AI，或者說AI類應用，剛誕生的時候，未必馬上就是會讓人高山仰止的，就像阿爾法狗（AlphaGo）一樣，它在谷歌實驗室誕生的第一天，肯定是贏不了李世石或是柯潔的，但當它深度學習了無數前人的棋譜之後，它的對手也就只剩下它自己了。從這一點來看，只要找到了對的學習方法，AI需要的，只是學習的時間。

涉足大規模個性化定製生產的汽車企業，一夜之間，好像多起來了。

除了新勢力造車企業威馬汽車，傳統汽車企業廣汽新能源，以及傳統車企入股的新能源汽車品牌金康SERES，都號稱要以訂製模式切入這個藍海市場。這幾乎包括了中國汽車企業的所有形態。上海車展剛結束，廣汽新能源號稱可提供16800種定製組合的AionS就上市了。而在這之前，大規模個性化定製生產，或者說C2B，上汽大通已經獨跑了兩年。

“我們（上汽大通）是業內第一家涉足C2B製造的企業，壓力很大，現在當然更大了，因爲已經有了追趕者，還不止一家。當然，這種壓力也是一種鞭策，我們的動力更足了。”上汽大通首席信息官（CIO）吳鋼告訴記者，“涉足C2B的企業多了，說明大家都認同這是一個正確的方向，我們的信心也就更足了。但是，我們在C2B這根跑道上先行了兩年，並不意味着我們就能一直領先兩年，這個差距會隨着時間慢慢縮小。所以擺在我們面前的挑戰之一，就是開闢一條新的跑道來保持並繼續擴大領先，比如，用AI來賦能C2B。而這個過程，既長又短。說它長，因爲這是一件不容易的事，不可能一蹴而就；說它短，是因爲如果你不去做，等別人做出來了，你就被淘汰了。”

AI能讓車企更懂用戶的需求

一直以來，生產端（B端）最大的問題就是對於用戶端（C端）的不瞭解。這也直接造成了這些年出現的產品同質化現象。雖然每家車企都號稱自己在打造一款最符合目標市場的車型，但每家車企上市新車的目標用戶羣，總是那麼似曾相識。面對競爭，最有效的也只有簡單或是複雜的降價促銷。用戶對於汽車消費，被動接受的概率遠大於主動選擇，客戶出了4S店就被友商拉走早就不再是新鮮事。而最常見套路就是，他們有的優惠，我們全有，而且更多。

其中的原因很簡單，也很複雜。拋開品控，那就是這款產品其實並不是消費者心裏真正最想要的。但要改變這點，又談何容易。

車企是不是真的能懂消費者？吳鋼舉了一個很形象的例子：車企對於油耗的描述，無非就那麼幾種很結構化的描述，百公里、綜合工況，而消費者的理解則是各種各樣，也許是一箱油多少錢，也許是加滿油能跑多少公里，也許他在說油耗的時候，心裏想的卻是發動機的排量和動力，甚至是價格。

“這個時候，我們想要更懂消費者，就需要AI的賦能。”吳鋼說，“上汽大通過去在C2B上的所有努力，都是爲了回到初心，比用戶更懂他自己，從而爲用戶創造價值。在大數據層面，上汽大通已經積累了很多，比如在‘蜘蛛智選’的選配上、工程師問答的交互過程中，以及‘房車生活家’上面，通過和用戶的互動，已經形成了初步的用戶畫像和對用戶意圖的識別。接下來，我們就需要用AI來對C2B進行賦能，將其升級成一個有着智能引擎和知識圖譜的平臺，上面有各種各樣的工具，有AI工程師問答、多輪問答管理機器人、外呼機器人、車載機器人，然後通過深度學習和行爲糾正，更快、更有效地洞察用戶畫像、識別用戶意圖，然後更精準地推動B端生產製造的迭代，從而實現真正的‘千人千面’個性化定製。”

應用場景和集團算法團隊相互賦能

“現在這個市場行情下，如果說僅靠上汽大通一己之力，想在AI領域有所建樹，這顯然是不可能的。還好，我們集團有上汽集團人工智能實驗室。”吳鋼告訴記者，“2018年9月至今，上汽大通在我行平臺、蜘蛛智選、房車生活家、i大通、iMaxus及蜘蛛智聯等平臺上實施了AI應用的建設，在AI應用實施方法、技術選型、能力建設等方面有了部分積累。上汽大通應用場景和上汽集團人工智能實驗室算法團隊互相賦能，這讓我們對AI在大通落地的前景充滿了期待。”

從上汽大通AI項目團隊的計劃書中，可以看到，項目節點的截止時間集中在今年第三季度，這其中包括了基礎功能類的語意理解、知識圖譜、對話管理、數據採集及標註，以及業務場景類的外呼機器人、蜘蛛智選AI助手、運營機器人、工程師問答等十幾個大小項目。

“這麼多與AI結合的項目，即便對於已在大數據應用領域沉浸了兩年的大通來說，也都是一個個難關。”吳鋼說道，“還好我們背靠了集團的資源。AI的落地，一是算法技術，二是落地應用場景，兩者缺一不可。算法技術有上汽集團人工智能實驗室的專業團隊來構建，包括後期模型的訓練建設，上汽大通的AI項目組則提供數據和機器學習所需要的業務場景設計和知識庫，然後在項目運行後給出優化建議。比如，對於AI自然語義理解的糾正建議，集團人工智能實驗室的算法團隊也可以以此爲依據來驗證算法，這將會是一種既分工明確又緊密協作的關係。”

“AI項目和我們車企常見的項目不一樣，它可能更依賴於後面養成的過程。就像是一個稚齡學童，你要看着他慢慢成長爲一個學富五車的才子一樣。”吳鋼笑着比喻，“大通的AI項目上半年就可以建成，但這種建成和真正能夠大規模地產生業務價值的使用，這可能還需要一個反覆驗證的過程，這個過程更需要集團人工智能實驗室和大通AI項目組的緊密合作。無論是基於知識圖譜的“蜘蛛智選”也好，還是“房車生活家”也好，甚至是企業內部的HR政策問答，都需要不斷糾正、不斷升級。這個AI一開始也許很幼稚，但一旦把我們熟悉的工程師的結構化語言與用戶的語言和行爲結合聯繫起來，誰先做到了，誰就是行業的龍頭。”

從枯燥複雜的基礎建設開始AI

智能客服、車載機器人、外呼機器人以及AI運營，這是AI賦能之後，上汽大通的主攻方向，背後則是業務場景設計、語料管理、知識圖譜搭建、應用開發、算法集成，這些看上去就很枯燥，也十分複雜的基礎建設。

僅以AI學習的知識庫系統必須的語料數據整理來說，上汽大通已經通過各個業務部門，包括此前C2B工程師在問答業務中收集上來933個標準問，完成21775個擴寫和2688個測試集。說枯燥，是因爲給AI編寫學習提綱，幾乎是一個窮舉的過程，每一個問題都要從語法結構開始解析，就這樣還只能滿足AI學習的初步需求；說複雜，是因爲千人千面，人心難以琢磨，誰也不知道用戶對於問題的理解和問題之間的關聯究竟應該怎麼解讀？對某一個問題，答案只有一個，但提問可能就是無數個。

“我們的階段目標，是完成3500個標準問，然後算法團隊就可以基於我們提供的材料優化算法，從而讓AI判斷出用戶到底在問什麼。”上汽大通信息系統部總工程師林雲松告訴記者：“如果只是一問一答，那還是最簡單的。複雜點的就是帶有大場景的多輪對話管理，一個大場景往往需要上下文三五句才能判斷出來，這不僅牽涉到上下文的理解，還有語句意圖的判斷。因爲你不可能要求用戶都用結構化的語言來和你對話，甚至對話中還會有一些無意義的語句。這些都是AI在學習中要面對的問題。然後，等項目正式上線後，我們就會進入試錯期或者叫培育期，包括找人去測試，驗證我們知識庫的匹配情況，同時也可以讓算法團隊對發現的問題去反向輸出，做算法識別的優化。這是一個滾動提升螺旋上升的過程，也是讓AI變得更智能的過程。”

“先不論有了AI賦能之後，對於原有人力資源的解放和效能的提升，就從業務模式和組織架構來說，也會帶來和現在截然不同的變化。”吳鋼告訴記者，“傳統的IT部門以前只是企業內部的服務部門，但以後，還有一個將數字化能力賦能給各個業務部門的職責，各個業務部門都將有專門從事數字化工作的崗位。對於大通來講，數字化建設會變得更加立體，大通也將會逐漸變成完整的、真正意義上的數字化公司。每個人都將具有數字化的意識和數字化的能力，從未來業務角度來看，也就是全民皆兵了。”