pOsPoQmMxPsNxPpNpMnRoM8ObP9PmOqQoMmNkPpOmOiNnPoPbRpPwPuOoMrRNZqMpP《百度智能云服务白皮书》编委会主编：副主编：编委：百度智能云德勤管理咨询百度智能云德勤管理咨询百度智能云德勤管理咨询朱亚立刘俊龙贾殿龙韩光辉何震江苏业继刘海峰蒋宜芝张涛陈佳兴徐昕刘志远陈佳玮乔硕文王晓斐时玉倩 CONTENTS目录01智能升级，后数字化时代的必然趋势02人工智能高速发展赋能产业转型升级05企业在智能升级过程中面临全新的挑战08智能升级需要企业全面提升相关能力12携手共创，百度智能云服务14云智一体的基建服务18全场景智慧化的实施服务22持续优化的运营服务25全方位多维度的立体生态网络28多种形式的联合共创机制32云智一体化的服务体系特点 33巧夺天工，体系化的智能升级方法34智能化升级方法体系37智能化升级运作模式40他山之石，智能化升级的落地实践案例41MVP验证-利用百度智慧城市大脑，建立城市治理新模式43由点及面-"智慧警务"实战应用智能化，推动平安中国建设45云智工坊-变革传统服务模式，加速国有银行智能化升级47云智工厂-快速复制的可行性方案，助力企业人工智能规模化应用49联合创新-打造区域级“工业互联网平台”，建立生态运营合作体系51生态共赢–赋能生态伙伴，构建智慧金融服务平台53始于足下，如何成功地走出第一步 01智能升级，后数字化时代的必然趋势智能升级，后数字化时代的必然趋势全球进入数字经济时代，新一代科技革命成为推动数字经济蓬勃发展的关键因素，人工智能与5G、云计算、物联网、边缘计算等技术正在逐步交叉融合，互为支撑，推动智能技术产业化和传统产业智能化，智能升级正成为新一轮产业变革的核心驱动力，为经济高质量发展和产业数字化转型升级提供巨大动力。 1.1人工智能高速发展赋能产业转型升级人工智能高速发展赋能产业转型升级据统计，全球超过一半的数据和分析技术决策者都在积极部署人工智能，推动以洞察、认知为核心的AI模型在企业的规模化应用，并逐步将应用深度上升至企业战略层面。人工智能未来将成为企业产品、服务和模式的一部分，与企业发展相融合，成为推动企业跨越式发展、产业革故鼎新、甚至是社会经济生产力整体跃升的重要战略资源。2020年初以来，新冠肺炎疫情席卷全球。越来越多的观点认为，疫情将对我们的世界产生重大且永久的改变。以人工智能为首的数字技术应用的加快，带来了消费需求的升级，提升供应链应对不确定性的柔性能力。可以预见，人工智能必将在制造业、服务业、城市治理等领域释放巨大价值。而在后疫情时代，人工智能将真正转变为基础服务设施，真正渗透到社会经济的方方面面。 中央各个部门以及地方政府纷纷出台政策，全面推进产业智能化工作建设。近年来，人工智能行业在国家的高度重视和企业的积极配合下，充满了新的产业图景，同时也面临着新的机遇和挑战。在2020年底召开的五中全会中，“十四五”规划36次提及“科技”这个关键词，并提出了“把科技自立自强作为国家发展的战略支撑”，重点聚焦人工智能、芯片等领域，人工智能成为最优先发展的领域之一。2021年是“十四五”规划拉开大幕的第一年，是我国经济由高速增长转向高质量发展的关键阶段。中央各个部门以及地方政府纷纷出台政策，全面推进产业智能化建设。图1：中国人工智能产业规模及预测(2018-2025)来源：德勤咨询，深圳市人工智能产业协会数字化、智能经济的发展正处在“天时地利人和”的最好时机。人工智能技术，包括相关的云计算、大数据等前沿技术已到了突破的临界点。不仅国家层面重视，而且民众的接受度也很高，客户、开发者都愿意积极拥抱科技带来的各种改变，这些因素都将继续加速未来产业智能化的发展。信息化时代，乃至匠人AI时代势必都将让位于具有自动化、产业洞察力的人工智能产业化时代。预计至2025年人工智能产业化市场价值将达到5460亿人民币。纵观企业的发展转型历程，先后经历了信息化和数字化阶段，正在向智能化进行转型升级。随着管理理论的发展，企业在不同发展阶段所关心的管理重点和发展特色各不相同。而在向智能化升级的过程中，企业的关注点也截然不同，思维、架构和模式都需要同步进行全面的升级。 图2：企业技术转型发展历程信息化阶段，企业的关注点是流程贯通、效率提升、成本降低、风险控制。信息化工作是自顶向下开展，通过构建业务架构、应用架构、数据架构、技术架构，实现对管控的要求。数字化阶段，由于技术的普及，特别是对客户端技术和体验性技术的发展，企业的关注点转向数字化场景、业务的赋能以及模式的创新。在技术实现上，则将从应用系统转向平台化服务和平台化产品，通过能力架构、平台架构和服务目录等方式实现业务价值的提升。智能化阶段，是数字化的进一步升级，企业的关注重点将转向理念的转变和模式的迭代升级。通过算力、算据、算法的技术应用，以模型和数据的方式，构建行业认知和洞察能力。并以此实现业务底层逻辑的重构、业务模式的升级乃至重塑、管理理念的转变和思维方式的变革。 1.2企业在智能升级过程中面临全新的挑战企业在智能升级过程中面临全新的挑战很多企业在积极的探索和推进智能化升级，但因受制于各种因素，企业在探索过程中面临着诸多困惑与挑战，尚未真正进入正确、良性的转型路径。图3：企业面临规模化人工智能的挑战来源：德勤技术趋势2021根据德勤的一项调查显示，在推进智能化建设中，仅有13%的企业处于领先者地位，并在建设规模和成效上取得可观收益，但依然存在对文化、模式、认知、能力、道德、技术差距的忧虑。而有60%的企业尚未真正进入智能化升级的良性路径，对智能化升级的认知尚不明确。由于缺乏正确的方法和路径，智能化建设甚至成为了吞噬企业资源与机会的陷阱，无法为企业带来应有的价值与贡献。企业在智能升级探索的初期，往往对智能化技术了解有限，不知道智能化技术可以应用在什么地方，缺乏对应用场景的想象力，无法有效地实现人工智能与业务运营的融合。在智能化升级的实践过程中，企业面对人工智能模型所使用的种类更多，数量更大的全新数据，缺乏有效的数据治理手段和模式，在数据的管理效率和使用安全等方面，也面临着新的挑战。为使智能化升级发挥更大的价值和效益，对于智能应用的持续深化，应用场景的持续运营，也需要企业构建相关能力，建立配套机制。同时，传统的组织架构、人员的知识技能、工具和方法均已无法满足企业智能化升级的需要，如何升级转型依然是企业智能化进程中亟待解决的问题。 1）认知与模式许多企业对智能化的认知不足，甚至局限地认为智能化仅仅只是若干软件应用的建设和升级。而对于人工智能等创新技术对企业带来的影响缺乏了解，无法有效识别人工智能等技术对业务发展和运营管理带来的潜在机会和价值。企业尚未意识到智能化阶段已经完全不同于信息化阶段，仅关注于平台和工具等技术层面的建设不足以支撑企业实现智能化升级。智能化阶段的巨大挑战是如何将人工智能与业务场景、业务运营进行紧密深入的有机融合，从而产生巨大的效益。2）数据与运营企业数字化基础较为薄弱是大多数企业在智能化升级过程中存在的一大问题。企业基于传统信息化，甚至部分数字化尝试所积累的数据和数据管理方法，不一定会适用于智能化的全面转型和推广。这些问题通常是由数据治理能力不足，数据积累不足、无法识别有效数据、或数据存在质量问题而引起的。在智能化初期阶段，企业尚未形成数据生态，部分行业中存在生态壁垒，无法整合外部数据。企业对于智能化数据的种类、范围、数据量、形式等要求，缺乏相关积累和有效的方法论，缺乏运用数据进行模型训练的能力，缺乏专业的运营团队或机制，对数据的运营能力不足。这种种问题，导致智能化平台及应用上线后无法有效运行和持续演进，致使智能化应带来的业务价值无法实现。对于智能化升级过程中的场景认知欠缺，也缺乏系统化、高效智能化的运营机制，难以持续开发、优化、升级相关的智能化场景，影响了智能化升级过程中业务价值的实现。3）组织与技能智能化升级不仅仅是技术的转型，还包括业务和管理的转型，因此需要多部门、多类型专业人员的通力合作，如模式、算法、客户体验等多种技能的人员协同合作。以此来实现资源整合、高效协同，从而快速变现业务价值。以职能划分分工的传统组织架构、长期存在的部门壁垒都容易导致智能化升级推进举步维艰。不同于传统的信息化转型，智能化升级不仅仅包括人才管理、技能和知识的升级，还包括多种全新的技能和知识，如心理学、数据加工和标识、模型训练等。企业需要找到、培训、留住具备这些新知识和技能的人才，实现传统技能的IT人才、业务人才的成功转型，以适应未来智能化的发展要求。4）工具与方法智能升级对工具提出了更高的要求，需要更多支持协同、敏捷和数据治理、运营管理的相关工具，以满足智能化建设和运营的需求。人工智能建设和运营需要工具对效率、质量等方面进行洞察分析并对改进给予支撑。方法与标准规范也需要进 行相匹配的升级。传统的瀑布式、工程化的方法已经无法支持模型的敏捷性迭代、规模化管理和持续性优化，导致模型效果与期望之间出现较大差距，或模型无法持续演进，影响到服务的持续提升和业务模式的逐步转型。 1.3智能升级需要企业全面提升相关能力智能升级需要企业全面提升相关能力智能化升级这一浪潮给企业带来颠覆式的变化，这些转变包括企业的业务模式、外部市场环境、竞争的核心规则等。这些重大的变化一方面为企业带来前所未有的发展机遇，另一方面也让企业面临着巨大挑战。变局已成，升级企业能力以应对变局成为了企业的唯一选择。为成功实现智能化升级，企业需要建立从场景识别到生态协同的六大核心能力，以有效推动和执行转型相关举措，实现升级战略。为成功实现智能化升级，企业需要：图4：智能化升级能力体系1）能力之一-业务场景的快速识别验证快速识别智能化创新技术的应用场景，评估智能化应用带来的业务价值，并通过MVP快速验证智能化的技术及业务的可行性。 场景识别是智能化升级的起点，作为智能化升级的核心能力之一，场景识别涉及到几个关键活动和能力，包括：i>场景识别：以赋能业务和管理为基础，以价值实现为导向，分析人工智能等创新技术对现有业务的影响。从客户体验优化，已有产品和服务的提升、业务模式的重构与创新等维度梳理和识别应用的场景。ii>收益分析：对于识别的业务场景建立价值分析模型，围绕企业的战略和经营目标，将智能升级带来的影响与业务价值进行关联，为智能升级的深化和拓展等决策提供客观依据。iii>模式设计：分析评估智能化升级对现有业务和管理模式的影响，优化升级现有模式及相关流程的，甚至颠覆现有模式，构建设计全新的业务模式和业务流程。iv>MVP验证：设计最小可用产品，建立应用场景原型，探索该产品应用于业务场景中的技术可行性和业务可行性，评估对业务运营和管理的影响，为落地推广奠定基础。2）能力之二-全新的数据治理建立企业内外部大数据的采集、整合、治理、资产化及服务化等一系列能力，为人工智能的建设提供高质量的数据。数据是智能化的基础。智能化升级所涉及的数据种类、数量、形式、安全、使用等环节，与传统认知的信息化时代的数据是完全不同的。因此，建立全新的数据治理模式和相关能力，是企业智能化升级的关键点之一。全新的数据治理能力包括：i>数据治理：以促进多来源数据的整合，提升数据的规模和质量，提高数据对智能升级的支撑为目标，进行数据治理能力的升级。ii>数据资产盘点：识别智能升级所需的数据，建立体系化的管理机制，明确数据资产在业务运营中的价值与定位，持续提升数据资产的质量，避免“为了盘点而盘点”的状态，提升数据的价值。iii>数据采集：智能化阶段需要提升数据采集的自动化、精准度，由于是对场景化、多种类的数据采集，也需要丰富数据的采集手段。iv>数据处理：运用智能化技术对各种类型的数据进行高速、精准的分析和加工，从数据中抽取并推导出具有价值和意义的结果。v>数据存储：能对大量的、动态的、多类型的数据进行存储，人工智能阶段的数据存储需要更高的性能、可扩展性，更可控的存储成本管理能力。vi>数据服务：为AI算法建设和优化提供的数据采集、清洗、信息抽取、标注等