8月26日，百度CEO李彦宏来到山城重庆，智博会演讲中，他援引了《自然》(Nature)杂志一篇报道——“2030年，中国能否成为AI的世界领导者?”
文中提到，2019年，学术搜索引擎-微软学术(Microsoft Academic)的分析显示，中国有影响力的AI研究论文数量会很快超过美国，在打造AI核心技术工具方面仍然落后，最先进的AI半导体芯片多由美国公司制造。李彦宏道出了他一年来的观察：AI不再讲究酷炫，而要讲究扎扎实实地推进和落地。
就在同一天，中国最高的财经决策委员会开会，官方通稿中专门提到，“中国制造业规模居全球首位，是全世界唯一拥有全部工业门类的国家”，而决策层要求“建立共性技术平台，解决跨行业、跨领域的关键共性技术问题”，在贸易争端的敏感时点，“自主可控、安全高效”八个字也特别醒目。
究竟什么是共性技术平台、关键共性技术问题?通稿没有言明，但是，正在兴起的第四次工业革命浪潮，是以物联网、大数据、机器人及AI为代表的数字技术所驱动，不难猜想，AI技术应在其列。
3天后的8月29日，又在同一天，10个国家新一代人工智能开放创新平台发布，百度智能云召开了其史上规模最大的峰会，参与人员高达6500人。百度副总裁、智能云事业群组总经理尹世明发言说，人工智能正在全面进入工业化进程，人工智能要全面走向产业，就要推动工业化，这是每个产业革命走向成功都要经历的必然过程。
智能的暗战
1988年，美国学者P.K.Wright和D.A.Bourne合著了《Manufacturing Intelligence》一书，他们提出了“智能制造”概念，将其定义为机器人应用制造软件系统技术、集成系统工程以及机器人视觉等技术，实行批量生产的系统性过程。
20年后，次贷金融危机爆发，这一概念的影响广泛溢出学术圈和产业界，美国等发达国家的决策层认识到，以往去工业化发展存在明显弊端，开始制定重振制造业的发展战略，大数据、云计算等前端科技的发展，也带来了这样的机会窗口，智能成为抢占国际产业竞争的制高点。
囿于AI技术的局限，智能制造虽远未达到“自适应、自决策、自执行”的智能化阶段，但是，以“基于云的商业智能”等形式，欧美的智能化正向制造业在内的所有产业渗透。
咨询服务公司Dresner做过一项研究，比较2015 年和 2019 年 BI(商业智能)的渗透情况，他们发现，2019 年前三个渗透级别(>40%)已占到潜在授权用户的 34%，2015年的比例仅为 27%;48%的企业表示，云商业智能对其2019 年的运营“至关重要”或“非常重要”。
美国最重要的几个AI玩家——多数也是核心的云服务厂商，均在大规模进入商业智能和数据分析领域，为智能时代积蓄力量。
微软 2019 年收购的四家公司中，有三家是数据分析类公司，包括 1月收购的数据初创公司 Citus Data、2月收购的教育数据平台 Data Sense，和7 月收购跨平台数据访问控制解决方案提供商 Blue Talon。这些收购将增强微软Azure 云计算服务在内的能力，推动各行业进行智能转型。
今年6月6号，谷歌以 26 亿美元现金收购数据分析和 BI 商业智能平台公司 Looker，Looker 数据分析产品主要包括数字营销分析、网站分析和销售分析等工具。4天之后，Salesforce 斥资 157 亿美元，收购专注于 BI技术的开发和应用的交互式数据可视化软件公司 Tableau。
云服务的智能化，在中国也已初露端倪，中国目前是全球第二大云基础设施服务市场。安信证券盘点发现，2019 年上半年融资，SaaS 行业融资数量最多的是数据服务领域，共有 44 起融资，占行业融资数量的 51.7%，印证了数据的重要性提升，云计算向数据分析和 BI 边界拓展已是大势所趋。
“三位一体”的CBA(云计算+大数据+人工智能)技术，已悄然引领全球产业大势，云计算产业也正踏上智能新征程。而中美科技巨头们对于智能化的热情，往小了说，将会影响巨头间的竞争格局、市值排名，往大了说，将会左右两大经济体的智能水平，从而影响各自的全球竞争力。
百度的主场
在中国，由百度提出“人工智能要全面走向产业”，这不是偶然的。
微软现在是全球最贵的公司，市值稳定在1万亿美元以上，也是全球最重要的云服务供应商之一。很多人不知道，现任CEO萨提亚·纳德拉重振微软、发展云业务的起点，就是领导必应(bing)——微软的搜索业务。
纳德拉在自传《刷新》中谈到，搜索和云业务有着天然的相承性。比如，搜索在同一时间要面对数以十万计的搜索请求，这些搜索查询要平均分配到一个服务网络中，且流量增长，可提供易拓展而且虚拟化的资源，这种“弹性”正是云计算的核心特征;搜索要识别用户的意图，再用准确信息与之匹配，必须基于运用机器学习，机器学习也是人工智能的基础。纳德拉将必应搜索，形容为微软“超大规模的云为先服务的伟大训练场”。
从这种联系，就不难理解百度云服务技术的领先原因，百度智能云已在“单集群1万台服务器”、”机器学习开源平台”等15个领域做到了国内第一，最新发布的“弹性裸金属服务器”，轻松应对业务飞速增长对性能与弹性的双重需求，这些与其搜索优势有着深刻的内在联系，并不是偶然。
在中国，百度管理层对于AI的投入，理解最深、行动最早、落地也最坚决，在国内形成从芯片到深度学习框架、平台、生态的AI全栈技术布局。当云计算进入智能时代，约等于百度进入了自己的主场。
基于与AI结合，百度智能云拥有260多个产品，在计算、存储、网络、数据库、中间件、服务器、安全等领域已有丰富的系列产品，可以全形态输出210多项AI能力，并在工业制造、视频、金融、传媒、农业、营销等多个领域拥有上千个成功落地案例。
尹世明将2016-2019年做的这些事情，定义为“人工智能基础建设”，可以理解为案例上的“星星之火”，2019年进入“工业化时代”则是由点及面，产业层面已有“燎原之势”。
可以说，百度正以AI发电厂的模式，批量输出成熟的算法模型和数据管理能力。“全场景覆盖、更高弹性、更性价比、更安全合规、更易运维”五大特色，天算、天智、天合、天工、天像、天链等六大工程平台，针对的是各种通用化和行业化场景，本质上，将作用于中国各产业智能的大规模普及。
外溢的红利
其中，视觉智能、对话智能、数据智能三大应用已实现规模化落地，转化为现实生产力，并显露出惊人的爆发力。以工业视觉的场景解决方案为例，百度智能云在智能质检领域三年磨一“检”，助力首钢、宝钢、一汽等多家公司，大幅提升质检效率，降低漏检率。
现场连线的常州精研科技董事长王明喜介绍说，多台AI加持的 “外观缺陷视觉检测设备”能同时检测1个零件的6个面不同位置的33种缺陷，将漏检率控制在0.1%。在经济上，AI质检帮助人员成本节省90%，占地面积减少80%，投资回报率是传统机型的6.5倍。单单这一项智能应用，就能大幅减低制造成本，并将中国数以十万计的质检人员从低价值劳动中解放出来。
事实上，竞争是全球性的，中国劳动力成本也是刚性增长，且年轻人不愿从事流水线作业等枯燥工作，中国制造已有向东南亚、非洲等地外移的现象，如果无法以技术来提振竞争力，欧美产业“空心化”的状况同样会出现在中国，AI则为中国制造转为“中国智造”提供了一条新路。
基于云媒体视频、城市“智”管理等多个解决方案，百度智能云已助力金融、物流、客服、农业等各领域实现智能化升级，降本增效。
比如，央视网与百度智能云合作打造了真正意义上的“人工智能编辑部”，大幅降低视频内容生产门槛;宁波市鄞州区对店外经营、暴露垃圾等市容治理准确率达到95%;与重庆气象局联合打造的“智慧气象”系统，两小时内的预测准确率提升了40%，2019年夏天的灾害天气预警信息发送时间，则从原来的两小时提升到9分钟，帮助市民更早的躲避灾害。
这些看得到的成果，也大大提振了百度智能云的业务表现，过去一年，百度智能云用户数、收入翻倍增长，流量和服务器3倍增长，成为中国增速第一云厂商，已稳居中国公有云服务的四强，最近一个季度的营收达到16亿。
对标2018年阿里云213.6亿元营收规模、600-700亿美元左右的估值，基于现有份额、更高增速和广泛的应用场景，百度智能云也可能是一项百亿美元级估值的业务。更重要的是，随着其业务规模的扩展，AI的能力效应外溢，这能帮助中国各产业享受到智能革命的红利，从而实现决策层期待的“夯实产业基础能力”，“打好产业基础高级化、产业链现代化的攻坚战”。
李彦宏引用的《自然》杂志文章中提到，“率先在(人工智能)该领域抢占先机的国家，可能会决定其未来的发展方向，并从中获得最大的利益”。值得注意的是，百度智能云新发布的“百度昆仑云服务器”以及第一款云端全功能AI芯片“昆仑”，在其官方宣传中，也特意提到这是“自主可控”的。
