3月8日下午五點半，山東淄博一處人煙稀少的郊區出現了火情，著火點上方就是國家電網的220kv高壓線路。假如火情不能在一定時間內被控制，可能將影響幾十萬居民的生活用電和上千家工廠的生產用電。

幸運的是，國家電網的輸電線路可視化監拍裝置在第一時間識別了火情，半個多小時后運檢人員就攜帶滅火、電力檢測等設備趕到了現場。從火情被發現并告警，到火情得到控制，只花了短短1個半小時的時間。

如果你有過到國家電網智慧營業廳繳費的經歷，還會有這樣的一番體驗：當你走進大廳時候就已經自動進行人臉識別登記，在自助終端上“刷個臉”就能實現自助交費、業務辦理、能源服務的“一站式”服務……

可能在很多人的認知里，類如國家電網這樣的企業仍被歸為“傳統企業”的范疇，與新技術的融合永遠會慢半拍。可為何在人工智能的落地剛剛起步的時候，國家電網的電路巡檢、門店運營等場景中，就已經處處可以看到AI的影子?

百度CTO王海峰在5月18日的ABC SUMMIT 2020百度夏季云智峰會上給出了答案：國家電網山東省電力公司基于百度BML機器學習平臺建成了自己的AI中臺，實現了業務應用的快速建設，并且有效提升了營商環境和生產管理水平。

與此同時，百度智能云的“AI中臺”也正式浮出水面。

01 智能化升級的新難題

在討論百度智能云的“AI中臺”之前，不妨先回顧下“中臺”的概念。

作為在2018年走紅、2019年持續升溫的概念，“中臺”早已不是什么新名詞，曾經被奉為企業降本增效的“萬能神藥”，也出現了期望落空后的集體質疑。其實剝除掉一些忽悠性質的包裝成分，中臺戰略的核心價值離不開企業對數據利用的訴求。

全球性咨詢公司ThoughtWorks將企業對數據的利用分成了三個階段：

第一個階段是響應運營。為了對用戶留存率、營收的增減進行預測，不少企業的運營部門找到了數據分析的“武器”，然后被迫進行了一系列的數據治理工作，比如對主數據、元數據進行規范化處理。

第二個階段是響應業務。當大數據的概念開始流行，數據分析的服務對象不再局限于運營，出現了海量數據、異構數據等新的挑戰，于是“數據中臺”的思想開始大行其道，同時提供數據存儲和計算能力，讓數據在不同業務間共享。

第三個階段是創造業務。有了數據和技術共享的“中臺”，是否可以將數據變成個性化的用戶服務?不同服務的不斷組合，是否可以創造出新的體驗和業務模式?作為數據中臺的進一步延伸，AI中臺的概念應運而生。

給”AI中臺”下一個定義的話，將是企業規?；瘶嫿ㄖ悄芊盏幕A設施，在數據接入、存儲、分析的基礎上，融合算法模型、機器學習、監控服務等與 AI 緊耦合的能力，滿足前端快速高效研發部署智能服務的需求，并構建涵蓋業務理解、模型學習、數據處理和運行監控的全生命周期管理的服務。

在產業智能化的主流基調下，“AI中臺”可以說是企業智能化升級的剛需，然而大多數企業卻被擋在了門外。

一是缺少AI的基礎能力，比如缺少人臉識別、計算機視覺、自然語言理解等AI前沿技術的沉淀，相當于想要做一道菜卻發現連食材都沒準備好，在構建AI中臺的第一個環節就碰到了“卡脖子”的問題。

二是缺少統一的開發平臺，不同的業務部門各自為戰，人為制造了一個又一個“煙囪”，加上缺少統一的標準和服務接口，基礎資源被分散管理并且不易集成，等同于每做一道菜都要重新砌鍋灶，導致單個項目的成本過高。

不過按照現代經濟學的原理，有了需求就會有針對性的解決方案，當產業智能化的后浪襲來時，當企業遇到了智能化升級的新難題，幫助企業將業務場景與AI深度融合的“AI中臺”服務，自然不會缺席。

02 百度智能云的新核彈

百度智能云正是試圖填補市場缺口的玩家。

百度CTO王海峰在演講中花了不小的篇幅介紹AI中臺，并且結合多數企業構建AI中臺時的難題 ，概述了百度AI中臺的兩個核心能力：

第一個核心能力是AI能力引擎，涵蓋了人臉識別、OCR、語音識別、NLP、圖像識別、知識圖譜、深度學習等250多項成熟的AI能力，包括全球領先的Ernie算子和百度優化后的主流算法。打一個比方，百度的AI能力引擎給客戶搬來了全球最先進的生鮮倉庫，可以直接從中挑選所需要的食材。

第二個核心能力是AI開發平臺，誠如外界所熟知的百度飛槳，作為全球前三、國內第一的深度學習開源框架，不僅彌補了企業在開放平臺上的不足，而且做到了自主可控。繼續前面“做菜”的比喻 ，AI開發平臺為企業提供了一套現代化的中央廚房，可以根據自己的需求快速、高效地進行創作菜肴。

百度智能云AI中臺

除了兩項核心能力，百度智能云的“AI中臺”服務還包括數據管理、服務管理、權限管理、資源管理和運維管理等模塊，升級企業智能化開發能力的同時，也在幫助企業集約化管理AI能力和資源，可以說是名符其實的智能化“基礎設施”。

與云計算的傳統服務邏輯做一個對比的話：以往的產品提供的是存儲和計算能力，幫助客戶縮短業務周期;而百度智能云的AI中臺，則賦予了企業創造業務的新動能。前者還屬于對基礎設施的改造，后者的重心在于企業能力的延伸。

不同的打法和服務邏輯背后，還要追溯到百度智能云不久前進行的戰略調整。王海峰為百度智能云提出了“以云計算為基礎，以AI為抓手，聚焦重要賽道”的新戰略，以百度擅長的AI能力作為市場擴張的“敲門磚”，一改云計算售賣資源為主的商業模式，將云計算、AI、安全等中后臺與前臺縱向打通，深耕云服務的“厚度”。

正如之前文章中多次強調的觀點，國內的云計算玩家們在追求規模化的路上已經蒙眼狂奔的十年，換來的卻是無止境的虧損，新基建和智能經濟的時代趨勢，將是云計算廠商們找到新路徑的機會窗口。

而作為率先進行變陣的云計算玩家，百度智能云的賽道進一步聚焦，貼合企業全面智能化轉型需要的“AI中臺”，無疑向外界釋放了借助AI技術優勢豐富產品顆粒度的信號，也將是百度智能云進一步夯實市場地位的又一“核武器”。03 產業智能化的新范式

之所以給出這樣的斷論，在于“AI中臺”之于產業智能化的新范式。

在百度智能云推出“AI中臺”服務之前，AI中臺還只是少數科技企業探討的方向。百度智能云補齊了合作伙伴在AI基礎能力和開發應用平臺上的短板，至少國家電網、央視等已經給出了利好的消息。

國家電網的可視化監拍裝置引入百度AI技術后，拍照間隔從過去的半小時壓縮到了5分鐘內，并且實現了圖像端側的邊緣智能分析，對吊車、異物、煙火、塔吊、施工機械等多類型復雜場景都能進行智能檢測，直接促進了AI落地應用的深入，逐步覆蓋了發電、變電、輸電、用電等環節。

百度智能云此前中標的央視融媒體項目，同樣屬于AI中臺的項目，雙方將聯合打造集智能說明、智能搜索、智能語音、智能考核于一體的“人工智能編輯部”，解決新聞生產過程中內容采集、創作、分發等難題。

有了國家電網、央視等重量級客戶的示范，有無可能引發一輪AI中臺熱?從戰略經濟學的角度不難給出肯定的答案。

首先是AI技術的可復用性。幾乎所有的架構師都明白這樣一個道理，對于可復用性越強的業務或技術，中臺化的價值就越大。

比如要打造一款語音聊天機器人，需要先構建以神經網絡、深度學習等為核心的算法模型，提供自然語言處理、圖像識別等技術上的支持。這些底層技術儼然不會局限在聊天機器人的應用，諸如智能客戶、智能尋呼等場景同樣適用。想要避免重復造輪子、煙囪林立、技術孤島等弊端，“中臺化”可以說是當下最好的應對策略。

其次是產業智能化的大方向。想要爭奪新基建和智能經濟的紅利，智能化轉型將是大多數企業的未來方向，也就需要思考轉型的速度和成效。

由于智能化的大規模興起才短短幾年，不少企業的智能應用研發還處在比較原始的階段，缺少自主構建AI中臺的核心能力。在稍縱即逝的紅利窗口面前，企業需要迅速建立起符合業務需求的中臺體系和方法論，百度智能云一站式的“AI中臺”不失為抓住產業智能化契機的最佳選擇，也是形成強有力智能化底座的捷徑。

過去大多數企業無法憑一己之力沖破瓶頸，而今百度智能云給出了新的解決方案，AI中臺不無成為企業標配的可能。

當然，打造AI中臺只是智能化升級的第一步，價值最大化的前提仍然是AI與應用場景的深度融合，需要賦予業務快速創新的能力，提升企業的組織效能，進而打造“持續智能”的戰略優勢。不僅在考驗企業的戰略抉擇，也在檢驗企業的戰略定力。

04 寫在最后

回到AI中臺本身，百度智能云精準拿捏了企業級客戶在當下及未來相當長一段時間內的核心需求，可能會直接改寫中國云計算的行業位次。

可將視角再拉長一些，百度智能云推出AI中臺的影響恐怕不會止步于商業維度，還將加速人工智能的技術平權進程。當系統化的AI能力不再是巨頭的專利，逐漸向中小企業下沉，服務于腰部乃至長尾企業的智能化轉型，所釋放出的創新勢能和產業紅利，恐將超出所有人的想象。

不管怎樣，屬于AI中臺的時代已經到來。