文经授权转自公众号：科技向令说(xiangling0815)，作者：曾响铃
刚刚进行的百度云智峰会上，百度智能云发布了其“新战略”——“以云计算为基础，以人工智能为抓手，聚焦重要赛道”，和“新架构”——百度大脑、平台层、行业智能应用及解决方案三层结构。
会上，百度CTO王海峰称，“全新升级的百度智能云融合了云计算、百度大脑、大数据等百度核心技术，将在新基建大潮中，成为加速AI工业化大生产的关键力量。”
结合百度先期完成的一系列动作，响铃认为，百度的AI平台化模式已然鲜明——即打造“平台型AI”，为自己瞄准的产业智能化进行加速。
这一切植根于百度作为AI领头羊的技术和实践积累，它属于百度的企业个案，也属于整个AI。
01
深厚积淀后，百度正在“封装”AI能力构建“平台型AI”
分析“平台型AI”前，先来看百度抗疫的一些表现。
在疫情期间，百度快速落地了一系列智能产品和服务，帮助疫情防控+复工复产，例如，AI多人测温1周检测2700万人次，智能外呼支持基层随访500万次，AI问诊完成1500万次等。
王海峰形容“百度在第一时间就形成了战斗力”，他给这种“效率”提供的解释是“百度在人工智能、大数据、云计算等技术领域的积累”。
单从AI技术本身，应该没有人会质疑百度是中国AI技术最强的企业。仅仅过去的一年，百度就在MRQA/CVPR/ICCV等国际权威竞赛中获得20多个冠军，取得国家科技进步奖、省部级科技进步奖等100多个奖项，人工智能专利申请数量位列中国第一，深度学习专利申请数量位列全球第二。
而从AI落地层面，百度在智慧医疗、智能金融、智能客服及营销、智能制造、智慧城市等领域积累了大量实践案例，例如智慧医疗在27个省市自治区与300+医院，1500+基层医疗机构展开合作，智能金融与30多个合作伙伴一同开拓了200多家金融客户，智能客服及营销已经落地80多家客户，等等。
从技术到实践，百度AI长时间积累和沉淀，逐步形成了某种“萃取效应”，已经把AI(包括技术与实践)中的通用性能力提炼出来：
在AI技术层面，百度大脑、飞桨等已经实现 AI 技术的标准化、自动化、模块化;
在AI实践层面，大量个性化案例中，属于医疗、金融等领域的共性实践能力逐步形成，通用智能应用和解决方案“模板”基础上的深度个性化改造，成为新项目落地的一个常见方式(当然，客户应该可以选择是偏通用还是偏个性化)。
所以，可以看到在疫情期间，百度极为快速地落地适配疫情群防群控需要的各种AI技术，例如AI测温来自于图像识别技术(配合传感器)尤其是人脸识别的通用能力，而智能外呼的本质即是智能客服应用，只不过客户由商业化企业变成了社会基层管理机构。
按王海峰的说法，“人工智能会像机械技术、电力技术一样，持续渗透和变革人们生产、生活的方方面面”，拥有可以大规模使用的通用性特征后，AI无疑更符合产业智能化快速落地的要求。
在这样的大背景下，百度正在将这些具备通用性的AI能力“封装”起来，成为提供通用技术和实践能力的AI中台、知识中台——也是此次百度智能云新架构的亮点内容。百度要做的，是把AI积淀转化成平台能力，即AI的发展不再只是由大量个案项目组成(可看作“个案型AI”，尚不能在AI方面实现通用性突破的多数玩家还是如此)，而成为通用性AI能力下的平台化赋能过程，即“平台型AI”。
一方面，“平台型AI”是AI积累不可抗拒的客观结果，另一方面，百度在云业务上从规模竞争转型为注重价值落地，迎接新经济周期、新市场环境机遇的动机，也要求这样的变化。
响铃认为，正是在这样的双重因素驱动下，百度围绕“平台型AI”构建了一整套从战略到业务到组织的体系，厘清这种通用性能力与云计算基础支撑、表层应用的关系。
在战略上，百度确立云计算基础支撑地位， AI作为尖峰能力，为特定赛道的客户实现更明显的价值落地;
在架构上，百度把核心技术引擎百度大脑放置在底层，中间是“封装”云能力、AI能力、知识能力、以及其他业务能力的平台层，一同支撑上层一系列解决方案和智能应用，实现更清晰的业务打法。
在组织上，百度智能云当下构建了一套与新战略、新架构适配的组织体系：组织架构层面，前端更实战、后端支撑力更强;人才层面，在关键位置上完成了诸如优质人才引进等一系列动作;文化层面，“实战型”团队文化被强化。与新战略、新架构协同，百度智能云的组织更为清晰，组织效率也随之提升。
总得看来，深厚积淀后，百度“封装”AI能力构建“平台型AI”的工作，已经初步完成，剩下的，就是如何运营好这个全新的AI体系了。
02
“平台型AI”对产业智能化有四大“加速”价值
不管是出于客观结果，还是主观需要，响铃认为，“平台型AI”体系的建立，都将对产业智能化产生四大“加速”价值。
1、生产加速：更快的智能应用和解决方案“出产效率”
产业智能化及更深度的智能经济时代，首先体现的是“面”上更大的智能化渗透率，其首要解决的，是AI解决方案或应用仅靠单一企业一个一个推进的问题，实现批量化“出产”。
在新战略和对应的新架构下，“平台型AI”实际上顺应了当下AI与云深度融合的趋势，将使百度已经“萃取”的、具有通用性及标准化、自动化和模块化工业大生产特征的AI技术，以及AI实践积累，与百度的云能力形成更好的化学反应。
这种化学反应，即表层的行业智能应用或解决方案的出产虽然还是点对点的合作过程，但通过平台化赋能，其中的技术资源、实践案例经验可以更大程度共享，加速“酝酿”新的行业智能应用或解决方案出现。
例如，作为中国金融云解决方案领域第一阵营玩家，百度智慧金融已服务近200家金融客户，包括国有6大银行，9大股份制银行，21家保险机构，涉及营销、风控等10几个金融场景，把其中的能力平台化后，配合云计算的底层化支撑，百度在智慧金融领域完成新的智能应用或解决方案需求的过程无疑会更快，其过程，将近似呈现先慢后快甚至暴力拉升的态势。
2、落地加速：打破信息不对称，用“教练式”合作深入实践
很长一段时间内，AI企业与产业合作都存在着某种信息不对称，即B端企业懂产业但不懂技术，而AI企业有技术能力却不太懂产业。
“平台型AI”解决了这种信息不对称。
事实上，“平台型AI”相较于那些个案型AI，其演化可以看作AI由“授人以鱼”到“授人以渔”的转变，以共享百度平台化能力的方式，每个企业都可以拥有自己的AI平台、具备属于自己的AI能力，企业可以按照自己对业务的理解和需求，快捷、高效地打造AI解决方案。
简单说，百度“平台型AI”，就是百度提供技术能力，和B端企业一起定制建设AI中台，再把技术落地到产业，每一个落地项目，都是一个既有技术深度又有业务理解的整体。
来看例子。
国网山东省电力公司基于百度的BML机器学习平台构建了国网公司自己的AI中台，落地了大量智能应用或解决方案，例如“输电通道可视化平台”可以轻松实现户外各种复杂场景下的安全巡检，AI人脸识别实现进厅识别、刷脸办电等功能，精准营销则帮助用户体验和电力营业厅的效益提升。
而由于这些中台能力是企业在百度帮助下自主具备的，业务应用的建设变得十分快速，甚至对营商环境及生产管理水平提升有根本性的价值。
3、场景加速：聚焦赛道，在优势场景内实现产业智能化“再加速”
在制造业中，长期聚焦于某个领域，无论是生产效率、工艺水准还是行业地位都会不断提升。
而AI驱动的产业智能化，从操作上看，也离不开一个个赛道、一个个场景进行。
无论是百度智能云新战略中的“聚焦赛道”，还是新的业务架构中8大解决方案的全新发布，其实都基于产业智能化在特定优势场景内更快实现的目的。
一方面，这些场景是百度AI的优势所在，先从优势出发实现场景范围内的产业智能化，做出标杆，再探索更多新的赛道和场景，是再恰当不过的做法;
另一方面，这些场景本身也有很高的价值空间，按王海峰的说法，是“聚焦社会价值和商业价值兼具的重要赛道”，像医疗、政务、金融，这些年都是“兵家必争之地”。
4、创新加速：快速试错、快速创新
不管什么样的模式，AI的发展都不可能是一帆风顺的，区别在于，一个好的模式能够让AI更快速试错从而更快速改进和创新，而这正是产业智能化过程中的自我进化所需要的。
“平台型AI”让百度形成了“后端资源共享，前端贴近实战”的AI发展特征，从技术到实践的通用能力能够更好地做到所有项目共享，资源被最大程度整合，这使得前端的创新可以快速起落，而不用像过去那样为了一个新的idea、新的客户需求，要花很长时间进行筹备和探索。
简单说，快干快上，有问题快速反馈优化再提升，需要厚重积累的AI也变成一样十分敏捷的事。在这种情况下，产业智能化将伴随更多的新技术应用、新合作模式、新需求实现方式等。
03
“规模化复制”行业竞赛，被“平台型AI”推动走向纵深?
产业智能化的规模化复制战争早已打响，在各家都做出一些标杆案例后，把案例快速复制出来，做大规模似乎成了很多平台的主要发展任务。
这固然没错，但就产业智能化的最终目标——智能经济而言，其标志是各行各业真正运用AI技术实现了价值落地，而不是只有云计算、AI企业规模做得有多大。
王海峰在百度云智峰会上直言不讳地表示，“现阶段，大多数企业都缺乏AI的基础能力和支撑AI开发及应用的平台”，这其实说明，很多时候，B端企业只是获得了与AI企业的“合作”，这些合作被AI企业当作标杆宣传，并在后续的案例中尝试“复制”，而企业并没有真正拥有AI能力，无法将技术与业务有效融合实现更好的价值落地。
在这个背景下，“平台型AI”的基础+抓手+赛道聚焦，同时完成了标杆案例的快速复制，以及AI基础能力和支撑AI开发及应用能力的普及，以某种“能力共建”的方式切中了企业“不能自主掌握智能化能力”的痛点，这在以个案堆砌为主的AI模式中是无法实现的。
总而言之，百度智能云通过升级新战略、新架构，并配套进行组织变革，完成了“平台型AI”的升级，这种过去技术和实践积累之上的全新AI发展模式，将从多方面推动产业智能化加速，也改变行业“规模化复制”竞赛的内涵，使整个产业智能化的进程更加符合智能经济时代的需要。
领头羊玩家整装待发之后，对产业智能化的下一步进程，不妨拭目以待。