跨界共创正当时 微软亚洲研究院加速AI价值落地 原创

随着数字经济的发展，拥抱人工智能技术推动的数字化转型已经成为每个企业的必修课题。为了更好地让计算机科学研究走出实验室，与行业领域知识深度融合，加速人工智能等关键技术的研发和行业应用落地，微软亚洲研究院于2017年成立“创新汇”，旨在结合微软领先的人工智能科研成果与成员企业丰富的行业经验，让科研与商业相互促进、相互启发，携手发掘科学研究、技术创新、机构业务与行业发展之间的契合点，让企业真正把握住数字化转型带来的新机遇。

作为计算机基础及应用研究机构，微软亚洲研究院一直致力于推动整个计算机科学领域的前沿技术发展。成立“创新汇”之前，微软亚洲研究院的科研创新以计算机科学家专注于基础研究的自创模式为主。

如今，微软亚洲研究院与不同行业的领军企业共同创新，从最初问题探讨、方向摸索、创新研究，再到行业通用平台的实现，“创新汇”一直践行“共创”的合作模式。

在近日举行的第四届微软亚洲研究院创新论坛上，微软亚洲研究院副院长刘铁岩博士表示，越来越多的企业对智能化转型越来越感兴趣、越来越有决心。参与“创新汇”的企业抱有开放的心态和使命感，他们既懂行业，又懂AI，所以才选择和微软亚洲研究院一起跨界、共创，实现数字化转型。

刘铁岩说，与其关心一个技术的跨界，不如关心一个技术创造过程的跨界。“我们不是把一个已有的技术复制到另外一个行业，而是把创造这个技术的过程复制到别的行业。”

要想真正实现拥抱人工智能的智能化转型，企业需要AI Manager（人工智能经理）。除了引入AI领域的研究型人才，企业的当务之急是要找到那些能够发现AI与现有业务结合点的中坚力量。他们可能是业务总监、经理，或资深IT负责人、技术决策者等等，只有这些中间管理层领悟到了AI的精髓，才能让企业真正、尽快地享受到AI的红利。

如今人工智能的创新公司非常多，他们也在积极拓展行业市场。在刘铁岩看来，一家公司要想与行业互动，必须具备以下两个条件：

第一，学术研究的本质。如果一家商业性的公司追求的是利益，而不是学术的推进、研究的发展，那么很快就会变成一个技术外包的角色。想要真正改变一个行业，要有持续的决心，以探索为目的，绝不是做一两个商业案例就能够解决问题的。

第二，平台性。只有一家平台公司才能赋能行业客户取得成功。如果只是希望获得直接的商业回报，而不是怀有大平台的心态，这家公司就不会走得太长。

对于行业客户而言，他们需要勇敢的心态、积极拥抱技术，而拥抱技术，不是以一个旁观者的心态。“要想实现人工智能技术的提供方和行业企业共同成功，这些企业需要抱着运动员的心态做事，而不是裁判员的心态。”刘铁岩说。

AI的产业价值和科学价值

AI如何产生价值？只是简单地用一些AI工具或者算法，并不会轻易地创造产业价值。任何一个技术真正产生实际产业价值，一定有很长的路要走。

刘铁岩表示，人工智能不是拿来开箱即用的东西，需要结合自身业务的特点进行深入的定制化和共创。通过跨行业和跨学科的创新，AI才能创造更多产业价值（如金融、物流、医疗）和科学价值（如生物、物理、环境）。

人工智能作为人类智能的辅助，仅需通过短时间的学习和调试，便能在分析和解决复杂问题时，表现出令企业决策层惊喜的能力。当我们在不同的行业，找到一个又一个的核心应用“点”，就可以由点及面，用AI去逐步“打开”每一个传统行业。

过去四年中，借助“创新汇”这一平台，微软亚洲研究院的计算机科学家与各领域的行业专家紧密合作，激荡智慧，共同开展了多个前瞻性的合作研究项目。其中与华夏基金在量化投资、与东方海外航运在航运网络运营优化、与顺丰在智能理赔预警和链路预测、与培生在AI英语教育、与远传电信在网络流量智能动态配置、以及与中汇在交易系统性能优化等场景中都进行了非常成功的技术探索，其中部分技术已经应用到了企业的实际业务中，帮助企业攻克数字化转型过程中的难点。

刘铁岩表示，物流行业对订单和需求的预测比较强烈，需要在复杂的物流网络进行精准调度，而这依靠人的经验显然无法完成，而依靠人工智能技术可以实现分钟级的调度。同样，金融行业由于具有非常好的数字化基础，AI进入金融领域可以帮助个人实现更理性的投资，让中国的金融市场更加高效。

与此同时，基于这些各自独立的项目，微软亚洲研究院抽象出了核心业务场景中的AI逻辑，挖掘问题本质，打造了通用的人工智能平台——AI 量化投资平台“微矿Qlib ”和多智能体资源优化平台“群策MARO“，并通过开源的方式将创新的技术成果延伸到了更广泛的行业领域，让更多的企业受益。

不过，刘铁岩也强调，当前阶段，人工智能还是在一些相对浅层次的领域发挥着作用，虽然人工智能在工业界核心的决策问题上应用前景很广泛，但作用仍然很有限。比如人工智能在很多重要的环节上面，与人的能力相比还是有所差异。

AI在创造产业价值的同时，其产生的科学价值也不容忽视。目前AI主要是在一些科学研究的辅助问题上发挥作用，比如对噪声数据进行预处理，对光谱数据、天文图片进行模式识别，或者是对一些已有的数值仿真算法进行加速和拓展。

近期出现了一些利用人工智能和大规模的算力改变科学发展现状的特别出彩的工作，比如AlphaFold2进行蛋白质折叠，Deep Potential进行分子动力学模拟，但是刘铁岩认为，所有这些工作目前还只是星星之火，尚未形成燎原之势。

刘铁岩说，要想让人工智能对滚滚的历史车轮产生更大的推动作用，不能闭门造车，只在自己的世界里关心算法和理论的研发，更需要走出去、跨界共创，这样才能真正实现人工智能更大的产业价值和科学价值。

例如，微软亚洲研究院与清华大学联合提出DeepRSM模型，能够精细地刻画空气污染物浓度，帮助决策者快速找到减排效果更好、成本更低的方案。该研究已发表在环境科学顶级期刊《环境科学与技术》上。

在生物学方面，传统的生物学方法在某种程度上都遇到了瓶颈，而被称作“干实验”的计算机模拟和生物学相结合的研究，正在利用AI、大数据等创新手段，为生物学研究打开了另一扇窗。

高效的数值仿真是物理学、环境学等多个科学门类的痛点之一，这是因为真实世界的实验代价高昂，而实验前的仿真是推动这些科学发展的重要手段。但是迄今为止，多尺度、高纬度、高精度的仿真仍然是非常困难的事情，需要巨大的运算量，在很多情况下都是不可能完成的任务。

人工智能在这些方面都可以扮演重要的角色。这是因为，深度学习凭借它卓越的逼近能力，有可能可以替代耗时的数值计算的模块，而强化学习又可以高效地探索状态空间和构象空间，加速数值模拟的进程。

“展望未来，除了生物学、物理学、环境科学以外，其实还有太多的空间值得我们用AI去探索，无论是用AI助力电池材料的设计，碳捕捉和碳存储，还是探索行星的前世今生，甚至发现全新的基于数据驱动的物理定律，我们都有无限的想象空间。”刘铁岩说。

结语

在人工智能加速落地的今天，微软亚洲研究院通过和行业之间、基础科学之间跨界合作所做的各种探索、尝试，为AI技术手段的落地提供了有益的参考。未来产业和科学的智能化进程还会有非常广阔的空间，AI在其中也会扮演更加重要的角色。

微软将秉承自身优势和平台公司的定位，推出更多的开源项目、共性技术，推动产业界和科学界的长足发展。只有通过学术界和产业界的共同努力，才能真正推动智能化的进程。

微软亚洲研究院“创新汇”也将以更加开放包容的姿态，与来自各行业的伙伴一道，在数字化转型的浪潮中，将前沿创新技术与不同领域的现实需求接轨，予力每一人、每一组织，实现共赢，成就不凡。