百度正在用雲計算把人工智能“懟”到你眼前_風聞

文 | 史中

酮體雪白的音箱墩坐在牀頭，和你有一搭無一搭地聊天。

現在很多人以為“會聊天兒”的東西才是人工智能，但説實話，這只是人工智能巨大教堂的拱頂上的那根避雷針的尖兒。你只盯着這部分，是感受不到教堂的宏偉的。

來看下面一個場景：

無盡的高速路，一輛救援車正拖着事故車行駛在茫茫夜色裏。如同一個抬着擔架的護士，它不容有失。夜太深了，司機雙眼有些疲倦，突然點了下頭。

這一切被裝在擋風玻璃上的攝像頭看在眼裏，電光火石之間，警報大噪。司機猛然清醒，搖搖頭，按照公司規章開去服務區休息。

攝像頭知道什麼是“困”，這項技能聽起來挺喜感，但它同樣是人工智能。事實上，這千千萬萬種特定領域的人工智能，已經如同飛鳥走獸一般，成為了如今技術沃野上的“主流生物”。

今天中哥要講的故事，都是百度的大牛們告訴我的。

一、Watson 老師

給你介紹我的一位好朋友，Watson。

這個 Watson 不是經常站在福爾摩斯旁邊發現華點的那個盲生，而是百度智能雲的掌門人——尹世明。

Watson 很隨和，愛笑。跟他聊天，好像天底下沒什麼大不了的事兒。但是，當他一個人望向窗外的時候，胸中丘壑頓生。

Watson 尹世明

Watson 出生在1974年的江西，他在少年時代目睹了這個國家的奇觀——鄉村裏的人，為了更好的生活而浩浩蕩蕩湧向東南沿海。有家族裏的年輕人打工歸來，跟叔叔哭訴“三個月沒見到肉”。

1999年，我畢業不久，在諮詢公司工作。當時的東莞厚街有一批給木板貼皮的工廠，我親眼見識了他們的招工。門口站着一排小地方來的人，揹着棉襖和水壺。人一波一波進來，做俯卧撐。能做到50個就錄取，否則就走人。

他回憶。

某種程度上，那時中國的 GDP，和東莞工人被切掉手指頭的數量成正比。但也正是這一張張面孔，成就了中國世界工廠的地位，為我們今天在國際中所做的每一次博弈提供了堅實的底氣。

但 Watson 知道，中國企業不可能永遠依靠揹着棉襖和水壺做50個俯卧撐的血肉之軀，計算和智能才能給這個民族未來。

於是，他輾轉加入了老牌德國企業管理軟件 SAP，立志把先進的軟件技術和管理經驗引入中國企業。

Watson 有個癖好，但凡有個新客户，他都要趴到人家生產線上，仔細觀察整個生產流程。在他的腦袋裏，基本上裝了一部《中國工業十萬個為神馬》。

直到2016年，中國的科技大廠全都推出了自己的雲計算產品，國產的智能和計算技術已經日臻成熟，Watson 覺得時機正好，於是他低調加入了百度，開始統領雲計算業務。

熟悉雲計算行業的童鞋可能還記得，那時候百度剛剛提出“ABC”的戰略，三個字母分別代表 AI（人工智能）、BigData（大數據）、Cloud（雲計算）。意思就是，我們家的雲不一樣，和人工智能、大數據能力是緊緊的捆綁 Play。

這對於在牌桌上博弈的 Watson 來説簡直是王炸。

因為，別人家的雲計算，雲計算就是雲計算，就像賣自來水。而自己家的雲，上面可以附帶百度十多年積累下來的人工智能技術，相當於不僅能賣自來水，還能把水做成王老吉、脈動、紅茶、可樂雪碧紅酒，一併提供給用户選擇。

當時中哥覺得這事兒挺dio，還寫了一篇文章分析它——《百度雲新打法：雲做彈殼，AI做火藥》。也正是因為人工智能和雲計算在百度這兒如膠似漆，為了加深大家的印象，2019年百度雲哭着喊着把自己的名字改成了“百度智能雲”。當然那是後話。

Watson 眼光毒辣，從一開始就選了騰訊和阿里都有點心虛，但是自己特別熟悉又熱愛的行業，工業。

2016年的時候，百度雲打響了工業第一槍。

那時，百度雲和首鋼搞了一個合作，用雲上的人工智能技術幫助鋼鐵生產線識別鋼板上的瑕疵，這樣，不僅質檢老濕傅不用每天在五十多度的產線旁汗流浹背地進行“人工質檢”，而且識別速度和精度也大大增加。

主要的鋼板瑕疵有這三種

我記得當時在百度雲智峯會上，Watson 還專門和首鋼的同事們來了個現場測試，對於瑕疵鋼板識別的準確率達到了99.98%。這波操作騷極了，現場掌聲轟鳴。

這幾年，在百度整體品牌承壓的情況下，百度智能雲的成績卻特別扎眼，例如，2018年它的用户數和收入都翻倍，在中國雲廠商裏增速第一。不得不説，Watson 老師確實沒有辜負這一手好牌。

既然百度把雲計算做彈殼，人工智能做火藥，這兩種技術的配合肯定是很重要的。那麼下一趴中哥就給你説一下這兩種技術協同發展上的“小腦洞”。

二、人工智能殺出城堡

這個腦洞是百度智能雲副總經理管瑞峯告訴我的。

他把人工智能分為三代：

第一代、雲上的人工智能

第二代、雲+邊的人工智能

第三代、邊雲協同的人工智能

我知道，看到這裏你要吐槽聽不懂了。沒事，這就是你中哥存在的意義，接下來聽我給你解釋——這可以比喻為“三個和尚挑水”的故事。

先説第一代人工智能。****（雲上的人工智能）

其實，第一代人工智能最早的代表作就是搜索。你在自己的計算機上輸入一個關鍵詞，這個詞原封不動地通過網絡進入百度，然後搜索引擎在雲裏面一頓算，最後找到合適的網頁，再發回給你。

你看，所有的計算都發生在雲裏。

同樣，你熟悉的智能音箱，也是雲上的人工智能。比如你跟小度音箱詢問一下“蒼老師的三維”，那麼它就會把你的請求原封不動地發送到雲端，然後啪啪啪一頓查，然後告訴你 90-58-83。

這就像三個和尚（用户），要想喝水（人工智能），只能走到遠處的大湖裏（雲計算），一人撈一桶抬回來。

大概就是這個亞子

與此類似，人工智能客服、人工智能氣象預報、人工智能用户推薦、人工智能物流，都是雲上的人工智能。這種架構大概從世紀之交開始，到2015年左右達到成熟，現在還在繼續發展中。（百度做搜索起家，這就是他們在人工智能和雲計算方面技術積累很多的原因。）

下面説第二代人工智能。****（雲+邊的人工智能）

人工智能之所以要進化到第二代，本質上是因為技術進步了，人們想用人工智能做的事情更多了，只在雲上，有點“招不開”了。

管瑞峯給我講了個故事：

2016年的時候，一家電梯廠商找到了他們，希望用百度幫他們做兩件事：1、用技術幫助他們收集所有電梯的運行數據；2、用人工智能對這些數據進行計算，幫他們實時檢測電梯的“身體”，預測哪台電梯快要壞了。

在這個故事裏，由於要對電梯狀態實時監控，萬一要斷網就麻煩了，所以用來計算的節點不能遠在雲端，而是在電梯運行的大廈裏的小機房裏。

注意！這個位置，就叫做邊緣。

為什麼叫邊緣呢？因為它的計算沒有發生在雲數據中心裏，而是發生在相對於雲數據中心來説的“邊疆”地帶。

還用三個和尚作比喻。和尚發現水不僅能喝，還能用來每天洗澡，這樣一來每天就需要好多水，去湖裏打水就供不應求了。於是他們在自己家周圍挖了個池塘，這樣每天取水的距離就短多了。

大概就是這樣。

遠處的湖是“雲”，

近處的池塘是“邊緣”。

就像剛才提到的鋼板瑕疵檢測，也同樣是邊緣人工智能——這邊把每一張新生產的鋼板各個姿勢拍照，然後自動傳到現場的百度雲ABC一體機裏面，就能判斷出這個鋼板是好的還是壞的。

一體機長這樣。（當時沒拍太清楚，大概感受一下吧。）

這還沒完，隨着人工智能技術的發展，人們又有了更大膽的想法。。。

妹子們比誰都懂，把手機45度舉過頭頂的一瞬間，鏡頭裏就出現了一個吹彈可破口如含朱指如削葱的自己。

細思恐極，這些人工智能美顏的複雜運算，就那麼一瞬間發生在你的手機裏。

你以為，為什麼華為手機天天秀自己的手機裏的人工智能芯片，其實主要都是給妹子用的。

再把三個和尚拉回來解釋一下。這就相當於和尚們生活要求又高了，不僅每天喝水、洗澡，居然想在廟裏搞個游泳池。於是他們只好在自家院子裏打口井，雖然井口不大，但是畢竟隨用隨取，特別嗨皮。

於是，出現了“雲+邊緣+端”的人工智能計算層級。

注意，雖然端上可以有人工智能計算力，但一般比較弱。美個顏什麼的還可夠用，但是涉及到地圖導航、智能推薦這類需要極大量運算的事情，還是要傳數據給雲端做。

總之，以上“雲+邊”的玩法就是第二代人工智能，大概從2015年開始萌生，至今還在茁壯成長。

那麼，第三代人工智能是什麼樣呢？

別急，為了讓你深刻理解人工智能的昨天今天和明天，下面一章中哥還是得給你“多墊一塊磚頭”——科普一下現在的第二代人工智能究竟做了什麼掉渣天的事情。

三、那些騷氣的人工智能應用

講個小故事吧。

精研科技是一家厲害的電子器件生產商，你可以拿出手機，看一下底部的數據線接口，有可能就是他們生產的。

不過，這兩年精研科技董事長王明喜有點煩。他的生產線主要在江蘇常州，而這裏的工人工資正在飆漲。你懂的，生產線其實是勞動密集型企業，工資上漲眼看就要嚴重影響到企業盈利。

這條生產線上有一個神秘的工種：每個器件生產出來後，都需要一個眼神超好的小姑娘，在強光之下，從6個方向檢查質量。她們被稱為“黃金眼”。

後來 Watson 去考察的時候，還專門拍了一段“黃金眼”神奇的工作現場。

圖/Watson

遇到用工荒，高價也找不到這麼多合格的“黃金眼”。

有人勸他把生產線搬到越南，可是王明喜又不想讓土生土長的“中國製造”離開祖國。

就在這時，一個從施耐德西門子出來的團隊“微億智造”聯繫到他，他們有個大膽的想法：用國產的人工智能技術做電子器件的質檢。

他們找到的“國產人工智能”，就是百度。

由於這個項目涉及保密，Watson 必須派出精鋭工程師進駐工廠現場開發。就在和工人吃住的這兩個月，百度的攻城獅心靈受到了巨大的蹂躪：

這些姑娘們正在20歲的最好年華，理應去做更有創造力的工作。然而她們卻幾個小時不停歇地在強光下重複看電子器件，每3秒檢測一個器件，如同機器一樣工作，只有鈴聲響起才能趴在那休息15分鐘。。。那時我就下定決心，一定要開發出智能系統，救救她們。

當時在現場的百度智能雲副總經理李碩對我説。

人工智能果然沒讓人失望，他們的“AI質檢機”如今就擺在精研科技的生產車間裏，質檢準確率甚至超過那些熟練的“黃金眼”小姑娘。人力成本大幅降低，王明喜終於不用把生產線搬到東南亞了。

這位就是王明喜，他身後的就是“人工智能質檢機”。（圖片是我在2019百度雲智峯會上拍的。）

這是質檢機工作時的內部場景

有趣的是，那些原本做零件質檢的女孩子並沒有失業，而是做起了“數據標註師”，她們也坐在辦公室裏，和百度的博士們一起工作，負責用自己的經驗教會機器什麼零件是合格的，什麼是不合格的。

故事講完了，我們不妨做個思考題，如果用上一章的分類標準來看，人工智能質檢機用到了哪一代的人工智能？

沒錯，是第二代。（雲+邊的人工智能）

質檢機需要在1秒之內拍攝18-24張圖片，並且在480毫秒的時間內，用人工智能判斷出它是不是合格品。這麼短的時間內完成全部騷操作，來回上傳到雲計算肯定不行，只能用佈置在機器旁邊的邊緣計算節點來實現。

當然，在一個階段的工作結束以後，微億要把設備的數據總結後傳輸到雲端改進能力。就像人的大腦睡覺時整理了一天的見聞，第二天能成為更好的自己。

再舉一個例子。

這是百度智能雲副總經理張志琦曾經給我講的。

世界產鋼量最大的企業寶鋼，它的生產線上有很多神秘的“大桶”，學名叫做：鋼包。

鋼包其實就是鋼水乘坐的“出租車”，負責把鋼水從一個地方運到另一個地方。鋼包運輸鋼水的過程中，熱量會有散失，需要對鋼包進行烘烤。

這貨就是鋼包。

但是在傳統的生產線上，人們對於鋼包裏鋼水的温度、壓力都是一無所知的。於是人們只能按照經驗烘烤鋼包，會浪費大量的熱能。

2017年，寶鋼用百度的人工智能和物聯網技術，對於鋼包狀態進行實時計算，然後智能地進行烘烤，這樣一來，一下子節省了50%的能源。由於這個工序在鋼廠大量重複，所以每年節約的費用高達150億元。。。

當然，這裏主要的人工智能計算也並不在雲端，而是在靠近生產線的邊緣設備中。

你還記得我在文章開頭講的那個故事嗎？那個檢測到司機精神不佳就嗷嗷作響的警報器。

這個功能屬於一個很酷的領域：“汽車主動安全”，我説的這個例子，屬於一家叫做“吉諾救援”的公司。

吉諾救援是全國最大的汽車救援公司，每天都會搶救無數遇險車輛。可以想見，遇險車輛往往已經經受了撞擊，絕對經不起二次事故。而這個用於判斷司機狀態的攝像頭，就是吉諾的小夥伴和百度一起研發的“端上的人工智能”。

多説一句，吉諾救援同樣也用了雲上的人工智能，幫助救援車輛優化路徑規劃。就在剛剛過去的“利奇馬”颱風中，吉諾救援用人工智能在40分鐘內調集了300多輛車，前往了37個縣展開救援。

人工智能幫助他們把整體救援時間降低到過去的50%。讓事故車主焦急恐懼等待的時間減半，如果説技術有温情，這也許是一例。

總結一下。人工智能最近幾年，已經把一個趨勢走出來了：

它們跋山涉水，從雲端的大本營，走到邊緣安營紮寨，又進一步走進了你的後院，甚至睡在你的枕邊。換句話説，人工智能正在被時代“懟”到每個人眼前，你我都蒙受着技術的恩澤。

但是你仔細看剛才這三個案例，就會發現一個問題：一個功能，不是就用雲上的智能解決，就是用邊緣的智能解決，他們在場景上基本是相互獨立的，井水不犯“湖水”。

沒錯，“割裂”就是現在第二代人工智能的問題所在。

現狀是：一家公司得為雲上開發一套人工智能程序，再為邊緣開發一套人工智能程序，甚至還得再為終端開發一套人工智能程序，這好麻煩。

那能不能“買張一卡通”，用同一套程序框架，雲邊端，想在哪裏計算，就在哪裏計算呢？

四、AI工業化

Finally，中哥要介紹今天最後一個生詞——“AI 工業化”。

注意！注意！注意！

AI工業化，不是讓人工智能去幫助工業。而是人工智能本身以“標準化”，“工業化”的姿勢輸出。

為了説明 AI 工業化，還是先回顧一百年多前的故事吧。

1834年，英國首次推出“螺紋標準”，號召大家造出標準化的螺絲螺母，這幾乎是全世界最早的工業化操作了。

1914年，美國人亨利·福特發明了一個叫做“生產線”的東西。工人們站在生產線旁，用標準的零件，每人只做一道標準工序，一小時五美元。

這種操作的好處是：**在別的車都賣4000美元的時候，福特汽車賣850都能賺錢。。。**這種價格優勢下，福特不一統汽車江湖才見鬼呢。

福特T型車生產線

上面的例子是為了説明：工業化的基礎是標準化。

如今，“標準化”這三個字已經深深印在我們腦海裏了——你去買一根 iPhone 線，無論哪家生產的，肯定能毫無鴨力地插進任何一台 iPhone 屁股裏。

那麼説回來，AI工業化是什麼呢？當然也是標準化。

百度智能雲副總經理謝廣軍告訴我，他們正在做一件厲害的事兒：

我們正在開發一套技術，把百度雲同時裝在數據中心、邊緣計算節點，甚至未來還能到端上去！

你可以想象一下，這就像我們國家的“村村通公路計劃”，一條公路從省城連接市縣，再從市縣連通村子，於是，上面的車就可以自由流動，想去哪裏去哪裏。

同樣，統一的雲計算框架也像公路，連通了數據中心、邊緣和端，可以讓上面的人工智能負載隨意流動。

稍微有點抽象，還是舉個例子。

就説愛奇藝吧。

視頻網站都有一個經典操作：用户上傳了一個視頻，他們需要用人工智能審核這個視頻有沒有違規。

因為影片很大，如果傳到雲端再審核就比較費帶寬——萬一有人直接傳了一部6.7G的蒼老師作品，到了雲端才被識別，就很浪費資源了。面對這種情況，審核其實可以在影片上傳過程中的邊緣計算節點進行，例如省一級的CDN機房。同理，如果手機算力更強，在手機上就能直接完成視頻自動黃暴審核。

這就像壞人帶着違禁品去省城，不用等進省城才被發現，經過縣裏的時候就被檢查站發現，甚至村口的檢查站也能發現——誰發現都一樣。。。

統一架構的好處體現在：某個視頻到底是在端上審核，還是在邊緣審核，還是在雲端審核，愛奇藝不用手動調整。由於這三級人工智能應用和底層的雲都是相通的，系統會自動根據情況決定，這個視頻到底在哪裏審核。

愛奇藝的童鞋只要寫一套代碼，搞定。

這就是第三代人工智能——“邊雲協同”——的力量。

實際上，百度已經把這套框架做出來了，這項技術的直接負責人正是管瑞峯。這個應用框架叫做 BAETYL。更厲害的是，這個框架已經被百度捐獻給了 Linux 基金會，開源出來，每個人都可以免費使用了。

管瑞峯告訴我，目前國家電網正在聯合百度，基於 BAETYL 為整個電力系統建立計算框架。如果順利的話，不久之後所有終端電錶和電網設備和控制節點，就都處於一套人工智能調度體系中，不僅可以節省重複開發的勞動，還可以智能調度，節省好多能源。

最後告訴你個小秘密：

其實，人工智能的大廈正在等待一個“新材料”，那就是5G。

一般人只是覺得5G會讓信息傳輸更快，這沒錯。但在5G的技術標準裏，還有一個非常獨特的設計——在同一個基站的範圍內相互傳輸信息不用通過核心網，延遲非常低，而且費用很便宜。

利用這條速度極快的通路，可以在5G基站周圍可以放置一些小的主機，形成“超級邊緣計算節點”。你猜它們能實現什麼逆天的功能？

例如：車路協同的自動駕駛。

簡單來説就是：汽車上本身可以通過“圖像識別”技術實現自動駕駛，但是它的視野畢竟有限，最多隻能看清附近一二百米。這時，附近的基站就可以收集方圓一公里的路況信息，實時傳遞給這輛車。假設五百米外發生了事故，這輛車就可以提前減速，更加安全。

這個圖顯示的是視線被前面大車擋住，卻也能知道紅綠燈情況。

百度的同學告訴我，他們的智能駕駛團隊已經把這套技術用在了“機器人出租車”上。就在2019年國慶前後，在長沙的路上，這種“機器人出租車”就可以為普通市民提供服務了。

“邊雲協同”的第三代人工智能，正在我們這片土地上生根發芽，茂密生長。

五、沃野上的生物

2019，距離 Watson 看到東莞的工人們做俯卧撐整整二十年。

在他的手機裏，至今留存着一張照片。

那是他加入之後，百度雲做的唯一一次機場廣告。那天黃昏，Watson 正好在首都機場降落，他一回頭，看見了夕陽下自己親手為百度雲寫的廣告，於是拍了下來。

開頭一句簡單的話：為變革而來。

圖/Watson

“這是我的真心話。”Watson 對我説。

在中國，仍然有200萬質檢工人，有將近3億產業工人，每天每時每分每秒重複着同樣枯燥的工作，他們的工作因為人工智能的輔助可能有更多的尊嚴。

在中國，有500萬程序員，360萬醫生、50萬名翻譯，他們大量的日常工作也是重複的，而這些工作，也可以被工業化的人工智能輔助。

在中國，有6億農民，他們的春種夏收也可以由工業化的智能輔助，然而此刻，面朝黃土背朝天仍然是大多數人的生活。

正如福特本人所説：

機器化生產為人們提供了更多的生存手段，而我們又依賴這些手段去購買產品。標準化不等於千篇一律，它使我們的生活變得比以往任何時候都要豐富多彩。

如此看來，“AI工業化”的路恰恰像這個民族的歷史一樣艱難又漫長，但慶幸在各行各業，人工智能猶如沃野上的新物種，正在淺吟低唱。

可嘆夢想人人都有，肯為它堅守二十年的人不多。幸好時間是個温柔的裁判，你只管低頭前行，而它會在某個夏日的午後，給你一場應許的光芒萬丈。