界面新聞記者 | 崔鵬

近期AI（人工智能）的各種新進展層出不窮，整個產業迎來廣泛關注。不久前，騰訊云智能總經理李學朝面向媒體做了線下分享，話題圍繞騰訊在人工智能領域的落地思路和應用場景展開。

他領導的騰訊云智能團隊歸屬于CSIG云與智慧產業事業群，主要負責在各種人工智能技術之上搭建平臺，并向產業輸出落地。

騰訊云智能可以分為三層，底層是能力層，中間是平臺層，上面是方案層。能力層指的是騰訊的全棧技術能力，包括語言類、語義類、CV類等技術，整合了騰訊內部AI Lab、微信AI和優圖等幾大AI實驗室。

這些新技術，騰訊不會直接拿給客戶去用，而是先在公司內部的各個產品進行應用實踐。無論是大模型、NLP還是數字人技術，都在騰訊的廣告、搜索、翻譯同傳和語言助手等業務上進行過反復打磨。

李學朝認為，這些新技術只有跟場景結合、跟客戶相結合，才能產生價值。所以騰訊一直在探索怎么把底層技術和大模型包裝起來對外輸出，以能力、平臺或者應用的形態。

“現在大家喜歡討論大模型，其實大模型并不僅限于ChatGPT這一種類型”，李學朝表示，騰訊的大模型此前就在對話等領域有過實踐。

目前大模型領域有比較普遍的挑戰和痛點，例如在訓練上AI應用場景處理的數據量越來越大，模型網絡的結構復雜度越來越高，模型的訓練周期也越來越長。

比如說ChatGPT訓練一次大概需要月計，完整訓練需要近千張A100卡。李學朝介紹稱，騰訊很多大模型就算用低成本方式，訓練一次也得一兩周。在這種情況下，客戶的成本很高，因為現在GPU資源很難獲取，訓練周期比較長，嚴重影響到模型產出效率。

所以，雖然過去幾年AI產業發展很火，但它面臨著明顯的發展瓶頸。很多AI解決方案在落地過程中存在著門檻高、投入大和周期長的特點。在企業降本需求非常強烈的背景下，低成本快速獲取AI算力和能力的需求日漸增長。

也是基于這個目的，騰訊推出了騰訊云TI平臺。它能簡化開發者的工程投入，實現即插即用、低門檻的接入。

騰訊將多模態AI技術能力聚集到TI平臺上，同時把AI應用中做的TI-ACC加速平臺放進來，讓平臺在訓練和推理方面都能加速和降低成本。

以TI-OCR訓練平臺舉例，很多行業都有大量的報銷和發票等各種格式的單據，當對它們做電子化處理的時候就要用到OCR技術。這項技術一方面對識別準確率要求很高，第二方面就面臨著格式、版式多樣性的挑戰，每一個票據的模板排版都不同。

根據官方介紹，騰訊的TI-OCR支持大概5000多種版式，泛化準確率能達到90%，而且拿5張樣本快速訓練的準確率能達到95%以上；現在檢測識別500張樣本做訓練準確率為99%，在快遞里面做分揀，100張樣本能做到99.5%的準確率。這個平臺在物流、財稅等場景里有很多應用。

在工業場景下，騰訊推出了騰訊云智能工業質檢解決方案，它是一套軟硬一體的AI外觀質檢解決方案。

以蘋果產業鏈企業富馳高科為例，蘋果對iPhone手機內每個零件的加工過程都有很高質量的要求，生產企業以前主要靠人工檢測，現在可以用AI質檢提升生產效率。

富馳高科與騰訊合作后，將光度立體成像技術、深度學習等工業AI質檢技術引入攝像頭支架外觀檢測中，質檢速度較人工提升10倍。目前騰訊為富馳高科提供了10多臺設備，機器持續滿載生產的情況下，每年能為其節省數千萬元的人力成本。

官方信息顯示，騰訊已經在10個工業細分領域推出了成形的解決方案，每年累計交付超過100臺設備；單就外觀檢測設備來說，單一客戶累計檢測2000萬件。當客戶有新的產品外觀上線時，檢測人員可以將圖片提交到我們的平臺上自主訓練，極大降低了算法門檻。

目前，騰訊工業AI質檢聚焦在3C電子、新能源等行業，以及手機配件檢測、3C結構件檢測、鋰電池生產質檢等重點領域。

騰訊云智能的理念是AI要服務于人，針對的用戶主要包括管理者、業務人員、研發人員和C端用戶這四類人群，對應的就是決策智能、服務智能、研發智能和生活智能，目前已經在8大行業落地超過50多個客戶，有70%的存量客戶追加采購TI平臺的軟件和服務。

李學朝表示，騰訊希望把平臺開放出去，讓合作伙伴基于平臺去開發更多的場景，幫助客戶去實現它們的業務價值。