联想集团首席科学家于辰涛：数据质量决定算法质量 是人工智能的核心竞争力

　　9月1日，2022中国智能产业论坛在北京首钢园举行，本次论坛为2022中国国际服务贸易交易会的组成活动之一，主题为“数智时代 智创未来”。联想集团首席科学家、副总裁于辰涛出席并发表演讲。

　　于辰涛在演讲中表示，人工智能在前几年特别热门的时候，大家都觉得人工智能会颠覆一切，人工智能会改变一切。但是人工智能要在工业领域运用一定要融合工业机理和专家经验，才能带来整个价值链的提升。在实现人工智能的时候也有很多误区，比如人工智能颠覆传统的制造业，这几年提得相对较少，前几年经常听到有人这么说，人工智能并不能替换行业机理模型，只能够是有效的补充，在很多的工业场景中起不到决定性的作用，只是一个非常好的帮助手段。

　　“另外大家说领先的算法是核心竞争力，其实并不是，我们认为数据质量是核心，企业有各种各样的用户数据，数据的质量是决定算法质量的核心。这是我们做人工智能这几年的心得。”他说。

　　以下为发言实录：

　　各位领导来宾大家上午好。非常高兴加入这个论坛跟大家分享一下联想过去五年间数字化转型的一些心得。

　　大家应该都知道联想，传统意义上大家过去或多或少都用过联想，我们去年的营收有4千多亿，共有6万多名员工，在世界500强排名大概是第159位。联想在全球有31家工厂和 200多条业务线。目前对于联想来说很不一样的地方是，联想现在在数字化转型方面做了很多事情，ERP、MES等等这些系统都是信息化过程中非常重要的系统，但是联想在实现信息化系统建设之后20多年时间里联想的数字化转型都在做什么？

　　联想的数字化转型近五年来，ERP、MES等等把数据收上来，我们发现业务的灵活性不够了，业务的灵活性是一系列的小问题带来的。比如卖出去的订单，这个订单究竟是卖给谁的，如何准确给出产品的交期，装一个笔记本里面有1600多个要件，如何做到精准化，可以看到，数字化转型中需要不断解决这些小问题。这些小问题是我们很多卓越运营的基础，而且每一个小问题的解决对联想这样的企业是几百万、几千万美金的节约，也是客户满意度的相应改善。这些小问题在联想这么大的体量上来看很多时候也并不是特别小的问题，非常难做。

　　我今天讲的题目是人工智能，其实人工智能在前几年特别热门的时候大家都觉得人工智能会颠覆一切，人工智能会改变一切，联想这几年的自身实践发现人工智能在工业领域的实践相对有限，人工智能在工业领域和消费领域的区别还是很明显的，工业数据不全面也不准确，边缘处理能力需要做到现场决策，像AlphaGo有几万台服务器去计算怎么下下一步棋，而工业现场可能最多只有一台服务器，这个时候就会非常麻烦。我们看到人工智能要在工业领域使用一定要融合工业机理和专家经验，才能带来整个价值链的提升。在实现人工智能的时候我们也看到很大的误区，比如人工智能颠覆传统的制造业，这几年提得相对较少，前几年经常听到有人这么说，人工智能并不能替换行业机理模型，只能够是有效的补充，在很多的工业场景中起不到决定性的作用，只是一个非常好的帮助手段。另外经常听说有人用了人工智能后，产能效率优化能带来5%甚至10%的提升。比如如果谁在联想的供应链做一个算法，能带来物流效率1%的提升，要两千万美金的预算这个钱联想绝对愿意给，而这1%意味着什么，至少是供应链相对细分领域的几亿美金。另外大家说领先的算法是核心竞争力，其实并不是，我们认为数据质量是核心，企业有各种各样的用户数据，数据的质量是决定算法质量的核心。这是我们做人工智能这几年的心得。

　　举例来说，比如我们有了ERP但是依然有很多事情在靠主观做决策，比如这个订单交付给谁，这个问题好像听起来很简单，订单交付给谁这个事情大家应该都知道，实际上大家不知道的是这件事情其实是非常困难的。举例，大家想想，中石化在全国有两万家公司，我们很多卖给中石化的订单实际上在订单的名称上并没有提及中石化，可口可乐有四千家子公司，陶式制药有超过600家的子公司，很多的子公司名称上和这家公司没有任何的联系，我们如何把这些子公司的订单联系到中石化，从而提升中石化整体的满意度。如果订单提备了才能生产，笔记本有1600个零部件，笔记本包装箱里哪怕少一张纸都不行，每一个部件都有核心的供应商，另外这200个订单必须在这两小时做完，做完及时发出去，如何让工厂加急单做完，并且运出去。这只是几个大的问题，还有无数个小的问题，我们要解决数字化转型是解决这样的小问题。我们知道交期，知道交给用户的时间是多少，但是我们持续要交给可口可乐、中国石化的交期是多少，我们也不知道如何来维护，现在的数字化就是要改变我们精细化管理的程度。

　　联想集团其实在数字化转型方面做得不错，大家可能不知道，我们是全中国供应链智能化做得最好，中国唯一连续五年入选Gartner全球供应链25强的企业，到今年是第六年了。我们做了很好的供应链的数字化底座，把全国上千家工厂几十个供应链打通，这使得我们做数字化转型有了一个坚实的基础。

　　后面举几个小例子，这是OT领域的例子，我们帮助联想合肥工厂和武汉的工厂全面做数字化转型，让他们数百条产线的数据接入一个互联网平台上做交互，整个工厂的监控效率和分析，技术都是联想自己做的，做的物联网平台和分析看板，包括预测之类，效果还是蛮明显的。仅一个工厂接入34万台的设备，交货率、制造成本都有很大程度的改善。

　　这是武汉的手机工厂，人工智能非常常见的一个功能就是给手机厂拍照片，检测焊锡有没有缺漏的地方，从而去改善。原来是人工去抽检，现在做一个机架，机器流过去通过拍照片解决这个问题。还有智能码排系统比较有价值，联想要把各种各样的设备发送到全球各地区，这就存在包装箱大小设计的问题，因为包装箱如果空运的话会把几件不同大小的设备装在一个盒子里，这个盒子要求最小的尺寸，最小装起来最经济，我们就做了一个智能码排系统。因为原来人做的时候，很难排好，联想就做成一个自动化的系统。这个系统上线一年时间就带来了全球物流效率提升，省的运费高达几百万美金。另外做中远期供应链预测这件事情我们坚持做了5年时间，用人工智能的方法把数据收集起来，把各个分销渠道的数据收集起来，包括专卖店的数据收集起来，最后形成一个混合计算的框架，来预测未来会有多少PC销售到不同的地方去。

　　最后一个联想自身的案例，是联想对于质量的改进，大家都知道如果一个电子设备卖到全球去，维修是很重要的事情，大概有百分之几的设备会产生一定的损坏，这些损坏更换的要件很多时候都很便宜，我们对质量监测管理就是预测每一个部件的质量情况，这个对联想是很有帮助的。大家不要小看这些部件，比如说手机的耳机插孔，有的时候耳机插孔会坏掉，换一个耳机插孔很便宜只要几毛钱甚至一块多美金就能做，但是如果没有备货这个事情就很麻烦，调货的话联想这么大体量的企业一两美金的东西不会随意调，只可能重新发。这种浪费大家看不出来，但是对联想有巨大的成本损耗。比如印度国家，要从不同的邦和不同的省调货是非常困难的。我们这个时候做了一个质量部件算法，不是人工智能的算法，是用Naas疲劳度算法来做的，预测每个部件的平均使用时长，平均损坏率，从而用这个数据指导我们的APQP和备货，对不同服务区备件的备货有很大的帮助。

　　最近几年联想的数字化转型成立了联想的解决方案集团，近几年也在积极帮助大中小企业做实践，这是一个光纤企业，它是把光纤加热到800-1000度用光纤机拉丝的一个光纤企业，我们把整厂的产线设备连接起来，数据来了之后加热到800-1000度是非常耗能的，我们会调整空调风口给生产过程进行优化，能降低耗能5-10%。另外用人工智能计算拉丝工艺的算法，可以提升百分之一点几，大家知道百分之一点几已经非常不容易了。

　　最后一个案例是帮助一个药企做人工智能的分析，原来有200人，在苏州，这个药企需要销售把药卖到不同的药店或者医院去，但是销售人员是根据药物的销量提成，经常会把医院写错，比如销售写人民医院，很多时候我们不知道是南京人民医院还是苏州人民医院。第二是销售人员会用各种各样的缩写，比如北医三院是北京大学附属第三医院的缩写。还有大药房，全国各个地方都有很多大药房，但是大药房不是一个公司的，这个时候公司雇了200人，有10%的数据是错的，请人工把这些订单进行梳理。我们利用人工智能帮助它，公司最后由原来的200人缩减到40人。

　　从外部看从联想自身看可能还有大量智能化的问题需要解决，希望大家一起努力。谢谢大家。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

海量资讯、精准解读，尽在新浪财经APP

责任编辑：邓健