2019 年的 AI 行业不再像往日那样狂热。一方面 AI 应用进入深水区，深入细分领域和场景的产品落地难，而另一方面大量企业面临融资压力，投资人也更加谨慎理性。这样的大背景下，一家不是科技巨头，也不是 AI 独角兽的通讯企业却把 AI 解决方案搞得有声有色。他们是怎么做的?
2019 年，AI 行业的关键词不再是「锐意进取」，而是「大浪淘沙」。
大量 AI 公司开始重新思考商业逻辑的合理性，而投资者也变得理性而谨慎。泥沙俱下的商业环境里，什么公司才能在这个 AI 的下半场赢得漂亮?
你可能会想到应用生态完善，有着雄厚技术实力的科技巨头。你也可能会想到一路高歌猛进，风头无量的 AI 独角兽。而在通讯领域，却有这么一家深耕行业产品与解决方案多年，直到 2017 年才开始进入 AI 领域的公司，率先提倡并践行「通讯+AI」并在去年完成了 D 轮融资。
这家通讯企业的名字，叫做容联。
AI 切入行业细分需求
企业通讯是一个发展了多年的行业，主要向企业客户提供通讯领域的服务和解决方案，如通讯服务(短信、语音、音视频等)、呼叫中心、客服、远程会议等。在早期阶段，企业主要向客户提供硬件设备设施，如光纤、服务器等，帮助客户建立通讯网络。
在互联网和云计算兴起后，上云成为主流。客户不再需要购买昂贵的硬件设备，而是从专业的服务商中购买云服务来解决通讯问题。
在这两年，云计算服务已日臻成熟。怎样从成熟领域挖掘新的业务增长点呢?从市场来看，许多客户有了细分的需求。这些需求中，无疑蕴藏着 AI 应用落地的可能性。
例如，客户们普遍面临降低通讯成本，提升效率的问题。以呼叫中心为例，高达 90% 的成本都需要投入在人力上——很多公司都需要维持庞大的客服团队，保证客服们不断接听询问、查询和投诉。在一些大型的金融机构中，客服团队的规模高达上千人。
同时，很多解决方案中亟待加入智能化辅助手段。比如说，很多企业的人工客服面临培训时间长，难以回应复杂而专业的问题。由于企业在业务增长的同时也面对查询、投诉量的陡增。此时花大价钱、加大力度进行客服培训，实际效果可能还要打折扣。这时候就需要一定的智能技术，辅助提升客服效率。
另一方面，在许多场景下，许多通讯解决方案都在走向智能化。例如，营销不再是向大量的客户进行无差别式的「骚扰」，而是在大数据分析的基础上，针对不同的客户群体进行精准的营销。
还有一个例子是：工业园区和制造厂房的视频监控系统，也需要加入更多智能化方法，对员工操作、生产线控制等方面进行智能化分析和管理。这些都需要大规模智能化的系统进行计算、协调、管理和调度，仅靠人力进行较为困难。
这些细分领域涌现的新需求，为 AI 应用提供了可能。在这一过程中，容*结出了一套成熟的方法论，用来判断能不能用 AI，怎样用 AI。
层层分析，AI 并非万能
AI 是否能够真正应用呢?容联认为，判断 AI 能否应用需要经过三轮分析，即：1)能不能用;2)好不好用;3)行业发展形态。
首先，AI 在一些细分需求上可用，但在另一些需求上是不可行的。例如，同样是客服应用，一些呼叫中心就可以使用 AI 技术，如知识库、语音转文字等技术，帮助人工客服快速定位搜索结果，加快回复速度并提升准确性。而一些依赖专业销售话术的客服场景中，使用 AI 就不能像人工客服那样，通过从业经验和手段提升客户转化率了。
其次，AI 好不好用也是一个重要的问题。很多 AI 应用可以做到完成任务，但在实际使用中的效果并不令人满意。例如，在外呼场景中，AI 已经可以快速向多个目标用户进行呼叫，但机械式的方式让客户感到不适。类似的案例还有使用 AI 进行电话回访。由于技术的不成熟，回访收集的数据质量很差。
而且，AI 在某一行业的应用程度和该行业的发展密切相关。AI 依赖质量高、数量庞大的数据来提升性能。因此，在一些数据管理较好，有良好 IT 技术的行业，如金融业，AI 就可能会有更好的发展。另外，一些行业发展得还不够完善，客户对于新技术的接受程度不够高，客户没有相对充足的资金支持新技术的落地等因素，都会阻碍 AI 的应用落地。
从这些角度来看，AI 的应用范围并不是无限的。在通讯行业中，AI 应用落地取决于场景，可以使用 AI 进行辅助的产品，如呼叫中心、智能客服、精准营销、智能制造中的视频监控等。从行业来看，有着较好的 IT 基础设施、良好的数据积累和管理、资金较为充裕的行业、对技术接受度更高的行业，如金融、能源石化、电商等领域更容易落地 AI。
容联的 AI 产品体系：从应用到完整体系
我们知道，在通讯领域，AI 更多的是切入细分的场景中。有些是在已有解决方案上的智能化，而另一些则是需要 AI 参与辅助的场景。最后，如果不同的场景和应用都需要复用同样的 AI 模型，平台化是否是一个效率更高的选择?
容联的 AI 产品发展就遵循了以上三个思路，分别分为：AI 智能化应用、AI 智能化改造，以及 AI 中台。这三种产品形态上，可以看到容联以机器人、知识、AI 为中心，AI 平台为基础的整体产品架构。
容联的产品矩阵。
AI 智能化应用
AI 智能化应用是根据客户新需求——如为人工客服增加 AI 辅助、采用 AI 进行精准营销、在视频监控系统中增加 AI 检测等产生的新应用。它们主要切入业务流程中可以被智能化的环节。
例如，有一种语音导航方面的应用。过去在电话客服中，我们经常会听到「普通话服务请按 1」这样的引导语音，往往需要需要进行多次选择。这一场景中所对应的是 AI 语音引导应用。在接听电话后，用户可以直接说出自己需要办理的业务(如说出「办税」、「退款」等类似的字眼)，AI 就可以帮助跳转到合适的人工客服。从而减少客户的等待时间，加快处理速度。
当这些应用可以走向市场后，客户可以将这些应用和自身已有的产品进行打通，从而实现部分业务流程的智能化。
AI 智能化改造
除了智能化应用外，另一种更加庞大和系统化的产品形态是 AI 智能化改造。
由于通讯行业有着 3 到 5 年的技术迭代周期。当客户需要采用新的解决方案的时候，可以通过一体化改造的方式，将整体的应用方案全部进行智能化改造，具体而言，这时候向客户提供的解决方案会包含一揽子的智能化应用和服务。客户采用了新的解决方案后，可以无缝地将数据迁移到新方案上，这一过程无感，但系统整体的效率大大提升。
AI 中台
最后一种产品被称为 AI 中台。和云平台类似，容联的 AI 中台提供一个智能化平台，其中集成了过去开发过的 AI 技术、模型、应用等。通过提供给头部大客户，AI 中台支持客户在已有的 AI 基础能力上开发相关的服务应用。这一中台也提高了容联云在技术研发上的效率，避免重复开发和浪费。
例如，很多 AI 应用需要一系列的底层技术支持。例如智能客服可能需要语音识别、语音合成、自然语言处理、知识图谱等一系列 AI 相关的技术。如果某个企业想要实现 AI 应用，在没有 AI 平台的情况下可能需要全部研究一遍，投入成本高。在 AI 中台的帮助下，开发相关领域的应用会更加简单方便。
容联已形成了完整的 AI 产品体系，名为「三中心一平台」。三中心指的是：机器人为中心、AI 为中心和知识为中心。这三个中心可以主要满足各个细分领域的实际需求。而一平台则是 AI 中台，主要提供基础的智能化能力。
技术不冒进：AI 的实际效果更关键
怎样做好 AI 产品?算法的性能是一方面因素，为什么很多实验室中的优秀算法无法落地呢?容联认为，AI 的算法固然重要，但是在业界进行落地的过程中还需要考虑很多因素。这些因素才是决定 AI 应用是否成功的关键。
有所为而有所不为
在 AI 算法的研究上，容联采用了和高校合作的方式。企业本身并不追求极致的实验室性能，而是将重点放在有技术潜力，能够快速实现应用的领域。而理论、模型等方面的探索性研究则通过联合实验室的方式进行。
例如，在研发哪些 AI 技术方面，容联就进行了选择。在 2017 年进入 AI 的时候，团队研判，在通讯领域较为重要的 AI 技术包括语音和语义两方面。但是，在语音技术上已有很多成熟的产品，许多实力强劲的科技巨头也在参与，因此团队没有投入太多。
容联的 NLP 技术一览。
而在包括自然语言处理和知识图谱等语义理解的技术上，团队看到了这些技术对于拓展后续的产品线的作用。比如说，完成了语义理解的研究后，团队可以带着相关的经验继续投入到知识图谱，进而拓展至知识整理和知识分类。这些技术都可以应用在客服、企业知识库、智慧营销等场景下。因此他们在这一领域投入更多。
但是，学术性的研究则通过和高校的合作进行。2018 年，容联和华中科技大学成立了联合实验室，共同研究个性化推荐、情感计算、认知计算方面的学术成果。这样的产学研合作降低了企业独自研发的投入成本，同时能够吸收先进的学术成果。
行业积累解决数据匮乏问题
数据是阻碍 AI 应用落地的一大障碍。缺乏数据往往会导致 AI 的性能达不到要求。
对于这一问题，容联一般采用三种方法解决。首先，从公开渠道获取开源数据集，例如在文本数据方面，可以使用*数据集。其次就是使用标注公司提供的数据。最后，由于多年的行业积累，很多头部客户已有类似规则库、知识库方面的数据，也可以灵活使用。
在数据方面，容联认为，有着多年行业积累，对于数据的理解也会更深刻。例如，在智能制造领域，有一种 AI 应用便是针对生产线上的工人进行监控。很多通用的计算机视觉算法会先在公开的通用数据集