在物流業的一個細節，窺見行業AI落地的春雷湧動

縱觀整個AI技術的發展歷史，會發現無外乎有三條路：通向演算法能力進化，通向開發者，通向行業應用。

三者當然缺一不可，但其中行業+AI卻是重要性最高，同時也最富挑戰性的一條路。因為它是AI的最終目的，也是無法作弊的終極考卷。很多人都知道，AI技術在上世紀60和80年代分別迎來過一次技術到產業的全面泵噴，史稱兩次AI之冬。而這兩次技術災難發生的根源都在於AI最終沒有達成大眾對它的產業化期待，無法真正走到工業世界和社會經濟當中。

數十年過去，我們今天緊緊抱住的AI技術能逃脫歷史的“厄運”嗎?答案可能要從一個真實的崗位，一家實際存在的公司，一份確實需要AI技術的工作中去尋找。

好，讓我們來給這篇關於行業AI的故事，預先設計一個主角吧。這個主角就是你和我共同使用的視角。我們的主人公叫小白，是剛剛進入國際物流行業不久的一位新人，他每天的工作就是處理像雨燕一樣飛來的物流單證。

說起來，人類確實是最神奇的生物。看到燕子飛來，大多數人想到的不是吵鬧的叫聲，而是冬去春來的種種意境;小白在看到那些全球飛來的物流單證時，看到的也不是工作多麼複雜繁冗，而是AI對行業潤物無聲的改變。

物流業的單證之痛，如何用AI解決?

小白所在的企業，經營著通達全球的物流系統。這意味著公司每天會回收來自世界各地的物流票。。據、結算單據等等。小白的工作就是將它們歸檔整理，為企業流程運轉做好資料準備。

但與很多人想象的不同，這份工作並不是無窮無盡的打字錄入。在AI時代，識別單據資訊只要用OCR技術掃一掃就能搞定。但對小白這個崗位來說，OCR識別取代人工卻並不那麼容易。

原因在於，這家企業經營的是國際物流。其問題在於來自各個國家、各個合作企業的物流單證制式並不統一，語言五花八門，甚至手寫還是機打都不一定。一般的通用OCR API根本無法識別這些“萬國彩旗”。小白這個聽上去極為簡單的單證管理崗位，卻被硬生生逼成了會多門外語，能識別各種奇異字型。

然而最近小白卻發現了轉機，用AI能力識別各種國際物流表單，不再只是他這個文科生的“科學幻想”。公司接入了盈智科技應用華為雲ModelArts Pro開發文字識別套件。在這個套件基礎上，一個全新的國際物流單證識別只需要3分鐘就能完成。這意味著物流單證可以“出現一個消滅一個”，而不是等待技術人員和服務商用一週多的時間才能開發好。而在新AI能力的輔助下，小白估算了一下工作效率，發現他完成同等單據錄入工作的時間，竟然生生壓縮到了原來的50分之一。不僅小白自己的工作壓力得到了解放，整個公司的平臺效率也顯著提高。

AI專家為小白解答了改變背後的“秘密”：過去的OCR識別API是通用化的，面對他們的特殊單證很難發揮效應，識別正確率無法令人滿意。而基於ModelArts Pro打造的單證識別AI套件，是一個可以實現高效定製的系統。當新單證出現，只需要把幾個關鍵點輸入系統，幾分鐘就可以獲得新的識別能力，能快速響應不斷增加的單證需求。

至此，小白由衷感慨，AI時代真的來了。

迴歸現實：AI到行業AI的距離

AI必須走入行業，滿足每家企業的獨特需求。這個邏輯幾年來被廣泛論證，已經成為了貫通國家戰略與每家企業智慧化發展需求的社會共識。

但問題是，AI究竟如何走入行業?

如果我們不站在小白的視角，可能會認為OCR識別早就解決了物流單證識別的問題，甚至物流+AI已經基本實現了。然而回歸一個真實的崗位，一個細節的企業需求，就會發現每家企業、每個行業的獨特性都是無法忽視的。行業與AI的真實距離，還隔著從紙面到現實這座大山。

比如說，回到現實中我們會發現大多數實體經濟企業，都不具備AI人才儲備。資料標註、模型訓練、演算法架構、Kubeflow、OpenNLP這些概念對企業目前的從業梯隊來說無異天書。而僱傭AI人才成本又太高，有了相關人才之後結果如何還屬未知，這讓眾多企業只能對AI想想之後作罷。

而能夠直接從服務商體系獲得的AI能力，又大體處於通用API的階段，就像上文所述的物流單證OCR識別一樣，通用API能力不足以滿足企業定製化需求。而向專業公司求助，又會面臨很多問題。比如即使需求擁有可執行性，定製週期一般也要數週起步。而如果定製API需要發生更新，就像小白需要識別新的單證，那麼這個輪迴又將重演，企業又可能面臨數週的等待期。

另一方面，專業AI服務商由於並不懂具體的行業流程和行業需求，因此會要求企業提供大量專業背景和行業資料。這個時候企業又要花費很多時間在整理資料、收集資料上，容易陷入雙方你等我、我等你的狀態，最終專案的時間、人力、資金成本被反覆放大。

由此可見，對於現實中具體行業、垂直領域中的無數企業來說，AI要求人才成本過大、獲取時間過長、無法自我迭代等等問題都構成了AI落地的阻礙。那麼解決這一系列的思路應該是怎樣的呢?至少有三個解題方式可以歸納：

1、行業資料和行業模型要實現共享，儘量避免具體的企業從發明輪子開始上馬AI。

2、每家企業要能實現基於模組化技術，以及行業資料、開放平臺的自我AI創新。達到行業共享和企業定製的結合。

3、整個流程儘量實現自動化、標準化，企業不需要專業AI人才也可以使用AI。

這三個要求，我們可以將之視作AI技術體系的3.0階段核心特性。以機器學習為代表的第三次AI崛起，1.0階段是實驗室和科研機構的演算法效果和資料集實驗;那麼2.0階段就是AI走向開發者，搭建深度學習框架、AI運算元、預訓練模型、開源社群;而3.0階段則是走向行業差異化和技術工具的模組化、標準化，從而讓AI走向產業應用，走向低門檻普惠化的行業AI階段。

而從小白工作上的改變，物流行業的定製化AI能力中可以看出，華為雲的ModelArts Pro已經具備了這樣的特徵。

行業AI工作流：ModelArts Pro的邏輯重構

3月28日，在華為開發者大會HDC.Cloud期間，華為雲正式釋出了ModelArts Pro。作為AI開發者已經十分熟悉的一站式AI開發管理平臺，ModelArts以自動化、智慧化的開發方式馳名業界。然而ModelArts Pro卻並不像手機一樣，是版本的垂直上升。而是將一系列全新能力納入體系內，完成了開發者象限之外，行業AI這個事實上非常空白領域的填補。

ModelArts Pro的定位，是全球首款企業級AI應用開發專業套件。它的獨特價值不僅在於技術上的升級和進化，更在於它在使用者視角上嘗試了一個堪稱重構的邏輯轉換。

一般而言，AI平臺和開發框架預設的使用主體是AI開發者;而ModelArts Pro瞄準的是行業AI應用開發者，以及不太懂AI開發但是卻需要進行AI落地的企業，從而完成了“授人以漁”的工具邏輯轉換。

從物流行業的案例中，我們能夠直觀感受到ModelArts Pro帶來的行業AI改變。而如果回到技術線索的話，ModelArts Pro的改變在於交付方式的創新。一般情況下，AI平臺提供的是技術鏈和工具集合。但一家不具備專業技術背景的企業，在使用一種全新技術的時候，真實需要的其實是工作流。

所謂工作流，是上世紀80年 代時候辦公自動化崛起時，關於企業流程管理和企業效率提升的一個概念。它把一家特定企業的工作拆解成相互銜接、能夠層層推進的任務和目標，新的員工和專案組，只需要按照工作流要求融入企業流程，就可以高效率、低學習成本地進入企業。

ModelArts Pro的主要目標，就是幫助行業AI應用開發者快速構建相應的工作流。工作流來自於華為雲在處理相關行業需求時積累的經驗，以及合作伙伴對垂直行業的深度理解，從而搭建出適合具體行業的AI套件。

當適配ModelArts Pro覆蓋行業的企業出現AI需求時，可以率先檢視相關工作流是否與自己需求吻合，如果吻合只需要一步步執行即可。將自身行業資料，比如小白麵對的全球單票資料輸入相關工作流，就可以極短時間內滿足企業需求。

而如果企業還是有一定定製化需求，那麼可以透過原子元件(Atom)靈活編排新的行業工作流。或者由華為雲結合具體需求，搭建符合ModelArts Pro規則的工作流。這樣在滿足具體需求的同時，有相關需求和行業特性的後續企業就可以延順這條工作流完成低門檻定製開發。並且企業後續的迭代也建立在相關工作流上，可以無縫實現自我演進。而當相關工作流和具體演算法愈發豐富，企業經驗更加成熟，還可以透過華為雲AI市場隨時購買更多演算法，組成自己的差異化能力，讓AI開發者生態與行業AI生態不斷融合。

ModelArts Pro的產業邏輯之所以有“重構”的特性，是因為它首先承認了各行業、各企業需求的極大不同，而不是希望以技術抹平企業差異化。同時它預設企業沒有AI人才基礎，將所有企業可能無法完成的工作都自己完成。

既然AI要落地，就要站在土地的角度思考，而不能空想岩石長出翅膀。

與以往的AI開發平臺和開發工具相比，基於行業AI工作流的ModelArts Pro至少在三個方向上重新定義了產業鏈的行為邏輯：

1、以行業使用者為中心，從頭組織AI交付方式：以往的AI產業中，交付方式是以技術能力為單位的。但ModelArts Pro的AI工作流模式，則是完全以行業視角為中心，以企業的工作流程模組為單位。也許企業上一步需要某種能力，下一步需要完全不同的技術能力。但ModelArts Pro則消弭了技術之間的差異，直接以行業為單位交付。

2、以工作流為方式，重構AI應用場景：傳統的AI+行業，只需要關注單一場景的效果。但在企業生產實踐中，卻可能是從策劃、研發到生產銷售的全流程多場景方案。這些場景可能貫穿不同的AI技術能力、工具和開發方式，但是ModelArts Pro打破了這些界限，為企業提供整套解決方案，以及簡單高效的部署體驗。

3、以行業為視角，重新定義AI人才邊界：ModelArts Pro的一切思路，都建立在各行業目前階段必然缺乏相關人才的基礎上。於是ModelArts Pro基於工作流模式，融合更多智慧化開發工具、AI市場，構建了無技術門檻的AI使用方案。

某種意義上來說，ModelArts Pro就像一個新的通訊節點，它把屬於AI和開發的訊號，同時接入了行業的網路中。而這一個節點帶來的改變，顯然將帶來廣闊的連鎖效應。當物流單證這個非常垂直的問題，被ModelArts Pro的工作流所改變，我們已經能看到更遠處醞釀的蝴蝶風暴。

跨越寒冬：重新定義行業AI落地方式

ModelArts Pro在縱向的AI技術發展歷史上，是行業AI趨勢的必然要求。而華為雲能夠率先推動完成這一改變，一方面建立在華為整體AI戰略佈局上，一方面來自於華為雲不斷與各行業交流、溝通、探索AI技術的基礎上。ModelArts Pro的本質，就是華為雲在2019年開始不斷積累的各行業AI經驗留存下來，目前已經覆蓋物流、石油、零售、金融、醫療、交通等行業場景，推出了文字識別、視覺、自然語言處理、知識圖譜等開發套件及端雲協同多模態AI應用開發套件HiLens。在ModelArts開發生態、AI市場，以及華為雲合作伙伴的不斷加入中，基於行業需求的AI交付方式將不斷繁榮，以“小”實現“大”，以案例驅動產業，以認同差異實現普惠AI。

而這一模式改變更重要的價值，在於AI以全新的方式融入行業場景，將驅動AI使用和雲端計算服務的整體市場格局發生板塊遷移。目前AI已經成為了雲服務體系中最受關注的輸出產品，但真正的大市場、大應用，卻被AI人才成本、時間成本、產業效率等問題隔絕於“雲”外。

ModelArts Pro讓AI解決方案直接與行業需求貫通，事實上改變了AI接入企業整體程式的效率。AI不再需要等待企業去逐步認識價值、培養團隊、形成戰略，而是可以直接嘗試透過雲服務吸納無門檻的AI技術應用，以嘗試帶動體系化跟進。

而在ModelArts Pro背後，還聯接著從昇騰晶片、MindSpore開發框架，再到華為全棧全場景AI解決方案。當ModelArts Pro“邀請”行業使用者加入了AI世界，後續發生的生態效應將會持續令人期待。

以ModelArts Pro為牽引，到華為全棧全場景AI的整體架構，這一邏輯鏈帶給雲端計算產業的直接變革在於，大量普通使用者將被吸入，新的商業模式和需求將在實體經濟和商業世界中興起，華為雲基於AI技術的差異化優勢將進一步影響市場格局。

智慧世界的一切，似乎都在彈指一揮間實現著、改變著、探尋著。

或許我們都是燕子，更美好、更智慧的棲居，才是註定的春巢。