AI，或者说AI类应用，刚诞生的时候，未必马上就是会让人高山仰止的，就像阿尔法狗（AlphaGo）一样，它在谷歌实验室诞生的第一天，肯定是赢不了李世石或是柯洁的，但当它深度学习了无数前人的棋谱之后，它的对手也就只剩下它自己了。从这一点来看，只要找到了对的学习方法，AI需要的，只是学习的时间。

涉足大规模个性化定制生产的汽车企业，一夜之间，好像多起来了。

除了新势力造车企业威马汽车，传统汽车企业广汽新能源，以及传统车企入股的新能源汽车品牌金康SERES，都号称要以订制模式切入这个蓝海市场。这几乎包括了中国汽车企业的所有形态。上海车展刚结束，广汽新能源号称可提供16800种定制组合的AionS就上市了。而在这之前，大规模个性化定制生产，或者说C2B，上汽大通已经独跑了两年。

“我们（上汽大通）是业内第一家涉足C2B制造的企业，压力很大，现在当然更大了，因为已经有了追赶者，还不止一家。当然，这种压力也是一种鞭策，我们的动力更足了。”上汽大通首席信息官（CIO）吴钢告诉记者，“涉足C2B的企业多了，说明大家都认同这是一个正确的方向，我们的信心也就更足了。但是，我们在C2B这根跑道上先行了两年，并不意味着我们就能一直领先两年，这个差距会随着时间慢慢缩小。所以摆在我们面前的挑战之一，就是开辟一条新的跑道来保持并继续扩大领先，比如，用AI来赋能C2B。而这个过程，既长又短。说它长，因为这是一件不容易的事，不可能一蹴而就；说它短，是因为如果你不去做，等别人做出来了，你就被淘汰了。”

AI能让车企更懂用户的需求

一直以来，生产端（B端）最大的问题就是对于用户端（C端）的不了解。这也直接造成了这些年出现的产品同质化现象。虽然每家车企都号称自己在打造一款最符合目标市场的车型，但每家车企上市新车的目标用户群，总是那么似曾相识。面对竞争，最有效的也只有简单或是复杂的降价促销。用户对于汽车消费，被动接受的概率远大于主动选择，客户出了4S店就被友商拉走早就不再是新鲜事。而最常见套路就是，他们有的优惠，我们全有，而且更多。

其中的原因很简单，也很复杂。抛开品控，那就是这款产品其实并不是消费者心里真正最想要的。但要改变这点，又谈何容易。

车企是不是真的能懂消费者？吴钢举了一个很形象的例子：车企对于油耗的描述，无非就那么几种很结构化的描述，百公里、综合工况，而消费者的理解则是各种各样，也许是一箱油多少钱，也许是加满油能跑多少公里，也许他在说油耗的时候，心里想的却是发动机的排量和动力，甚至是价格。

“这个时候，我们想要更懂消费者，就需要AI的赋能。”吴钢说，“上汽大通过去在C2B上的所有努力，都是为了回到初心，比用户更懂他自己，从而为用户创造价值。在大数据层面，上汽大通已经积累了很多，比如在‘蜘蛛智选’的选配上、工程师问答的交互过程中，以及‘房车生活家’上面，通过和用户的互动，已经形成了初步的用户画像和对用户意图的识别。接下来，我们就需要用AI来对C2B进行赋能，将其升级成一个有着智能引擎和知识图谱的平台，上面有各种各样的工具，有AI工程师问答、多轮问答管理机器人、外呼机器人、车载机器人，然后通过深度学习和行为纠正，更快、更有效地洞察用户画像、识别用户意图，然后更精准地推动B端生产制造的迭代，从而实现真正的‘千人千面’个性化定制。”

应用场景和集团算法团队相互赋能

“现在这个市场行情下，如果说仅靠上汽大通一己之力，想在AI领域有所建树，这显然是不可能的。还好，我们集团有上汽集团人工智能实验室。”吴钢告诉记者，“2018年9月至今，上汽大通在我行平台、蜘蛛智选、房车生活家、i大通、iMaxus及蜘蛛智联等平台上实施了AI应用的建设，在AI应用实施方法、技术选型、能力建设等方面有了部分积累。上汽大通应用场景和上汽集团人工智能实验室算法团队互相赋能，这让我们对AI在大通落地的前景充满了期待。”

从上汽大通AI项目团队的计划书中，可以看到，项目节点的截止时间集中在今年第三季度，这其中包括了基础功能类的语意理解、知识图谱、对话管理、数据采集及标注，以及业务场景类的外呼机器人、蜘蛛智选AI助手、运营机器人、工程师问答等十几个大小项目。

“这么多与AI结合的项目，即便对于已在大数据应用领域沉浸了两年的大通来说，也都是一个个难关。”吴钢说道，“还好我们背靠了集团的资源。AI的落地，一是算法技术，二是落地应用场景，两者缺一不可。算法技术有上汽集团人工智能实验室的专业团队来构建，包括后期模型的训练建设，上汽大通的AI项目组则提供数据和机器学习所需要的业务场景设计和知识库，然后在项目运行后给出优化建议。比如，对于AI自然语义理解的纠正建议，集团人工智能实验室的算法团队也可以以此为依据来验证算法，这将会是一种既分工明确又紧密协作的关系。”

“AI项目和我们车企常见的项目不一样，它可能更依赖于后面养成的过程。就像是一个稚龄学童，你要看着他慢慢成长为一个学富五车的才子一样。”吴钢笑着比喻，“大通的AI项目上半年就可以建成，但这种建成和真正能够大规模地产生业务价值的使用，这可能还需要一个反复验证的过程，这个过程更需要集团人工智能实验室和大通AI项目组的紧密合作。无论是基于知识图谱的“蜘蛛智选”也好，还是“房车生活家”也好，甚至是企业内部的HR政策问答，都需要不断纠正、不断升级。这个AI一开始也许很幼稚，但一旦把我们熟悉的工程师的结构化语言与用户的语言和行为结合联系起来，谁先做到了，谁就是行业的龙头。”

从枯燥复杂的基础建设开始AI

智能客服、车载机器人、外呼机器人以及AI运营，这是AI赋能之后，上汽大通的主攻方向，背后则是业务场景设计、语料管理、知识图谱搭建、应用开发、算法集成，这些看上去就很枯燥，也十分复杂的基础建设。

仅以AI学习的知识库系统必须的语料数据整理来说，上汽大通已经通过各个业务部门，包括此前C2B工程师在问答业务中收集上来933个标准问，完成21775个扩写和2688个测试集。说枯燥，是因为给AI编写学习提纲，几乎是一个穷举的过程，每一个问题都要从语法结构开始解析，就这样还只能满足AI学习的初步需求；说复杂，是因为千人千面，人心难以琢磨，谁也不知道用户对于问题的理解和问题之间的关联究竟应该怎么解读？对某一个问题，答案只有一个，但提问可能就是无数个。

“我们的阶段目标，是完成3500个标准问，然后算法团队就可以基于我们提供的材料优化算法，从而让AI判断出用户到底在问什么。”上汽大通信息系统部总工程师林云松告诉记者：“如果只是一问一答，那还是最简单的。复杂点的就是带有大场景的多轮对话管理，一个大场景往往需要上下文三五句才能判断出来，这不仅牵涉到上下文的理解，还有语句意图的判断。因为你不可能要求用户都用结构化的语言来和你对话，甚至对话中还会有一些无意义的语句。这些都是AI在学习中要面对的问题。然后，等项目正式上线后，我们就会进入试错期或者叫培育期，包括找人去测试，验证我们知识库的匹配情况，同时也可以让算法团队对发现的问题去反向输出，做算法识别的优化。这是一个滚动提升螺旋上升的过程，也是让AI变得更智能的过程。”

“先不论有了AI赋能之后，对于原有人力资源的解放和效能的提升，就从业务模式和组织架构来说，也会带来和现在截然不同的变化。”吴钢告诉记者，“传统的IT部门以前只是企业内部的服务部门，但以后，还有一个将数字化能力赋能给各个业务部门的职责，各个业务部门都将有专门从事数字化工作的岗位。对于大通来讲，数字化建设会变得更加立体，大通也将会逐渐变成完整的、真正意义上的数字化公司。每个人都将具有数字化的意识和数字化的能力，从未来业务角度来看，也就是全民皆兵了。”