（微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文）
《中国新一代人工智能发展报告2019》指出，人工智能技术的成熟及应用催生的智能经济，将为我国经济高质量发展提供有力支撑。这份由科技部新一代人工智能发展研究中心、中国科学技术发展战略研究院联合国内外10余家机构编写的报告，体现了2017年7月《新一代人工智能发展规划》以来的推进情况。该报告同时指出，我国人工智能产学研协同创新能力仍有差距，人工智能学术研究仍以高校为主，与企业的结合程度较弱。
早在2017年11月，微软亚洲研究院就启动了“创新汇”项目，主要结合微软前沿的人工智能科技成果以及“创新汇”成员企业的行业经验，以人工智能落地为企业数字化转型的突破口，让科研与商业相互碰撞、相互启发，形成人工智能“头雁”与数字化转型“头雁”齐飞的连动效应，寻找大型企业的数字化转型之道。微软亚洲研究院“创新汇”主要针对行业领先企业，期望走出一条帮助大型企业转型的“智能+”之路。
2019年6月5日，微软亚洲研究院启动了“创新汇”二期，共有26家企业“入驻”成为成员企业，其中包括东方海外航运、华夏基金、辉瑞制药、三一重工、万科、万向控股、顺丰科技、培生集团、兴业银行、招商银行、中信银行、中国外汇交易中心等大型金融、制造、物流等企业。“创新汇”同期举办的为期两天的创新论坛2019活动中，成员企业将通过前瞻技术分享、行业前景探讨、闭门会议等形式与微软亚洲研究院的人工智能专家全方位交流、探讨。
微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文表示：“数字化转型不是终点，而是一个旅程。”作为数字化转型的“头雁”，如何基于人工智能找到一条有效而且能够普遍推广的数字化转型之道，是所有大型企业在当下的困惑。如何找到既不“小打小闹”又不“伤筋动骨”还能带来显著实效的数字化转型之道，是撬动大型企业向智能经济升级的关键。
全局智能拉动整体升级
（微软亚洲研究院副院长刘铁岩）
人工智能和机器学习领域有很多种算法和众多公司。据有关机构统计，截至2018年底，全球共成立人工智能企业15916家，中国人工智能企业数量多达3341家，位居世界第二位。而包括微软在内的公有云厂商，也提供了数量众多的AI服务，例如微软Azure就提供了视觉、语音、语言、知识和搜索等五大类别的20余种API认知服务以及支持TensorFlow、PyTorch、ONNX、Scikit-Learn等在内的多种机器学习和深度学习开发框架。
微软亚洲研究院副院长刘铁岩认为，很多人认为人工智能是一组现成的工具，可以直接打包提供解决方案，而从事人工智能研究多年的微软研究员则认为，更应该把人工智能视为一种方法论，需要根据具体问题进行定制化设计，才能真正成为可用的技术工具。每个行业所面临的痛点不同，每个应用场景的特点不同，因此人工智能想要真正落地，需要结合行业的领域知识，进行深入的定制。
自2017年11月开始的第一期“创新汇”，微软亚洲研究院就与成员企业合作，探索行业定制的方法和路径。而更重要的是，在定制行业AI方法和路径的基础上，提炼出一条具有普适意义的路径或方法论，进而普遍性提高社会生产力。而这就回到了本次全球人工智能热潮的起点——大数据。实际上，在过去的60年中，人工智能算法本身并没有本质的改变，而自2016年以来的全球人工智能热潮，其根本原因在于可以获得大数据和高算力。进入到2019年，越来越多的行业和组织能够获得全局全域数据，结合人工智能分析就能实现规模化撬动业务和经济板块升级的能力。
在中国，自2014年“大数据”首次进入政府工作报告，就在推动全社会全域大数据的积累。华夏基金总经理李一梅在微软亚洲研究院“创新汇”二期启动会上接受采访时表示，华夏基金有1亿多客户，以前并不知道这1亿客户都是谁，包括客户画像如何、行为表现如何、风险偏好如何等，而如果能够清晰地了解1亿客户的所有数据，就有机会提供更好、更适合客户的产品以及更好的心理辅导。因为很多时候，投资是一个心理行为，能否赚钱取决于持有的时间，期间必须要战胜恐惧、贪婪等最基本的人性特点，而如果能够认识客户以及预测客户的行为模式并提前干预，就能极大提升投资回报。
而另一个与微软亚洲研究院以及“创新汇”合作一年多的东方海外航运（OOCL）处于物流行业。与金融行业类似，物流行业近年来也积累了大量数据，可以获得接近全局全域数据。微软亚洲研究院机器学习组主管研究员边江介绍，全球一体化让世界贸易成为一个大而复杂的场景，其中存在着资源分配不平衡的问题。OOCL最大的资源就是集装箱，如何以最优方式有效调度集装箱，满足不同港口和区域的需求，这就需要一个高效的集装箱供需回路。传统的做法是对各个港口的空集装箱需求和供给进行预测，再利用组合优化方式获得合理的调度算法。但每一步的准确性就影响了下一步，例如一个港口出现问题，就会影响下一个关联港口的准确性。微软亚洲研究院与OOCL经过合作研究，提出了一个端到端的机器学习方法，也就是对OOCL全球航运网络的供需进行整体建模。这，就是全域全局建模的思想。
通过微软亚洲研究院“创新汇”第一期成员企业的实践，可以看出一个基本规律，也是一个普适性的数字化转型思考：那就是基于全局全域大数据，利用人工智能算法建立全局全域的认知能力，再反过来辅助传统靠经验完成的局部优化问题。在这个思路下，就有机会大规模拉动业务或经济板块的转型升级，创造出规模化的效益。
为什么是微软？
（华夏基金总经理李一梅）
Gartner和中国信通院联合编制的2018世界人工智能产业发展蓝皮书指出，当前人工智能仍处于早期采用阶段，仅有4%的被调研企业已经投资并部署了AI技术。对于企业的实际业务场景而言，不再是语音识别或图像识别等特征明显、规则固定的闭环问题，而涉及到复杂的干扰因素和开放的连动效应。即便是有了全局全域建模思想，也需要根据具体的业务场景进行优化和工程化，而这正是微软亚洲研究院的长项。
华夏基金董事总经理、数量投资部行政负责人张弘弢介绍：在金融投资领域，由于有更多人参与，任何行为的介入都可能会改变其他行为，同时投资者和投资结构也在不断变化，这让逻辑决策与响应过程更加复杂，对人工智能的落地提出了更大挑战。华夏基金在2017年就开始了与微软亚洲研究院的深度合作，在大量研究与测试后选择了量化投资——多因子选股这个领域首先展开合作。
传统的多因子选股方式，在建模过程中具有一定的主观性。而随着数据量与数据类型的增加，传统方式已不能兼顾所有数据，有些半结构化和非结构化数据无法得到有效利用。而在华夏基金与微软亚洲研究院互派团队进驻对方实验室进行密切合作之后，双方探索出了“AI+指数增强”的策略，该策略主要涉及两项核心的人工智能技术：时空卷积神经网络和时变注意力模型。简单理解，虽然可以获得证券市场的实时全局全域大数据，但整个市场处于实时变化当中，这一刻的全局刻画不一定能推理出下一刻的全局状态，这时就要引入实时的时空分析以及时变的市场动态注意力模型，以协助实时调整选股组合。
微软亚洲研究院副院长刘铁岩就此评论，“金融市场中的数据是一直变化的，数据与模型就如同鸡生蛋和蛋生鸡的问题一样，无法确定谁先存在。而机器学习利用实时变化的最原始数据，可以实时发现变化的因子，及时抽取α信号更改组合模型，时刻确保投资公式是当前最佳，避免了人工计算公式的滞后性，以及不断失效的问题。”微软亚洲研究院为华夏基金引入的不仅有时空卷积神经网络和时变注意力模型，也有基于博弈论的机器学习。通过不同的深度学习和机器学习的组合应用，解决了整个市场的动态变化和复杂开放市场环境的挑战，特别是在非理性的投资环境中如何获取更高收益的问题。
当然，微软亚洲研究院在为华夏基金解决问题的时候，也还要处理不少的工程化挑战。比如，金融和证券市场中的各种信息、数据和新闻等质量参差不齐，就要解决如何更好地获取新闻数据或者是文本数据中隐含的投资信号。虽然微软已经在国际的机器阅读理解等大赛中名列前茅，但那只是实验数据和实验环境，数据和文本质量都非常高。而在现实世界中，就没有那么多高质量的数据和文本信息了。这个问题虽然看似不难，但也需要大量的工程化努力。
同样的情况发生也在东方海外航运OOCL上。虽然是要建立一个全局全域的人工智能模型，但在反馈给每一个港口进行决策优化从而计算出整体优化的参数时，却不能简单的静态计算，因为所有的港口和空集装箱的情况也是实时变动的。为此，微软亚洲研究院提出了一套全新的解决方法——竞合多智能体强化学习技术（Coopetitive Multi-Agent Reinforcement Learning）。
相比于传统的全局求解优化方法，竞合多智能体强化学习技术把每一个港口和船只建模成智能体，在各个智能体之间建立了高效的通信机制，通过协调智能体之间的利益分配与转移，来促进智能体之间的合作以及协调竞争，对原来的全局复杂问题分而治之，以去中心化的方式进行求解，最终起到全局优化的目的。传统优化方法需要好几个小时进行的路径优化，利用竞合多智能体强化学习技术则可以缩短到毫秒级。当某个智能体遇到突发状况时，系统只需调动周围相关的几个智能体自己协调就能解决，无需从头开始重新计算。
开放创新汇，聚全力共赢
（第二期微软亚洲研究院“创新汇”成员企业代表）
当然，“很多事情看起来很美好，真正做下去就有很多细节”，刘铁岩强调在企业落地AI，算法只是其中的一项挑战。
微软亚洲研究院与OOCL的合作，核心算法的成功早已被证明了，但在具体部署的时候就遇到了“最后一公里”问题。因为一旦到了具体的区域，比如澳大利亚、新西兰等，就会有很多地方性的限制，超出了原先通用模型的范围，因此要解决“最后一公里”的方案。必须要有长期积累能做骨干算法解决方案，同时还要有精兵强将、有战斗力的公司，才能最终打通整个链条。
微软亚洲研究院的科学家与OOCL的科学家和工程师团队合作，就是完美的团队模型。很多具体落地的难题，OOCL的科学家和工程师团队就可以解决，双方形成优势互补。刘铁岩强调，利用AI探索数字化转型，是一个开放创新的过程，需要与真正想通过AI改变自己行业心态的专业人士合作。“在这个过程中，没有甲方和乙方、没有运动员和裁判员，大家都要做运动员，都要下场贡献，才可能踢赢这场比赛。如果想做数字化转型的公司，抱着裁判员的心态来看AI，其实就已经输了，因为没有办法全心投入，没有办法把自己最重要的知识贡献出来。我们能够与企业磨合，是因为这些合作伙伴特别开明，都本着公正、平等、开放的心态才走到今天。”
微软亚洲研究院为什么会选择“头雁”型大企业合作人工智能和数字化转型？刘铁岩强调，微软希望实现示范性的AI解决方案，就需要获得某个行业中最痛点、最难的问题，而只有在行业中摸爬滚打了几十年的大公司才能看透行业，提出最难的痛点问题。“我们希望找非常有经验、能看到全盘问题的公司合作，只有成熟的龙头企业才会做长远的布局和充分的思考。”而与“头雁”企业合作后，就有可能把个案抽象成某种思想、工具甚至是服务，最终提供给更广大的企业。
顺丰科技有限公司CEO幺宝刚表示，“经过多年的经营和前瞻性战略布局，顺丰已形成拥有‘天网+地网+信息网’三网合一、具有网络规模优势的智能物流运营商。加入微软亚洲研究院‘创新汇’只是一个起点，我们相信双方的深入合作将成为物流行业与人工智能深度融合的又一典范。”
“数字化转型已成为企业的普遍认知，由人工智能驱动的数字化转型将为企业创造独特的竞争优势。”而在这个过程中，微软亚洲研究院副院长潘天佑强调，主要的成功要素是AI科学家与企业之间的双方信任。“创新汇”一期华夏基金和OOCL的合作能够取得阶段性成果，就是因为企业高层亲自参与及承诺，其它参与“创新汇”的成员企业基本都是类似情况。而微软作为一家平台公司，不会与任何行业企业产生竞争关系，这也是“创新汇”成员企业可以充分信任微软亚洲研究院的基础。
2019年是中国经济“换档提效”的关键之年，从“互联网+”到“智能+”的升级预示了当前的数字化转型正从泛连接和大数据的积累，过渡到对大数据的有效和高效利用以及通过人工智能从更高维度解决新老问题的方式。
正如长江商学院人工智能与制度研究中心主任许成钢教授所指出的，人工智能在根本上是经济学模型，是从经济问题研究起步又再返回到对经济的贡献中。过去，由于缺乏数据而无法解决大量经济学家关心的问题，现在大数据已经能够开始反映全社会的运行状态，那么人工智能就给予了经济和商业以新的可能性。现在，新的“智能+”世界才刚开始。
