手机网站
手机网站
2019年，人工智能降温。 一年半前，腾讯云副总裁王龙与腾讯系创业公司内部分享时，AI的期望值已经达到高阶段，潜在风险浮出水面。 2019年的趋势更加明显，最典型的事实是从2017年的顶点到2019年，AI投资融资事件频繁下跌70%。
在冬天投资，AI从哪里去？
本质上，各大人工智能平台由于厂家自身能力外部化的结果，与厂家本来的业务属性非常相似。 腾云上的AI能力首先来自于腾云内部，例如社交、游戏场景等，经过各场景的反复积累和磨练，登载到腾云上的用户可以直接使用。 这也是目前许多人工智能平台制造商所做的工作:第一，与行业客户、开发人员继续交流、调查和采访，了解大家需要什么能力，第二，与内部团队不断交流，看不同团队有什么能力
腾云副总裁王龙
人工智能不是网络式的野蛮包围地，而是随着行业的深度化，制造人工智能就是制造产品。 王龙对此有清晰的认识，所以他没有说宏观空洞的构想，着眼于小点，产品是他最关心的方向。
“我在生产产品，而不是市场。 我们满足了行业的发展趋势，满足了客户的需求，决定了现在应该做什么，将来应该做什么。”
AI技术本身依赖于一些因素:良好的数据、良好的算法、经济高效的计算框架、王龙可以找到良好的数据的地方、使用良好的低成本框架计算进行训练的良好的算法模型 “大多数情况下，这里的数据很好，但是不知道哪里有更好的数据。 众所周知，该算法的模型很好，但是我们不知道如何找到更好的算法、模型。 同样，大家在计算能力、框架上的比较也越来越透明。
人工智能的发展现在也许还是一场白刃战。
因此，腾云的AI策略旨在遵循两个最基本的方向，同时在技术成熟的领域继续提高其性价比，并以一些细分的方向持续改善例如AntiFakes(AI替换技术)。
王龙说，脸部识别和数据分析都是技术成熟的，竞争也是同质化的。 数小时的训练课程加上数小时的训练，使用者可以满足自己的面部识别需求，竞争进入了激烈的性价比时代。
另一方面，对产业互联网的投资持续增加，在场景变得更加复杂的同时，帮助价值也有可能变高的这个市场的顾客，提供AI和大的数据价值。 反映在产品层也是遵循这一观点的。
产业互联网是人工智能广阔的空间，在更丰富的想象力、金融、制造、工业、交通、零售等领域，更好的数据获取、更好的算法模型和更好的资源调度存在着非常多的不确定性，包括腾云在内的制造商正在摸索中，一个数据获取是零售领域的方法论 一个算法模型可以在另一个领域使用吗？ 挑战和试错是主旋律。
腾云人工智能产品图，七大新产品发布
在视觉AI领域，腾云集成了腾讯优图、331331腾安AI安全实验室、331331腾安AI Lab、微信开放平台等团队的能力，这次将AntiFakes假面部识别、微码、信息流智能图像和智能相册四个新产品
其中，AntiFakes是对现在流行的deepfake的反应，基于图像算法和视觉AI技术，AntiFakes假面部识别技术高效且迅速地检测、分析图像和动画中的面部真伪，判别图像中的面部是否是AI替换算法、APP生成的假面部
“腾云在这件事上制造矛盾。 另一方面，通过矛让大家可以在视频的新游戏中使用新游戏。 另一方面，我们必须防止这些游戏被坏人利用，做坏事”腾云人工智能产品总经理刘黎春说。
微码和微码相同类型的扫描能力放置在腾讯云上，并且与开源扫描功能相比，331腾讯云的微码可以通过微码的十几亿用户场景被锻炼，例如，在一个图中有多个代码，或者在附图中可以看到很多 二维码可能模糊，一般算法难以识别等问题，十几亿用户每天的各种场景都很细致，微码可以“扫描一个世界”。
信息流智能图像应用于信息流推荐，平台需要确定哪些信息具有更好的点击率，受到用户的欢迎。 信息流智能图像源于腾讯内部信息流能力的整合，可以帮助平台从更好的体图像库中选择受用户欢迎的图像，有更高点击率的图像，节省大量人工筛选图像的成本。
智能相册主要是图片智能标记、智能分类、腾讯微云、QQ空间、QQ手机管家，都涉及图片存储、自动标记和自动分类功能。
腾云还发布了语言模型的自我学习工具和NLP定制培训平台。
虽然通用语音识别能力已经具有很高的识别率，但在特定的企业场景中存在着很多遥远的名词，目前业界通用识别效果不佳。 通过增加企业典型业务对话场合的词句，提高了特定场合的特定名词识别精度，大幅提高了语音机器人、电话录音质量检测等行业语音识别效果。
在NLP领域，为了取得更好的效果，预训语言模型的使用已经成为普遍的做法，但在效果提高的同时模型训练成本也在上升。 以目前行业的大规模模型训练为例，在200G资料中训练3亿参数的bert模型，需要1400张以上的V100的GPU，不训练500分钟以上就得不到可利用的模型。 腾云新发布的AutoNLP依靠腾云资料的积累和公有云的计算能力，一次多次训练使用，提供数十个腾讯自研的预训模型，大幅降低训练成本，提高模型的创新和应用效率，缩短定制项目的交货周期。
同时，对于图计算在行业的应用问题，腾云打出的图计算引擎腾星图封装了微信Plato图计算框架，能够大幅提高图计算性能，存储器消耗减少7-10倍时，性能提高了近50倍。
腾讯云大数据产品图，四大新品发布
腾云也继续构筑平台，简化了各种工具的使用和整合的难度。 例如，大数据平台TBDS灵活安装了所有场景的大数据存储、分析和管理工具，一站式支持构建满足企业自身需求的数据中心。 该平台源于腾讯内部多年的技术积累，支持20万计算能力的灵活资源池，每天分析任务数达到1500万，每天访问35兆条数据，每天实时计算次数达到30兆次。
人工智能平台云智天枢TI Matrix继续降低AI能力的构建和应用阈值，将内部各大实验室、微信与企业微信的集成能力无缝联动，为开发人员提供全链路人工智能应用的开发、部署和管理能力。 今年以来，该平台的新访问算法模型1000+，联动AI领域的合作伙伴超过100家，有50多个AI应用场景落地。
不仅是企业，现在比较传统的公安、政府等行业也开始运用越来越多的数据，大的数据推动着企业的发展，越来越流行。
腾云研发总监雷小平是公安大数据平台的构建实例，平台成本主要分为两个部分，第一是平台整体的构建，第二是包括运输成本在内的平台形成后，数据如何给企业带来巨大价值，腾讯
腾讯大数据的积累在十年内，大致可分为四层
最下面是云的基础设施，表现云的最大灵活性，企业、用户所需的资源可以从云中立即获得
根据基础云的平台，上面有大型数据基础设施，腾讯云将大型数据场景抽象为5、6个典型场景，企业可以立即从云上构建场景。 例如，现成的数据仓库和搜索。
平台上面是推荐产品。 这与较新技术的门槛有关。 腾讯云封装几个领域类型的产品，封装以前积累的能力。 雷小平主要介绍了企业图像、公共趋势分析、智力选址、智能推荐四大应用。
在此基础上，由于不同行业对能力应用的要求不同，数据需求也不同，腾讯云根据不同行业的诉求点制定了专业的行业解决方案。 上至下四个关系形成了解决企业大数据的领域框架图。
作为新产品发布的一个环节，腾讯云发布了三种产品。 灵活性MapReduce，腾讯云基本上解决了所有大型数据在应用中的问题，ES产品表明可以在云中购买服务，可以解决客户搜索和搜索大量日志的情况，通过内核深度优化，ES群集支持千级节点，内存占有量 云数据仓库提高了写入能力，不需要花费大量精力来培养小型企业的大型数据团队，并且具有一些数据分析需求。
