作者 | Just
出品 | CSDN（ID:CSDNnews）
「AI技術生態論」是CSDN發起的“百萬人學AI”倡議下的重要組成部分，與AIProCon萬人開發者大會、Top30 AI技術生態行業案例徵集和評選、開發者與AI大調查、AI大師課一起，打造一個覆蓋百萬開發者的AI生態聯盟。
2020年，「AI技術生態論」欄目將對1000+AI生態大咖進行系列訪談，勾勒出AI生態最具影響力人物圖譜和AI產業全景圖！
本文爲 「AI技術生態論」系列訪談的第21期，更多AI技術和產業生態報道，敬請期待下一期精彩內容！
百萬人學 AI 你也有份！今日起點擊閱讀原文報名「2020 AI開發者萬人大會」，使用優惠碼“AIP211”，即可免費獲得價值299元的大會在線直播門票一張。限量100張，先到先得！
2019年12月31日，張家興正式入職360金融，這家公司也迎來了第一位首席科學家。
如今，傳統的互聯網金融公司轉型金融科技公司已成大勢，紛紛爲自己打下以技術爲中心的標籤。然而，以業務爲主導，追求技術架構快速迭代的傳統方式，不足以支撐金融科技公司繼續壯大發展。
在屬於大數據和AI的時代，技術應該擁有更重要的地位。
張家興有時會用“技術獨立性”來形容這種變化，“也就是，讓技術不只依附於業務，而是有自己的獨立性發展”。當然，“技術獨立性”的形式可以有很多種，但他認爲，最有效的是建立一箇中臺，“這是最好的”。
隨着業內中臺化趨勢加劇，以契合單個業務爲主導的技術解決方案加速升級。通過構建數據和AI中臺，金融科技公司希望進一步釋放技術能力，創造更大業務價值。
360金融也不例外，但要想通過打造中臺強化技術屬性，前提是找到合適的技術領導者。
張家興到位後，中臺化旋即升級爲360金融的戰略，他帶領100多人的團隊推進數據AI中臺的構建。“統一”是他在2020年第一季度的關鍵詞和重要指標：把貼近業務目標爲主的數據和AI統一中臺化，包括統一整個公司的數據倉庫，統一投放系統，統一語音外呼平臺和統一圖數據等，張家興稱其爲智能金融全鏈路上的統一。
進入360金融前，他在國內多家一線企業留下足跡，曾先後就職於百度、微軟、阿里巴巴，曾任微軟亞洲研究院研究員，在系統和算法兩個方面積累了豐富的學術研究和工業落地經驗。
8年前，在微軟亞洲研究院做學術研究，他形容那時需要的是創新性思維，創造出新的方法，甚至提出新的問題，追求做與別人不一樣的研究。任職微軟期間，他還做過很長時間的分佈式系統的研究和構建，這樣的背景使得他非常強調架構性思維。
而在剛離開不久的螞蟻金服，他的角色是對話機器人專家，帶領算法團隊開創性地將相應AI技術應用到智能客服、智能貸後、理財和保險顧問等金融場景。這一切，也是螞蟻金服人工智能中臺化建設的重要組成部分。
但對張家興而言，這些更多隻是將單一技術應用在金融領域，而他所希望的是，能有更大的整體架構性實踐和思考AI落地。
此時，要進一步升級技術能力的360金融，亟需具有架構性思考能力的技術領導者，這正好符合他當下的希冀，“做中臺能從架構設計對公司的中長期整體佈局產生影響，相比之前做單一技術更需要架構性思維。”
所做的東西越來越大，肩上的擔子也越來越重。張家興說，現在更多考慮數據和AI會給公司創造的價值以及對整個領域帶來的改變。從統一數據AI中臺到構建數據智能平臺矩陣，他正在全方位推動數據和AI賦能360金融的業務。
從智能鏈路到平臺矩陣
AI科技大本營：你認爲，由AI驅動的任何業務都會是一個鏈條，360金融的整體鏈條是怎樣的？
張家興：360金融要做的是在海量互聯網用戶與金融產品之間建立一個橋樑。一方面，面向全網，找到有真實金融需求的用戶，另一方面要把借貸、保險、理財等各種金融產品提供給他們。
這個鏈路有很多關鍵環節。第一個環節是獲客，就是從海量互聯網用戶中發現和觸達有價值的需求。通過媒體渠道進行流量廣告投放是最有效的方式，但是爲了降低獲客成本，就必須高度的精準化。這當中有兩個難點，一是如何通過各種數據對用戶的訴求形成精準理解；二是如何在用戶剛剛出現需求的時間點做及時觸達。
第二個環節是客戶經營。針對我們的註冊用戶，不斷髮現他們的新需求。從人羣圈定，到各種手段觸達用戶，到數據分析，整個客戶經營的鏈路都要足夠精準且高效。
第三個環節是風險控制，通過大數據尤其是圖數據，對用戶的風險進行評估。
最後一個環節是各種服務，包括智能客服、貸後溝通、保險顧問等各種與用戶的溝通服務。
AI科技大本營：怎麼從技術上去打通這條鏈路？
張家興：現在，我所做的數據AI中臺就是對各個環節進行智能化。在獲客環節，我們希望從傳統的依賴人去優化決策的廣告投放方式，轉變爲通過算法去投放的全自動投放方式；在客戶經營環節，我們希望讓數據更加實時，並且能夠構建一些用戶標籤，讓運營更有效率；在風控上，我們用大量機器學習模型來判定整個風險，引入更多數據；最後的服務環節，我們通過智能調度，使用對話機器人，讓服務變得更高效。
在此基礎上，我們準備打造一整套數據智能平臺矩陣，包括實時數據計算平臺、圖數據計算平臺、機器學習平臺、數據分析平臺、智能運營平臺等等，去支持整個智能金融鏈路。
AI科技大本營：相對360金融原有的數據平臺，整合後的數據智能平臺矩陣有什麼特點？
張家興：一個特點是，其中每個平臺都是數據+計算+模型這樣三位一體的融合。這可能跟以前單純強調數據的數據平臺差別比較大，因爲光有數據是不夠的，還要在數據上進行高效計算和開發模型。
以圖數據平臺爲例，我們很早就構建了一個20億個節點，百億個邊的大規模圖數據。但之前在圖上的計算，更多依賴的是像Spark這樣的計算框架，圖計算中大量的近乎隨機的近鄰節點訪問，導致很重的數據shuffling操作，效率很低，無法發揮出數據真正的價值。現在我們構建最先進的圖計算引擎，連同數據一起整合在一個平臺中。最後，數據真正發揮價值是要有AI加持的，在這個平臺的基礎上，我們針對不同的場景來開發和沉澱模型，跟平臺做深度綁定。
另一個特點是，它是一個很多平臺的架構體系，包括圖數據平臺，實時數據平臺，機器學習平臺，數據分析平臺等等。每個平臺都承載不同的數據、計算和模型，支撐不同的場景，而平臺之間又有各種數據的交互。這些平臺共同構成一個矩陣，實現對公司全業務全場景的支撐。
做中臺，不只是技術問題
AI科技大本營：很多公司要不建的是數據中臺，要不就是AI中臺，怎麼理解360金融這種二合一的“數據AI中臺”？
張家興：在大多數公司的中臺化實踐中，往往是分開在做數據中臺和AI中臺。然而事實上這兩類中臺無法簡單的一刀切開，將兩者融合在一起有很大好處。
一方面，數據要想真正發揮價值，都要靠算法和模型來發揮作用；另一方面，AI要發揮價值，就要有數據支撐，數據與AI要相輔相成才能發揮作用，共同體現價值。再說，數據與AI的界線含糊不清，有時候很難說清，同一個功能，例如數據挖掘和圖計算，是數據還是AI，因此統一到數據AI中臺，就可以避免這些困難的劃分。
歸根結底，我們應該從怎麼能夠產生價值的角度出發去做架構設計，而不是刻板地去思考到底是數據還是AI。
AI科技大本營：每家企業構建技術中臺都有自身的考量，你覺得要不要做技術中臺的標準是什麼？怎麼體現它的價值？
張家興：中臺不是萬能的，做中臺的最大必要性前提，一是公司要有很多業務，並且還會不斷產生出新的業務；二是各業務之間有一定相似性，可以有很多共用的基礎。
如果有統一的技術中臺來做支撐，首先就是效率的提升。比如，原來三個業務需要建三個完整的技術團隊做支撐，但現在主要由一箇中臺技術團隊就可以。360金融的主要業務有借貸、理財和保險還有其他業務，從成本和效率的角度出發，我們不能去重複做技術佈局。未來我們也會有很多創新型小業務需要快速集成和迭代，這時也會顯示出中臺的價值。
技術中臺還可以實現經驗在公司不同業務間互相傳遞。比如在智能運營上，我們的目的是通過數據和模型對運營進行提效，可以和成熟業務一起合作構建智能運營平臺，把先進的運營經驗和技術沉澱在這個平臺中。而在一些沒那麼精細化的新業務上，在使用這個平臺的時候，就相當於獲得了成熟業務經驗。可以說，技術中臺可以起到的經驗傳遞作用，讓與它連接的各個業務都能受益。
做AI，最關鍵的因素是人才，中臺的另一個隱性價值是吸引人才。但是，AI人才有一定聚集效應，希望加入一個優秀團隊，與技術牛人一起工作。沒有中臺，業務自己做AI，就會導致過於分散，對人才吸引力降低。而在中臺中做AI，可以形成一個規模更大、技術更聚焦AI團隊，容易吸引更多這個領域的優秀人才。
AI科技大本營：360金融的中臺搭建進入了哪個階段？你對數據AI中臺的整體構想是怎樣的？
張家興：目前我們主要處於做“統一”這件事的階段，基本完成的有統一的數據倉庫、統一的圖數據，還有統一的智能投放平臺和智能運營平臺。
接下來就是加強平臺建設，我們正在搭建的是人工客服加上機器人的統一智能語音平臺，希望在這個平臺裏，可以實現統一調度人工客服與機器人，更好地實現與用戶之間的溝通。
我們也正在構建統一的實時數據平臺，希望讓每個業務都具備實時數據的能力。未來一系列的平臺都在構建中。再下一步，在平臺上構建更多的模型，讓數據AI產生應有的價值。
AI科技大本營：在“統一”這個階段，中臺對業務的價值有沒有顯性數據可以提供？
張家興：只舉一個簡單的例子，在我們的對話機器人中，通過對話機器人技術本身的提升，78%的催回金額都由機器人自動完成，這是一個非常高的水平。
AI科技大本營：在AI技術上，還會在哪些領域做重點佈局？
張家興：首先是機器學習，爲了更好的保障中臺支持，我們要進一步夯實這個基礎，從圖學習、強化學習、對抗學習等方面加強基礎性建設。
其次是語音技術，金融科技公司服務海量的互聯網用戶，對於比較聚焦或重複性的工作，比如電話溝通，應該用技術手段去節約成本和提升效率，也更方便公司加強業務規範建設。計算機視覺方面也要加強，這方面會涉及票證、人臉識別等應用。
最後，可能會逐漸考慮存儲與計算架構上進行自研，因爲好的算法、模型能力需要從底層系統開始有針對性地構建，也希望對整個開源領域的技術架構方面做一些貢獻。
AI科技大本營：除了360金融自身的技術升級，疫情期間你們還實現了技術解決方案的輸出，這是一項短期計劃，還是長期佈局？
張家興：這是長期計劃。一個公司做技術做得好的標誌是，不只能解決自己公司的問題，也能夠用技術幫別的公司去解決問題，幫助整個領域做提升。這一點其實也是技術中臺的一個價值體現，如果是在各個業務單獨構建技術的話，誰都沒有能力和意願去做輸出，而中臺就可以承擔這樣的技術能力輸出的任務。
AI科技大本營：與阿里等其他公司打造的中臺相比，360金融的數據AI中臺整體有什麼不同？
張家興：我們真正實現了在技術上“大中臺，小前臺”的概念，數據實現了真正意義的統一和打通，例如智能投放、智能外呼等業務也完全由中臺來做技術支撐。
而在很多規模比較大的公司，它們的中臺和業務部門結合的沒那麼緊密，導致中臺主要做的是更底層的技術，而業務線往往也在垂直的構建自己的技術，這就造成了“中臺不大，前臺不小”。
這些區別也反映了360金融在組織架構上的靈動，一切以價值爲導向，中臺模式也更容易推進。
AI科技大本營：上述哪一種模式會是其他公司做中臺時更好的參考樣板？
張家興：如果一家公司做的事情比較聚焦，業務比較同質化，像360金融這樣比較聚焦金融業務的公司，就適合“大中臺，小前臺”模式。
但如果一家公司已經大到橫跨很多領域，最初又沒有很好的中臺架構設計，這時就很難憑空構建一個平臺去支持所有業務，很難實現真正的大中臺。一家公司到最終能不能實現它想要的那個中臺，也有一定的路徑依賴，甚至跟公司文化有關。
我的建議是，任何一個公司如果想不斷擴大發展，希望以後有各種不同業務出現，那麼越早考慮做中臺越好，甚至就在成立第一天就要考慮，讓中臺持續賦能。否則，當公司發展到很大規模，半路做中臺就會遇到很大的阻力。
中臺，不僅是一個技術問題，更是組織架構問題。
AI科技大本營：怎麼看業內人士評價中臺時說的，“大象吃這個藥，強身健體，螞蟻吃這個藥，一擊斃命。”
張家興：會這麼說，是因爲還沒想明白中臺這個事情。很有意思的一點是，大家都知道中臺很有價值，但不知道中臺是什麼樣、具體該怎麼做。
AI不等於算法，要有架構思維
AI科技大本營：在中臺搭建的落地過程，你覺得業內最大的誤解是什麼？
張家興：對於AI中臺，有人簡單的把它理解成一個AI Lab（AI實驗室），招聘一些算法工程師和算法專家，指望公司從此智能化。如果認爲這就是AI中臺，靠這個實現智能化，我認爲這是一種錯誤的實踐。
AI能力不是由算法這一單一角色創造出來，應該是由數據、算法、工程、產品和運營至少這五個角色來完成，各個角色的定位是：產品做交互，工程搭架子，數據造原料，運營背指標，算法做模型。
其中，算法人數所佔比例並不高。這些角色互相合作，才最終構建出AI能力。如何讓這些角色互相合作，纔是考驗AI架構設計的真正挑戰。
AI科技大本營：回頭來看，在數據AI中臺的落地實踐過程中，你們還得到了哪些啓發？
張家興：由於技術中臺不屬於任何一個業務團隊，一般很多公司覺得做技術中臺容易讓技術跟業務出現割裂，會產生一些負面影響。
那360金融做中臺時就強調所有做中臺的人需要有業務思維，我們叫做“業務思維，技術創新”，怎麼樣讓大家確實具備業務思維？我們採用的創新模式是，讓中臺和業務團隊共同揹負最終業績指標，而不是負責自身技術指標。通過這種真槍實彈的壓力，讓中臺團隊努力去用技術創新達成業務指標。
公司裏做技術的創新不是爲了炫技，發幾篇Paper，競賽拿一些成績，把技術用在很小的應用場景裏，就覺得自己很牛。爲了炫技，我們有太多事情可以做，但這不一定對公司有價值。爲了公司的價值，我們會發現思考該做什麼就是個很大的挑戰，但這纔是技術團隊應該做的。技術應該把時間用在有價值的事情上。
綜合來看，我們可以說，技術中臺本質上是公司管理的問題。
AI科技大本營：你強調，要有架構性思維才能做好AI，爲什麼這麼說？
張家興：這個世界上不缺創新性思想的人，也不缺解決問題的人，但是缺有架構性思維的人。在架構性思維的人看來，AI本身是個架構，而且AI還是更龐大的業務和技術架構的一部分。
一個架構，決定了會有哪些模塊，哪些技術，哪些人在裏面如何合作、共贏甚至博弈，最終產生AI能力。只有把這些都想清楚了，AI才能創造出價值，這些也需要在實踐中不斷摸索。
我一直在思考學術界跟工業界之間的區別。學術界思考的是創造新方法，並且努力讓這個方法被更多人廣泛接受。而工業界思考的是架構，通過這個結構，將各種技術元素整合起來產生價值。
學術界是創新保障，工業界是價值保障。充分容納學術界方法創新與業界架構設計兩種思維方式，才能最終把AI做好。
今日福利！
同樣作爲“百萬人學 AI”的重要組成部分，2020 AIProCon 開發者萬人大會將於 7 月 3 日至 4 日通過線上直播形式，讓開發者們一站式學習瞭解當下 AI 的前沿技術研究、核心技術與應用以及企業案例的實踐經驗，同時還可以在線參加精彩多樣的開發者沙龍與編程項目。參與前瞻系列活動、在線直播互動，不僅可以與上萬名開發者們一起交流，還有機會贏取直播專屬好禮，與技術大咖連麥。
門票限量大放送！今日起點擊閱讀原文報名「2020 AI開發者萬人大會」，使用優惠碼AIP211，即可免費獲得價值299元的大會在線直播門票一張。限量100張，先到先得！ 快來動動手指，免費獲取入會資格吧！
點擊閱讀原文，直達大會官網。