今天智能技术的发展非常初级，产业和智能化结合，或者叫AI技术跟产业结合，今天才刚刚开始，未来一年会有很多新的变化，我们在不确定的未来能够看到什么？未来是什么样的发展呢？
我们先说一下现在的情况，AI技术应该会在四个行业有比较大的爆发。现在有相当多的研究，很多产业界的专家，包括学术界的研究，都支持这个观点。第一个就是制造业，杨老师也写了很多文章，提到了制造业在利用新技术方面，会有两个比较大的变化，第一是各种新的工业产品出现，包括各种智能终端，第二是新工业革命。第二个就是教育产业。第三个是医疗健康，第四个就是金融服务。这四个行业是比较大的产业，特别是制造业，会影响到另外三个产业，而且将来的影响面会更大，利用新技术，带来新的工业革命，影响的面会更大。
我们是这么看的，智能化不是目的，智能化有四个最重要的要素。第一个要素是场景，第二个要素是算法规则，第三个要素是大数据，第四个要素是计算能力，我先说明我们的观点。智能化是一个手段，是为了解决问题的，是为了满足业务发展的需求，是为了要解决快速变化所产生的问题，要避免为了智能化而智能化。今天看到许多专门做智能技术的公司，专注于四个要素的第二点: 规则算法，有很多企业在做着一块，已经倒了一大批企业，从去年年底到今年，一年的时间，有好多企业由于不能变现，已经不能生存下去。所以，不能为了智能化而智能化。在这四个要素里面，最重要的是第一个，就是场景，要解决什么问题，为什么做这个智能化。
我们来说一下场景，我们作为IT企业，是非常关注应用场景的，这也是IT专业公司的短板。我们先说一下智能化解决的场景问题，大家都觉得智能化会是大量的爆发，到底它爆发的点在哪儿？智能化能解决什么问题？整个产业的升级，不光是制造业，所有其他行业，包括教育，医疗，健康，包括金融产业，有两点是非常重要的，也是因为这两点才引领了后续的变化。第一点就是在线化，第二点就是数字化。在线化：我们每个人，每个人消费行为变化了，我们每个人行为方式和生活习惯已经改变了，大家在线的时间都很长，沟通频繁了，社交网络越来越多，交换信息很快，信息非常灵通，每个人能够接触到的信息量非常大。我们不光是看信息，还发生购买行为，购买行为、购买决定，在线的情况下可以很快地发生。我们已经看到非常多的企业，特别是制造业，就是因为消费者的变化，反推业务模式发生了变化。因为人的变化，引起了组织的变化，在组织内部，引起了组织的业务模式发生了根本的变化。
比如说大家都在谈全渠道营销，不光是门店、手机，还有互联网上的Web应用，还有别人APP里连上去的应用，叫全渠道管理全渠道营销，很多人在谈这个概念。总的来说，因为客户行为的变化，倒推企业的业务模式发生变化。同时，IT技术发展很快，产生了相当多的工具，包括今天谈的人工智能，逐步变成小的模型，成熟的模型，利用微服务的方式提供出来了。大家手上的IT工具越来越多，能做的事情越来越多，但是我们觉得不管怎么样，大家不能从IT工具开始考虑问题，不能因为工具多了，就想工具怎么使用，应该从消费模式，人的行为变化，我们个体行为的变化出发考虑，因为个体行为的变化推动业务模式的改变，要确定需要解决什么业务问题，然后才去考虑用什么IT技术。所以，我们是由这个顺序看智能化的。
具体谈论刚才说的重点，场景很重要，不能为了技术而技术，要明确应用场景，要解决什么问题。我们先谈一下营销场景。为什么我把营销平台作为第一个应用场景来谈？就是因为数字化和在线化，引起的变革第一个冲击了市场营销人员，营销模式变了。我们今天谈的智能技术，已经嵌入到了营销理念中，比如说怎么抓客户数据，怎么从现有客户数据里挖掘潜在客户，从已知客户的行为挖掘潜在客户，比如受众分析：买我们产品的人应该是什么样的，我们精准的客户是谁，做受众的画像。还有标签怎么给，给潜在客户和现有客户，打标签，做细分。然后是精准营销，广告投放不是放在高速公路旁边，还是精准地找到我想去的那些人，跟踪他们，把我们的产品广告放到他们手机媒体中等等。这是变化最快的领域，也是目前企业领导最愿意花钱建的系统。
现在已经有相当多的嵌入式机器学习模型，其中的关键技术就是神经元技术，用神经元模型描述一个事物，把看似没有关联关系的东西给关联起来，这是目前机器学习模型里使用较多的技术。在精准营销应用领域，已经有比较成熟的算法，做相似人群匹配，行为追踪，产品推荐，大家有可能已经在用了。比如昨天晚上，我的体会特别深，我昨天晚上想买一个加湿器，看了几个不同的品牌，我放在了购物车里，还没有下单，我今天看新闻的时候，就在某一个频道里嵌入了某加湿器的广告，就几个小时的时间，我加购物车这个行为，他们去做了精准营销，后面是有一堆的算法在支持。
再有是全渠道的管理，从我们去门店，包括看手机新闻，买东西，包括在互联网上，设备都不一样，但是后头的数据已经在做整合，做追踪，全渠道的用户管理，这个模式已经有了，我们叫智能化的营销平台，解决的问题是什么呢？就是为了精准找到潜在客户，并且追踪他们的行为，能够一直影响他。目前我们的客户体验云已经把智能技术嵌入到云服务中了。
再有是ERP系统，智能化的ERP平台有比较大的发展机会，也是产业升级非常大的机会。ERP系统覆盖的人财物产供销，这六大块功能里面，都有嵌入式的智能算法支持，做得更精细了。具体来说有四个特点，第一是数据驱动。现在可以利用的数据多了，大数据挖掘技术越来越丰富，数据分析技术也越来越多，可以利用数据优化自学习过程。第二是关注人的行为，包括自己的员工、供应商和用户，都已经在线了，这些用户和员工的行为数据是我们做机器自适应学习非常重要的依据。目前甲骨文公司有一个新的网络安全的云服务，就是针对行为，针对日志去做机器自适应学习，拦截恶意攻击和尝试，这是我们已经提供的安全云服务的智能化功能，除了数据加密以外，还有针对行为的机器学习模型。自适应模型已经嵌入到我们的ERP云服务中。第三个就是持续的学习能力和模型优化。每个人的行为不断产生，根据人的响应，有响应的运算加权，无响应的减分，通过权重变化，使模型越来越精细，在互动中总结经验并持续改善客户体验。第四个特点是创造商业价值，就是通过这么多的数据和算法来做推荐，促使客户采取行动，创造商业价值。可以看到，我们不是为了AI去做AI，是为了让新的行为产生，这是很重要的一点，智能化要产生新的商业价值，产生新的生意。目前我们的ERP云服务，已经嵌入这些AI技术。
讲完应用场景以后，我们来谈后头三个支撑技术：A人工智能、B大数据、C云计算。对于IT公司来说，是我们生命之所在，但是并不表明前面的场景不重要，场景非常重要，没有场景的技术是没有生命的技术，不解决问题的技术是没有生命的。我们讲一下这三个支撑技术今天的现状。第一个就是人工智能A，今天的算法和模型发展到什么程度？神经元网络和统计算法是目前发展得比较好的，神经元网络通常用来描述一个事物，以及这个事物与其他事物的联系。统计算法是加权统计：这个行为被采纳，比如下了订单，这条路径就加权，反之就减权重。打一个通俗的比喻：通过加权减权，我的行为模式就跟别人的行为模式产生类似的状况，把我当成目标客户，通过我的行为，找到跟我类似的人。计算机的算法和模型总有一个特点，要给它一个目标，没有目标，计算机就死循环了。就像下棋一样，目标是这一步赢了，有明确的“赢”的定义。有一个可以定义的目标。没有目标的运算，比如不高兴，这个不高兴是很难衡量的，目前的规则和算法做不了，所以人工智能是有局限的，有目标才能做。现在已经比较成熟的智能化应用，大概有这么几种：舆情监控，风险评估，产品的市场细分，全渠道营销，客户忠诚度的管理，成本分析等等，这是第一个支撑技术，就是人工智能和规则算法。
第二个支撑技术是大数据B。大数据是什么？我们认为大数据是有限数据，不管数据量有多大。机器能处理的数据，是可度量的，是可描述的，可以传递的，可以识别的，是有限的理性的冷数据，不包含情感、直觉这种热数据，计算机不能处理情绪类直觉类的热数据。围绕这种数据特点，数字化的处理技术基本上都围绕在有限数据的搜集、传输、存储和处理上，所有模型也是这样的。
从这个角度来讲，我们就不需要去探讨机器会不会战胜人，这是永远不可能发生的，人工智能必须给机器一个具体的目标，这样才能去干，没有目标的事情，机器就是死循环，从这个特点来说，就已经限制住了智能技术的应用领域，机器不可能战胜人类。
第三个支撑技术就是计算能力C云计算。规则算法复杂，数据量大，对于计算能力要求特别高，所以大家都接受要用云计算，只有云计算才可能提供巨大的运算能力、数据存储能力、数据处理能力和网络能力。但这些只是云计算最基本的基础能力，云计算在软件开发运维方面，更多地为智能技术提供有效的工具，大大提高智能算法的开发运维效率。得益于开源技术的发展，在云平台上现在已经能提供软件敏捷开发、持续提交的运维能力，传统的软件工程方法论已经被开源技术改变。这一点对于大量的企业来说，有点怕去接受，但是不能不接受，不走这条路，软件开发和运维成本会非常高，企业负担不了。因为未来的变化速度非常快，企业自己开发自己运维的模式已经跟不上业务发展的要求了。
对于未来的技术发展趋势，我用这个八字环来说明。ABC三个支撑技术，将来三位一体，会结合得越来越紧密，一定是一起发展的。人工智能的规则算法，是风险投资的热点，很多钱进来了，从去年到今年涌现出很多做算法的公司，通常有一个算法就可以开一个创业公司。但是有一个问题，这种创业型公司如果单纯有算法没有与业务场景联系，一般都死得很快。我们公司做AI的方式是嵌入式的，嵌入到应用场景、数据处理技术、分析技术、安全云服务、软件开发运维等等中。大家都是大企业的领导，当你们要决策采用什么技术，千万不要因为一个软件，一个模块，一个算法就去买，一定要评估这些技术解决什么场景的问题。再有，现在智能算法的迭代速度非常快，因为有机器学习模型，机器有自学习的能力去优化模型，可以做到每个月就能够迭代新的版本。现在“函数即服务”越来越热，也是得益于开源技术的发展，不用去一步一步写函数怎么实现，只要定义清楚函数逻辑就可以去做计算了。这对智能算法的发展又将是一个大的效率提升。还有是模式识别即服务，比如人脸识别，语音识别，已经在云平台上提供了，不用去买这个技术，只要使用这些技术。将来互联网中还会出现新的AI工具，而且大部分以开源的形式提供，一定是这种方式，具体会发展什么产品出现？没有办法说，因为发展太快了。
在大数据方面，未来的数据种类会越来越多种，因为物联网的应用，各种数据会出现，种类会比现在还要多，流数据、快数据、图形、位置、声音等等。不要迷信大数据就是大量数据，无数据也可以积累，从没有数据或小数据开始做起，AlphaGO的下一代Alpha元就没有数据，从无数据开始积累。有算法就可以很快地从无数据或小数据积累成大数据。在数字化的处理技术方面，有非常多的人在研究数据的相关性和神经元，还有分布式处理，可视化技术，各种数据分析模型。大数据技术一定会与智能化规则和算法一起发展。
最后就是云服务，我不再提计算能力有多强，运算速度有多快，存储空间有多么高，还有网络速度，不再提这个，因为这些是云计算的基础技术，一直在发展。我重点提的是开源技术会丰富云服务的种类，比如无服务器技术，这是我们公司带领的一个开源项目，无服务器运行，对连接多云平台，管理多云环境是非常重要的新技术。软件开发运维一体化，大家作为IT决策人，一定要开始去思考软件开发运维一体化，因为软件技术发展非常快，企业自己开发、自己维护整个软件是做不到的，成本越来越高的，危险越来越大，只要有人把代码偷走，就有非常大的安全隐患。软件升级速度基本上是每周迭代，企业跟踪软件的升级就是一件非常耗时的工作。利用PaaS云服务，可以大大简化软件开发运维。最后提一点，智能化的模型，已经嵌入到了云技术里头了，用智能学习模型来判断下一个小时这个企业要多少计算资源，有没有恶意操作，在还没有申请的时候就给你准备好了。我们最新的数据库18c叫自治数据库，能自动调度、自动修复、自动升级，通过内嵌的自学习模型，自动判断和调用数据库管理功能，拦截恶意的操作，自动升级修补漏洞。这是通过对日志的实时分析，给每个用户创建基线档案，对可疑操作进行拦截，自动启动数据库的修复能力，这是我们云端的自治数据库18c。
最后，我们做一个思考。今天看未来，未来再看今天，会觉得今天很幼稚。首先，企业内部的耦合，ERP系统走了这么多年，企业内部的互相调用集成，已经逐渐稳定下来了，但是外部的调用开始逐步增加，而且有变化加快的趋势，所以对于企业来说，开源＋闭源的混源模式是对的模式。我们不主张所有都开源，我们也不主张所有都闭源，企业内部有的应用保留在闭源，但是外部调用要采取开源技术，否则跟不上发展的速度。再有不能为了智能化，而仓促地上一个智能系统。有了智能技术，很多管理模式会有大的提升，精细化管理会越来越多，智能化不是新技术的堆砌，是解决问题的。对于未来的预测很幼稚，看今天有四个基础技术，企业要夯实这些基础技术：云计算，大数据，互联网和移动技术，各个企业需要做一个布局，把耗时费力的系统管理监控的工作放在云上，让专业的云技术厂商去做，把我们企业里比较优秀的IT资源集中到业务创新上去。
今天跟大家分享的更多的是我们的思考，我们对未来大胆的看法，希望半年以后，或者一年以后，如果还有这样的机会在一起探讨，会有更明白的思考。
谢谢大家。
演讲人简介：
黄玮女士，甲骨文（中国）公司政府关系及战略发展部总经理。
联系客服
