港股腾讯控股盘中创逾三个月新高，现涨1.8%，市值重返3万亿港元。

　　相关阅读

　　To B产品如何打造？腾讯云智能摸索出一条道路

　　过去一年，面向产业互联网，腾讯调整了航向，相较以往的大包大揽，现在腾讯更强调“产品为王，场景为先”。

　　聚焦产品，是腾讯的优势所在，也是产业互联网脱虚向实的大势所趋。但是，如何把产品做深做透，腾讯需要寻找到一条有效路径。

　　为此，腾讯调整部分业务和架构，把精兵强将集中到了产品领域。而腾讯云智能，便是在这样的背景下应运而生。

　　去年11月，“腾讯云智能”品牌正式发布。顾名思义，“云智能”代表云与人工智能的融合，是要进一步以AI作为产业互联网时代的数据“中央处理器”释放数字化的能力。

　　从组织的角度，腾讯云智能也以腾讯AI能力为核心进行了一次资源重组，除了AI技术外，腾讯云智能还聚合了腾讯云深耕产业互联网的行业经验，从而实现了AI产品及解决方案的再造。

　　经过一年的实践，腾讯云智能已经在金融、工业、传媒、能源、交通、消费电子等诸多领域验证了其价值，与此同时，腾讯云智能也在腾讯to B业务战略转型的衔接期，摸索出一条可行的产品打造路径。

　　单点突破

　　2021年初，成立于1999年的上海富驰高科技股份有限公司(简称“富驰高科”)在腾讯云的帮助下，解决了一个大问题。

　　作为一家金属粉末注射成型(MIM)产品专业制造商，如何提高质检效率，一直困扰着富驰高科。过去，富驰高科的质检工作主要是由人工完成，这并非它不愿意使用自动化手段，而是市面上几乎没有能够满足其质检需求的方案。

　　腾讯云最终攻克这一难题，也是历经波折。当时，业内的计算机视觉技术，更多停留在工业量测场景，对于工业质检，则是闻虎色变，避而远之。

　　以富驰高科为例，它的产品是手机摄像头支架，形状不规则且只有手指头大小，但上面需要检测的点位却高达七八十个。如何成像、如何在缺少学习样本的情况下训练算法、如何让识别率满足生产，每个环节都是挑战。

　　而从客户的角度，他们的需求也十分明确：一是误检率要达标，否则漏检的瑕疵品还需要额外安排人工去检测，那相当于没有提高人效；二是要与时间赛跑，因为手机产品每年都升级换代，所以解决方案必须在新产品开始生产之前做出来，不然就要再等一年。

　　从2020年8月开始接触，到2021年3月富驰高科做决策之前，留给腾讯云研发产品的时间只有半年。

　　事实上，在做这个项目之前，腾讯云就已经明确要扎根行业。作为工业领域的后来者，腾讯云也明白，只有解决别人解决不了的刚性需求，才能凸显其价值，而质检，恰好就是这样一个场景。

　　所以对于富驰高科这个项目，腾讯云也是竭尽全力的投入。富驰高科相关负责人曾表示，“腾讯云给我们的感觉，是把这件事当自己的事来做，在用心度上，已经超过了其他厂商”。

　　当然光有态度还不够，在解决问题时，腾讯云也是倾尽所能。比如在工程方面，腾讯云采用TNN深度学习推理框架，借助算法模型加速和智能调度等多种技术能力，实现了性能的优化；算法方面，腾讯则创造性设计了光度立体成像解决方案，克服了MIM产品因高反光特性而导致的产品缺陷与正常反光混淆的业内难题。

　　在整个项目中，诸如此类的创新不胜枚举，而这些用一句话就能概括出来的成绩，背后则是腾讯云研发团队半年的艰苦攻坚。如今，腾讯云交付的解决方案，已经应用到富驰高科的生产线上，据测算，单台质检仪的工作效率是原来人工的20倍，这帮助富驰高科实现了真正的降本增效。

　　从技术到产品

　　然而，凭借富驰高科的案例敲开工业质检的大门后，腾讯又迎来一个新挑战――如何复制质检方案。毕竟如果每个项目都要像在富驰高科这样投入，那在成本方面，腾讯云也承担不起。

　　腾讯云副总裁、腾讯云智能研发负责人、优图实验室研发负责人吴永坚坦言，去年在做完富驰高科的项目后，他就一直思考关于复制的问题。后来，随着年底又做了几个项目后，他终于找到了可行方法。

　　“我们拆解算法里的每一个流程，精细到每一步明确要做什么，然后将其沉淀到腾讯云TI平台上，最终形成了一个面向工业质检场景的产品化平台”，吴永坚说。

　　腾讯云TI平台，是基于腾讯AI能力和多年技术经验，向开发者、政企管理者提供的一站式AI开发服务平台。在原有的能力基础上，全新的工业质检训练平台TI-AOI也于近日召开的2022腾讯数字生态大会上首次亮相。

　　今年，生产3C产品金属结构件的立铠精密也成为腾讯云的工业质检客户。相较富驰高科，立铠精密的产品种类更多，涉及的工艺也更复杂，但在服务立铠精密时，腾讯云已经变得从容许多。

　　“当初我们还需要派大量算法工程师去富驰高科驻场办公，但现在，只需在项目前期派少量算法人员过去，其余大部分工作都可以在TI平台上完成，效率提高非常多。而我们未来的方向是，这项工作由企业自己的运营人员就能完成，并且他们不需要有很强的算法背景”，吴永坚表示。

　　从富驰高科到立铠精密，虽然是解决同样的问题，但腾讯云却用了不一样的方法。前者体现了腾讯云解决问题的技术能力，而后者则在技术能力的基础上，展现了可复制化的产品能力。

　　这个转换过程，是腾讯在产业互联网提出聚焦产品的重要体现，也是发布“腾讯云智能”品牌要实现的场景。

　　腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声表示，过去几年，腾讯一直在强调云和AI的融合，所以腾讯云智能不是一个全新的东西，但之所以打造这样一个品牌，是因为从客户的角度，他们的需求也从单点变得更加综合。

　　比如腾讯数字生态大会上，腾讯云智能还发布了腾讯云智媒体内容中台IMCP，它的成长路径便与市场需求保持了一致。

　　最初，腾讯云向传媒客户输出了很多单点AI能力，比如OCR、ASR等，但随着客户的发展，他们对AI诉求不仅仅是单原子能力，在传媒采、编、存、管、播、发的全业务流程上，都有对于AI的诉求。

　　所以腾讯云智媒体内容中台要解决的，就是传媒客户这种综合性的AI需求，通过提供统一的中台、标准化的能力，让客户可以根据业务场景自己选择对应的AI应用。

　　可以看出，无论是工业质检训练平台还是智媒体内容中台，腾讯云智能都是通过将原先成熟的AI能力产品化，从而形成可复制的平台。

　　吴运声也总结说，腾讯云智能要做的就是整合腾讯的技术优势和行业经验，从而打磨出更多优秀的产品和服务模式，然后进一步加速推进AI的产业落地、助力客户数字化转型。

　　AI再提速

　　过去数年，人工智能经历了几个重要发展阶段：第一阶段是2016年开始从实验室能力到市场化转变；第二阶段是2018年，市场开始在明确的痛点场景引入单点AI能力；第三阶段是从2020年开始，对于结合AI需求的落地能力有更明确的诉求，对于AI的要求进一步提升；第四阶段的诉求则是更明确的AI基础建设的诉求，需要能支持对于多能力和场景平台的统一构建。

　　这也解释了腾讯云为什么去年才整合形成“云智能”。这背后，除了市场需求的演进外，AI技术的逐步发展，也是一个重要因素。

　　吴运声表示，早期的AI技术没有那么成熟，也只能先去做一些单点尝试，但正是各种单点尝试的积累，让整个团队对AI能力有了更深的了解，同时也加深了对行业的理解。

　　接下来，面对更多行业更加复杂的场景需求，腾讯云智能的思路也十分明确。在腾讯数字生态大会上，腾讯云智能提出了全新的“四级加速架构”。据吴运声介绍，此次架构升级，腾讯云智能立足于过往的优势领域――AI开发和AI应用，然后将AI产业落地的前后端也纳入进来，从而形成从算力支撑到AI开发、到AI产品应用、再到数智化转型方法的四级全链条服务。

　　比如在算力层，腾讯云智能完成了腾讯自研AI芯片“紫霄”与腾讯云TI平台的适配，使平台性能提升200%，同时也从成本节约、节能减排等多维度实现优化。

　　在AI开发层，腾讯云智能通过把平台做厚的方式，打造了丰富的TI平台产品矩阵，包括腾讯自研的AI超大规模预训练模型“混元大模型”和深度学习推理框架TNN等，可向客户输出数据处理、模型训练、应用及推理加速等多维度服务。

　　在AI应用层，腾讯云智能则以“应用做精、行业做深、生态做广”为目标，打造了多个即插即用的标准化应用，解决方案已覆盖超10个行业。同时，通过开展生态被集成合作，腾讯云智能携手合作伙伴来解决服务落地“最后一公里”的问题。

　　在数智化转型方法方面，腾讯云智能则基于过往落地实践的心得，联合埃森哲共同梳理出一套数智化转型方法，以帮助产业客户实现全场景的数智化升级。

　　吴运声说，无论是面向工业、媒体、金融还是其他行业，AI与产业之间，注定是指向未来的双向奔赴。而通过让AI能力在“云端”运行，带来了更高效的算法创新、更弹性的算力部署、更广泛的场景落地。

　　面向产业互联网，腾讯已经明确了聚焦产品的方向，并做好了长期投入的准备。至于从技术到产品如何转化，腾讯云智能是一个可借鉴的样本。

关注同花顺财经（ths518），获取更多机会