AI国家队研发如何兼具高精尖与接地气？明略科技给出答案

机器之心原创

作者：四月

通过科学院、技术委员会、技术 BP 三套纵横交错的机制设立，数千人规模的团队有效地避免研发工作的重复，同时让研发得以多地结果，价值实现叠加和复用。

在上周举办的上海世界人工智能大会首日，科技部宣布了第三批国家新一代人工智能开放创新平台的名单，其中明略科技集团建设的营销智能方案入选。

「营销智能」是人工智能技术和商业经营经验的一种综合能力体现，是数据治理、千人千面和智能推理的有机结合，打通感知和认知，实现行动闭环。将消费者千人千面、动态变化的个性化、碎片化需求同企业的生产营销和品牌建设相结合，营销智能的社会和经济价值不可限量。

相比人工智能领域以单点感知技术，比如视觉、语音等方案起家的公司而言，从大数据营销领域切入，以认知智能技术擅长的「明略」似乎较少被圈内人提起。

但其落地能力和应用成熟度却不容小觑，尤其这两年，明略科技将人工智能与大数据融合的技术路径已获得公安、工业、数字城市、金融等行业市场的有效检验，行业客户达到 2000 多家。

近期，机器之心与明略科技集团首席科学家、明略科学院院长吴信东教授对话，试图从技术角度解构这家公司的人工智能实力。对于一家融资累积超过 32 亿元，团队规模达到 2000 人的大型技术公司而言，明略科技在打造技术研发与落地体系方面的经验和机制极具备参考和借鉴意义。

一、吴教授来了

2018 年 5 月，吴信东受明略科技集团创始人、董事长兼 CEO 吴明辉之邀加入公司。这启人事变动对于两位当事人而言都意味深长。

回国之前，吴信东已经在美国定居有 20 年，是大数据研究领域的国际领军人物。

作为美国路易斯安那大学计算机科学终身教授，吴信东兼任该校计算与信息学院院长。他还担任过顶级国际学术期刊《IEEE TKDE》主编，是顶级国际会议 IEEE ICDM 的创办人和现任指导委员会主席。此外，他也是长江学者、海外杰青、国家特聘教授、IEEE Fellow、AAAS Fellow。

作为长江学者、海外杰青、国家特聘教授，吴信东曾承接过国内的多个国家级科研项目，基本掌握了中国市场和科研的现状，但这一次来到明略是「FullTime」——吴信东回到了中国北京。

「现在像我这样的人也越来越多了，大家都在找场景」，吴信东说道，「真正找到一个业务场景，你就全身心亲自做了」。

吴信东找到的业务场景就是明略科技，由创始人吴明辉一手打造。2000 年，吴明辉保送北大数学系，获数学学士、随后报送获得计算机软件与理论硕士学位，是一个对技术充满热情和灵感的人，拥有 20 余项国内外发明专利，多次获国际算法大奖。

2006 年毕业后，吴明辉创办秒针系统，随后成为国内领先的全域营销数据与技术服务提供商。2014 年，吴明辉从原有的秒针团队中分剥培养出一只新的技术强队，同时建立新公司「明略数据」，为企业级用户提供分析决策的人工智能解决方案。

这些年来，「明略数据」的市场表现获得资本一路认可，截止到今年 3 月，共获得超过 32 亿元融资，为其制定更长远的发展战略和技术布局提供了经济保障。

也是在这样的时间点，吴明辉决定建立一套更具战略技术场景的格局体系——将研究和开发揉合起来。与此同时，吴明辉在业务战略上进行升级，将秒针系统与明略数据两家公司打通，品牌升级为「明略科技集团」。

在选择与被选择的过程中，吴信东和吴明辉两人可以说是「志同道合」，他们都看重吴信东此前在学术领域的研究方向与公司技术路线的高度重合。「我当时做的很多论文都是在讲『多源异构』，明略也推崇这个方向，类似的我们很多关键词都对应起来」，吴信东谈道。他同时还看到，公司和科研的打法不一样，「他们可能做得很好，但是思路和亮点没有捋出来。我来了以后，通过科学院的形式把理论跟实际对接上。」

而在吴信东的眼里，初来这家公司时，两个场景的印象至今记忆犹新。

有一次吴明辉给公司高层做年度报告，吴信东看到了格外熟悉的课堂场景，却是在一家商业公司，「我一直觉得上课学习是大学里才有的事，结果到公司也有真刀真枪的学习与进步」。

不光高层，明略科技针对公司不同层级都设置了学习机制。有 SP（Strategic Planning），有明略科技大学，类似于学校的机制，设置了公司内外的资源课程，比如吴信东和吴明辉就常去做技术报告，还有投资人做市场和财务分析，优秀工程师则进行技术、产品经验分享。

明略内部深厚的技术学习氛围和技术认同感让他感到惺惺相惜。

而更推动吴信东做出重大决定的还在于创始人吴明辉所展现的个人魄力。加入明略之前，吴信东已经接触了一些国内相关领域的大公司机会，「对比来看，大家思考问题的层次就能看出高下，有些光想着怎么解决经营的问题，明辉更看重人才部署」。

要推动技术发展建立壁垒，招兵买马还只是第一步，如何推动技术落地产生企业价值再反哺技术发展迭代才能形成正向循环。

二、三道机制把关

随着吴信东的正式加入，明略科学院的建设工作有条不紊地展开。作为相对集团相对独立的研发机构，科学院每年都有自己的预算，可相对灵活地设置选题计划。

建立研究机构，首要之事是招人。

一方面吴信东趁着频繁的学术活动机会多处挖掘潜力股，一方面公司内部储备的技术骨干也分配到研究院进行支持。「这个过程相对顺利，一方面有基于对我信任来的，一方面因为明略在公安、营销等领域的场景明确，比较能打动人」，吴信东谈道。

科学院目前共有 40 人左右的全职研发人员，部分高校兼职教授作为咨询指导，团队主要分布在北京和上海两地，后续将开拓中国香港、中国台湾和欧美实验室。

基于明略科技集团的三大 BG 的实际业务场景需求——分别为 PSG（Public ServiceGroup），面向政府公安；ESG（Enterprise Service Group），面向行业市场；NSG（New Service Group），面向新兴市场，比如智能餐饮等，科学院设立了五个实验室分支，分别为——知识工程、深度学习、信息检索、视觉计算、营销职能。

视觉计算实验室主要进行动态视频的分析和感知，比如通过安装在厨房内的红外摄像头，实时监测老鼠等移动目标，相比静态的影像感知更具挑战性。一些相对分散图像处理和语音处理技术课题，则统一交给深度学习实验室负责。

科学院后成立不久，去年底吴明辉推动成立技术委员会，这是一个用于联通科学院和集团业务的职能部门，由各个业务部门和科学院的负责人组成。

技术委员会同样设置有五个小组，根据业务横向分布，其中每个小组要求必须要横跨至少两个业务 BG，以避免不同的 BG 做重复技术工作。「三大业务场景是并行的，技术委员会的角色就打通业务场景」，吴信东谈道。

这时，技术委员会小组的角色得以凸显。

他们将帮助各个实验室的技术得以复用。第一步是技术对齐，对齐即针对公司内外的技术能力的排名，哪个部门做得更好，然后和 BAT 等大公司比一比，接着再做技术提高、技术进步。这是三大步，复用、对齐、进步。根据排序的顺序，反映到具体的研发团队，第一时间将其落地。

如果说科学院和技术委员会仍是技术公司里的常规设置，那么技术 BP（Business Partner）的设立可以称得上「明略独家」了。

这是一群由科学院派驻到三大 BG 里的科技协调人，任务就是对所在 BG 的技术分层和技术对齐有一个总体把握。「技术 BP」取材于「财务 BP」的概念，最初是连接财务部门与业务部门的关键纽带, 这人既要懂财务, 又要懂业务, 了解财务工作的各个模块, 用财务专业帮助业务部门解决问题。

财务 BP 管财务和业务，技术 BP 则管研究和业务，同时也是科学院里作为业务代表。工作重点包括两大方面，一是了解各个实验室分支研究的具体课题，帮助其和业务场景对接。二是了解业务的具体需求，挖掘技术价值和业务价值的内涵。

目前明略科技有 2000 多人，数千人规模的大公司里，下设三大业务场景，必将面临大量相似的技术课题，比如排序、搜索等，人人都在做的工作。

「如果只是埋头做研发，没有考虑技术价值和业务价值结合，那可做的课题太多了，会缺少导向和判断依据」，吴信东谈道。

为此，科学院定期组织各实验室负责人与 BG 产品、业务 leaders 讨论，主导制定各业务部门的技术落地战略，同时理解业务的技术市场竞争格局，帮助业务负责人梳理技术需求和分解，动公司配置相应的内外资源，并保障对应业务的技术长期领先性。

通过科学院、技术委员会、技术 BPs 三套机制的设立，明略科技建立起了一套纵横交错的技术落地体系，科学院里的实验室按照纵向设置，每个实验室都要有鲜明的技术主题，围绕整个集团的业务场景和应用需求来定，但技术主题不变。技术委员会用于打通业务的横向机制。

这套机制有效地避免了技术研发工作的重复，同时让研发成果得以多地落地，技术价值叠加和复用。

三、从大数据到大知识到大智慧

「技术委会员成立的第一件事，就是头脑风暴，讨论能够让科学院的独步天下的技术方向是什么？」吴信东回忆道。「群策群力，打开思维」。

随着公司体量和财力的进一步提升，明确核心技术方向成为一家技术公司最为核心的命题。「一方面做我们认为是核心的东西，必须把它做大做深；另一方面我们也在投资一些公司，像机器人以及物联网等技术」，吴信东谈道。

所谓核心，就是科学院需要打造的可能独步天下的技术。通过密集讨论，这三个方向最终确立为：知识图谱、推理推荐和人机协同。

「这将会是一个打通的系统，建立知识图谱，运用推理推荐，现在我们每个场景里都有人机协同，人机怎么交互起来，怎么用这个图谱，最终成为一个系统」。

打通感知、认知、行动系统，帮助组织进行更深层次的分析决策机制——这正是吴明辉和吴信东两人创新性提出的「HAO 智能」理论，该理论被发表于 SCI 期刊《Knowledge and Information Systems》，题为《On Big Wisdom（论大智慧）》。

不同于一般的大数据理论，双吴二人提出的大数据更强调碎片化的知识联系，试图从大数据进阶到大知识，再到大智慧的三级进阶。

以前谈「知识图谱」，主要是基于训练好的定理、模型、法则，再加上专家大脑里的经验性知识。但在移动互联网时代，知识的主体形态正在发生变化，从系统性图谱变成碎片化的片段。

「就像看病一样，本来完全没有关联的症状和数据」，吴信东将其比喻为看诊，「从不同病人的海量案例里分析，发现这个病原来跟这个症状的关联，然后再去找它们之间的因果关系」。

「如果看不到现象、找不到关联，就像没有看病药引子」。

这被视为人工智能加持后的「更聪明」的大数据技术，「如果没有 AI，就是直接用数据检索；有了 AI，就是数据自动产生的关联，再通过推理变得更聪明了。」

明略将 HAO 模型落地到连锁餐厅的餐饮服务场景中，试图形成一个大智慧解决方案能协调连锁餐厅的感知层（安全摄像头、感应器、服务员）、到如供应管理、人员部署、顾客满意度优化等的认知分析，再到行动层（机器人以及负责清洗和送餐的服务员），通过借助大数据和组织智能而带来「和谐」的人机互动。

在学术层面，「机器未来将统治人类」的课题时常引起激战。但在实际应用中，明略的 HAO 模型倾向于将人和机器视作平等的 agents 来做整体规划。「各司其职就协同了。在多个业务场景里，人机协同是大势所趋」，吴信东谈道。

他举例，在一次公安场景的实战中，公安采用明略的知识图谱系统实现五分钟之内就破案。「但这并不是一个系统的功劳」，公安首先会圈定一定特定条件，配合系统才能做到五分钟之内破案，如果仅仅依靠搜索系统可能要一两天的时间。

四、两头牵引技术落地

研究机制和学术理论的打造为一家技术公司打下了良好的基础，但成果落地本身还需要更为有效的机制才能确保沟通到位。大部分人都存在路径依赖，此前科研经历占主体的研究员们切换到实际应用场景，单单通过口述或者转达或许并不能深入理解和融入业务。

在吴信东看来，公司和学校的差别在于场景问题，但是整体目标一致。「整体目标就是要体现我们的价值，让我们变成不可或缺」。在高校的价值是，是否能招到优秀研究生、出好文章、拿国家项目，体现学术价值。在公司里面一样，需要根据场景给公司创造商业价值。

为了创造更大的商业价值，明略科学院将根据技术具体需求来做进行整体的选题设计。「科学院定义的题目，一个是比较难，技术中心很难完成的，并且有一定泛化能力，改变一些参数可以多次复用」。吴信东谈道对于选题的设置标准。

「复用」是关键，也意味着一项技术在多个场景中发挥出价值，「如果我只是专门帮某个业务开发，而其他人都不能用，那就相当于把我们科学院做成外包公司了，我们的价值就体现不出来」。

明略科学院每年拥有自己的预算，也同样设置了明确的 KPI，被写进公司的 PBC（Personal Business Commitment），从技术指标到商业指标十分具体，甚至包括申请专利的数量。

落实到具体的研究员个体研发，科学院也提出了「两头落地」的牵引机制，一是要做技术方向上不可或缺；二是一定要深入到一个具体的业务场景，创造业务价值。这套机制最近被应用在新开辟的消防方案上。

通过业务部门的实地调研，研究员们首先了解业务场景和技术方向。吴信东首先组建了一个三人团队，分别做知识图谱、推理推荐。在三人小组的群里，吴信东随时关注研究进度，看需求增员，以及为业务场景对接。

「这是新场景，肯定有新问题，但任何两个人不要做完全一样的东西」，吴信东谈道，「比如图谱构建、推理识别模型，再把不同的事件串联起来，这是每个人做比较独特的地方，他将来写专利、讲故事也就有他自己的场景可说了」。

而另一头，要深入了解业务场景，去到第一现场是个好选择。最近，业务部门到深圳和客户开会，研究员也一同前往。

目前，明略科技明略科技已为 2000 多名 B 端客户提供完整的人工智能闭环解决方案，包括多省市公安机关、税务部门、建设银行、上海地铁等行业标杆客户。在这些成功商业落地的技术方案背后，有效的技术研发和落地机制将扮演着越来越重要的作用。

本文为机器之心原创，转载请联系本公众号获得授权。

------------------------------------------------