免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

特斯联AI CITY效果图

Investcorp认为，对特斯联的战略投资不仅有助于公司的成长，也反映了它对特斯联所宣传的AI CITY整体布局和商业模式的信心。

特斯联官网显示，该公司是光大控股在新经济领域发展的核心战略平台，2020年成为迪拜世博会官方首席合作伙伴，以人工智能+物联网技术打造AI CITY，为政府、企业提供城市管理、建筑能源管理、环境与基础设施运营管理等一站式解决方案。

自2015年成立以来，该公司已成为中国人工智能与物联网（AIoT）领域的领军企业，专注于提供基于AIoT技术的多元化智能服务。今年4月，该公司首个AI CITY项目“光大人工智能产业基地”在重庆开工。

去年8月，特斯联宣布完成20亿元C1轮融资。此轮融资由光大控股领投，京东、科大讯飞、万达投资等跟投。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

IDC人工智能项目副总裁RituJyoti说：“公司将采用人工智能，这不仅仅是因为他们可以，而且因为他们必须这样做。”。“人工智能是帮助企业实现敏捷、创新和规模化的技术。成为“人工智能驱动”的公司将具备综合信息的能力(使用人工智能将数据转换为信息，然后转化为知识)、学习能力(使用人工智能理解知识之间的关系，并将所学知识应用于业务问题)，以及大规模提供见解的能力(使用人工智能支持决策和自动化)。”

采用人工智能的两个主要驱动因素是提供更好的客户体验和帮助员工更好地工作。这反映在人工智能的主要用例中，包括自动化客户服务代理、销售流程推荐和自动化、自动化威胁情报和预防，以及IT自动化。加起来，这四个用例将占今年人工智能支出的近三分之一。一些增长最快的用例是自动化人力资源、IT自动化和药物研究与发现。

在整个预测中，在人工智能解决方案上花费最多的两个行业是零售业和银行业。零售业的人工智能投资将主要集中在通过聊天机器人和推荐引擎改善客户体验上，而银行业则将在欺诈分析和调查以及项目顾问和推荐系统上投入资金。2020年，离散制造、流程制造和医疗保健将跻身人工智能支出前5名的行业之列。预计2020-2024年人工智能支出增长最快的行业是媒体、联邦/中央政府和专业服务。

“COVID-19导致整个运输业以及个人和消费者服务业(包括休闲和酒店业)的人工智能投资放缓。这些行业在2020年将谨慎对待其人工智能投资，因为它们的重点将是成本控制和创收，而不是创新或数字体验，”客户洞察与分析高级研究分析师AndreaMinonne说。“另一方面，人工智能在帮助社会应对隔离和封锁造成的大规模破坏方面发挥了作用。一些欧洲政府与人工智能初创企业合作，部署人工智能解决方案，以监测其社会距离规则的结果，并评估公众是否遵守规则。此外，欧洲各地的医院都在使用人工智能来加速COVID-19的诊断和测试，提供自动化的远程会诊，并优化医院的容量。”

客户洞察与分析研究经理StaceySoohoo表示：“此版本的《人工智能支出指南》已针对COVID-19的影响进行了调整。在短期内，大流行导致供应链中断和关闭商店，持续影响预计将持续到2021年和过去的几年。对于受影响最大的行业，这导致了人工智能部署的一些延迟。在其他地方，企业也看到了当前形势下的一线希望：从长远来看，这是一个提高弹性和敏捷性的机会。人工智能仍然是许多企业复苏道路上的关键技术，采用人工智能将有助于许多企业重建或提高未来的收入来源和运营能力。”

软件和服务将分别占今年人工智能支出的三分之一多一点，剩下的则由硬件来完成。软件支出中最大的一部分将用于人工智能应用(141亿美元)，而服务支出的最大类别将是IT服务(145亿美元)。服务器(112亿美元)将主导硬件开支。在预测期内，软件支出增长最快，五年复合年增长率为22.5%。

从地理上看，美国将在整个预测期间提供超过一半的人工智能支出，其中零售和银行业为首。西欧将成为第二大地理区域，以银行业、零售业和离散制造业为首。中国将成为人工智能支出的第三大地区，国家/地方政府、银行业和专业服务业将成为主导产业。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

研究机构在最新的报告中就预计，国内的服务器供应商浪潮，将会是今年全球的三大人工智能服务器供应商之一，另外两家是戴尔和惠普企业。

人工智能服务器，是人工智能所需的硬件设备中的一项，研究机构指出的另一项硬件是存储设备，今年的前三大人工智能存储供应商，预计是戴尔科技、网域和惠普企业。

研究机构在报告中还预计，全球人工智能硬件领域今年的营收，将达到134亿美元，同比预计增长10.3%。

在人工智能市场中，硬件虽是其中很重要的一部分，但占比并不是很高。从研究机构的报告来看，今年全球人工智能市场的营收，将达到1565亿美元，软件占到了近80%，服务和硬件占比较低，人工智能服务今年的营收预计为184亿美元。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

未来最大的交互，不是现在的人机交互，而是人与人工智能的交互。人工智能行业现今取得了不少的成就，也逐渐进入了千万家庭，陪伴在了很多人的身边，其中就包括智能语音机器人。本文笔者将以智能客服领域为出发点，结合自己的工作实践进行详细分析。

3 月 4 日，中共中央政治局常务委员会召开会议，指出要加快推进包括5G 网络、人工智能、数据中心等新型基础设施建设进度。

结合此前人工智能赋能技术在疫情防控中发挥的重要作用，加上新基建政策，可以预见的是未来人工智能必将迎来新一轮的发展。

据艾瑞网发布的《2019年中国人工智能产业研究报告》中显示，到2022年中国智能客服业务规模将突破160亿元，泛智能客服市场将突破600亿，也预示着这一领域依然拥有广阔的市场空间。

本篇笔者将着重就智能客服这一应用较为成熟的领域，结合自己的工作实践进行详细分析。

一、智能客服背景

智能语音客服机器人是在传统的客服系统基础上，集成了语音识别、语义理解、知识图谱、深度学习等多项智能交互技术，能准确理解用户的意图或提问，再根据丰富的内容和海量知识图谱，给予用户满意的回答，目前已广泛应用于金融、保险、汽车、房产、电商、政府等多个领域。

对比于传统客服，智能客服具有为企业降本增效，提升商机转化率，提升用户体验、更加方便简洁、移动性及时性社交性能一体化的优点。

智能客服机器人应用场景十分丰富，

• 从交互模式上来看：可以分为文本客服机器人、语音客服机器人两大类；
• 从场景和功能类型来看：又可分为问答机器人、任务机器人、闲聊机器人三大类。

那么语音外呼机器人这个形态的产品在实际场景中如何应用的呢？

下面我会从语音外呼机器人工作流程、外呼系统搭建、应用案例，应用重难点等4个模块来做详细阐述。

二、智能外呼机器人工作流程

AI外呼机器人是集合了自动拨打电话、多轮语音交互、客户意向智能分级、外呼任务自定义等多功能于一体智能语音对话机器人。

以下是一个基本的智能外呼机器人工作流程：

如上图所示，一个完整的智能外呼流程（不涉及转人工）包含了四个环节，各环节会由外呼系统整体串联起来进行运作：

1. 用户接听：外呼工作流程的开始，外呼系统需识别用户接听信号。
2. 客户机器人响应：这一环节关键在策略输出，外呼系统需根据用户应答，识别用户意图或动作，根据机器人预设任务流和策略给出响应话术。
3. 用户应答/动作：这一模块主要在外呼系统需对用户的意图和动作进行精准识别，做用户状态记录，以便一下步策略的实施。
4. 用户/客服机器人挂机：当机器人走完任务流会主动挂断，或用户提前自主挂断，外呼工作流结束。

三、外呼系统设计

以上工作流的实现依赖于外呼系统同时涉及多方技术，下面整体来介绍下外呼系统的底层架构。

上图为笔者结合所学及所做机器人的实际业务逻辑梳理的呼叫系统架构，如图，整体上语音外呼系统可分为五大模块：

1. 通讯管理模块

由通讯线路和FreeSwith电话系统构成，通过SIP和RTP协议，实现进行各种信令和语音流的传输。其中，通讯线路包括三大运营商、各家集成线路商，用于提供线路资源将电话拨打出去。

电话系统采用的是开源的FreeSwith，主要用于处理外呼请求和传输SIP信令和语音流。

2. 语音模块

负责语音相关操作，包括语音识别（ASR）、语音合成（TTS）、录音播放等。

其中ASR和TTS这块，目前一般采用阿里云、科大讯飞等技术较为成熟的供应商服务，主要通过接口形式对接使用。

3. 中控模块

主要任务是实现与其他模块之间的通信互联，负责将ASR识别后的文本传输给机器人模块，将机器人模块的指令策略转化为电话系统的执行指令，并将数据同步至Saas后台（中控模块命名各家公司都有所不同）。

4. 后台管理模块

负责机器人外呼任务的发起和相关业务操作，主要包括外呼任务的创建，通话流水查询，客户管理，数据统计等功能。

5. 机器人管理模块

此为整个外呼流程中的核心AI模块，通过自然语言处理（NLP）和对话管理（DM），进行用户意图理解，对话状态追踪，机器人应答策略匹配等，实现人机对话交互。

关于NLP和DM模块比较复杂，笔者将会在下一篇文章中单独对任务机器人对话系统的设计做详细阐述，这里就不过多补充了。

四、应用案例

下面以58同城二手车回访的业务场景，具体分析下外呼机器人是如何通过外呼系统进行作业的，外呼系统各模块间又是如何耦合实现业务需求的。

1. 对话管理设计

正常情况下，外呼业务场景一旦确定，产品需先梳理出任务场景的主干流程，选定深度意图，设置匹配QA，设置槽位，准备话术，设计对话状态追踪，设计对话策略等一系列工作。

这里的对话管理的设计配置，涉及到外呼系统里机器人管理模块。

如：上图对话框中机器人话术均为事先根据二手车回访业务提前设计好的主干话术。

2.外呼任务创建

对话管理模块配置完善后，业务人员可在Saas后台创建外呼名单，通讯管理模块接受任务指令，拉取话单进行电话外呼。

3.拨打流程

拨打流程涉及模块较多，主要包括通讯管理模块，语音模块，中控模块，机器人管理模块。

1. 运营商的通信线路根据业务人员创建的外呼任务，开始逐个拨打用户电话；
2. 用户接通电话后，开始进入对话处理循环流程；
3. 通讯管理模块的FS将用户语音流传输给语音模块进行ASR识别为文本信息，然后将动作/文本信息一起输送到中控模块；
4. 中控模块将用户文本/动作信息推送至机器人模块，并将机器人返回的策略指令转化成电话系统的执行指令；
5. 电话系统结合语音模块，进行语音合成后，执行话术播放或转人工、挂机等机器人动作策略，随后开始新一轮对话循环处理流程；
6. 机器人/用户挂机后，中控模块将相关录音文件、系统信息，状态信息等数据进行存储并同步至管理后台。

五、智能外呼机器人应用重难点

我们考虑一个外呼机器人的外呼质量会从两方面去看，一个是能保证外呼流程的通畅性，另一个是保证外呼任务的完成率。

决定机器人外呼质量的影响因素有很多，笔者从产品的角度去理解，除去目标客户的精准度、客户接听电话的环境、客户状态等非可控因素外，主要还受限于以下几个方面：

1. 电话线路的稳定性

在呼叫失败的原因中，很大部分是由于供应商提供的线路不稳定。

关于这一点的问题规避，更多的还是申请基础运营商的线路或寻找到正规渠道的认证供应商，以保证线路质量。

2. FreeSwith的并发量

FreeSwith的具体性能根据实际使用环境差异较大，如果因前期预估不足，设置的FS并发量过低，超过并发则会出现呼叫异常或语音卡顿等现象。

应从系统的实际业务需求去考虑并发数，保证FS的性能稳定。

3. ASR识别准确率

虽然目前很多供应商标明的语音识别率都达到了97%甚至98%，但此指标对环境的要求较高。

而实际环境在噪音较大，口音，语言混合等场景下，ASR识别准确率均有一定程度的下降。

4. 语义理解

在对话机器人中语言理解（NLU）模块主要包括意图识别和槽位识别，这两点直接影响语义理解的效果。

语音场景下，经常出现用户回复单语气词的情况，如“嗯”，“啊”等，或语音特有意图，如“大点声”，“说快点”，要求“重说”等，在意图设计时需考虑到此类特殊场，以及其应答策略。

前面提到的ASR识别错误会导致语义理解部分受影响，目前可采用加入多模态学习的优化方案，同时融合音频特征，纠正语音识别结果，此方案经验证对意图识别模块准确率会有近2%的提升。

5. 对话管理模块设计合理性

机器人对话管理模块设计的合理性，直接决定了整个呼叫任务流程的体验感和完成率。

对话管理模块的重点在于对话状态追踪（DST）和对话策略设计（DPL）的合理性，如：打断、无声等语音特有场景，如何在提升用户体验的同时确保外呼任务流的正常正常进行。

6. 话术设计的合理性

话术设计也是语音任务机器人设计中非常重要的一个部分，为提升用户的体验。

话术设计可遵循以下几个原则：

1. 话术设计更贴合应用场景；
2. 主干话术设计精简有吸引力；
3. 话术拟人化；
4. 不同状态下话术变化。

六、结语

目前，随着AI技术的不断进步，市场需求的进一步扩大，智能语音机器人在实际应用场景中的表现也越来越好，逐渐能胜任更多的业务工作。

不过其难点仍然存在，期待未来在更多AI技术的赋能下，智能客服机器人能力有更大程度的提升，能让我们在生活中体验到更贴心智能的机器人服务。

以上内容基于笔者结合学习和工作实践的思考，若有理解不到位之处，还望大家指正，更希望通过这篇文章能与各位多多交流。

本文作者： 岑为 ，其版权均为原作者所有，文章内容系作者个人观点，不代表蜗牛派对观点赞同或支持，未经许可，请勿转载，题图来自Unsplash，基于CC0协议。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

新公司中，沈向洋博士为新公司董事长，李笛为首席执行官，陈湛为日本分部总经理。所有相关工作将在接下来的几个月内完成。微软将保持对新公司的投资权益，并授权新公司使用及继续研发完整的小冰技术。

据了解，小冰是微软北京、苏州及东京研发团队成就的世界上最具创新性的人工智能技术之一。自五年前发布以来，小冰引领着人工智能的技术创新，在内容生产、智能零售、人工智能托管、智能助理等诸多方面成就卓越，已成为全球最大的跨领域人工智能系统之一。

小冰品牌享有极高的知名度，并拥有大量的粉丝和拥趸，与许多合作伙伴开展合作，并服务于广泛的商业客户。在全球多个国家，小冰单一品牌已覆盖6.6亿在线用户、4.5亿台第三方智能设备和9亿内容观众，已落地的商业客户覆盖金融、零售、汽车、地产、纺织等数个领域。

去年夏天，微软小冰以“夏语冰”的化名，在中央美术学院2019届研究生毕业作品展上首次展出，并成为了中央美术学院的研究生毕业生。

今年6月，微软小冰从上海音乐学院毕业，并被授予上海音乐学院音乐工程系2020届“荣誉毕业生”称号。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

最近在梳理人工智能的一个细分领域自然语言处理相关知识点。随着查阅的资料越来越多，在梳理的过程中，也越来越发现自己的无知。虽然自然语言处理是人工智能的一个细分领域，但是自然语言处理这个细分领域内，又有很多的细分领域。自然语言处理，也是涵盖了多个学科的一个系统化的大型工程。自然语言处理，除了包含常见的分词、分句、分段，词目计算、词类标注，有限状态自动机、隐马尔可夫模型等基础的计算机理论知识外，还包含了语音学、语言学、心理学、统计学、脑科学等多个领域的学科知识。

一个人不可能把自然语言处理所有的知识都全部掌握精通，也只能是找到其中的一个或几个难点进行研究。今天文章题目定为《人工智能之自然语言处理初探》，似乎题目也是有点过大了。所以又取了一个子题目，叫“语义识别”。即便是这样，在今天有限的文章描述以及PPT演示，也难以涵盖语义识别这个领域的全部内容。

一、提纲

今天的文章以PPT为主线，受制于时间限制以及这个领域内容的确非常多非常深，即便是潜心钻严三年，是否能真正就说掌握了自然语言处理的语义分析，谁也不敢保证。进无止境。这恐怕也是科学的魅力。

本文今天主要分为六个章节，第一章节先对自然语言处理进行简要介绍。主要对自然语言处理（Natural Language Processing, 下文会以NLP替代。）的苦命分类进行概要介绍。同时介绍一下NLP在文本和语音两个方面的商业应用。第二章节从发现历程、参与的公司以及行业规模，介绍当前NLP发展现状。第三章，对整个NLP体系进行梳理。第四、五、六章节主要对NLP中语义识别中的句法分析、话语分割、指代消解的基础原理进行讲述。

二、自然语言处理简介

自然语言的理解层次，一般分为：语音分析、词法分析、句法分析、语义分析、语用分析。

简单来讲，语音分析主要是根据音位规则，从语音流中提取出独立的音素，再根据音位形态规则找出音节及其所对应的单词；词法分析主要是找出词汇中的词素，从而获得其语音学的信息；句法分析，则是对句子和句子中的短语结构进行分析，发现其内存的关联关系；语义分析是要找出单词、结构，通过结合上下文，获得准确的含义；语用分析，则是研究语言所处在的实际语言环境中对语言使用者所产生的实际作用。

三、自然语言处理发展状况

1950：图灵测试、经验语义方法、基于规则的方法。

1970：基于统计的方法、理性语义方法。

2008年：深度学习。

2013年，Word Embeddings（Word2Vec），即将高维词向量嵌入到一个低维空间，Neural Networks for NLP(RNN LSTM CNN)。

2014年，Seq2Seq Models，Seq2Seq模型是输出的长度不确定时采用的模型；MachineTranslation, Structure Prediction。

2015年，Attention，把一个输入序列表示为连续序列，解码生成一个输出序列，模型每一步都是自回归的，即假设之前生成的结果都是作为生成下一个符号的额外输入；Transformer，直接把一句话当做一个矩阵进行处理。

2018年，Memory-based Neural Network, NeuralTuringMachine。2018m, Pretrained Language Modes, ELMo，BERT。

2019年，Natural Language Generation，Reasoning, Bigger Models。

自然语言处理（NLP）正处于历史上最好的发展时期，技术在不断进步并与各个行业不断融合、落地。数据显示，我国NLP（自然语言处理）技术市场规模持续增长，2018年我国NLP（自然语言处理）技术市场规模达到了20.6亿元，同比增长52.6%。未来随着NLP技术不断进步，将具有大规模的市场需求和可扩展的巨大市场空间。预计2021年市场规模将达到近70亿元。

四、自然语言处理知识体系

NLP整个知识体系非常多。研究模式主要是对自然语言场景问题，算法如何应用到解决这些问题。即便是涉及如此多的基础知识，目前NLP仍然面临着许多的问题，例如：场景的困难，语言的多样性、多变性、歧义性，使得NLP准确性受到制约。学习的困难，如何设计高效的学习模型？语料的困难，NLP应该使用什么样的语料？如何获得这些语料？

五、自然语言处理句法分析

对于语义识别，需要对句法进行剖析，因此剖析在问答系统、信息抽取、语法检查中都起着非常重要的作用。1954年1月7日，美国乔治敦大学和IBM公司首先成功地将60多句俄语自动翻译成英语。当时的系统还非常简单，仅包含6个语法规则和250个词。而实验者声称：在三到五年之内就能够完全解决从一种语言到另一种语言的自动翻译问题。但直到今天，自然语言处理别说是自动翻译，简单的句法分析仍然有很多要完善的空间。“咬死了猎人的狗。”究竟是“[咬死了猎人][的狗]”还是“[咬死了][猎人的狗]”呢?如果不借助于上下文和语境，即便是人都很难理解，更不用说使用的句法分析了。

1）自然语言处理句法分析

我们通过计算，可以增加句法分析的准确性。但是否能真实反应语义，仍然有很大的发展空间。

六、自然语言处理话语分割

我们可以计算布朗预料库中每个句子的平均词数。在其他情况下，文本可能只是一个字符流。在将文本分词之前，需要将它分割成句子。有时可以借助于标点体符号以及一些典型的计算机符号，例如换行符来进行对句子分隔，但对于没有任何标点符号的文字段落来讲，人类可以借助经验理解里面的内容，NLP是否也能准备分割，也是比较难的一个研究领域，还有很大的发展空间。

七、自然语言吹指代消解

指代消解是NLP里非常重要的一个细分的研究领域，应用场景非常多。例如智能对话预定酒店机票，“从天津到北京的机票多少钱？” 计算机NLP后，给出一个结果，这个时候，再问“那到上海呢？”，这个就需要NLP有更深层的理解了。而现实中的对话场景，远比这个要复杂的多，NLP是否能准确识别，就依赖于指代消解的准确度了。这直接关系到NLP的产品质量。

总结：

今天主要是对NLP中的语义识别的一个领域进行初步探索。人工智能是一个非常大的范畴，即便人工智能的子领域NLP，涉及的基础研究也非常多，而且这些基础研究短时间内也很难见效，很多公司都有业绩压力，往往出于收益，即便不是一个很完善的NLP产品，也先要推向市场。不论是NLP应用在哪个领域，构建什么样的产品，解决什么样的现实问题，根本还是要依赖于基础科技的研究，一个个丰富多彩的NLP产品，都是由一个个基础功能整合而成。正所谓，不积跬步无以至千里，不积小流无以成江海。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

2017年，腾讯正式提出AI in All战略，搭建了以人工智能实验室矩阵和前沿科技实验室矩阵为“双引擎”驱动，以“两张网”为双轮的AI战舰，并形成了“技术-平台-场景”三层结构的完整AI布局。

其中，在技术层，腾讯通过两大实验室矩阵进行技术能力储备；平台层，通过腾讯云、云启产业生态平台等，对外开放AI能力，打造AI生态；场景层，从内部场景应用不断向外部产业化场景落地延伸，并结合场景打造产品化能力。

汤道生提到，上海是腾讯AI发展的重镇。在前沿技术上，落地于上海的腾讯优图实验室专注于计算机视觉研究；在基础设施上，腾讯投资450亿，在松江建设长三角人工智能超算中心和产业基地；在产业落地上，腾讯与华山医院合作，探索AI运动评估在帕金森辅助诊断中的应用，试图加速AI与产业的深度融合。

他介绍，腾讯为工业制造、医疗、政务、文旅、金融等行业，提供了90多种互联网解决方案，其中80%用到了人工智能技术。另外，腾讯也在积极布局“新基建”，腾讯长三角人工智能超算中心和产业基地目前已在上海松江区开工建设。

汤道生表示，人工智能是新基建的核心技术之一，也是产业互联网的“中央处理器”。人工智能可以优化生产和服务流程，提升人均产值，优化成本结构，助力降本增效，挖掘产业新价值；人工智能让机器有了自己的“视觉”、“听觉”，甚至是“嗅觉”， 将催生产业新形态。

另外，汤道生认为，AI与5G、云、物联网等技术深度融合，将打造产业新动能。他表示，AI实现了数据的采集和处理，但数字作为生产要素在经济中发挥作用，还需要传输、存储等技术。人工智能需要和云、5G、区块链、物联网等技术融合发展，才能形成完整的“产业驱动链”。

在演讲最后，汤道生表示，腾讯将以技术探索、平台开放和场景落地为核心，来推动AI的发展。未来，腾讯将继续开放能力、建设生态，也呼吁更多的伙伴加入，让AI惠及更多产业。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

2006年成立于杭州的卓锐科技，是世界前列的智慧文旅建设运营专家，在过去5年深度参与了国内200多个大型景区和旅游目的地的数字化转型。作为世界旅游互联网大会（ISTC）的创始单位，卓锐立足中国，服务全球旅游市场。目前在全球17个国家拥有分支机构，已为全球超过38个国家和地区的1100多个景区、博物馆等旅游目的地提供智慧旅游服务，也是联合国世界旅游组织（UNWTO）在全球签约合作的首个智慧文旅企业。

首倡数字孪生物联网与文旅的结合

卓锐拥有十多年的文旅行业数字孪生物联网系统建设经验，是文旅行业数字孪生物联网概念的首倡者及实践者。创始人宋夫华博士表示，“卓锐科技一直是一家技术驱动型公司，07年和10年先后拿到虚拟现实领域和增强现实领域的国家科技部创新基金，并将其和3DGIS结合应用于文化旅游产业的互联网和移动互联网”。

所谓数字孪生景区（博物馆），就是利用物理世界实体景区（博物馆）的模型，结合传感器的数据以及其他相关数据等，在虚拟数字世界映射出一个与物理现实世界完全相同的数字景区（博物馆）模型。

其建设主要包括三部分：第一，通过GIS、三维仿真、数字现实等多种技术，实现景区（博物馆）室内外、地表地下的全方位建模，及对设备的多种方式空间表达，完成景区（博物馆）的物理仿真；第二，通过物联网手段，采集景区（博物馆）重点设施设备的运行状态数据，比如车流、信息流、监控、广播等，实现景区（博物馆）的全方位智能感知；第三，根据这些动态的信息分析研判产生决策，实现景区（博物馆）的智慧治理与高质量服务。

卓锐是国内第一家拥有CMMI5的智慧旅游企业，最早引进国际先进的以“物联网”、“数字孪生”、“人工智能”、“数字现实”等为核心的新一代信息化技术，打造了世界首创DRORE ONE智慧文旅操作系统。

根据客户需求的不同，卓锐提供私有云、公有云和混合云等不同服务，帮助景区、博物馆、旅游目的地等管理部门打通信息孤岛，缩短建设施工周期，全面提升旅游目的地社会治理、公共服务、精准营销、资源保护以及产业运营的整体水平，节省景区建设软件成本和管理费用，让智慧文旅建设像点菜一样简单、便捷、高效。

2020年4月，国家发改委首次明确了中国“新基建”的范围和工作重点。据国家发改委创新和高技术发展司司长伍浩表示，新型基础设施建设（简称“新基建”）主要包括3个方面内容：一是信息基础设施；二是融合基础设施；三是创新基础设施。

谈及新基建，创始人宋夫华博士很看好，“新基建是政策红利加速驱动下的市场红利，5G和工业物联网是新的革命。每一个细分行业都会因为新基建和工业物联网的赋能而产生几家独角兽企业，文化旅游产业也不例外。全球博物馆、遗产地、旅游景点众多，刚中国就有上万个旅游景区，近6000家博物馆。他们信息化基础薄弱，都迫切需要数字化转型，通过物联网平台建设提升自身的管理效率、治理能力以及高质量服务”。

卓锐也会继续深根文旅产业，用工业物联网产品和高质量数字现实内容为全球博物馆、遗产地和旅游目的地持续赋能。满足客户个性化需求，提供让客户感动的产品和服务是卓锐的职责和宗旨。

通过国际化，实现第二增长曲线

创始人宋夫华博士表示，“2014年转型专注于做智慧文旅以来，我们一直致力于打造成为一家国际型公司”。2015年开始，卓锐作为创始单位，联合UNWTO（联合国世界旅游组织）、PATA（亚太旅游协会）、香港理工大学酒店与旅游管理学院等机构和高校每年召开一届世界旅游互联网大会。2017年12月与UNWTO签署战略合作协议，卓锐成为UNWTO在智慧旅游领域的首个战略合作伙伴。

作为国际化最重要的一步，卓锐在2017年年底战略投资并控股了以色列的爱可声集团。爱可声集团成立于1956年，是世界上第一家为博物馆提供语音导游导览系统服务的公司。其业务范围已覆盖到亚洲、北美洲、欧洲、中东等地区，在全球38个国家和地区拥有900多个世界遗产、旅游景点、博物馆等地的客户。仅2019年一年，爱可声就服务了超过三千万用户。

得益于与爱可声的深度绑定，在全球排名前10的博物馆中，9个是卓锐集团的客户，卓锐集团为大多数大型博物馆提供驻场服务。对此，创始人宋夫华博士表示，“借助于并购爱可声集团，实现自身企业的第二增长曲线”。

作为本轮的投资方之一，浙银鸿绅（杭州）资管公司董事长方立春先生肯定了卓锐的发展前景，他表示：“中国制造遮盖了中国旅游的光芒，中国应该是世界第一旅游大国，中国旅游产业的增长空间比任何产业都大，现阶段是被大家忽略了，但这是趋势。目前A股归属旅游产业的上市公司多为单一景区，发展空间、想像空间狭窄，卓锐科技为文旅行业提供了工业级的物联网平台，为全球博物馆和遗产地、旅游景区的智能化和数字化打开了未来想像空间，有望为中国旅游并列于中国制造打下坚实的技术基础，一定能成为资本市场的宠儿”。

投资方集素资本创始人叶波先生表示，“面对新冠疫情可能成为常态化的现实，全球文化旅游行业面临二战以来最大危机，文旅行业的从业者们必须要有凤凰涅磐的勇气和破茧重生的能力，才可能开创一个新世纪。有危险就有机遇，卓锐科技是中国乃至全球文旅行业中非常难得的一个投资标的，其数字文旅的独特概念与线下场馆的完美结合，给每一个旅行者带来更完美和更便捷的游览体验，特别是其在全球博物馆数字化领域不可替代的市场地位，都为公司未来的发展打开了非常大的想象空间，我们非常看好公司在资本市场的未来”。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！