必须承认，我们正在进入一个日渐人工智能化的科技时代，传统行业正在被科技革新。从无人停车场、到无人超市，再到刷脸点餐的无人餐厅。甚至，在原本认为人工智能无法取代的围棋领域，阿尔法狗的横空出世，也让人类无从招架。尽管人人都在谈人工智能，但你知道它的潜力、实践意义、障碍是什么吗？

由启迪协信和3W企服联合主办的《AI赋能-助力成长：人工智能技术实践沙龙》重庆站的分享会上，AWS （亚马逊）解决方案架构师刘旭东先生和云从科技联合创始人温浩先生分别为大家带来《AWS的人工智能平台与服务》以及《人工智能技术照进行业场景的距离有多远》为主题的技术分享。

以下为演讲要点

AWS的人工智能平台与服务

AWS （亚马逊）解决方案架构师 刘旭东

说到机器学习，已经从传统的学术范畴变成了真真正正用在生活过程种不同行业并且带来收益的技术。亚马逊的深度创新

智能商品推荐

智能商品推荐可根据用户浏览习惯或者购买记录推荐他可能感兴趣的商品，这里面就用了经典的机器学习领域的协同过滤算法。通过这样一些算法能够推荐一些引起浏览者的兴趣或者给我们带来销售机会的商品。仓储和物流

亚马逊拥有一个无人仓库，通过机器学习策略控制机器人的行走路线，把商品从发货架运到发货仓库里，所有这些都是基于机器学习训练的机器人来进行的对应线路规划。无人机

在亚马逊订购一个商品，通过无人机能够在30分钟之内送到指定的停机地方。智能语音助手

跟音响进行交互，要能够听懂我们讲的每一个字是什么含义，在里面会涉及到语音识别的功能。而且它要能够听懂我们每一句话的意图，这里面涉及到自然语言理解，也是机器学习的范畴。能够把这个结果通过语音的方式形成反馈，形成语音交互过程，这也典型机器学习的范畴。无人值守商店

进入无人商店，只需打开手机APP在门口扫描二维码，可以自选你想要任何东西，拿到东西以后挤出来不需要结算。这里面，就是计算机视觉具体的应用。亚马逊机器学习堆栈

AWS将整个机器学习氛围三个层次：最底层，框架切口。AWS有一套自己成型框架，能够缩短训练时间，能够加快上线部署的效率。

平台层会将一些基本的机器学习的服务打包成平台服务，不需要自己从头开发数据，选择一个对应的算法就能够得到一个对应结果。

应用层针对特定的某一个机器学习的具体的领域，比如计算机视觉会提供对图象、视频的识别处理分析，对语音识别之文字转语音或者自然语言理解，针对这种语言类别的应用提供应用层服务。

越往上层，所使用、集成的方式是最简单的。当然越往上层针对特特定业务场景也是具体的，如果是业务需求通过应用层服务能够满足需求，通过最上层应用层服务集成把这个功能快速在里面，如果需要有一些特别的应用场景，应用层不提供，这种时候就需要自己来构建一些深度学习或者机器学习的模型进行训练。

如果是用户框架非常特别，场景非常特别，甚至可能开发的流行也非常特别，这个时候，通过底层框架接口层提供服务支持。框架&接口提供更多应用可能

上图中左边的计算资源除了常用的CPU资源之外，AWS还提供GPU资源，进行深度学习的模型训练的时候，往往会有带大量运算操作并且是并发的，通过这样一些能力，能够提供运行的效率，运行一个结果、模型最终达到想要的结果。

如一个电商网站希望对用户的属性进行分类，是城市白领还是空巢老人、蓝领，通过一堆特征，基于现成的托管的机器学习服务，就能够直接做这个事情。而且所有的预测其实是可以在线的。

举一个例子，在线审批借款的网站，用户的借款申请越快得到响应，用户体验越好，通过这样一些在线方式服务，能够给网站用户提供这样一种能力，能够快速得到某一个用户的授信范围。

对图象、视频进行处理分析的服务叫Rekognition。

第一种对象、场景检测，通过服务识别出一个图片、视频里有的对象。还可以对活动进行检测，能够跟踪一个人，能够知道产生什么样的行为、动作。除此之外还可以进行人脸识别，可以一从堆背景里里面人脸出现的位置，可以对面部进行分析，可以得到眼睛在什么位置，鼻子在什么位置，嘴巴在什么位置这样一些面部特征。

还可以对人员进行跟踪，图片是不是健康的内容进行一个检查，包括还可以对名人识别，对文字进行识别。

其实，对视频进行处理，要比对图象进行处理要难很多，一张图片因为是静止的，可以通过不同深入学习算法不断分析象素跟象素的关系，行关系、列关系，得到一个结果。视频把一段图象拆成一张一张图片，它的信息会丢失的。

AWS提供非常多层次，不同类型的深入学习服务，主要就是为了满足不同用户不同的需求。人工智能技术照进行业场景的距离有多远

云从科技联合创始人 温浩

云从是土生土长的重庆高科技企业，前身是在中科院重庆绿色智能研究院，云从的产品主要集中在人脸识别和相关的技术服务和产品上。

广义人工智能范围很广，包括计算机视觉到自动驾驶，都属于机器学习主要是机器包括它的外延，深度学习这几年是比较火的，跟机器学习区别在于是自动来学习特征，人工智能可以大幅改善密集型和简单重复的工作，像一些文本、简单的图象分析可以用机器来代替了。人工智能距离落地有多远？

有几种，一种是技术型企业，还有一种搞芯片的，还有搞模型的，像亚马逊直接训练一个模型，这些都属于人工智能范围。

下面是软件。模型算法OK，需要转换成需要好的软件，可能有SDK，运行在嵌入式终端，会牵涉到硬件。

最后就是集成、系统。这个时候才是真正的能够落地的产品或者可以给客户的。

人工智能的技术链条特别长，离终端客户特别远，技术很难，加之现在人工智能企业没有盈利的，也是阻碍落地的一个现实。还有商业模式和人才也是非常影响人工智能企业落地应用的。

从底层的研发团队，到运用平台、数据，再到算法，再到营销产品设计，是非常长的链条，周期非常长，云从自10年开始算，也差不多十年了，每年投入都是2亿研发成本。云从为什么选择人脸识别？

因为落地快，且是人机交互的入口；市场最够大，安防、金融、零售都需要，它是跨行业的。我们也拿过很多世界冠军，领先并不能代表落地的优势，落地大家是在一个水平线上，因为面对各种各样现实的因素。应用落地的难点

人脸确认1：1，回答这个人是谁，1：N回答他是谁，N可能很大，上千万，难度更大。

跨摄像头的行人识别，我没有拍到脸，只有身体的衣服或者步态或者身上一个东西还可以识别出来，这就是行人在识别。我们也是今年打破世界纪录及在三个数据级上，刷新了世界纪录，达到99.6%，达到了商用的水平。

防攻击，金融领域用得很多，防止照片、平板冒充别人。最早是动作，后来是红外。

还有识别表情。建设行业大脑

光把人脸识别做好是不是就够了？不够。我们做任何技术只是一个引子、入口，一定要技术点延展开去。我们为银行做了一个网点解决方案，包括从排号机，远程业务、迎宾、超级柜台，你们去农行办身份证业务，上头进行验证就是用的云从的。

我们把它产品化，整个银行做了42个解决方案，从网站到金库，到员工，还有手机银行、柜台，都做了。光这个还不够，还要打造行业大脑，刚才说的感知数据，还有交易数据，还有公有云可以挖掘的数据，从公安之机场或者其他商业历来的信息，合在一起，构成我们的行业大脑，比如金融的、再进行人工画像、精准营销，包括支付、风控。引领行业变革，汇聚生态

我们一定要做企业服务，C端相对来说更难，成本、价格都要求很高，B端，是所有初创企业最适合的。

云从除了平台服务，还有生态。

生态就是联合更多的企业一起做企业服务，云从不可能所有服务提供完，只是一个接口。我们有几个资源，一个是技术资源、数据资源、三层架构研发体系，平台资源，行业入口。我们和中科院有联合投资基金，如果在生态里需要资本服务，也可以做相关的服务。

云从在全球是有6个研发中心，美国的硅谷和重庆最多，超过300人研发团队，在上海有100多人，广州、成都苏州，两个联合实验室。国内银行、公安有超过80多次PK第一名。

数据资源，四大行、公安部、民航总局，联合实验室。这些数据是可以共同开发使用。

地方政府包括重庆、广州和黑龙江还包括苏州、成都政府对我们很多支持。

去年3月份和百度腾讯讯飞一起人工智能基础资源公共服务平台的，今年和公安部一起拿的人脸识别高准确度产业化。

行业入口，我们银行业是第一大供应商，应该是超过100家银行总行，包括农行、建行、交行，重庆银行、招商银行。市占率超过75%，每天日均是1.1亿次。到3月份，帮助公安抓获了2600名嫌疑人。

人工智能是可以整合资源改变生产方式和生活方式，提升人类发展潜能。今天是人工智能最好的时代，云从愿意和大家一起来开拓企业服务，共享美好未来。