从2006年亚马逊推出弹性计算云服务至今，云计算的发展已经十年有余。
放眼国内的云服务玩家，不论是早先倡导去“IOE”（去掉IBM小型机、Oracle数据库、EMC存储设备）的阿里云；强调与传统产业连接的腾讯云；着重服务政企客户的网易云；预备走出海路线的京东云；还是将 AI 作为输出优势的百度云——各家产商已逐渐形成具有所属集团特色的标签。
其中，作为 BAT 中最后一家入场的百度，其云计算业务的发展经历过不少波折。
2010年，李彦宏曾在中国 IT 领袖峰会中直言：“云计算，不客气一点讲就是新瓶装旧酒，没有新东西。”在当时的李彦宏看来，类似于将微软 office 从传统客户端搬到云端的做法有些“左手打右手”，在商业化上也容易遭遇困境。
不过，随着云计算的硬件，包括数据中心、服务器等基础设施的创新，再加上移动互联网的兴起，李彦宏对云计算前景的看法很快发生了转变。
“相比 PC 端应用，移动端的计算能力和功能受诸多限制，云计算可以很好地弥补这些限制，不再是新瓶装旧酒了。”李彦宏在2012年的百度联盟峰会上表示，他还在当时透露，百度正在做一个云计算平台，云储存是其典型代表。
2015年，百度云正式开放服务，不到一年时间，百度云团队迅速从200人扩充至上千人，还挖来了曾在苹果、SAP 担任要职的尹世明担任百度副总裁、百度云总经理，向百度总裁张亚勤汇报。
集团授权、高管就位、再加上百度已有的技术与数据积累，百度云很快明确了发展方向。
2016年7月，在百度云计算战略发布会上，百度董事长兼CEO李彦宏发布了百度云“人工智能+大数据+云计算”三位一体的发展战略；同年11月，2016百度云智峰会（ABC Summit）召开，百度总裁张亚勤首次将“云智数”三位一体战略总结为ABC（AI，Big Data，Cloud Computing）。
“ABC是百度云的核心竞争力，百度 AI 战略将通过百度云落地各行各业。”百度总裁张亚勤曾这样表示。
这样的定位一直延续至今。今年9月初，张亚勤在百度云智峰会中发布ABC 3.0，当中包括配有深度学习、对话式搜索、自然语言处理等全面AI能力的 AI To B 平台，同时针对农业、制造业、客服等细分场景，推出“云农、云制、云服”三类产业赋能平台。
百度总裁张亚勤在今年的云智峰会中发布ABC 3.0。
从 ABC 1.0时期的技术整合，到 ABC 2.0 时期对交通、金融、物流等行业小试牛刀的单点输出，百度云 ABC 3.0 进一步将百度内部超过110种 AI 能力进行整合，并以ABC-STACK、ABC一体机的形式加速交付，对输出行业也有了更系统的方法论。
“从百度内部来说，To B 的解决方案全部由百度云的团队提供，包括地图、车联网等数据和百度内部的AI 能力，所以我们给客户看到的是一张脸。”百度云副总经理李硕对钛媒体说。
除了百度云副总经理以外，李硕还在内部担任另一个关键职位：AI 商用业务负责人。自2006年加入百度后，李硕曾先后经历过百度搜索，基础技术，IDC战略合作，AI平台等多个重要业务团队，从0到1搭建了人工智能商用平台和产品矩阵，并负责推动百度人工智能在金融，通信，能源和交通等多个领域的落地。
身处与企业客户接触的一线，李硕对 AI 产品在市场上的认知变化有着直观的感知，而不论是百度在2017年推出的 ABC 一体机，还是今年更加细化的垂直行业解决方案，李硕将客户对 AI 能力的需求提炼为三个字：获得感。
这种“获得感”首先体现在价格方面。
区别于传统计算技术，搭建一套 AI 系统对算力的要求远高于普通 IT 架构，以钛媒体曾经报道过的人工智能平台公司“商汤科技”为例，为了重塑 AI 底层框架，商汤自建了超算中心，每年在采购 GPU 上的花费就超过上亿元。而对于一般企业来说，光是采购一套适配 AI 算力的 IT 系统，也需要百万元左右来更迭服务器。
商汤斥巨资建立的“超算中心”
“对于企业 CIO 或者 CTO 来说，他们花了几百万甚至上千万采购了设备，必须要考虑这些投入最终产生的价值是什么。”李硕对钛媒体谈到。
也就是说，对于仍属于新兴事物的 AI 类产品，企业客户需要的是一套高性价比，且能对症下药的解决方案。举例来说，假使企业只是需要语音转文字这样的单一 AI 场景，出于企业内部成本控制的考虑，就不需要采购好的 GPU。
也正因如此，出于性价比的考量，“获得感”又进一步体现在 AI 方案的具体实施环节。
与传统 IT 设施的采购方式不同，眼下客户对 AI 能力的获取方式，已不仅仅是单纯的大批量产品采购，而是在产品上，需要软件（平台）+硬件（一体机）结合；咨询方案上，则需要提供适配 AI 时代的理念与方法论。
“你可以理解成乐高积木，或者是流量套餐，企业根据规模以及应用场景的复杂度，选择基本的、高级的、甚至是豪华套餐。”李硕说。
百度云副总经理李硕、AI 商用业务负责人李硕
从云计算的角度来说，这种“即用即取”的弹性化选择方式能够帮助企业降低资源成本，而放在 AI 领域，除了计算资源的可选择外，企业用户对具体的实施方案也有了更细分的要求。
以百度联合浪潮在2017年推出的 ABC 一体机来说，起初，该产品面向的场景是广义的模型训练与线上预测，提供的也是人脸、OCR、语音识别等通用型功能。而随着 ABC 一体机在金融、工业等具体行业的应用，百度云也逐渐针对不同行业类型，提供诸如 ABC Fdata金融数据库一体机等细分产品，同时在基础服务器、硬盘、GPU 等配件中提供灵活选择，帮助企业支持二次开发。
尽管从开放服务至今不过三年，但根据张亚勤最近透露的数据，百度云相比2017年用户数已增长3倍，合作伙伴增长3倍，营收增长4倍，合作客户包括中化农业、宝武集团、北汽集团、中国人寿等大型集团企业。
那么，百度云的 AI 方案是如何从内部技术演化为外部产品的；在服务大型集团客户中提炼出了怎样的方法论；又是如何看待当下产业对 AI 落地的趋势？在与钛媒体的专访中，李硕详细回顾了百度云从 0 到 1 实现 AI 商业化的方法论，以下为访谈实录，经钛媒体编辑提炼后发布：
谈落地：将 AI 和信息化程度不高的行业结合，很容易陷入泥潭
钛媒体：百度云在2017年云智峰会推出 ABC 一体机、2018年AI开发者大会推出机器人开放平台 Nuwa，百度云为什么要推出这类“硬件+软件”的解决方案，软硬件之间的关系是什么？
李硕：ABC 一体机是整个业务实现的基础设施，这类系统一般会涉及到知识图谱、自然语言理解、语音文字转换等 AI 技术，以及商品、用户画像等数据标签，这些载体都可以被定位为企业级 AI 基础设施，目前一体机的矩阵已经扩展了很多，包括学习训练一体机、语音一体机，自然语言理解一体机等。
你可以将这种细分的产品方案理解为乐高积木，一体机不仅是一组机器，企业除了得到技术支持以外，还需要与内部业务打通，这就是企业在今天强调的对 AI 能力的“获得感”，他们希望装配在一体机内的 AI 引擎适应企业业务的革新，这就需要在给企业提供基础设施的基础上，同时赋予他们二次开发的能力。
钛媒体：这种“获得感”为什么一定要通过“软+硬”的方案才可以达成？
李硕：从硬件的层面来说，企业内部有很强的成本控制需要，对于企业 CTO/CIO 而言，他们花了几百万、上千万采购这些设备，也会被考核最后产生的投入产出价值。所以企业在考虑投入 AI 能力的时候，就需要用一个经济的硬件再加上适合这个场景的算法。
目前，我们会根据企业规模以及应用场景的复杂度，帮助企业选择适合的基础服务器、硬盘、GPU 等不同性价比的软硬一体套餐，比如语音转文字这种单一场景，就不需要用好的 GPU，因为好等同于最贵。
钛媒体：目前我们的 AI To B 方案主要聚焦在哪些行业，选择一个行业的标准是什么？
李硕：简单而言就是关系到国计民生的行业，像金融、汽车、能源、农业、工业制造相关的。
进入一个行业，最重要的选择标准就是这个行业本身的信息化成熟程度。今天 AI 和大数据的能力很难建立在还没有完成信息化基础的行业。我们早期遇到过这种客户，他们很热情地拥抱 AI，但当我们实际去客户的生产环境和经营环境观察后，发现内部很多生产流程还是靠 Excel完成，这种情况下AI和大数据是无从谈起的，他们首先要完成信息化。
所谓信息化，就是内部生产经营活动至少有一套 IT 系统在运作，当中产生的数据至少被存在云端（私有或者公有），而不是存在销售人员的电脑里。
钛媒体：不同行业之间的信息化成熟度有怎样的差别？
李硕：现在国内信息化进程排在前列的行业里，首先是金融；其次是运营商，通信和周边配套的产业。另外，能源做得非常好，因为能源涉及到电网运行安全，送变电等一系列事情，信息化水平从八十年代就开始建立，同时还有航空公司、机场、汽车等涉及交通安全的行业。
钛媒体：行业信息化程度的不足是否给百度云的落地带来挑战？
李硕：AI落地行业的选择的确是非常重要的一个指标，将 AI 跟一个信息化发展程度不高的客户和行业结合，就很容易陷入泥潭，因为无法找到数据的价值。
2015-2016年间，我们尝试去将AI 应用在旅游行业，当时来看，用人脸识别方案“刷脸”买票进入景区是个很好的结合场景，但做得时候发现国内的景区信息化水平发育参差不齐，比较落后的景区，连网络都不通，还是靠纸质门票完成检票，更不要谈识别人脸了。
所以在2017年之后，我们找到了行业里帮助景区实现票务电子化的集成商，跟他们合作之后，整个 AI 落地的过程就变得更快了。
钛媒体：相比其他的 AI 方案提供商，您认为客户会选择百度云的原因是什么？
李硕：对于用户来说，他们采购百度的 AI 能力，第一层是单纯做生意，希望获得当下最领先的AI技术；第二层是互联网公司成功方法论的学习，对于今天很多运营商头痛的数据治理问题，百度在2010年就通过分布式部署等方式完成了这个进程，我们非常清楚怎么应用分布式相关的技术去帮助一家企业数据上云，这种方法论对于企业而言是更有价值的东西。
谈趋势：企业客户不想再被 IOE 绑架，它们需要“综合性 AI ”
钛媒体：从2015年百度云正式开放服务至今，谈谈您对 AI 在行业落地的趋势变化？
李硕：2016-2017年间，我们看到产业对 AI 的态度大致分为两类：一类认为AI是万能药，什么都可以解决；还有一类像劳动密集型产业，对于AI有一些恐惧和担忧，认为 AI 会颠覆既有的商业模式。
AI系统的本质是什么？现在来看我们有一些新的认识：AI系统的本质是说把任何一家企业大量的IT系统产生的数据、经营活动产生的数据、甚至所有员工拥有的认知所转换成的数据，变成一个 AI 系统的原料，最终用这套系统提取出新的知识。
钛媒体：刚才提到企业客户对 AI 能力的需求变化时，您谈到了“获得感”，企业客户是否会为了“获得感”付出更高的客单价呢？
李硕：“获得感”在今天已经成为企业采购的一个必备项。上个时代 IOE 的产品已经教育了客户不能再买一个黑盒的产品，否则后期需要升级功能时仍然要依赖乙方。
在今天，没有哪家公司会强烈依赖 IOE 这些产品，对于基础设施，客户要求有很强的技术掌控能力，而不是再被新时代的IBM、 Oracle、EMC绑架。
钛媒体：从整个百度体系来说，从百度大脑等底层技术的沉淀，到百度云对外输出产品化的 AI 能力，这个过程是怎么实现的？
李硕：百度内部有一个非常完善的协作界面。其中，科研团队会把一个类似粗加工的引擎或者模型给到工程和商业化团队，后者会把引擎在不同的场景里做二次加工，再把不同场景里解决不了的问题带回负责基础研究的实验室，最终形成这种角色的互动。
举个例子，比如人脸识别技术，百度的科学家团队会先完成基础模型搭建，将人脸识别的准确率做到80%，接下来工程和商业化团队会根据人脸闸机的实际场景，结合光照、天气、摄像头位置等多种因素，进行二次定制和调优，最终将这项技术包装成识别度达到99.7%的产品。
钛媒体：视觉识别是现在人工智能领域非常热门的应用场景，相对于其他 AI 公司，您认为百度在该领域的壁垒是什么？
李硕：有三个方面。首先，百度的品牌无疑是一个优势，对于大量行业头部客户来说，他们在选择厂商时会关注合作伙伴的存在长期性。
第二方面，百度的 AI 是一个综合性技术，这体现在百度对于感知层、认知层的布局是非常完整的。举个例子，我们和运营商合作，他们对于智能客服的要求包括图像识别、语音识别、以及知识图谱等能力，这就需要企业把这几层能力打通。
这种AI 能力之间的打通还体现在技术识别准确率，比如客服场景中，第一层是语音转文字；第二层是文字转化为业务的理解；第三层是用业务理解指导系统完成操作，如果这三层由三家厂商分别提供，彼此的算法模型不互通，准确率就无法提升，很多创业公司做的就是其中某一层单品，但百度提供的就是综合能力，客户也会为此买单。
最后是百度对云基础设施的方法论。当企业试图应用 AI 能力的时候，涉及到大量基础设施的升级、改造、以及数据的治理，百度对其中的方法论是有成功实践经验的。
相关阅读：
热门专题
