現(xiàn)這些問(wèn)題的存在，嚴(yán)重影響了企業(yè)的運(yùn)行效率和運(yùn)營(yíng)成本。大多數(shù)提出中臺(tái)戰(zhàn)略或是建設(shè)大中臺(tái)的企業(yè)，都面臨過(guò)類似的困境。

中臺(tái)化建設(shè)作為一種產(chǎn)品設(shè)計(jì)思想或者系統(tǒng)架構(gòu)思想，對(duì)于任何一家即將或者正在面臨業(yè)務(wù)高速增長(zhǎng)的企業(yè)來(lái)說(shuō)，都值得借鑒，對(duì)目前業(yè)務(wù)當(dāng)中大量可復(fù)用的功能和場(chǎng)景進(jìn)行梳理，為業(yè)務(wù)的高速增長(zhǎng)做好準(zhǔn)備，同時(shí)也起到了降本增效的目的。

這個(gè)過(guò)程很像是在飛行過(guò)程中修發(fā)動(dòng)機(jī)。一方面，知道飛機(jī)發(fā)動(dòng)機(jī)已經(jīng)存在一些問(wèn)題，需要修理；另外一方面，還在飛行過(guò)程中，飛機(jī)還要飛，還要支持業(yè)務(wù)發(fā)展，不可能將發(fā)動(dòng)機(jī)停了。這個(gè)過(guò)程是有一定難度，還要搶時(shí)間，為下一次業(yè)務(wù)發(fā)展做好準(zhǔn)備。

通過(guò)機(jī)制化、產(chǎn)品化等方式，將企業(yè)內(nèi)部具有通用性的數(shù)據(jù)、功能、產(chǎn)品進(jìn)行統(tǒng)一規(guī)劃和開(kāi)發(fā)，從而更好地幫助前臺(tái)業(yè)務(wù)部門更多地關(guān)注業(yè)務(wù)，提高業(yè)務(wù)運(yùn)營(yíng)效率，進(jìn)而提升企業(yè)競(jìng)爭(zhēng)力，是企業(yè)中臺(tái)化建設(shè)的目標(biāo)。

8、前面您也講到，智能聊天機(jī)器人平臺(tái)的研發(fā)要基于數(shù)據(jù)中臺(tái)所提供的數(shù)據(jù)挖掘和處理能力，可以說(shuō) AI 產(chǎn)品的研發(fā)和應(yīng)用離不開(kāi)大數(shù)據(jù)技術(shù)的支撐。那您認(rèn)為大數(shù)據(jù)技術(shù)與 AI 應(yīng)用落地之間是一種什么樣的關(guān)系？

王東：縱觀這次人工智能的浪潮，可以說(shuō)是算法、大數(shù)據(jù)等技術(shù)和硬件多方面的因素促成的。一方面算法層面有了進(jìn)一步突破，更重要的是大數(shù)據(jù)相關(guān)技術(shù)的成熟，使得數(shù)據(jù)的獲取變得容易，大數(shù)據(jù)計(jì)算變得可能，以前許多不可能完成的事情，現(xiàn)在可以通過(guò)大數(shù)據(jù)的算力來(lái)進(jìn)行學(xué)習(xí)和訓(xùn)練。再結(jié)合現(xiàn)在 GPU、AI 芯片以及傳感器等硬件技術(shù)，使得需要大規(guī)模計(jì)算的深度學(xué)習(xí)訓(xùn)練可以完成，這些都直接導(dǎo)致了AI應(yīng)用的快速落地和到處開(kāi)花。

以互聯(lián)網(wǎng) AI 應(yīng)用為例，互聯(lián)網(wǎng)巨頭是使用大數(shù)據(jù)標(biāo)注并落地 AI 應(yīng)用的最早受益者。AI 最早應(yīng)用在搜索引擎（Google、百度）、廣告系統(tǒng)（Ebay）、電子商務(wù)網(wǎng)站（阿里）等，它們都是大數(shù)據(jù)的產(chǎn)生方和使用方，然后是在擁有大數(shù)據(jù)流的社交平臺(tái)（Facebook、騰訊），到現(xiàn)在使用大數(shù)據(jù)技術(shù)在垂直細(xì)分領(lǐng)域做個(gè)性化推薦平臺(tái)（頭條、快手）。一方面大家在使用這些互聯(lián)網(wǎng)平臺(tái)，另外一方面大家也在進(jìn)行免費(fèi)的大數(shù)據(jù)標(biāo)注。

以商業(yè) AI 應(yīng)用為例，商業(yè)機(jī)構(gòu)通過(guò)激活已有的大數(shù)據(jù)，并結(jié)合 AI 算法創(chuàng)造商業(yè)價(jià)值。醫(yī)療機(jī)構(gòu)通過(guò)已有病歷實(shí)現(xiàn)疾病診斷/鑒別、個(gè)性化治療/行為矯正、臨床決策支持系統(tǒng)、流行病爆發(fā)預(yù)測(cè)等， 金融機(jī)構(gòu)通過(guò)已有交易數(shù)據(jù)，進(jìn)行大數(shù)據(jù)風(fēng)控、個(gè)性化營(yíng)銷、智能投顧、智能投研等。這些都是大數(shù)據(jù)與AI緊密結(jié)合的產(chǎn)物。

以實(shí)體世界 AI 應(yīng)用為例，通過(guò)獲取實(shí)體世界的數(shù)據(jù)，實(shí)現(xiàn)智能化，帶來(lái)新的應(yīng)用、新的商機(jī)。通過(guò)大數(shù)據(jù)、AI與汽車行業(yè)結(jié)合，誕生了自動(dòng)駕駛、路徑規(guī)劃、實(shí)時(shí)路況、危險(xiǎn)預(yù)警等應(yīng)用；大數(shù)據(jù)與商業(yè)零售結(jié)合，收集海量顧客信息，結(jié)合 AI 技術(shù)，用于精準(zhǔn)營(yíng)銷、店鋪選址、庫(kù)存規(guī)劃、個(gè)性化服務(wù)等。大數(shù)據(jù)、AI 技術(shù)與智慧城市、智能安監(jiān)、環(huán)境治理、教育等諸多領(lǐng)域結(jié)合后，都帶來(lái)了大量新的應(yīng)用和商業(yè)機(jī)會(huì)。

因此，無(wú)論是傳統(tǒng)的數(shù)據(jù)挖掘、還是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，所有的模型都離不開(kāi)大量的數(shù)據(jù)，可以說(shuō)大數(shù)據(jù)技術(shù)是 AI 應(yīng)用的養(yǎng)料和土壤，大數(shù)據(jù)技術(shù)催生了 AI 應(yīng)用的落地。

9、最后一個(gè)問(wèn)題是關(guān)于AI的應(yīng)用前景。您覺(jué)得現(xiàn)在 AI 技術(shù)是否已經(jīng)成熟到可以大規(guī)模落地應(yīng)用了？以金融行業(yè)為例，您認(rèn)為要真正實(shí)現(xiàn) AI 技術(shù)在金融服務(wù)中的全面落地，現(xiàn)在還缺少什么？比如技術(shù)方面、數(shù)據(jù)資源方面等。

王東：最近對(duì) AI 應(yīng)用討論得挺多，有以下幾種觀點(diǎn)：

“速勝論”：理由是基于深度學(xué)習(xí)技術(shù)的爆發(fā)式進(jìn)步，由 AlphaGo 完勝人類職業(yè)圍棋頂尖水平為導(dǎo)火索，在圖像領(lǐng)域（圖像識(shí)別、人臉識(shí)別、視頻識(shí)別等）、語(yǔ)音領(lǐng)域（語(yǔ)言識(shí)別、語(yǔ)言合成、智能翻譯等）取得了巨大的成功，火熱的人工智能帶來(lái)了很多機(jī)會(huì)，資本的大量涌入，市場(chǎng)上涌現(xiàn)了一大批 AI 初創(chuàng)公司，同時(shí)媒體的大肆宣揚(yáng)，比如“人類要被機(jī)器人取代”，“機(jī)器開(kāi)始威脅人類”等，導(dǎo)致一部分人對(duì) AI 技術(shù)已經(jīng)能夠大規(guī)模普及和落地充滿信心。

“投降主義論”：隨著進(jìn)一步研究發(fā)現(xiàn)，許多問(wèn)題并沒(méi)有解決。例如開(kāi)放領(lǐng)域的聊天機(jī)器人不夠聰明，整體有待加強(qiáng)。主要原因在于自然語(yǔ)言理解的發(fā)展進(jìn)程并沒(méi)有我們想象中快，深度學(xué)習(xí)也似乎沒(méi)有解決這個(gè)問(wèn)題，可以與人類對(duì)話交流的機(jī)器人好像從未出現(xiàn)過(guò)。有外媒甚至評(píng)論道：“我不確定能不能說(shuō)聊天機(jī)器人死了，因?yàn)槲也恢浪欠窕钸^(guò)?！背松鲜龅囊恍┏晒︻I(lǐng)域，深度學(xué)習(xí)也并沒(méi)有解決其他所有領(lǐng)域的問(wèn)題。

了解到人工智能歷史的同行都知道，其實(shí)人工智能至今經(jīng)歷了三次大的熱潮。每次都經(jīng)歷了開(kāi)始是“人類要?dú)缌恕?，后?lái)是“騙子”的過(guò)程。

實(shí)際上，在一個(gè)特定領(lǐng)域的優(yōu)秀表現(xiàn)，并不能代表 AI 技術(shù)無(wú)所不能。同樣的，在通用領(lǐng)域不能解決的問(wèn)題，不代表特定領(lǐng)域不能解決。

我更加相信“持久戰(zhàn)論”，羅馬從來(lái)都不是一天能夠建成的，技術(shù)的突破也必然會(huì)經(jīng)歷一定時(shí)間的積累。AI 技術(shù)在金融服務(wù)中的落地，我比較贊同宜信 CTO 向江旭先生提的觀點(diǎn)：“大膽擁抱，小心實(shí)踐”。

首先需要選擇金融領(lǐng)域的業(yè)務(wù)痛點(diǎn)，并通過(guò) AI 技術(shù)來(lái)解決這些痛點(diǎn)，把非常炫酷的 AI 技術(shù)落實(shí)到實(shí)際業(yè)務(wù)需求中，而不是為炫酷而炫酷。就目前而言，我們的 AI 中臺(tái)會(huì)選擇在智能機(jī)器人和知識(shí)圖譜構(gòu)建上發(fā)力。智能聊天機(jī)器人能為公司內(nèi)外提供專業(yè)領(lǐng)域的知識(shí)解答，知識(shí)圖譜能為各業(yè)務(wù)方提供智能問(wèn)答、智能搜索、精準(zhǔn)營(yíng)銷等。最重要的是，我們希望按照平臺(tái)化的方式去建設(shè)它們，希望建設(shè)知識(shí)圖譜的方法論、工具和平臺(tái)可復(fù)用。

目前在落地過(guò)程中，除了搭建 AI 中臺(tái)相關(guān)平臺(tái)以外，花費(fèi)時(shí)間最多的是與數(shù)據(jù)相關(guān)的過(guò)程，無(wú)論是模型訓(xùn)練，還是知識(shí)圖譜構(gòu)建，很多時(shí)間用在獲取數(shù)據(jù)和探索數(shù)據(jù)。

對(duì)于普通的模型訓(xùn)練，需要多個(gè)維度的數(shù)據(jù)，AI 科學(xué)家需要對(duì)這些數(shù)據(jù)進(jìn)行觀察和探索，一般這些數(shù)據(jù)都是結(jié)構(gòu)化數(shù)據(jù)，這個(gè)問(wèn)題會(huì)隨著數(shù)據(jù)中臺(tái)的成長(zhǎng)，數(shù)據(jù)匯集越來(lái)越多后，得到逐步的解決。數(shù)據(jù)中臺(tái)提供自助化探索數(shù)據(jù)的能力，能夠大幅減少獲取數(shù)據(jù)和探索數(shù)據(jù)的時(shí)間和成本。

對(duì)于圖譜構(gòu)建和自然語(yǔ)言處理，我們很多的金融數(shù)據(jù)，保存為非結(jié)構(gòu)化的數(shù)據(jù)和語(yǔ)料，例如 pdf文檔、表格數(shù)據(jù)、掃描圖片等，一方面要求數(shù)據(jù)中臺(tái)或數(shù)據(jù)平臺(tái)能夠提供非結(jié)構(gòu)化數(shù)據(jù)的獲取能力，另一方面也要求 AI 中臺(tái)提供對(duì)這種非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行在線標(biāo)注、在線提取的平臺(tái)級(jí)能力。