《未來簡史》中，有一個危言聳聽的預言：當以大數據、人工智能為代表的科學技術發展的日益成熟，人類將面臨著從進化到智人以來的一次改變，未來99%的人都將淪為“無價值的群體”，另外1%的人則成為掌控算法、通過生物技術戰勝死亡的神人。

對于這個恐怖的預言，天云大數據創始人兼CEO雷濤并不認同。“未來不會有神人的出現，科技的進步也不在于淘汰人，而是賦能于人類。”

這并不是雷濤的戲言，因為他所執掌的這家企業——天云大數據，已經能夠通過提供各行業通用的人工智能PaaS平臺，即服務AI的AI，為開發AI應用的企業、團隊或科研機構提供人工智能工具，不僅加速了AI開發的工程化、流程化，還讓企業獲取機器智能如讀書一樣簡單。

在人人都在講“AI”，但能夠真正可以幫助人類降低AI的使用門檻，讓AI技術越來越普世的產品卻不多。正是憑借這種獨特之處，今年上半年，天云大數據完成由華映資本、曦域資本領投的億元人民幣融資，開始致力于探索更深的AI PaaS實質性落地。

投資家網采訪到了雷濤，從AI研究到AI的大規模生產，天云大數據是如何做到讓人更方便的獲取AI的？他們的產品又是如何顛覆行業的？

打造云AI平臺，降低AI使用門檻

雷濤擁有20年豐富的IT從業經驗，10年以上全球先進跨國IT企業技術領導職務。在組建天云大數據時，他發現越來越多的科技企業都已開始往AI方向轉變，因此未來企業也將更加注重AI的技術應用，以及由此帶來的商業模式的進一步升級。

在思考如何將AI落地到具體商業流程中時，雷濤發現金融領域對AI為核心的技術需求尤其強烈。

因此天云大數據定位在打造打造AI領域的“Android”，雷濤形容，“Android的出現很好的解決了了開發手機APP的問題，即便是剛畢業的大學生團隊也能根據Android開發自己的APP。天云大數據想做一個AI產品，讓科學家們都可以在這款AI產品上面開發AI。

基于這個邏輯，天云大數據在幾家股份制銀行分別進行了實踐，效果顯著。為此，天云大數據推出了分布式數據科學平臺：MaximAI。

“簡單來說，天云大數據所推出的平臺就是幫助公司、科學家等職業人員便利地使用一個AI工具平臺，將一切以前難以描述的復雜現象用定量的方法表達出來，讓AI真正能夠在企業業務流程上起到切實的作用。在此平臺上，科學家們不需要寫任何代碼，只需簡單的拖拉便可實現某些明確的規則和流程。”雷濤解釋，這一平臺推出的目的是將傳統流程改造，用規模化的AI應用提高生產效率，從而節省時間。

某種意義上，這也是將行業中的數據科學家、業務精英的工作以機器學習的技術予以實現。不僅解決了目前現實中的AI人才昂貴、巨大的AI人才缺口問題，也替代了AI人才進行重復、流程化的工作，讓這些人才能有更多時間做更具價值的工作。

經過多次產品迭代，2018年4月，天云大數據發布了AI PaaS化平臺MaximAI 3.0版本，這一版本可以實現AutoML，從免代碼開發的算法訓練參賽服務器提供，到幫助業務人員選擇調優和評估算法的自動化流程；從AutoFE特征工程的自動流水線，到訓練模型AutoML，到推理端基于容器的灰度發布。MaixmAI具有免代碼開發功能，具有算法基礎的初階AI人才使用天云大數據的AI PaaS化平臺，僅僅使用幾天便已經能夠熟練進行各種數據操作。

雷濤坦言，天云大數據的AI PaaS化平臺最先替代的是自己公司的科學家人才。舉例來說，近期，天云大數據使用UCI機器學習庫中的銀行營銷數據集，進行自動調參與數據科學家手動調參對比發現，兩種建模結果相差不多，但手動建模優化需人員不停調參耗時2-3天，AutoML建模方式只需在空閑時間執行，基本不用占用人員時間，另人工調參需要人員有豐富的建模經驗，AutoML降低了機器學習的門檻，大大降低了人工成本，同時提升了模型優化速度。

在雷濤看來，天云大數據并不是想要替代AI科學家，而是想要為科學家賦能，他用“祛魅”一詞來形容。未來，AI應用將不再是少數大公司和精英科學家的專利，AI將逐漸應用到各行各業，降低機器學習的門檻。

算法重構商業實踐，AI賦能各行業

算法能做什么？只是提高效率，降低成本嗎？在雷濤看來，算法并不僅用于此，更多的是可以改變商業實踐的結構。

以往的商業決策更多基于規則、流程，這些規則往往建立在多年的行業深耕基礎上，因而鍛造了極強的行業壁壘，然而算法構建的商業形態模式，可以打通、重構各行業的商業實踐。

雷濤認為，算法可以重構商業實踐，具有極強的跨行業屬性。比如電商利用推薦引擎重構了零售業，傳統超市貨物擺放的最佳實踐，被淘寶的貝葉斯算法取代，從簡單的流程驅動轉向數據驅動，BI向AI升級。

雷濤指出，所有復雜的、難以抽象的商業規則和場景，將它們數字化以后，復雜問題反而可以被清晰的界定和量化，算法可以對商業實踐做替代，這個過程，即AI PaaS平臺，可以成為產業升級、數字化轉型的基石。

目前天云大數據已經在各個行業推動了AI的賦能，并成功在金融、能源、招聘、營銷、政府、醫療、物流等領域落地。

金融行業是最先布局的領域，自2016年天云大數據便開始為金融機構提供數據模型深入信用風險欺詐等金融業務領域，包括與人行、光大、興業、銀聯等知名機構都已經展開合作。

雷濤舉例，在給某大型股份制銀行做過的信用卡申請反欺詐，通過分析銀行信用卡的“通過信用卡”信息和“欺詐信用卡”信息，找到注冊信息中包含的關系，同時對關系信息統計分析，計算相關指標，然后通過統計分析的結果構建社交網絡，最終支撐欺詐用戶。

湯森路透使用天云構建的語義分類器，對每年數十萬份上市公司公告進行機器閱讀，每年可閱讀公告20萬以上，替代10位高級金融分析師。

2018年以來，天云大數據開始橫向布局，在能源、醫療等領域都有了新的進展。比如在能源領域，天云大數據利用算法抽象出石油管道泄漏的風險，面對沒有圖紙，只有單表的油氣管道，無法實現壓力差的復雜現實場景，實現了從靜態地質圖，到動態傳感器數據智能采油。在油井發生故障前提前采取措施，防止進一步損壞甚至報廢，同時降低對人力的需求，增加了判斷的準確率，大大降低石油企業運營成本。

在醫藥領域，雷濤透露，天云大數據還聯合天津國際生物醫藥聯合研究院成立了醫藥智能研究平臺。基于藥物靶點蛋白數據研究對藥物適應癥的作用關系演示，通過天云的人工智能Maxim AI平臺，將具有高維特征的數據進行降維處理，利用隨機分布森林算法對數據進行機器學習建模，結果區分度較高，同時使用復雜網絡全景展現了之前只能兩兩展示的多維數據，演示數據表明人工智能應用于藥物適應癥和副作用預測前景廣闊。

雷濤希望，未來更多行業可以運用天云大數據的AI PaaS平臺賦能發展，重新構造商業實踐。

【本文為投資家網原創文章，轉載或內容合作請聯系投資家網，違規轉載，法律必究。】