從AI的發展趨勢來看，最新的人工智能模型對于算力的要求往往較高，如谷歌的T5，其整個模型的參數數量達到了驚人的 110 億，谷歌科學家更在T5的論文指出：“越大的模型往往表現更好。這表現擴大規模可能是實現更好性能的方式。“

一般的創業公司如果沒有雄厚的資金實力是不可能搭建這種級別的AI訓練平臺。這從另一個角度推進了AI與云計算的結合，只有將 AI云化才能降低門檻，促進行業創新發展。AI云計算化實際與全場景全棧AI是同一概念，只有做好AI云，才能讓AI充分發揮威力，體現價值。

AI與云計算的結合是我國IT產業發展的重要方向，根據IDC于近日發布的《中國AI云服務市場半年度研究報告》顯示，2020年中國人工智能市場規模將會突破50億人民幣，已經形成一個不可忽略的細分市場，尤其是在疫情影響下各行業上云意愿明顯加強，將使智能外呼、對話機器人等交互式AI迎來一波發展機會。

初識AI云服務

AI云，AI即服務（AIaaS），隨著AI技術的不斷落地，越來越多的企業開始著手將AI集成到自身的產品體系中。最為簡單有效的方式是去使用那些基于云的AI云服務（AIaaS）所提供的API。

根據IDC的研究資料，截止到2021年，全球企業對認知和AI系統的支出將保持50.1%的年復合增長率，這說明企業對這些技術的總支出將從2017年的120億美元增加到2021年的576億美元。

AI云服務蓬勃發展的背后，是AIaaS集成了AI與云計算的共同優點。主要有如下幾點：

低成本：AI云使用戶省去那些昂貴的設施開支，由于大多數的AI工作任務被認為是“突發性”的，他們依賴于那些能夠在短時提供大量計算能力的服務。AIaaS只會針對用戶去收取那些他們進行硬件使用時的費用，這大大降低了他們的成本。

可擴展：與其他的云服務一樣，AI云服務本身也具有較高的可擴展性。企業可從一個試點項目開始，隨著需求的提升，快速擴展AI服務的規模。

高可用：一般來講云計算的可用性，會比傳統架構的系統高出兩個量級，而同樣的優點也被AI云服務所繼承，目前各大廠的AI云均未發生過分鐘級的宕機情況。

AI云服務的背后：認知智能全面升級

筆者從一個AI云服務的用戶角度上看，AI云服務快速發展背后的是，人工智能由感知到認知的升級，由細分領域向普惠推開，對于客戶個性化與定制化需求進行快速響應的過程。

如金融行業的呼叫中心需要分析客戶的語氣，以快速處理投訴類案例；出行類App遇到客戶說出某些關鍵詞時，需要立刻與110聯動報警。在面對各行業個性化定制需求日益增長的情況下，阿里云、百度、騰訊等公司是走在業界前列的。

今年以來，以阿里和騰訊為代表的國內科技巨頭均在認知智能方面有了不小的進展。先是阿里在年初，國際知識發現與數據挖掘協會KDD共有18篇論文入選，刷新國內企業記錄，成為近幾年KDD會議論文入選數量最多的科技公司之一。

今年5月底，國際計算語言學協會年會ACL，在官網上（https://www.aclweb.org）公布了2020年度的論文收錄名單，騰訊共有30篇論文入選，領跑國內業界AI研究第一梯隊。

如果將數據比作數字時代的石油，那么BAT等大廠以其豐富的業務場景與龐大的用戶基數，為AI團隊提供了世界上最大的原油儲存基地，這些為前沿的AI研究成果提供了令業界非常羨慕的絕佳“訓練場”，擁有了這樣高的訓練水平，騰訊、阿里能在AI方面取得頂級成果也就不足為奇了。

KDD、ACL都是認知智能方面的頂會，阿里和騰訊的突破體現了AI云市場整體趨勢，即用戶需要個性化服務，通用性較強的感知科技難以滿足客戶的定制化需求。市場真正需要的是為用戶量身打造的智能AI服務。

筆者在達摩院十大科技趨勢發布：2020 非同小可！曾經介紹過，人工智能正在從感知智能到認知智能演進，關鍵突破口就是跨過深度學習去做研究。由于深度學習只能處理單一模態的數據，因此深度學習模型下的智能機器只能夠照章辦事，缺乏靈活性，認知智能就是要找到多模態信息之間的關系，因此這使得多模態成為完成由感知到認知這一跨越的必然途徑。

智能語音與多模態AI云服務發展的關鍵

正如前文所述，IDC將報告的重點放在了智能語音、對話式AI、NLP方面，而這些領域背后，實際比拼的是智能語音、多模態信息等領域的技術，下面筆者帶大家來解讀一下這些領域的基本情況：

智能語音：實現人機語言的通信，包括語音識別技術（ASR）和語音合成技術（TTS）。智能語音技術的研究是以語音識別技術為開端，最早可以追溯到20世紀50年代。隨著信息技術的發展，智能語音技術已經成為人們信息獲取和溝通最便捷、最有效的手段。

智能語音的一個重要應用就是AI助理審判員了，現場所說內容，快速生成文字了，據統計平均一家區級法院每年受理案件在6000件左右，人工錄入動輒上千字的判決書，對于全國12萬法官來說，意味著白加黑、五加二的勞動強度，不過現在的AI語音技術可以在無需紙筆和鍵盤的情況下“出口成章”，這樣的AI助理審判員在1.5萬個法庭全面啟用后，為辦案工作繁重的法官們減輕了不少壓力。

AI智能語音系統結合對庭審和辦公應用場景的定制，可以在咨詢、立案、庭審、判決四個環節都在幫助法官。

多模態特征提取：很多90后、00后在對話當中經常使用表情圖、動態圖等方式來表達情感，將這些非語言信息的語義提取并翻譯出來，就是多模態提取的任務了。今年KDD Cup的一道賽題就是“多模態商品推薦”， 其中多模態商品推薦指的是關聯融合視頻、圖片、文本等多模態用戶數據，結合用戶的購買習慣、瀏覽序列等多維信息進行建模學習，精準理解用戶的檢索需求，推薦并返回用戶真正關心、感興趣的產品圖片或視頻。

多模態特征提取在快手及B站等新興視頻App上應用很多，比如快手每天就有70 億條視頻總量、1500 萬日新增視頻，日均的使用時長超過 60 分鐘等，日新增的用戶交互數據及評論及彈幕等每日更是新增上億次，快速地從這些多模用戶中提取出相應信息，以理解視頻內容，并做好用戶推薦，使多模態特征提取成為各大廠的發展方向。

對話系統與無感交互：對話系統與無感交互的終極奧義恰恰在于它要比用戶更懂用戶。

前段時間筆者經常熬夜加班，結果打開淘寶會發現總給我推薦防脫洗發水，目前已經推薦枸杞了。

認知智能的終極發展是讓用戶在使用過程中對于“人工智能”不斷淡化，甚至無感化。現在用戶使用人工智能時還會明顯感受到它的存在，比如你打開電視還需要說“我要看**的電視劇”，對手機說“給**打電話”，真正實現認知智能之后，你的這些交互行為變為多余，比如你回到家，人工智能系統會根據你的步態，推薦一個適合你當下身體狀況的食譜，等你吃完飯下樓去超市的時候，你的手機會建議補充一些牛奶，因為你剛剛已經把家里最一袋牛奶喝掉了。相信讀到這里讀者明白，“化有形于無形”，是用戶交互的最終奧義。

最后，筆者相信，“云上AI”是實現AI普惠的最好方式。云的出現，讓誕生60多年的語音技術從少數人掌握的高端工具變成了人可用的“平民技術”。AI的認知化升級，也更好為生態賦能。

雖然短期來看，在AI領域主流趨勢仍是私有化部署。但云服務、混合云的浪潮也將帶動AI云服務市場的快速增長。隨著技術的升級，未來3-5年，今天用戶已經部署的AI產品，有可能被新一代更智能的產品替代。讓我們做好準備迎接新一代認知AI云產品的到來。
責任編輯：YYX