相對BAT的土豪式押注，美團點評、滴滴和頭條的AI布局更值得借鑒？

在不久之前的二季度財報季，BAT各自所發布的財報已經表明，最大的三家互聯網巨頭已在AI上展開緊鑼密鼓的布局，其中百度將AI當做核心驅動力、阿里注重AI在商業場景中的應用，向來謀定而後動的騰訊則將AI當做具備戰略意義的長遠投資，一邊投資基礎設施一邊應用到業務場景。近日高盛發布《人工智慧崛起》AI調研報告，則讓BAT之外的更多企業的AI布局浮出水面。

互聯網小巨頭的AI布局浮出水面

在BAT之外，互聯網形成了以美團點評、滴滴等公司為主的小巨頭陣營，他們正逐漸通過業務擴張和投資併購的方式構建自己的生態帝國，對於AI這個互聯網未來的必殺技自然也不會缺席。高盛的報告中，在「小巨頭」章節中，詳解地介紹了美團和滴滴的AI布局，其主要從業務、數據、技術基礎設施和團隊四個維度來體現企業的AI布局。

·美團點評：AI+大數據智能調度訂單、提升用戶體驗。

美團點評2016年GMV達350億美元，總訂單數34億，覆蓋200個電商服務和產品類別，以及約2800萬POI和301萬活躍商家，在2800個城市提供服務。海量吃喝玩樂類交易每日為美團產生1.5PB的數據，現已存儲200PB的數據，這些數據讓美團點評可以更好地開展業務，提昇平台用戶體驗。

美團點評AI應用最典型的便是「O2O實時物流調度系統」，它調度著美團外賣每日2000萬筆訂單。外賣訂單生命周期平均在1個小時，同時受到較多動態因素制約如交通、天氣、商家履約能力等，但高效率卻將直接決定用戶體驗以及平台運營效率。基於海量大數據（訂單、路線、客戶和商戶）的這個系統能夠在100毫秒內生成最有效的快遞路線規劃，讓美團能在平均28分鐘內完成快遞訂單，配送時效性已精確到秒級。其主要在數據處理和預測建模中應用機器學習技術，可以在5秒內完成上億次運算後進行實時化的調度，同時可以預測相關變化給出更加智能的調度結果。

還有新聞報道指出美團點評正在攻堅無人配送，招募人才進行無人車、無人機的技術研發。其終極願景是實現外賣等服務的無人配送到家。無人配送比無人車更加複雜——不只是要在道路上安全運行，還要防止貨物被盜竊、被破壞、被攔截，需要應用到高精地圖、現實感知和人工智慧等技術。

·滴滴出行：通過AI技術更好地匹配司機和乘客，平衡運力與出行需求。

滴滴每天需要處理的數據量級，同樣在2000萬個，它一共處理了4500TB、200多億的出行線路。滴滴的調度同樣十分依賴於大數據，採取派代模式的專車業務需要基於司機和乘客所處位置，目的地，城市交通狀況、天氣和早晚高峰等因素進行智能派代；採取搶單模式的計程車、快車等業務，同樣涉及到訂單分發等雲端決策。2016年，為解決運力不足問題，滴滴啟動了動態調價模式，更需要精準地預測客戶需求和周邊運力。

早在2015年，滴滴就已成立滴滴機器學習研究院，其專註於深度學習、人機交互、計算機視覺和智能駕駛技術等底層AI技術的研究；2016年「機器學習研究院」升級為「滴滴研究院」，並在全球範圍內獵取高端技術人才，研究範疇引入了大數據建模等技術範疇，從雅虎研究院挖來研究員何曉飛任院長；2017年滴滴又在美國建立了研究院。

高盛報告中並未單獨介紹，然而的AI布局卻也不容小覷。

·：演算法起家的獨角獸，徹底顛覆了的內容生態。

2012年，從誕生第一天起便應用AI演算法進行內容分發，在普及了「千人千面」的個性化資訊獲取方式，眼下通過AI演算法進行資訊分發已成為傳統新聞客戶端、搜索引擎、瀏覽器以及微博的共同選擇。在引入「」模式之後，構建了一個人人可參與的內容創作平台，隨著不斷進入到短視頻、直播、問答、碎片化內容分享等領域，已構建起一個龐大的內容體系，與BAT等巨頭直接交鋒，2017年3月DAU為7478萬，數量超過50萬，沒有一個編輯卻成為最大的資訊客戶端之一。

現在，每天處理數據量為7.8 PB、訓練樣本量 200 億條、伺服器總量 40000 台、Hadoop 節點 3000台。AI演算法主要被用於學慣用戶的內容消費行為習慣，進而獲取其興趣進行更好的內容推薦以及廣告分發，個性化閱讀和信息流廣告也是AI最經典的應用場景之一。除此之外，在內容生態上的文章審核、防止抄襲、視頻鑒黃等技術也在陸陸續續應用AI技術。

2016年，成立AI實驗室，先後挖來原百度美國深度學習實驗室少帥科學家李磊、微軟研究院副院長馬維英等大牛，其現對於其他AI實驗室更注重實際應用，將AI演算法應用到內容產品中。

小巨頭AI應用思路有何異同？

美團點評、滴滴等公司對於AI都已進行各自投入。不過，我們能夠看到三者在AI應用上還是有不同思路的：

·美團點評：更注重AI在複雜業務場景中的落地。

美團SVP陳少輝在接受高盛採訪時指出：

「美團的AI研發離不開具體的場景和業務規模，而且會是一個長期的創新投入。美團平台上的訂單非常高頻且涉及眾多碎片化的SKU。所以服務行業的訂單完成比電子商務更複雜，只有通過技術+運營的方式，公司才能擴大業務、更好的服務客戶。」

美團點評更注重AI在場景中的應用。相對於和滴滴而言，美團點評業務更加複雜，涉足餐飲、外賣、酒店、旅遊、電影、門票、出行諸多領域，這意味著它有更多的應用場景——且都屬於大的電商類場景，效率的提升將直接體現出經濟效益，相對於實物電商而言，服務行業的訂單完成複雜度更高，技術發揮空間更大，但挑戰也更大。

對於美團點評而言，AI的應用不只是可以讓平台運營效率更高、用戶服務體驗更好，還有一個機會在於商家賦能——這是美團點評主張的戰略方向，通過互聯網技術幫助商家提高業務效率，要做到這一點，AI技術是不可或缺的一環。

·滴滴出行：更強調大數據在單一場景中的應用。

滴滴相對於美團點評而言更專註，它每天要處理的2000萬訂單均屬於出行領域，相對於美團點評涵蓋「吃喝玩樂」多個領域的2000萬個訂單而言，更加簡單。滴滴一直很注重對大數據的應用，未來將大力發展人工智慧，滴滴出行CEO程維曾表示：

「滴滴的發展已經積累了大量的數據，在大數據收集處理計算方面已經有了相當的經驗。接下來，滴滴要取得長足發展必須依靠人工智慧。」

由於目標更加單一，因此滴滴的AI布局也很專註，就是圍繞提高出行效率來做技術創新，成立研究院而不是實驗室，在美國成立分院，表明滴滴對於基礎技術、前沿技術相對於另外兩家更加重視。其研究院研究的機器學習、計算機視覺、人工智慧、數據挖掘、最優化理論、分散式計算都屬於基礎AI技術，值得注意的是，滴滴是小巨頭中唯一戰略布局無人車的公司，去年CTO張博稱「無人車是滴滴重大戰略布局，很快會有無人車上路」。不過滴滴同樣注重AI在場景中的應用，智能派單技術，已經讓司機接載客人的平均行駛距離從3公里降低到0.5公里。

· ：只做好內容分發，一個場景做到極致。

相對於美團點評廣泛的交易類場景、滴滴七八個出行場景而言，的AI應用場景最為單一：內容分發。儘管引入了短視頻、問答等新的內容形態，但萬變不離其宗，用戶畫像技術、興趣引擎等等技術是不變的。的業務場景全部基於線上，用戶每天與平台產生超過1個小時的連接，且高頻與平台交互貢獻大量數據（比滴滴、美團的數據都多），同時應用AI演算法不斷試錯也沒有什麼風險，可以進行更多測試，美團和滴滴則需要考慮到商家、騎士團隊、司機們的壓力，對於新的AI演算法應用到業務場景中更加謹慎。

可以說，美團點評業務場景最廣泛，複雜度最高，AI技術挑戰對但也有更多作為；滴滴業務場景相對單一，它更希望通過AI前沿技術投入來不斷優化出行效率，終極目標是構建無人車隊；AI應用場景最為單一，但由於是純線上模式可以肆無忌憚地進行大量的測試，將AI在內容分發上的應用做到極致，同時不斷訓練AI演算法的進步，以及靠智能信息流廣告賺錢。

美團點評們的AI戰略布局更值得一般公司學習

相對於BAT動輒數千人的投入、高舉高打的做法不同，美團點評等小巨頭對於AI的投入更多是抱著「實用主義者」的心態。

像百度那樣提前三五年布局深度學習，投入1300+人的團隊做底層AI技術並通過DuerOS、阿波羅計劃開放給行業，或者像阿里巴巴那樣啟動NASA計劃為未來20年儲備前沿技術，對於小巨頭來說，即沒有這樣做的必要，也沒有這樣做的能力。美團點評們更強調「物盡其用」，AI投入都的出發點都是業務，且不是20年後用得上的技術而是2年後、2月後用得上的技術。它們做AI的出發點就是要改善業務，與業務場景結合，將錢花在刀刃上，甚至可以馬上帶來更多收入，比如滴滴是更多訂單，美團是更少騎手、頭條是更多廣告。

顯而易見，BAT的AI戰略布局思路，並不適合一般公司——不論是傳統行業巨頭，或者一般互聯網公司學習。因為AI對於這些公司而言只是一個工具，發展成熟之後再拿過應用是最適合的方式。百度、阿里、騰訊都在通過種種平台和方式將AI能力開放出來，正是瞄準了各行各業的這個訴求。不過，對於互聯網公司或者高科技公司而言，小巨頭的思路或許更值得借鑒。在應用成熟的AI技術進行業務的改進和創新的同時，也嘗試自行研發一些與核心業務密切相關的底層AI技術。畢竟，互聯網或者高科技公司還是需要核心底層技術能力的，AI在未來更是不可或缺的基礎技術，這也是華為等公司不斷強化AI技術自主研發的原因所在。

公眾號對話框回復1109可獲取【人工智慧產業全景圖】和【人工智慧時代的機器人3.0新生態研究報告】

人工智慧行業就業指南：平均薪酬20K 語音最熱門 帝都最適合