7 月 21 日，騰訊 AI 加速器將在深圳騰訊總部騰訊大廈正式開啟，並於 22 日、23 日舉辦為期兩天的閉門研討，圍繞產品戰略主題為入圍加速器的 25 家公司提供專業輔導。首期是由 AI LAB 六名技術專家、科學家，對專案分組進行產品、技術為核心的定製化內容輸出，除此之外，也會有針對企業戰略、組織與人才管理等公司經營層面的交流。
據瞭解，加速器為這些入選專案配備覆蓋產業、學術、工業方面的輔導內容，進行為期六個月、每月兩天差異化主題的產業與技術深度解析。同時，也將向 25 家公司提供 AI 專家、導師、行業資源、創投資源、市場公關五大維度的切實支援，甚至包括應用流量、社交廣告、內容傳播等工具，這些資源來自 AI Lab、騰訊雲、優圖、微信等騰訊內部事業群。
騰訊AI加速器複試評委合影
騰訊 AI 加速器依託於騰訊開放平臺，是騰訊在 AI 佈局方面，除以 AI lab、優圖、騰訊云為主的基礎技術研究，以業務驅動，打造遊戲 AI、社交 AI、內容 AI、平臺工具型 AI 應用場景之外的又一個重要佈局，它連線騰訊內部和國內外創業者資源與能力載體，構建人工智慧創業生態，扶持人工智慧創業，使人工智慧技術產業化。
在 6 月 19 日舉辦的騰訊 AI 加速器複試現場篩選出的 25 個專案，分別覆蓋金融、醫療、教育、企業服務、智慧硬體等多個領域。人工智慧正處在創投風口，根據騰訊開放平臺的資料顯示，今年 4 月啟動專案招募，該加速器就迎來報名者近千人，最終從中篩選 42 個企業進行了複試。
從篩選出來的公司中近八成專案處於 A 輪或 A 輪前期的融資狀態，不難看出，聚焦場景變現的 AI 早期創業專案是此次騰訊 AI 加速器主要關注目標。而這也與騰訊 AI Lab、優圖、騰訊雲在人工智慧發力點有所區隔，同時，也可以將其產品和技術能力向眾多優秀初創公司輸出，形成行業生態化的戰略佈局。
我們重新梳理了複試企業的業務，篩選出十一家將人工智慧落地在不同行業應用場景的典型公司，它們的產品定位各不相同卻同樣抓住利用 AI 提升效率的核心目標：
匯醫慧影：AI+醫療，提升效率，解決資源不均問題
對一個影像醫生來說，他需要長時間集中注意力，反覆檢視大量的影像圖，以找出病人的病症。高強度的工作，反而容易引起漏診。據資料統計，基層醫生影像診斷漏檢率在 30%。
另一方面，醫療影像在醫療環節屬於能夠量化的檢查手段，在檢視影像圖的時候，影像醫生仍需要做大量重複勞動，因此，與醫療影像結合，輔助醫生完成基礎篩查是目前人工智慧在醫療影像領域最基礎的應用。
但匯醫慧影的創始人兼 CEO 柴象飛認為，醫療影像不同於普通的影象識別，需要分得非常細：一，偏篩查，比如正常人做體檢都會使用的超聲、X 光，胸片。二，日常診斷。三，垂直化，深入某些領域，對後續診斷和治療決策進行量化支撐。
2015 年 3 月成立的匯醫慧影則主要深耕基礎篩查和垂直領域兩方面，柴象飛表示，通過量化報告結論，能把大量結果的資訊直接融入量化系統和精準醫療的流程，實現更加準確化的診斷。
在垂直領域，匯醫慧影則深入腫瘤，「由於腫瘤的一致性，在基礎基因診斷，並沒有獲得全貌的表徵，而影像組學巨集觀一致性的特徵，對準確地診斷疾病，選擇治療方案，有重大的意義，同時也是非常熱門的方向。」柴象飛說。
匯醫慧影將原有的資料，通過 SaaS 化的形式，連線到雲端。利用雲端實現數字化的分享功能，再通過機器學習、影象大資料分析的方法，為診斷提供輔助性提示，再通過計算機的方式，將診斷的結果進行量化，而非像影像醫生通過一段文字來呈現檢查結果。經由這種方式，匯醫匯影能把漏檢率降到 10% 以下。
「我們通過醫療影像的數字化、移動化、智慧化，提升醫學診斷的效率，使醫學診斷充分量化，將其引入到精準醫療，解決醫學影像診斷資源不均的問題。」柴象飛分析他們的價值所在。
而目前，匯醫慧影的產品已覆蓋影像雲平臺、放療雲平臺、電子膠片、常規閱片外包服務、疑難大病專家會診及醫生集團等六大模組。
Bello 智慧招聘：AI+招聘，精準匹配簡歷，優化招聘流程
如果你是一位 HR，那你可能每天都要瀏覽大量的簡歷，而對求職者而言，要想找到一份合適的工作也不容易，需要不斷地海投簡歷。人工智慧則能優化供求雙方的流程，使 HR 和求職者更快找到對方。
Bello 智慧招聘創始人李鬆毅表示，其基於雲端的 SaaS 平臺 Bello 擁有 5000 萬份簡歷和候選人資源，在 Bello 上，HR 上傳職位描述，系統就可以自動從 HR 所在企業的自有資料庫或者 Bello 雲端匹配簡歷。而在以往，HR 需要到各個網站上搜尋並閱讀大量簡歷，再用關鍵詞匹配。
李鬆毅認為，使用 Bello 有兩個好處，一，資料的資訊量遠遠大於只用關鍵詞搜尋得出的資料。二，HR 不用反覆搜尋，因為 Bello 基於自然語言處理技術，能精準定位與職位描述匹配的簡歷。而 Bello 系統會把整個資料庫所有的簡歷進行打分，按照分數降序排列，HR 只需要瀏覽前 10 份簡歷，而無需閱讀大量簡歷，從而節約時間。
為了更精準地匹配簡歷，Bello 會在雲端給企業或個人都打上更多標籤，智慧化地給他們畫像，除此之外，Bello 正在打造超越目前第三正規化的招聘智慧，基於大資料，讓系統模擬人腦做出判斷，降低所有招聘成本，並做到因才施用。目前，藥明康德、華潤置地在使用這套系統。
瑞為：AI +消費，為商鋪構建資料化能力
用人工智慧對顧客進行畫像，分析和預測顧客的喜好，這是在零售和消費領域，目前最為常見的一種應用。瑞為通過機器視覺的技術，幫助實體店鋪精準分析他們的客戶群，為線下實體店提供智慧商鋪解決方案。
瑞為董事長詹東暉強調，一定要在低成本的嵌入形狀裡面，實現複雜的機器視覺演算法，因此，他們從一開始，就基於 APGA，來做深度學習的演算法。目前，他們已經是全球最大的 APGA 廠商 Zanker 公司在中國最大的客戶。
詹東暉介紹，瑞為花費 3 年開發出一整套解決方案，包含前端的智慧硬體到雲端，再到店員、店長所使用的 APP。瑞為目前有兩款硬體載體產品，一款是店計，用於入店客戶精準分析，另外一款是小客，對店內客戶對商品、廣告的關注進行分析。所有的資料，會在前端的硬體分析完成之後，上傳到雲端，在雲端做進一步的大資料分析和資料探勘，再反饋到店員的手機，幫助他們瞭解所服務的顧客。
「統計人次，人流量，幫助實體店精準分析他們的顧客，包括使用者的畫像以及顧客的喜好，通過雲端大資料的分析，來做進一步的客戶推薦，是否是你的意向客戶，他的喜好是什麼，將這些內容推薦到店員的手機，幫助店員提升客戶的轉化率。」詹東輝認為這是他們給客戶帶來的價值。
除了為智慧商鋪提供解決方案之外，瑞為還對運管車輛提供車載智慧，通過一個智慧硬體的前端，對司機疲勞、抽菸、打電話等駕駛行為進行監測。而在未來，瑞為計劃深入到具體行業，做更多的機器視覺應用，比如在實體的眼鏡店裡，進行試戴、試穿，以及眼鏡的推薦。
慧川智慧：AI +多媒體，讓媒體人更方便地生產視訊
有一個資料是，視訊網路使用者已突破 5.5 億，並保持每年 8.1% 的增長速度。但對於視訊編導來說，每天工作到凌晨，甚至通宵熬夜都是家常便飯，慧川智慧 CEO 康洪文認為，這裡面有大量的重複勞作。
另一方面，微信公眾號有 2000 萬註冊公眾號，活躍的就有 280 萬活躍帳號，每天至少產出 100 萬篇文章，其中，大部分文章都適合用視訊呈現，而一些傳統的自媒體人也開始從圖文轉向視訊。
一些傳統的媒體，以及像淘寶這樣的電商網站，有 80% 的商家都希望能夠製作視訊組圖。看到這個趨勢的慧川智慧決定用 AI 幫助媒體人制作視訊，希望做到「讓人只要會寫文章，就會做視訊」。
慧川智慧推出了一個名為智引的產品，結合自然語言處理、計算機視覺、視訊分析、視訊大資料多方面核心技術，使使用者簡單地輸入一段文字、微信公眾號文章或幾個關鍵詞，慧川智慧就基於文字分析，理解文字里的故事脈絡、時間、地點、人物、事件，然後將圖片、視訊等素材進行匹配，再加入原生的廣告，自動生成視訊。康洪文介紹，這完全不用下載任何軟體，只需要註冊賬號，就能在這個剪輯系統中，線上生產視訊。
「在 AI 方面，我們建立這三大方面的突破，第一是計算機視覺，包括場景識別、人物識別、物體識別，第二是自然語言的積累，第三是大規模雲端計算的計算平臺的突破。」慧川智慧的康洪文說。
乂學教育：AI +教育，因材施教，將優質教育普及到每一個孩子
相關資料顯示，一萬個孩子只有一個人能享受到特級教師的教育，眾所周知，優質教育資源在中國並不是均衡分佈。同樣地，因為傳統的教育培訓是線性教學，一個知識點學完，老師才能講解下一個知識點。但是，每個學生的資質和對知識的掌握程度都不一樣，因此對一些學生來說，只能重複學習已經掌握的知識點，而這些知識點，對另外一些學生來說，難度又太大。這就造成所有學生的學習效率都很低下。解決辦法就是為每個學生都提供獨一無二的學習方案，而傳統教學中，缺少的教師資源又無法保證這一點，因而在中國的教育系統中，儘管一直在強調因材施教，但實際上無法真正做到。
乂學教育的聯合創始人兼 CTO 樊星認為，通過人工智慧，讓系統無限複製模擬特級教師，能為每個孩子提供 100 個特級教師，做到真正的因材施教。
乂學教育成立於 2015 年，專注於 K12 領域智慧個性化輔導的智適應教育，結合演算法與中國學情，為學生智慧推薦專屬的學習路徑。樊星在騰訊加速器上介紹，乂學教育在產品上分為兩個大的模組，一個是檢測模組。在這個環節，將知識空間演算法與知識圖譜結合，檢測學生掌握的若干知識點，快速找出他的薄弱點，而不是重複複習。另外一個則是推薦模組，通過 AI 的演算法，為孩子推薦個性化學習方案，包括學習目標、學習內容和學習路徑。
而學生在執行這個方案的過程中，乂學教育再通過大資料分析以及對其他大量學生學習資訊的採集，對該學生的學習方案進行優化和修正，使他最終達到學習目標。
據介紹，乂學教育線上線下齊頭並進，線上的模式近乎 51talk 等，由學生直接線上上完成授課。不同的是，乂學教育 30% 的授課由老師完成，70% 由人工智慧的系統完成。線下業務則以加盟的形式，在各地開實體授權學校，線下招生，目前已經有 100 多家，開業的已有 60 多家，已覆蓋到浙江、江蘇、山東、湖南等地。
樊星認為，他們之所以能做到如今的規模，是因為站在巨人的肩膀上。在美國有類似的案例已獲得 1.2 億美金融資，在 3000 多家學校得以使用。而 90 年代初，美國就誕生了名為「智慧輔導系統（ Intelligent Tutoring System ）」的教育系統，旨在通過技術手段，檢測學生當前的學習水平和狀態，並相應地調整學習活動和程式，實現個性化或者差異化學習。
小法博機器人：AI +法律，使判案更加精準高效
深圳國際仲裁院有一個名為「3i」的仲裁機器人在 2016 年 10 月悄然上線，到 2017 年 4 月，這個機器人利用自然語言處理和機器學習技術，除了可以回答近 500 個仲裁問題外，還能回答 1500 個與海事仲裁有關的問題。此外，為了方便仲裁員審理海事案件，仲裁機器人的開發者「法律實驗室」和深圳國際仲裁員還開發了海事案件智慧分析系統，可以查詢到全國所有海事法院受理案件的情況，案情審判結果等，最後實現法律機器人輔助仲裁員更精準、更高效地辦案。
法律實驗室的創始人張力行介紹，在一個法律案件中，律師需要花費 75% 的時間尋找適用的法律條款，使用 AI 技術，律師能以最快的速度找到自己最需要的內容，同時把最複雜的案件進行分析、評估。
而經由他們開發的分析系統，只要輸入原告、被告以及相關的問題，就能在系統的解鎖器中進行檢索，案件是勝訴還是敗訴，勝訴比例如何，應該如何制定訴訟策略，基本的判決情況會如何，這些結果都會在系統中輸出。
「使用 AI 進行案卷分析，將會徹底改變過去傳統的法律思維的模式，沒有一個法官可以記住所有的法律概念，在你判案的時候，機器人則可以提示你，從而使整個判案更加精準高效。」張力行說。
張力行認為，法律作為最垂直的領域，與下棋非常類似，下棋是棋盤上的，法律是在法庭上的，都是一種博弈。只是法律沒有圍棋那麼複雜，但理論相同。因此，他們正在研究法律碧昂絲理論，把法官基於感覺和經驗判案的方式，變成更加精準、定量、標準的判決，由機器人輔助法官更加精確的判案。
而兩年前成立的法律實驗室除了正在研發的分析系統之外，還將北大法學院的 30 門課繪製成了知識圖譜，將知識圖譜作為研究 AI 的基礎，並開發了名為「小法博」的法律問答機器人以及仲裁機器人。
張力行介紹，只要是法律諮詢服務，「小法博」基本都可以進行解答，而在法庭上，小法博也能替代一些重複性工作。比如專業的裁決書，一般都需要 20-30 頁，再加上數量眾多的裁決書，如果完全依靠人力的話，這是一個非常繁重的工作，而經由法律機器人處理，短短一分鐘就能處理完成。
助理來也、追一科技、三角獸、竹間智慧：AI + 語音，發力於個人助理和客戶服務
如今，越來越多的人生活和工作都很繁忙，需要安裝各式各樣的 App，用來解決不同的需求，而在微信上進行溝通，聊天記錄太多，一不小心就忘記了。如果有一個助理，能為你搞定所有的事情，則會帶來相當大的便捷。
助理來也正是建立在這樣的使用者需求上，推出一個擬人化的助理角色小來，基於語義理解、對話控制等技術打造對話系統，幫助使用者管理日程，再基於領域知識和使用者個性化資訊的場景化和個性化推薦，根據使用者的實時需要，在智慧派發系統上，匹配解決方案，為使用者跑腿定咖啡外賣、解決居家出行等需求。
基於自然語言理解的另一家企業追一科技同樣通過了騰訊 AI 加速器的複試，但他們跟助理來也應用於個人助理不同的是，他們認為，基於語音識別和語義理解，企業與客戶的對話形態會有大的轉化，最主要的變化就表現在客服。而追一科技的對話機器人平臺 YiBot 則主打客服市場，服務滴滴和國美，YiBot 已為前者節約 1000 多名客服人員，節省 1 億多元成本，幫助後者 2000 多個門店構建了提供 IT 諮詢、人力諮詢、財經諮詢的機器人平臺。
三角獸也通過了複試（解鎖三角獸，語義分析如何成就爆款產品？），其 COO 馬宇馳介紹，2017 年，三角獸主要聚焦的領域，則是智慧客服領域，IOT（智慧裝置）以及泛娛樂領域。
主打情感機器人的竹間智慧的產品則包括兩部分，一是 AI 對話內容機器人，一是多模態情感識別系統。前者在電商、金融、智慧裝置都有應用。經過多模態情感識別系統，可以讓機器人通過情感識別，比如呼叫中心，結合客戶的聲音，辨識他們的情緒，從而能使聊天機器人更加智慧。（竹間智慧創始人簡仁賢：挖掘人機互動背後的商業價值）
小庫科技：AI +建築，讓建築師不再重複畫圖
在如今的建築領域，建築師往往需要反覆地修改圖紙，小庫科技的創始人何宛餘認為，這樣反覆修改、計算，需要花費大量時間的重複性工作完全可以交由機器完成，讓人工智慧改善建築行業的生產力。因而，她創立小庫科技，致力於將建築領域 80%-90% 的產品，比如住宅小區、產業園區的設計智慧化。
2017 年 6 月，小庫科技推出包含智慧設計、建築演算法和大資料分析的 SaaS 平臺「人工智慧建築師小庫」，建築師使用這個平臺，只需輸入需求、基地條件、容積率等引數，系統就能生成上萬套方案，通過強化學習後的智慧篩選功能，向建築師推薦 10 套不同的設計。
除此之外，系統還能評估生成的建築方案，建築師也可以對方案「點贊」，建築師使用得越多，點贊越頻繁，小庫此後推薦給他們的方案也就越符合個人審美。為了使系統生成的建築方案更有創意，並滿足建築師的個性化需求，小庫科技推出羅塞塔計劃，通過深度學習分析、理解知名建築師的設計方案和設計風格，由此得到包含該建築師的設計邏輯、審美判斷的智慧設計演算法，生成特有的模型，豐富小庫模型的同時，使小庫具備創造力與想象力。（將人工智慧用在建築領域，小庫科技讓建築師不再重複性畫圖）