联想创投贺志强：智能互联网将影响更长周期的产业变革

同时，背后更重要的是社会效益的提升，中国每年生产20亿片玻璃用在手机上，中国需要大概15万名工人来做这件事情。玻璃抽检必须在蓝光环境下进行，而蓝光对工人眼睛的伤害很大，机器能够代替人来做这些伤害健康的工作。

第二，“全域数据”为智能互联网提供全面信息。

联想创投的团队是做产业出身，又做IT出身，我们深刻意识到，所有传统制造行业，需要通过数据智能大幅度优化研发、制造、供应链、销售、售后服务五个关键的环节，而优化的基础就是全域的数据。

以前的传统企业是“被教育”，先做ERP（企业资源计划管理），再做CRM（客户关系管理）。但新一代企业，必须理解什么样的数据才是真正能影响决策环节的数据。

比如说我们给某钢铁公司做钢材预测，他们以前从不会用行业数据、竞争对手销量的数据来预测，而我们的联想数据智能业务集团把过去历史的数据与行业数据结合，为该钢铁公司做预测，大幅提升了预测的准确性，一年为该钢铁企业节约上亿的成本。所以，全域数据的概念是真正作为一个行业必须理解的。

第三，深度理解“行业肌理”和“AI算法”。

我们发现如果数据智能或者智能互联网变革各行各业，我们需要两个深度认知。首先，对行业肌理有深度理解，否则所有的数据算法都没有意义。

其次，在产业互联网这个领域，AI算法与深刻理解行业肌理同等重要，缺一不可。

这意味着，我们需要特别高质量的数据科学家、算法科学家，在对行业肌理深度认知的基础上，以数据和数据智能来赋能垂直行业，这是我们过去三年最深刻的认知。

举两个例子，第一个例子是联想内部，两年前杨元庆给我们人工智能研究院提了一个要求，怎么将AI运用在行业里。我们选了一个题目“智能排产”。联想在合肥的工厂，一年生产3000万台笔记本，做过制造业的都了解排产是非常复杂经验驱动的行业，涉及到产品线、元器件、订单等多重因素。

我们在智能排产实践中遇到两个挑战，第一个挑战：数据量非常小，没有办法来训练模型。人工排产通常是一天排产一次，一年300天生产，只有300天的数据，这样的数据是没有办法训练机器的。

所以，我们首先要解决数据量少的问题。我们在理解生产排产最核心的原理基础上，创造一个模拟环境，跟阿尔法下围棋一样，自己跟自己模拟实际环境，每天产生几万的数据，通过这种方式我们产生了大量数据。

在数据基础上我们解决第二个问题：数据特征。我们需要专门的算法，基于注意力的最优网络排产。当这两个问题都解决之后，效果非常棒，我们每天排产的产品数从2.2万台提升到3.48万台，订单数提升了30%。

在联想的智能排产中，有两个根本的驱动力，对产线排产行业规律深刻的了解和机器算法。我相信联想在这方面的实践，一定会为未来同等的制造业带来很大影响。

另外，举一个被投企业的例子。我们的被投企业中飞艾维，创始团队来自国家电网，他们希望用无人机来进行电力巡检。但这些创业者只懂电网巡检，并不懂人工智能。

联想创投投资之后，将中飞艾维与联想机器智能研究中心对接，共同研发了基于机器智能的空中电力巡检，能够深度识别缺陷。开创了利用无人机进行工业数据采集和利用AI进行数据分析，将分析的结果用于产业支撑的技术路线，以及运营服务的商业模式。

一天一组人配备无人机，可以巡视40-50个电塔，效率提升20倍。既了解行业，又优秀的数据科学家，才能带来智能互联网行业真正的变革。

第四，传统企业数字化和智能化转型仍面临巨大挑战。

我刚举的两个例子，通过人工智能进行透明玻璃检测的中科慧远，目前开始在产线批量运用。无人机智能巡检从初步想法到大规模部署，差不多两年时间，其中面临很多挑战，包括数据采集、前置处理、数据管理等等。

过去所有的行业，如果不是IT出身，IT技术其实是掌握在其他人手中。但目前所有互联网创业成长起来的公司，所有的价值链数据、以及软件全都掌握在自己手中。他们可以时刻修正算法，不断提升每个价值链的效果，不断通过大数据发现价值链最优价值的环节。这一点是传统企业所不具备的。

联想创投想要找到真正懂数据算法，软件完全掌握在自己手中，并快速迭代不断提升优化自己价值链的企业。我们坚定地认为，产业互联网会持续地变革。所以，我们寻找的就是智能互联网时代的新技术、新平台、新物种。

在智能互联网时代，我们特别希望和创业者一起，以做实业的心态来投资，和创业者一起把智能互联网这件事情真正赋能到各行各业，带来社会效益与经济效益大幅度的提升。

谢谢大家！

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!