从行业经验走向行业范式，联通数科实践AI落地新路径

作者：于洪涛

人世间美好的事物，不能仅停留在想象层面。

AI如今就是大家想象中的一个美好事物，似乎无所不能，似乎哪里都可以用得上。然而，身处其中的专业人士才能体会到，AI的行业应用落地，尤其是规模化落地，其实非常不容易。

这，几乎是目前所有AI厂商所面临的考验，也是导致AI应用普及速度不及预期的重要原因。

近两年来，联通数科在行业AI应用落地方面，取得了非常不错的成绩。以不太被很多人看重的化工食药行业为例，联通数科的AI解决方案，已经在湖南中石化、裕泰化工、中原大化、达因药业、三星长寿花玉米油等各个细分领域的头部企业落地应用，帮助他们降本提质增效，加速智能化升级。我们从联通数科的具体实践中，或许可以探索发现一条AI行业应用的标准化、规模化落地的可行路径。
平台架构：为规模化应用奠定基础

很多人用惯了人脸识别和机器翻译，因此就把AI当作是一种应用。其实，AI更像是一种能力，嵌入在各行各业的应用中，去解决其业务痛点问题。

因此，AI要想真正发挥作用，就必须与行业场景深入结合，这就导致应用场景非常复杂，要结合每个客户的需求进行定制化。除了工作量大、效率低下之外，也对AI人才提出了更高的要求——需要一大批既懂技术又懂业务的复合型人才，这显然并不现实。

解决这一问题的最好方式，就是平台化。通过平台化来降低部署实施难度，提升复用性，减少定制化开发的工作量。

上图是联通化工食药AI平台的架构，共分为四层，自下而上分别是基础平台、算法模型、行业垂直功能和智能系统。

除了化工食药行业，联通在制造、能源、交通等行业，也都打造了类似结构的行业AI平台，用来支撑各行业AI应用的落地。联通行业AI平台具有四个方面的优势：一是行业可复用：基于对行业共性需求的梳理，形成了可复用的算法模型和垂直功能分层架构，算法自主可控，且具备跨行业可适用性；二是可按需部署：针对5G互联网组网和应用特点，构建了端、边、云融合的训练、推理、运营三者有机结合的灵活部署方式；三是零基础运维：提供数据标注工具和自动化训练平台，支持非专业人员的系统运营维护，实现客户AI应用的可迭代成长；四是软硬一体化：针对行业门类繁多、场景定制化特点，配备专家现场支撑硬件选型和解决方案设计，定制化解决客户痛点。
联通AI：沉淀行业经验，构建“行业大脑”

在上述联通化工食药AI平台中，底层的硬件平台是基础。毕竟，智能化要建立在数字化和网络化的基础上，以此逐步向着局部智能化和全面智能化的方向迈进。

基础平台之上的算法模型，对于AI应用的落地则至关重要。这些能力是基于AI技术形成的通用的、标准化的基础能力，不具备行业属性，或者说是跨行业的。

我们都知道，AI当下的主流方向是语音、视觉和自然语言处理。联通数科的算法模型，都是围绕这几个方向而展开的，共有50多项，为各个行业的AI应用提供支持。

在化工、食品、药品等行业中，安全是第一要务。这其中既包括生产过程的安全管理，避免各类安全事故的发生；也包括作为生产结果的产品安全，毕竟食品和药品都关系到人民的生命健康。

因此，上述行业需要的算法模型，主要集中在目标跟踪、人体检测、安全帽检测、材质识别、颜色识别等领域，为安全生产等场景的应用奠定基础。

中原大化是国内知名化工企业，安全管理就是其痛点需求。联通数科基于算法模型，为其打造了安全合规监测AI系统，对摄像头和无人机采集的视频数据进行实时智能分析，当目标物进入防范区域、冒烟冒火苗头、人员晕岗跌倒、未戴安全帽等情况发生时，在第一时间联动报警设备，把不合规事件消灭在初始期。

值得注意的是，联通数科把这些通用的算法模型形容为“看”、“听”、“思考”、“说”、“移动”、“抓取”、“交互”等类人能力，进而在这些能力基础上构建起“行业大脑”。
行业AI范式：抽象行业应用场景

“算法模型”，是联通数科AI标准化、规模化的下层，是贴近AI技术的基础能力。在此之上，“行业垂直功能”则是AI标准化、规模化的上层，是贴近行业业务的应用功能。

联通数科把这一方法论称之为“行业AI范式”，每个范式都是一个通用方法论，对应一类行业应用场景。

在化工食药行业，就有工装穿戴（检测是否正确穿戴安全帽、工服、口罩、手套等）、行为合规（识别吸烟、打电话、玩手机、睡岗、离岗等不合规行为）、液体质检（检查液体的颜色和内容是否符合质量标准）等。

这些“行业AI范式”，是针对特定行业需求而开发的算法，在具备行业特色的同时，也有一定的通用性，可以复制到该行业的多种应用场景当中去。