2017 年 10 月11 日，阿里巴巴 CTO 張建鋒在杭州云棲大會上正式宣布阿里成立達(dá)摩院，致力于開發(fā)基礎(chǔ)科學(xué)、顛覆性技術(shù)，旗下設(shè) 5 大領(lǐng)域 14 個實驗室，其中就包括主攻人工智能技術(shù)的機器智能實驗室。 當(dāng)時，恰逢人工智能技術(shù)開啟商業(yè)化進(jìn)程，阿里組建達(dá)摩院，也被認(rèn)為是阿里全面升級人工智能的技術(shù)、商業(yè)布局的重要舉措。 阿里不算在人工智能上布局特別早的國內(nèi)公司，但隨著達(dá)摩院這兩年的成長，其在人工智能技術(shù)布局的深度、應(yīng)用的廣度上又到達(dá)新的階段。尤其機器智能實驗室，現(xiàn)已是整個阿里經(jīng)濟體中最核心 AI 技術(shù)的輸出口。

圖丨達(dá)摩院 5 大領(lǐng)域 14 個實驗室（來源：達(dá)摩院）這主要體現(xiàn)在，達(dá)摩院機器智能團隊已經(jīng)發(fā)展成為擁有 10 位 IEEE Fellow、20 多位知名大學(xué)教授的 AI 研發(fā)團隊，源于達(dá)摩院智能實驗室的技術(shù)，也正在成為阿里每日向全世界 15 億人提供的百億次服務(wù)背后的重要支撐。 “最核心的人工智能技術(shù)匯集在這個部門，我們這個部門定位支持所有其他阿里經(jīng)濟體對人工智能追求的最大核心技術(shù)研發(fā)”，近日，達(dá)摩院機器智能實驗室智能技術(shù)事業(yè)部首席架構(gòu)師王駿在接受 DeepTech 采訪時如此表示。

圖丨阿里巴巴人工智能版圖（來源：阿里巴巴）在機器智能算法體系上，阿里的 AI 技術(shù)研發(fā)方向已經(jīng)涵蓋語音智能、語言技術(shù)、機器視覺、決策智能等方向。采訪當(dāng)天，達(dá)摩院機器智能團隊也宣布其自主研發(fā)的語音合成技術(shù)突破——KAN-TTS。 達(dá)摩院語音實驗室高級算法專家雷鳴介紹稱，該突破可大幅提高合成語音與真人發(fā)聲的相似度，并將語音合成定制成本降低 10 倍以上。另外，當(dāng)前業(yè)界商用系統(tǒng)的合成語音與原始音頻錄音的接近程度通常在 85% 到 90% 之間，而基于 KAN-TTS 技術(shù)的合成語音可將該數(shù)據(jù)提高到 97% 以上。更大的變化是，對于像 KAN-TTS 這樣的最新技術(shù)突破，阿里內(nèi)部已經(jīng)達(dá)成“最先進(jìn)技術(shù)零時差上云”的共識，即“阿里有什么，阿里的客戶就能拿到什么”。

（來源：達(dá)摩院）

在近 2 個小時采訪的過程中，達(dá)摩院機器智能實驗室和我們分享了其成立以來取得的主要技術(shù)突破，以及從實驗室落地商業(yè)場景的邏輯，其中，一家國外公司被反復(fù)提及，而且和外界一般認(rèn)知的不一樣，這家國外公司并不是 AI 公司。它就是博世。博世被屢屢提及的原因是，阿里已經(jīng)明確發(fā)展 AI 技術(shù)要走“被集成”的模式，正如博世在汽車產(chǎn)業(yè)界中的地位和角色——盡管沒有一輛車掛著博世的牌子，但博世的零部件幾乎被集成到了每一輛車中。

（來源：博世）

目前阿里 AI 技術(shù)被集成的出?？?，就是上云：AI 技術(shù)不但用以支撐阿里自己的業(yè)務(wù)，在某些特定場景中服務(wù)外部的頻次還會大于服務(wù)內(nèi)部。但阿里現(xiàn)在并沒有一個固化的標(biāo)準(zhǔn)去衡量達(dá)摩院的 AI 技術(shù)能夠帶來的具體效益。對此，王駿表示：“我們是整個智能技術(shù)被阿里云集成的概念，我們這個部門的價值是被集成的價值，而不是那種簡單的商業(yè)價值”。 達(dá)摩院語音實驗室負(fù)責(zé)人鄢志杰也提到，現(xiàn)在還遠(yuǎn)不到劃分一二、搶市場排位的階段，AI 技術(shù)究竟能夠為阿里、為行業(yè)帶來多大的價值，仍有待和行業(yè)的客戶一起探索。另外，DeepTech 了解到，在接下來 9 月的云棲大會上，達(dá)摩院還將宣布在 AI 上的重要突破，尤其是在芯片上的進(jìn)展。去年的云棲大會上，阿里宣布將此前收購的中天微和達(dá)摩院自研芯片業(yè)務(wù)整合成“平頭哥半導(dǎo)體有限公司”。平頭哥成立的這近一年時間，達(dá)摩院的算法研發(fā)人員也和這支硬件隊伍有了大量的探索和合作。

圖丨阿里成立平頭哥（來源：阿里巴巴）以下為本次采訪的 Q&A 精華（經(jīng)過基于原意的刪改）：談研究方向：不會單做純理論的研究

問：達(dá)摩院的屬性有幾個重點，它是一個全球性的研究機構(gòu)，研究創(chuàng)新跟產(chǎn)品研發(fā)并重，在確定重點研究方向上會給研究人員一些自由度，也會兼顧短期、中期、長期的規(guī)劃，聽起來和微軟亞洲研究院的感覺挺像的，你們會常和微軟亞洲研究院交流對比嗎？鄢志杰：技術(shù)方面的互相交流也好，或者是互相觀察也好，是很常見。馬上要開的一場業(yè)內(nèi)語音學(xué)術(shù)會議，我們有8篇論文發(fā)表，來自新加坡、中國大陸跟美國的實驗室，也會在那個場子里面互相交流。在技術(shù)上，我們無論是與微軟還是谷歌，都有很密切的交流。 但是我自己認(rèn)為不同的點在于，建立這個團隊的時候我們想把研究跟工程放到一起，希望有兩個循環(huán)，第一個循環(huán)是研發(fā)可以迅速轉(zhuǎn)化為產(chǎn)品，像我們在TTS的突破。從它的雛形做出來到最后的產(chǎn)品上線可能是非常短的一個耗時，讓阿里云智能圈子里面的客戶可以第一時間享受到。 同時，一個業(yè)務(wù)的需求如何沉淀為技術(shù)的成果？我們通過技術(shù)的工作、核心算法的工作，訂制一個成本數(shù)量級，跟業(yè)務(wù)放到一起的好處是，任何來自于真實社會的訴求，會第一時間傳到算法這邊來，幫助我們有方向上的判斷。所以你看到，我們團隊不單單會做所謂純理論性的項目，還會研發(fā)有實際應(yīng)用情景的技術(shù)。

圖丨鄢志杰，中國科學(xué)技術(shù)大學(xué)博士，IEEE 高級會員。長期擔(dān)任語音領(lǐng)域頂級學(xué)術(shù)會議及期刊專家評審。研究領(lǐng)域包括語音識別、語音合成、聲紋、語音交互等。曾任微軟亞洲研究院語音團隊主管研究員（來源：達(dá)摩院）問：現(xiàn)在研究成果落地的場景是偏 C 端的多、B 端的多、還是 G 端的多一點？王駿：從我的角度看，我們?nèi)齻€方面都有。例如語音，語音是 2C 的技術(shù)，但我們用它服務(wù) B 端的客戶，這是 2B2C 的模式。我們不做端到端的產(chǎn)品，而是做了一個模塊去 B 端集成，另外，我們還有一個訴求是要服務(wù)開發(fā)者，整個阿里已經(jīng)有很多開源的技術(shù)，包括語音上我們?nèi)ツ臧l(fā)布了開源的模型。將來我們還有更多的開源產(chǎn)品去供給個人開發(fā)者以及集成的客戶。問：現(xiàn)在在研發(fā)中遇到過的問題是什么？王駿：我講兩個例子，剛才講數(shù)字化到智能化，但很多行業(yè)數(shù)字化都沒有做得很好。我們接觸過這樣的案例，行業(yè)很難形成一個標(biāo)準(zhǔn)的對 AI 的需求，技術(shù)供不應(yīng)求，沒有辦法去做。我們有過幾次嘗試，發(fā)現(xiàn)這家做的東西那家用不了，這邊的模型到那邊不能用，基本上是信息化程度不夠的行業(yè)。我們也做了一些變通的方法，例如開發(fā)自學(xué)習(xí)的平臺，把制作 AI 的工具交給我們的合作伙伴，大家一起去做。阿里巴巴不可能把所有的事情都做了。談落地：最先進(jìn)技術(shù)零時差上云

問：最先進(jìn)的技術(shù)上云，但先進(jìn)的技術(shù)用戶不一定會買賬，比如成本過高的時候它上云可能就會被冷落，這種情況怎么考慮？雷鳴：被冷落是被市場或者客戶冷落，我們跟市場客戶站在一起，從客戶市場拿到需求，整個過程中密切進(jìn)行溝通，抓住他們的痛點做一些研發(fā)，做他們會愿意去接受、愿意花錢的產(chǎn)品或服務(wù)?？蛻艉芏鄷r候愿意和我們?nèi)ス矂?chuàng)一些東西。跟客戶站在一起往前走可以解決問題。

圖丨張建鋒曾提出阿里云戰(zhàn)略加速的“四級火箭”：達(dá)摩院加持的云、數(shù)據(jù)智能的云、最佳實踐的云和被集成的云（來源：阿里巴巴）問：企業(yè)設(shè)立的研究機構(gòu)怎樣打破部門間的隔閡，怎么讓研發(fā)團隊和產(chǎn)品團隊能夠做好落地？為什么過去有些機構(gòu)或項目做的效果不好、有的做的好？王駿：我們部門跟其他部門不一樣的是，我們底下有技術(shù)和工程、資金和產(chǎn)品，非常統(tǒng)一地整合到了一起，避免了很多技術(shù)低效率的問題，這是第一個。 整個對阿里集團來說，最核心的人工智能技術(shù)匯集在這個部門，我們這個部門定位支持所有其他阿里經(jīng)濟體對人工智能追求的最大核心技術(shù)研發(fā)，不可能去做一些硬件。這個背景下，我們從集團層面解決了內(nèi)部的問題。 阿里的經(jīng)濟體非常復(fù)雜，我們找不出第二個有這樣豐富場景的存在，涵蓋電商、物流、娛樂等等，加上我們又是核心技術(shù)團隊，比較有機會在業(yè)務(wù)支持中，先把技術(shù)提煉出來。比如大規(guī)模的分類問題，拍立淘的搜索技術(shù)要支持手淘的需求，工作量都是千萬級的，我們開發(fā)這個技術(shù)，就要從圖像搜索到圖像識別都能支撐。問：機器智能實驗室今年有營收預(yù)期嗎？王駿：有也沒有。我們是整個智能技術(shù)被阿里云集成的概念。我們這個部門的價值是被集成的價值，而不是那種簡單的商業(yè)價值，因為人工智能技術(shù)和人工智能技術(shù)產(chǎn)品作為一個商品的存在，整個市場處于早期的階段。

圖丨達(dá)摩院至今在 AI 方向上取得的一些技術(shù)進(jìn)展（來源：達(dá)摩院）談技術(shù)邊界：芯片、中臺、決策、深度學(xué)習(xí)框架

問：在達(dá)摩院內(nèi)部，實驗室和芯片團隊的合作情況是？答：因為阿里自己做芯片，算法跟芯片的團隊有深入合作。芯片今年會有重要進(jìn)展，但暫時不能透露更多了。問：阿里在做技術(shù)中臺，實驗室在其中扮演的角色是什么？怎么有助于跟其他的業(yè)務(wù)去協(xié)作？王駿：我覺得中臺你要清楚是業(yè)務(wù)還是什么。我們剛才講了跟業(yè)務(wù)平臺合作，表明了我們不去做那種端到端的業(yè)務(wù)，只做核心的技術(shù)。語音合成的技術(shù)，我們做出了 KAN-TTS，不可能做政法行業(yè)或者教育行業(yè)的系統(tǒng)。我們提供彈藥，通過伙伴去投放，他們做行業(yè)應(yīng)用。問：中臺的建立有助于我們在阿里內(nèi)部跟其他業(yè)務(wù)部門做協(xié)同嗎？ 王駿：我覺得這是一個非常好的方式，可以提效，避免低質(zhì)量。在核心數(shù)據(jù)上有一個核心的團隊去做，具體落地的時候，應(yīng)用研發(fā)的可以交給業(yè)務(wù)團隊或者生態(tài)伙伴去做，更好發(fā)揮作用。

圖丨AI 大牛賈揚清今年 3 月加入阿里（來源：互聯(lián)網(wǎng)）問：今年阿里可能在 AI 上面，有一個比較重要的人事變動，那就是 Caffe 的核心作者賈揚清加入阿里云，他的加入會不會給達(dá)摩院的方向也帶來一些改變？未來也我們會去研發(fā)一個自有的深度學(xué)習(xí)框架？答：機器智能的四個實驗室主要是在做機器智能技術(shù)應(yīng)用層，他負(fù)責(zé)的是我們阿里云的大計算平臺，還有超規(guī)模機器學(xué)習(xí)平臺，是做訓(xùn)練的，比較偏底層，或者基礎(chǔ)訓(xùn)練這一塊，賈揚清的加入肯定對于阿里 AI 的發(fā)展是一個非常重要的助力。問：達(dá)摩院的邊界是什么？王駿：整個達(dá)摩院的架構(gòu)比較大。人工智能這個角度說，我們構(gòu)建人工智能底層最核心的技術(shù)，從芯片到平臺到上面的核心算法，語音、優(yōu)化等等。但我們不會做行業(yè)應(yīng)用，會在行業(yè)里面和伙伴去發(fā)展。一句話總結(jié)，我們做人工智能整個生產(chǎn)鏈中最核心的從硬件到平臺到研發(fā)，大概就是這些。問：在決策方面，目前探索了哪些方面？今后有什么計劃？王駿：我個人的理解，人工智能技術(shù)分為三個階段，第一個階段是過去的知識總結(jié)，第二個是預(yù)測，第三個是優(yōu)化。決策和優(yōu)化是最后面的環(huán)節(jié)也是最難的之一。 目前來說，我們整個決策技術(shù)是以對內(nèi)服務(wù)為主，因為你要改變這個系統(tǒng)，實際上最好在這個業(yè)務(wù)里面有一個強大的交互過程，簡單來說，就是語音計算怎么去優(yōu)化，調(diào)度怎么去優(yōu)化。這個方面我們?nèi)砸詫?nèi)服務(wù)為主，從業(yè)務(wù)需求出發(fā)，然后進(jìn)行匯總，服務(wù)好內(nèi)部之后，再想辦法去慢慢形成產(chǎn)品化以后對外輸出。鄢志杰：補充一下語音的情況。我們團隊從成立到現(xiàn)在五年的時間，成果已經(jīng)用在阿里淘寶和支付寶的客服，但是對外，我們的客戶也有很多行業(yè)頭部公司，比如說像中國移動，他們的客服量是非常大的，我覺得這些外部客戶加起來的服務(wù)量，整體上已經(jīng)遠(yuǎn)遠(yuǎn)超過我們用在內(nèi)部的客服的服務(wù)量，這是我想澄清一下我們的技術(shù)對內(nèi)對外的關(guān)系。

另一個補充，我們的技術(shù)對內(nèi)對外會不會有區(qū)別？ 對內(nèi)無非是支付寶、淘寶的客服場景，遇到問題，實驗室內(nèi)部一起解決就好，但真正在對外服務(wù)的時候你會發(fā)現(xiàn)，很多客服中心的需求撲面而來。這個過程中我特別想提“共創(chuàng)”二字，而非“賦能”的說法。為什么呢？苦苦追尋的 AI 技術(shù)本身到底對我們的生活、跟我們2B的整個商業(yè)到底能產(chǎn)生什么實打?qū)嵉膬r值，未知。所以我不想用賦能，好像顯得我們很有“能”一樣，我想用“共創(chuàng)”這個詞。 AI 到底能夠在行業(yè)里產(chǎn)生什么價值？大家要排誰是第一、第二、第三，但可能連題目都還沒有被定義。所以我覺得一切還為時尚早，而且現(xiàn)在已經(jīng)過了單純比拼算法、單純打一個點的階段，大家面臨更廣闊的未知，就是到底這些所謂的算法能在生活中產(chǎn)生什么價值。這個探索才剛剛開始，現(xiàn)在的體量離大家去競爭市場排位還很遠(yuǎn)。