阿里云機器智能首席科學家閔萬里(山景)

　　阿里云更是被擺在首要位置，阿里云事業群升級為阿里云智能事業群，代表著云計算與 AI 等技術的融合。實際上，阿里云在架構升級之前已經在內部孵化了強大的 AI 平臺能力——ET 平臺，ET 平臺于 2017 年 12 月由阿里云機器智能首席科學家閔萬里(山景)正式公布。

　　雷鋒網分別采訪到了山景、以及阿里云 ET 城市大腦算法專家余亮，阿里云 ET 工業大腦算法專家楊斌，由近及遠，從內而外，阿里云將如何貫徹云上 AI 戰略。

　　數學鏈接數據

　　數據是數字時代的石油，山景卻有另外一番理解，他表示，數據不像原油奇貨可居，數據是不斷大量產生的，數據的價值如果得不到快速釋放，價值密度則不斷降低，只要是數據密集的地方就有 ET 大腦，就有 AI，就有大數據的機會。

　　2013 年山景加入阿里云，同時帶來的還有兩篇含金量不低的論文，這兩篇文章解決了復雜網絡下隨機過程的大樣本理論，認知反演則解決了在一個具體拓撲網絡上尋優的問題。

　　在他看來，交通、工業等產業領域的問題，歸根結底都是一個拓撲網絡問題：城市交通是車流的網絡，工業是流程的網絡(流程型制造是一條流水線、離散型制造則是一個更復雜的網絡)，航空是人流、飛機的網絡……要解決這些產業的問題，其實解決的都是拓撲網絡問題。

　　雷鋒網觀察了不同類型廠商在不同領域的所謂“大腦”，是否有廠商“舊瓶裝新酒”營造概念行舊事?答案是肯定的，有一定比例的廠商并無新意的拼湊起一個“大腦”，與這類廠商截然相反的是——阿里云的 ET 大腦的人工智能回歸到本質，建立在數學理論基礎之上。

　　“一張網”是阿里云完全自研的核心技術，也是 ET 大腦解決產業問題的關鍵所在。實際應用中的拓撲網絡類似于互聯網式的分布式結構，在網中不斷流動的是數據，數據來源多種多樣，不同時空、不同結構，甚至不知真假，ET 大腦納入多種融合數據，形成可復用的場景輸出能力，而此前大多平臺數據孤立不流動，且需要苛刻的數據“飼喂”才能輸出相對精準的判斷。

　　ET 大腦的四個關鍵詞——認知、判斷、決策、學習。多維感知數據，分析并實時決策，形成全局性可執行洞察(actionable insight)，兼具持續進化的學習能力，ET 大腦的核心也在此。

　　“我們有了網絡，有了動態的物流、業務流的時候，就有了動態的數據流，如果把數據流抽象出來，我們可以發現最終回歸到人工智能原點——人腦”，或許這也是各式各樣的 AI 平臺統稱為大腦的緣由。

　　2007 年山景就曾應用該理論研究新加坡的智慧城市交通管理，開發的預測算法對新加坡 CBD 區域不同等級的地面道路進行預測，準確率超過 85%，其也是業界第一個能準確預測未來路況的實戰系統。通過表象數據的信號、關鍵統計量及一系列算法找到數據特征，尋找到拓撲網絡上的量化關系，進而找到控制竅門，山景的理論研究是基礎，但阿里云在其上做了更多的研究。

　　算法、算力和數據是人工智能的三要素，同時也是 ET 大腦的三要素，不得不說云計算的大規模發展解決了 ET 大腦需要的算力資源，才有了 ET 大腦在各行各業開花結果，ET 大腦與各個領域行業大腦是總分關系，根本性區別就在于加入行業知識，專攻行業場景。

　　ET 大腦的發展有不少值得銘記的瞬間，山景提到了兩個案例，其一是阿里云順利將浙江高速歷史數據、實時數據與路網狀況結合，基于阿里云大數據平臺，預測未來一小時內的路況，其二則是阿里云在工業領域不斷重復嘗試，終于覓得一縷成功曙光，雷鋒網本次也采訪到了兩位專家。

　　城市大腦閉環

　　雷鋒網獲悉，杭州城市大腦 2.0 覆蓋 420 平方公里，杭州主城限行區域全部接入大腦，此外還有余杭區臨平、未來科技城兩個試點區域及蕭山城區，總計 420 平方公里，相當于 65 個西湖。優化信號燈路口 1300 個，覆蓋杭州四分之一路口，同時還接入了視頻 4500 路，可以實時指揮 200 名交警。

　　城市大腦是阿里云 ET 大腦最先落地的場景，這其中既需要解決模式的問題，又需要解決技術的問題。阿里云城市大腦以云的方式輸出，其中有專有云、公有云、混合云，政府需要相當大體量的軟硬件綜合技術平臺，軟件是阿里云的對外接口，在硬件部署能力阿里云也在了大量工作，以云形式輸出城市大腦也是阿里云有別于其他公司的特點之一。

　　阿里云 ET 城市大腦算法專家余亮介紹，阿里云在城市大腦中主要解決兩個問題：

　　數據問題：在城市大腦中，數據有很多特點，像數據本身的異構性、實施性，海量數據的特征，需要一整套大數據的管理平臺。阿里云從硬件、軟件到設計服務擁有深厚積累，阿里云目前能夠把城市所有相關部門的海量數據，特別是視頻數據，每天收集并實時分析。

　　彈性計算問題：支撐起一個城市計算平臺必然需要消耗相當大的資源，尤其是視頻計算，云服務從根本上解決了規劃、采購和管理問題。

　　但實際上，阿里云是互聯網公司，相對于傳統交通行業是“門外漢”。余亮表示，交通工程有自身的一套數據模型和理論，但交通領域的數據模型可能聚焦于局部，在一定區域內流量如何建模，參數如何調優。而阿里云是以網絡的視角看數據科學，包括時空特性、網絡節點數量和關系等等。

　　基于山景最初提出的運用互聯網數據做單點信號的優化，阿里云算法團隊在后期加入了更多的數據科學知識，各種預測、優化。阿里云目的不是解決一個點或者是一片主干道的交通問題，而是把幾百個信號燈當做一個整體來進行優化，在世界范圍內都是第一個。

　　目前阿里云城市大腦橫向復制和縱向深化并重而行，第一要務仍然是在國內已有的項目中向各個行業提供基礎服務設施，縱向深挖提供端到端能力，阿里云希望做出城市大腦中的超級應用。在全球領域的橫向復制中，阿里云已經將城市大腦復制到馬來西亞等地區，交通問題是普遍性難題，阿里云有很大的潛在市場。

　　余亮也坦言，在技術領域城市大腦仍在不斷進化，技術和應用結合發展，比如大規模信號燈調控方案的進一步優化，認知反演如何尋找關鍵節點、網絡分隔，包括流程、算法的協調上有一些創新。

　　“我們的工作都是比較落地的，阿里云在開發一個仿真引擎，能夠對交通狀態進行實時仿真，仿真的速度滿足所需交互性。過去的仿真時間比較長，數據標定需要非常多的時間，仿真的結果也不能實時進行交互式調整”，余亮介紹。

　　在仿真引擎之上，算法可以基于此做測試，然后不斷改進。仿真、優化、再迭代，雖然仿真引擎不能給阿里云帶來短期現實收益，但阿里云內部認為這是城市大腦非常重要的部分，在理論層面形成城市大腦的嚴密閉環。

　　開辟工業數據智能

　　“我們對于工業一直心存敬畏之情，工業是國之重器，影響國計民生，工業細分行業又是如此繁雜，行業 know-how 深不可測”，阿里云 ET 工業大腦算法專家楊斌如是表示，筆者很難想象阿里云 ET 工業大腦開拓的艱難程度，不過據山景回憶，工業大腦甚至一度要放棄。

　　楊斌表示，ET 工業大腦第一個項目始于 2016 年，標志著 ET 工業大腦開始進入探索行業性大數據解決方案和價值輸出的開始。針對工業企業客戶的要求，產品和解決方案輸出必須要能夠提供給行業客戶應用場景的指導，而不是像常規的互聯網干預，或者有所謂的工業互聯網數據連接和平臺連接

　　“對于阿里云來說，我們是對自身數據智能的技術，云計算、大數據、AI 算法等等這方面是我們的信心所在。但是，深入到工業行業里面，對工業數據的分析、探索，以及對這個工業細分行業它的每一塊細分行業的特殊性，然后業務的理解性，這都是很大的挑戰”，楊斌提到。實際上這也是當下所有工業互聯網領域廠商所面臨的共性難題。

　　楊斌補充道，“甚至在這個過程中，并沒有一個系統說明讓我們知道在工業的工研產銷的各個工作流里面是有哪些數據的。我們的算法專家面臨著從 0 到 1 的難題，阿里云算法專家直接深入工廠場景，通過和具體生產部門、工藝部門、信息部門做交流，在對數據的理解達到一定程度之后，再結合阿里云自身云計算、大數據、人工智能算法找到突破口”，

　　工業大腦本身屬于平臺級產品，包含數據工廠、算法工廠、AI 創造間，支撐行業客戶去完成工業企業的數據算法以及開發治理，最終生產出給企業量身定做的數據智能服務。ET 工業大腦沉淀很長一段時間才推出，但在推出之前已經有過若干年的實踐，基于項目的交付、實施和業務價值提升，最終成型數據工廠、算法工廠、AI 創造間的架構體系。

　　數據工廠主要解決客戶數據安全、有效、穩定上云的過程，同時在數據平臺進行質量管控和治理;算法工廠基于阿里云過去歷史項目的積累、實踐，沉淀了工業大腦的算法引擎，算法引擎可以根據用戶需求再開發，基于該平臺，工業客戶不需要自己重新再經歷算法工程化過程;在 AI 創造間里，客戶通過拖拉拽的方式，把數據模塊、算法模塊，變成工作流業務的編排，形成一個工作流的業務輸出，對外發布服務，可以調試出量身作定做的數據智能應用服務。

　　“我們希望通過工業大腦降低行業 AI 使用門檻，通過可配置的方式做業務的編排。但這個平臺本身也是一個開發型的平臺，合作伙伴或者工業終端客戶自身信息部門的開發人員可以進行行業模板構結、定制，在平臺之上沉淀自身的行業數據模型，架構自己的算法模型，進而形成一個生態”

　　工業領域的自動化程度不一而足，如何兼容并包是一個現實問題。楊斌表示，阿里云 ET 工業大腦和工業企業原有系統、平臺、軟件根本不存在相互競爭關系，很大程度上阿里云更多的是通過自身能力普惠工業行業，為企業降本增效、數字化轉型提供全鏈路、全數據、全流程的數據智能輸出。

　　內外審視 ET 大腦

　　人工智能基于數學建模，總體來說，我們所能落地應用的人工智能都還比較初級，無非逃不過語音、圖像和自然語言處理等數樣，而隨著行業的的發展，技術的制約越發凸顯，“深度學習寒冬論”“AI 騙局”等等被揭開 AI 浮華表象，逐漸讓業界認識到一個樸素的現實——人工智能的發展還處于初級階段。

　　人工智能不“智能”，相反地，它還需要大量的“人工”。一個得到大多從業人士認可的理論是，人工智能的發展要經歷運算智能、感知智能、認知智能三個階段，后邊是否還會有更深層次的發展還不明確。目前我們所處的時間點大概是從感知智能向認知智能發展，人工智能已經能夠成熟的感知語音和圖像等信息，認知智能即意味著人工智能“能理解會思考”。

　　在雷鋒網看來，人工智能的發展目前還處于模仿人腦的階段，ET 大腦是阿里云多技術、多模態融合的典型輸出產品，而阿里云仍在強化 ET 大腦的極限。

　　對內，在日前的架構調整中，阿里巴巴集團首席技術官(CTO)張建鋒(行癲)將兼任阿里云智能事業群總裁，特別需要注意的是，逍遙子在信中寫道，集團過去幾年在實施中臺戰略過程中構建的智能化能力，包括機器智能的計算平臺、算法能力、數據庫、基礎技術架構平臺、調度平臺等核心能力，將全面和阿里云相結合，向全社會開放，為全社會服務。

　　對外，阿里喊出了產業 AI 的口號，阿里云智能事業群幾乎聚齊了阿里集團面向 2B 市場的大部分要素，時任阿里云總裁胡曉明談及阿里云對產業的思考，“過去每一次產業革命，都是技術與產業的深度融合，從而引發經濟和社會變革，AI 也不例外。未來 AI 要深入各行各業，去解決生活、生產和社會環境中遇到的棘手問題，這樣才能引領真正的產業革命”。阿里云的 AI 側立于行業旁，融入于行業中。

　　阿里云智能平臺是阿里巴巴集團中臺戰略的延伸和發展，云計算 +AI，這并不是新鮮搭配，但更多時候云計算只作為一個底座。這反映出阿里云又一個超前思考，在阿里云計算業務率先成熟的前提下，拋開云計算行業的同僚，加速在人工智能賽道上狂奔，阿里向偉大公司招手。

　　阿里云提前鳴響了下一場比賽的發令槍，下一場，關乎人工智能與未來。
　　（邯鄲網站建設）