而顺丰也开始与腾讯云合作，利用AI视觉，在3小时内就可以处理完每天超过 2000 万的手写录入订单信息。这在过去，都需要一个非常庞大的团队24小时不停工作，来把这些信息填入系统内。
目前主流云计算厂商，包括亚马逊和腾讯云，都把人工智能的落地具体到了三个场景中——图像识别、语音识别和自然语言处理。这两个案例，是AI技术在应用中所取得的突破，也是腾讯云提出的“AI即服务”战略的落地。
腾讯云总裁 邱跃鹏
在腾讯云总裁邱跃鹏看来，“现在AI的应用更多还是在单点的突破”，未来更大的想象空间还在于如何把这些单点结合起来。未来以云服务的形式将人工智能等前沿技术能力输送至各行各业，降低全社会创新的门槛，扩展未来社会和商业的想象力，这才应该是云计算的真正价值所在。
云计算在经过了十几年的发展之后，在IAAS层面主要玩家们都已经逐渐拉近了距离，而AI的异军突起，更是让用户的注意力迅速从计算力转移到了服务和结果交付上，这必然会给云计算市场打来很多新的变数和机会。
邱跃鹏曾是QQ、QQ空间、QQ秀、QQ会员等腾讯海量业务服务架构的重要设计者，对于技术和产品都非常熟悉。他认为，目前AI服务产品的蔓延和渗透，将是个加速的过程，前面谈到的寻找走失儿童的应用，就是起源于最早微众银行利用人脸识别来做的“核身放贷”，然而之后很长时间都没有太多新的应用诞生。但随即在2016年下半年到2017年一下涌现出这么多的应用，“因为这是一个新的事物出现到大家接受的过程，中间可能有半年的过程大家都在观望，到之后一个一个场景的渗透其实会变得非常快。”在这个过程中，腾讯云的团队就需要真正去了解客户的需求，一起寻找科技应用的场景，一起在场景里打磨产品，把科技真正嵌入到用户的系统中去。
邱跃鹏认为，这个过程本身，就是一个特别巨大的机会。
近日，邱跃鹏接受了钛媒体的独家专访，以下为访谈实录：
钛媒体：云计算从亚马逊开始搞，到现在十几年过去了。你认为无论是技术架构还是从应用场景来讲，云计算有没有后发优势?
邱跃鹏：这两三年整个云的变化还是非常快的，虚拟化的技术有一个巨大的进步，基本上快速进入了成熟期。目前来说，亚马逊跟其他的云应该没有本质上的差别，比如说在基础IaaS层面，国内有很多人做评测，各家之间都有自己的优势。
现在云的大部分技术还是来自于原来互联网模式的应用，但互联网产业发展的这几年，中国开始在部分产业领先，也让中国在一些云的技术上比海外走得更快一些。比较典型的，比如说直播这个产业，海外在流媒体方面就不一定比国内领先。未来还有很多新的机会出现，例如AI。AI对大家都没有什么先发优势，更多的是你选择哪个战场和哪个方向上做一些突破。
钛媒体：人工智能的出现，对未来云计算会有多大的改变?
邱跃鹏：我们今天讲了很多的案例都是来自于AI方面的进展。我们一直在讲创造价值是我们这些做云计算最重要的任务。AI现在来讲，能处理的事情是有限的，但是一旦能处理的效率远远是高于人的，更多的是解放企业的人力，提升经营效率。现在商业决策方面还是比较难的，但是解决重复性的工作还是非常高效的。
AI的渗透，不断会有新的提升机会，对企业整个运转效率的提升是非常快的。就像内容的推荐，基本上把编辑的工作去掉，以前什么被定为热点，什么是你关心的，怎么去提升流量，这些东西现在全是机器在做。
钛媒体：是的，钛媒体现在的很多快讯也都是自己开发的机器人在写了。腾讯对于云计算曾经有三个定义——产业革新的原动力、新型社会管理的主平台、人工智能的强载体。我觉得人工智能的出现给云计算的确赋予了一些新的预期，比如说原来对云计算的预期是能够帮我们去做大量的运算，现在人工智能的出现，大家开始要求场景和方案，包括顺丰的OCR的案例，其实大家要的是一个结果，这对云计算会不会是很大的变化?原来大家把你当作电厂，现在可能把你们当作冰箱，甚至直接要冰箱里新鲜的食品。这对云计算会不会是很大的变化?
邱跃鹏：确实你观察得非常深入，两年前大家讲云的时候更多的讲水和电，今天大家不太讲这个事情了。其实企业对信息的获取跟人的消费升级有很多相似的地方。我们今天在讲AI服务，大家觉得AI以前是高大上的高精尖技术，人要用必须要降低门槛，就像大厨一样，米其林餐厅的菜我不会做，但是我是可以去吃。今天我们整个AI产品线，从最基层的基础计算到最上层的偏SaaS类的输出，全部都要有。
不同的客户会需要的灵活性是不同的，这种高度集成到一个极简服务的趋势还是挺明显的。因为越来越多的企业会回到自己核心竞争力的打造，科技对他们来讲只是把科技应用到场景里，不一定每个企业都需要养高科技的团队，更多的是向云公司购买高科技，然后成为或强化自己的核心竞争力，这可能是社会分工必然的变化。
钛媒体：腾讯云一直在努力地进驻传统产业，怎么样帮助传统产业上云和向数字化迁移。这里有两个问题，传统企业会认为互联网公司的行业经验不够，另一方面他们自己也不知道上云之后到底应该该干什么?他们现在对计算力的要求没有那么高，如果按照原来的ERP和企业运营调度需求，他们其实不需要云计算提供的那么多的计算力。AI的出现可能是一个非常有意思的变量，首先AI对计算力的要求上了很多个量级，基本上不是一个企业能够负担得了的;另外AI这种快速深度学习的能力，也许能够帮助腾讯这样的互联网企业迅速学习行业的知识，跨越经验积累的鸿沟，比如像供应链的优化，人工智能就可能很快拥有以前很长时间需要积累的经验，帮助腾讯很快地切入进去。你觉得这个逻辑是通的吗?
邱跃鹏：做任何一个行业还是要对行业本身有一些认识，每个行业都不一样，很多人是因为看到人工智能在AlphaGO和类似于这种场景里的突破，才会对AI有深入的关注。我们自己也有一些探讨，觉得人工智能要想解决产业问题，还是一个非常漫长的过程。
大家现在更多地是在单点的突破，产业决策是一个非常复杂的过程，现在来讲我们可能输送了一些点上的科技，这些点还要结合。我们有很多合作伙伴，他们跨界把这些科技能力和产业变革整合在一起，去做了这种落地实施。前一阵有一个做新零售的合作伙伴，他们帮传统的商超提升整个服务能力。以前传统的商超都是距离覆盖，覆盖这个区域或者足够便宜，大家更愿意来。如果商超能够在线化获客，用户的分析、商品的营销等能力搭建起来，现在他们有非常多的好商品已经卖断货，一年之后的订单都排不过来。现在需要的是懂得新科技和产业变革的跨界人才，他们去把科技应用过去，这是目前比较现实的机会。
钛媒体：结合是一个路径，之前传统厂商的很多经验不是基于数据，也不是基于理性的思维，很多都是感性的经验，像原来谈的沃尔玛尿布和啤酒的案例，说起来更像是一些巧合，很难形成一些可以复制的规律性的东西。
邱跃鹏：数字化的过程之后，为什么用科技改变呢，这些东西会沉淀变成科技方法，比人的经验更容易沉淀下来。
钛媒体：你是搞技术出身的，不知道你有没有算过，真正在AI起来之后，对计算量的需求大概能够提高到多少?
邱跃鹏：可能不一定用这样的比喻。为什么GPU在机器学习的过程当中有这么高的应用，因为学习的过程是一个小数据、高计算的能力，但是把这样的学习模型放在交付上面，就像“OLAP”的需求一样，可能并不一定适用。真正在在线场景里通过学习之后的简化模型，应用起来效率是最高的，而且整个计算的代价是最低的，最后是一个系统化工程。
一方面学习的问题要解决，支付的问题要解决，还有模型优化的问题要解决，是非常系统化的工作去解决AI的落地问题。如果我们仅仅靠硬件的计算能力的提升去解决的话，这个代价是太高了。
钛媒体：从架构来讲，面向消费级的，个体的海量的计算架构，和现在面对企业、混合的系统架构差异性有多大?
邱跃鹏：海量的业务对基础能力的很多要求是相似的，但是在实际落地当中是有差异的，还需要在细分的场景不停地去打磨、优化，去提升它的能力和降低成本，到新的场景我们也需要优化。但是基础的积累2C已经做好了，在2C场景里面它的单位计算成本要求是非常苛刻的，过于高的单位计算成本对于一个大的2C的企业来讲是不可能承担的。
这是为什么这几年云的架构能够替代企业架构，也是在于它确实把整个的成本降到非常低，再做一定场景化优化之后，企业能够获得非常高性价比的服务。这里面不能完全去对比，最终还是取决于你的应用场景。就像我们说的人脸识别一样，对准确率的要求非常高。如果只是计算今天到会的人流量，可能对计算的要求是数量级上的差异。
钛媒体：现在这种帮助传统企业转型，这是很大的市场，在整个腾讯云占多大的比重。
邱跃鹏：我们在这一块的投入是越来越大，我们刚刚把团队也独立出来，在不断地招聘去找这些熟悉云、熟悉这个行业的人来做。从我们自己的角度来看，其实政府和企业都积累了大量的数据，怎么把这些数据集成起来去建模和分析，这是他们面临的痛苦，因为数据非常分散。这里面大量的需求还是存在的，所以我们还是希望用这些技术去帮助他们完成升级改造。
钛媒体：你觉得如果要完成这样的目标的话，腾讯云现在还欠缺哪些方面能力?
邱跃鹏：新科技在行业内的应用不是一蹴而就的过程，刚才讲的所有的案例，甚至我们基础的技术团队都会去到客户那里一起去打磨产品，一起去创造一些全新的解决办法去解决一些原有的问题。像找回走失儿童，以前指纹也没有，也没有办法，今天通过人脸一扫就可以。这不是说今天有一个人脸识别拿去就能用，我们在这个场景里帮助客户一起做了很多工作，例如走失人口的库不是非常大的比对库，但要把十几亿人放进来的话，数据库性能就会下降很多，我们可能更多是面向走失的这些人口数据库，甚至基于这个地域可能出现的人口。一方面我们把科技打磨到可以符合更多的场景，另一方面真正落地把科技嵌入到他们整个的系统里去，比如公安系统里。我们是第一次接触这个系统，客户也是第一次觉得你这个东西似乎能够解决我的问题。这中间的鸿沟一定是需要不断地去创新才能跨越，这也是云本身的好处。
钛媒体：现在很大的挑战是，科技的进步和传统企业的认知和想象力之间，有特别大的鸿沟，技术发展的太快，人们的想象力有些跟不上，他们可能不知道有哪些技术现在能够解决他们的问题。要找到这样的场景，大概需要多长时间，比如说就是聚焦在寻找走失儿童的产品上，最后成熟打磨出来大概需要多长的时间?
邱跃鹏：这确实是需要有几个月的时间去做。但怎么看这个问题呢，它的第一次落地过程从有这个idea到落地到打磨到数据可以应用，需要几个月的时间。我们自己也看到一个好的变化，当越来越多的场景出现之后，第一是复制的速度很快，基本上深度学习这个东西一旦进入，模型成立会快速复制，应用场景越来越多之后，模型优化的速度也会越来越快。比如说从走失儿童优化到检查犯罪，这个过程就快了很多，产品本身的蔓延和落地是加速的过程。
钛媒体：你们创造产品的过程或者帮助传统企业做数字转型，有没有形成自己的方法论或者是流程?
邱跃鹏：这是很有意思的话题，首先我感觉大家的举一反三的能力非常强，人脸识别的应用其实我们最开始的应用是在微众的“核身放贷”——直接对比你的身份证，核实你的用户信息，其实在那之后有很长一段时间内没有太多新的应用诞生。为什么在2016年下半年到2017年诞生这么多的应用，因为这是一个新的事物出现到大家接受的过程，中间可能有半年的过程大家都在观望，到之后一个一个场景的渗透其实会变得非常快。
比如说银行业的应用上线之后，别的行业在观望，会思考我这个行业内能不能用。他可能不知道这个东西行不行，我们可能不知道有这个场景。但现在的信息，通过更多的宣传，更多的行业会主动跟我们沟通——我有这样的一个需求，你的技术是不是能够满足，我们也非常感兴趣，会投团队跟他们一起研究可行性。如果有数据的话，我们就来学习，一旦学习开始的话，自主学习和深度学习的过程就会很快。举一反三，快速的一项科技的应用就会很快，比如像语音交互，像今天我们推出“小微”，这是未来又会演化，语音交互对我的应用场景会产生什么新的变化。(本文首发钛媒体)