雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
整理 | 伍杏玲
出品 | CSDN（ID：CSDNnews）
據 CSDN 最新資料統計顯示，在 CSDN 3000+萬的注冊開發者中，689 萬開發者有閱讀、撰寫與研究 AI 技術的行為，聚焦 AI 學習及應用的開發者人數已達到 154 萬。我們看到，AI已成為開發者極為關注的技術領域。
這背後，是開發者觀察到AI已滲透人們的生活。在疫情期間，AI技術走在前線：無人機在高速公路上“喊話”；AI測溫在高鐵站等交通樞紐鋪開；AI口罩識别檢查社群居民出入情況；無人配送機器人在醫院為患者運送物資和食物；人們足不出戶便可通過線上AI客服進行醫療咨詢。
我們看到，好的AI應用能改善人們的生活，開始引起行業的變更。可在其中，我們面臨巨大的挑戰：據CSDN 《2019-2020 中國開發者調查報告》顯示，64%的企業尚未實作智能化（其中14%的企業無資訊化）。
是企業不重視AI還是開發者AI研發能力尚欠缺？作為浪潮中的一名開發者，我們如何捉住機遇，探索更好的成長之路？在衆多AI應用落地過程中，開發者和企業如何通過高效的開發平台和工具來提升落地應用的效率和品質？
對此，由 CSDN、微軟聯合重磅打造，緻力于用「技術驅動商業變革」的《重新整理 CTO》第三期，以“AI抗議背後，商業變革進行時？”為主題，盛邀 CSDN 創始人&董事長、極客幫創投創始合夥人蔣濤，微軟(中國) 首席技術官韋青，以及微軟（中國） 首席架構師韓凱（Chris Han），共同探讨2020年人工智能發展與落地應用，為大家指引方向，期待大家更好地思考和探索AI新方向。
重點速覽
如今數字化絕不能停留在“PPT”時代，不能做“面子工程”、“擺花架子”，必須來真的。我們需認真打基礎的是數字能力，這種數字能力的表現是人工智能，但它的基礎卻不是人工智能，而是人工智能下的資料、數字、模組化、采集、安全能力。
大家以為企業AI化是一個百搭的方案，但數字化轉型、智能化轉型是一個因人、因時、因事、因勢的入手點，而不是統一的數字化。
AI雖是基于統計學的基礎，但在不同的場景要求不同，不要生搬硬套，不要為了AI而AI。
流程用IT能力+AI能力來建構的話，便是一個RPA，這是未來重要的發展方向。但它并不因為叫RPA就有未來，而是把AI的能力用到流程再造和流程優化上。
隻有不超過10%的企業是需要真正的算法工程師，剩下的開發者都應該叫“算法應用工程師”。
如今絕大多數企業處在基建的過程，基建是目前主要任務。在基建基礎之上，有一定進展的公司，其流程已經在建設中，才談得上用RPA。
AI從2016年的AlphaGo事件起很火熱，到2018年達最高點。如今幾年過去，它該如何落地？這需依靠應用工程師。
開發者可從自身特色出發，選擇在資料算法或者在應用上深入研究，我們不要有“好像什麼都會，又什麼都不會”的心态。
對話實錄
1.數字化轉型下，AI 應用化、工程化趨勢
韋青
主持人：請問下三位，在過去的兩個月中，您最印象深刻的事有哪些？
韋青：我感受最深的是在家辦公要比在公司辦公忙得多。還有很多朋友擔心随着辦公方式改變的背後，可能将有一些工作崗位要失業了。
從這我們看到，在應對疫情下，數字化能力是非常重要的生存能力。假如一個人的數字化能力強，空間、時間都不是障礙，可能你隻是比原來更忙。
蔣濤：我印象最深的是健康。如今我們每個人進出小區/園區時都要掃健康碼，如此一來，每個人的數字身份和行為數字化是常态了。
上周日，四位上海巨人公司的員工來我司來出差，他們本來要在北京住一晚，酒店都訂好了。等他們到了北京後，由于其中兩位是北京的身份證，酒店方表示：如果是外地身份證就可以住在酒店，拿着健康碼可自由進出。但是如果手持的是北京身份證，即使有健康碼，客人得隔離14天。最終這兩位小夥伴隻好當天回去上海。
從這我們看到，随着數字化的發展，管理出現滞後問題了。假如管理思維不能更新的話，可能會造成很多麻煩，這是整個社會正面臨的挑戰。
Chris Han：剛才兩位談到數字化轉型，一是從工作角度，二是從客人迎來送往。近一月我在家辦公，深刻體驗到數字化轉型不單單是工作環境，在生活中也有更深的更新。
國内曾做過網際網路生存的實驗，12個人足不出戶僅依靠網絡能否生活。如今在特殊情況下，我一個月都沒出門購物，完全依靠網絡，也能很好地活着。從好的方面來看，這次特殊情況可能對中國的整體數字化轉型速度将會起到提速的作用。而是否數字化對于企業、個人，均起到決定性的作用。
主持人：在特殊時期，對他們三位來說最大的啟發是跟數字化相關，今天我們會繼續朝這方向探讨。Chris在疫情期間用數字化的方式做了一些很特别的事情，可以給大家介紹下。
Chris Han：我看到小區保安在門口對每個進出的居民認真地測量體溫，于是我想技術能幫助他們做什麼。
例如有些廠家用技術監測的手段來測量，我在思考，假如單個檢查和同步物聯網技術形成網絡化作用，它産生的作用才能有持續性，可持續地跟蹤 。從品質管理角度來說，不要變化太多，這樣才能真正達到目的，這是我想做這實驗的初衷。
主持人：如果您的小區裡有像Chris這樣鄰居會思考幫助改善小區的體溫測試，可能是個福利。大家剛才談到一個普遍的話題：特殊情況下，将催動企業數字化的發展。韋青作為微軟（中國）CTO，每天需和很多企業客戶、老闆溝通。在将工作從線下搬到線上的過程中，您發現疫情對企業有哪些影響呢？
韋青：在最近幾周内，我在幫企業做轉型的咨詢和服務中發現一些問題：
在這個時代裡，對于政府、企業、個人、醫院、學校來說，疫情是“做不了假的試金石”，之前我們談的智慧城市、智慧教育、智慧辦公，有部分原形畢露了，這裡頭哪些投入有産出、哪些投入沒産出呢？冷暖自知。
我們切身體會到，如今數字化絕不能停留在“PPT”時代，不能做“面子工程”、擺花架子，必須玩真的。
如今認真打基礎的是數字能力，這種數字能力的表現是人工智能，但是它的基礎恰恰不是人工智能，是人工智能下的資料、數字、模組化、采集、安全能力。
大家不要追新話題，而是思考如何把事情真正做到位，哪怕下次再來類似情況的話，不用“原形畢露”。就像蔣老師所說，目前我們拿身份證号碼去監控人，而不是通過數字孿生的方式知道這個人在哪。
主持人：韋青老師一針見血，大衆已意識到了數字化的重要性。那企業該如何搭建相關的數字化能力？最近CSDN發起一個很特别的活動“百萬人學AI”，為什麼他們在這特殊時期發起這件事情？
蔣濤：2010年，CSDN舉辦雲計算大會，當時我們邀請衆多講師上台演講。大會主席李院士表示，一整天聽完，我的感覺是雲裡霧裡，似乎落不了地。
如今CSDN已不舉辦雲計算大會了，因為它已完全落地。
蔣濤
從2016年的AlphaGo事件起，AI很火，2018年到達最高點。如今幾年過去，大家關注它是如何落地。落地最重要的是如何在各個行業落地要靠應用工程師。如何幫助更多開發者把AI落地，CSDN作為國内最大的中文開發者社群，我們也在思考這個問題。
在CSDN的3000萬注冊使用者裡，我們将每個人看文章打标簽，根據标簽詞的前3名做聚類，例如人工智能聚類表示跟人工智能相關的，在他所有看的文章裡聚類是排前三，說明這個人對AI是真正有興趣的，因為他看很多文章。
關注AI、并在積極閱讀AI相關資料的有154萬人。他們大部分人不是學人工智能的，就像剛才韋青介紹，大部分企業面臨數字化的問題，數字化需涉及智能化分析等人工智能知識，很多從業者原來是沒有這方面的積累，是以這部分的人想了解人工智能技術。
我們希望能夠幫助他們更快地去掌握人工智能的應用技術，并且開發出來自己的第一個“工業級的人工智能應用”。可能他不需要去學那些統計學、矩陣分析、加強學習的調參等。是以我們發起“百萬人學AI”的活動。
我們還做了“AI興趣使用者——興趣使用者登入城市釋出”圖，排列第一位的是北京，27.8萬人；廣東位居第二，21.7萬。這些資料今天是首次釋出的。
我們需要做的是真正讓AI應用落地，讓AI應用工程師能夠成長。
Chris Han：現在确實到“AI工程化”的時候，像蔣濤所說的，我了解是AI工程化或者微軟叫“MachineLearningOps”，從DevOps借過來的概念。過去大家都在談如何調參、模組化，但那僅是部分技術，如何真正和資料、場景結合，落地呢？
你得推送到我的應用環境來，然後模型還得變，需要有版本控制、有更新，這一套方案需循環疊代起來，才能真正用起來。後面我會詳細談下應用的。
韋青：最近我們在跟客戶談的時候，一個很重要的觀點是什麼？
如果拿現在的AI能力和原來的電力比對的話，100多年前當電剛發明時，大家都在談發電，恨不得有點錢就建小電廠，供應周圍的幾百戶人家。誰都可以做，很賺錢。
後來大家發現，原來發電是很專業的事，不是說你會發電就能去發電，就像Chris剛才說的，不是說我會算法就去做算法，很多情況下并不是做算法，而是去應用。
拿電來講，從發電到有人送電、配電、用電。我們拿電去開發新産品、驅動産品，如今咱們很少人再想去學如何發電。從電的使用過程來看，經曆了專注發電、專注配電、專注用電的過程。
蔣濤：您說得很好，我再舉個例子，開發者使用Tensorflow，他不是為了掌握Tensorflow技術，而是用Tensorflow的AI能力，作為MachineLearningOps去做真正的應用。
Chris Han：以發電為例很有意思。從過去的發電小廠子，到後來的遠端傳輸之間，損耗成為最主要的問題。結合AI來談，我們在談機器學習+IoT是個好的結合，供電網上跑的資料，模型放到這就可以用了。
這就和5G有關系，5G有個概念叫“雲網結合”。5G網絡真正用起來時要和計算能力結合，基站如果能夠作為邊緣節點的話，我們把算法推到邊緣計算，那就可以減少很多在網絡上傳輸的損耗時間。這些概念都和韋青剛才談的發電例子挺契合。
2.企業如何部署 AI？
主持人：剛才三位老師在談，在特殊時期，大家意識到需要數字化，我們最缺的是人才，是以CSDN發起“百萬人學AI”的活動，特别是針對應用層。
在講個人學習之前，我們先來聊下企業的問題，剛才大家都說到數字化“冷水”潑出來後，很多企業原形畢露。那麼對于企業來說，應該如何部署AI？該從哪裡開始做呢？
韋青：AI有兩個極端，一是有人能踏下心來往底下走，把算法和資料的關系研究得深刻和透徹。有一批開發者是想回到神經元、支援向量機、決策樹、圖、圖算法的研究裡。這是極少數的，絕大多數人像蔣老師所說的，他們不需要知道電是怎麼發出來，但要精通電是怎麼用的。如今很多開發者可能裝個Tensorflow就要裝半天也裝不上。但大家知道直接上Docker容器就可以，不用裝來裝去。
一旦上了容器又到了稍後Chris詳講的話題，MLOps。我認為，開發者可以按照自己的特點，要麼在資料算法上下苦功夫，要麼在應用上下苦功夫。千萬别好像什麼都會，又什麼都不會。
蔣濤：在CSDN 《2019-2020 中國開發者調查報告》中，64%的企業尚未實作智能化，其中14%的企業無資訊化。對于用機器學習來做預測，大部分網際網路公司是有一些工作。再往深的看，真的在使用AI系統，包括自動化的工具來提升整體效率。最後類似位元組跳動、百度這樣的公司都是算法驅動的。當然這份報告中并不是對所有企業有代表性，還是有IT能力的企業。
我們可以看到，絕大部分企業的基礎是需要建設的，才能談得上AI。這是我們認為絕大部分工作是要把基礎工作做好，再去研究進階算法，隻有到最頂尖的公司才會有自己的AI能力，絕大部分在這上面是應用級的。從報告看出，隻有不超過10%的企業是需要真正的算法工程師，剩下的開發者都應該叫“算法應用工程師”。
韋青：大家要去“用電”，而不是“發電”，譬如中國發電才隻有南方電網、國家電網兩家公司。
Chris Han：通過蔣總剛才的這張圖，我們做科學研究的第一步是先做分類型，看看屬于哪一類的。
剛才我提到一個分類方法很簡單，以AI為核心的企業，剛才以百度、位元組跳動舉例的，均是“原生的網際網路公司”，其整體業務是建構在網際網路基礎上。
網際網路本身是數字化的基礎，其生産材料、生産原料本身已是數字化了的，它不用走數字化得路。它的AI能力是建構在數字化的基礎上搭建的，大多數企業是處在數字化的水準線下的，是以第一步是能夠數字化。
什麼叫數字化？就是企業得能産生數字，這些數字可能來自營運、流程、客戶、供應商。企業有了這些資料後，才能考慮拿資料模組化，如何去建構AI的應用？這個應用的目的是什麼？
過去沒有AI，沒有數字化的時候，公司是靠人來搭建這個流程、人去走流程的，無論是決策還是執行都是靠人。蒸氣時代後，人的工作執行能力被替代，但是決策能力沒有被替代的。
AI要解決的是把底層、重複性的決策工作給代替，有了數字後是把最低級的決策代替掉。對于進階的決策，可能人們還不相信機器，也可能是它做得還不足夠好，是以現在還沒有代替到那個程度。未來目标是希望越來越多的用機器智能來替代人做一些工作。
企業要決策自己适合不适合做AI，在什麼地方适合做AI，先把自己的業務和流程梳理清楚後，才知道哪塊合适用AI、哪塊不合适用AI。
韋青：過去幾年，很多企業沒有建立一個成熟度分析模型，成熟度模型不建立，隻一擁而上。導緻現在很多企業有很好的目标、決心、投入，但是沒有成功或者結果較讓人失望。大家以為企業AI化是一個百搭的方案，但數字化轉型、智能化轉型是一個因人、因時、因事、因勢的入手點，而不是統一的數字化，沒有這樣一個概念的。
主持人：總結一下各位老師說的，企業要部署AI應該望聞問切，針對企業的具體情況去開方子，沒有一刀切的方法論。
那麼如今企業部署AI，除了要分析企業自身之外，還如何去搭建AI呢？是從0到1完全自己做？還是選擇平台來輔助它做？
蔣濤：CSDN也走過彎路：2015-2016年，CSDN想自己建立算法團隊，包括大資料團隊，投入了好幾千萬。但實際上，它做的90%工作是基礎工作，是百度、微軟等已具備的能力，對我們來說這是巨大的浪費。2017年，CSDN調整政策，開始使用第三方的工具。
但也不能完全依賴第三方，那時我們用的是一家AI公司，宣稱7天能搭建一個今日頭條。這個方案聽起來很性感，其産品是全自動化的，但事實上它像一個玩具。
它提供在一個架構下好像是可以的，但是企業的業務資料複雜後，還是要有自己的處理能力，是以要有一個平衡度：哪些子產品使用基礎設施，哪些子產品要有自己的定制化能力，需要尋找中間平衡點。
Chris Han：對于很多企業來說，都在不停地在問同一個問題：自己造還是去購買？
從我接觸的客戶上司的思維裡，這個決策在考慮有了這能力後是否不受其他人的鉗制，自主可控？另一方面，我們在建構AI能力時确實不可能什麼事都從頭做起，如果每個人都重新發明一遍輪子，社會如何進步啊？
Chris Han
平衡點在哪裡？以雲平台為例，它分為三層：最底層是IaaS層，中間是PaaS層，最頂是SaaS層。
SaaS是打包好的現成産品，使用者直接用就好；SaaS是基于提供商提供的功能，可能定制能力稍微差點，但使用者完全不用操心，拿來用就好；IaaS是大多數情況下，使用者得有IT管理能力；PaaS是提供開發平台，把基礎IT的工作給完成，使用者做商業應用等定制化操作。
這個平衡點在哪？在PaaS，我提供你一套工具，它同時會有部分PaaS自動化元素。我們越來越多地幫助客戶将沒有直接創造商業價值的部分功能給自動化，核心和業務相關的邏輯和功能需自行定制。
韋青：剛才蔣老師舉的2015、2016年的決策例子特别好，我經常跟客戶講，如果公司請得起世界頂級的數學家，那就可以走自研算法等的路。如果你請不起世界頂級數學家，那你得懂，但懂不等于去做。
那如何改善問題呢？由于開源很流行，很多算法都公開出來，是以給很多公司一些誤解：在某一個時刻通過投很多錢，便能到達世界前沿的位置。如今技術發展很快，哪怕去年是世界第一的位置，今年可能不是了。我特别喜歡那句話：沒有leader，隻有在任者。
随着時代發展，一定有人在發電發展得很好，但是發電的人不一定用電，還有一批是做設計的人，就是用AI的人。
微軟應是“發電者”，以這圖為例，上面有微軟的應用、AI的能力，底下是資料。将AI能力放到資料源後，産生的各種各樣應用的效果，是以像Microsoft 365、Dynamics 365等。
這是資料+AI的能力。但是單單靠微軟的資料還不夠，還需第三方資料，用連接配接器連接配接在一起，這是标準的結構。
而像微軟CEO薩提亞提到下一步大力發展的PowerPlatform，它底下有資料連接配接器，外面的資料可以連進來，CDS是做資料整理，再有AI的能力。做支撐的有BI應用開發，低代碼開發、RPA自動化、機器人。
主持人：從這個圖看微軟AI的能力，更多是讓這個東西變得不是神，讓它能夠輕易的被大家所接觸，不管是SaaS層，簡單到每天用PPT、Teams、OutLook，中間就有很多AI分析能力。
韋青老師講了SaaS和PaaS層，想請Chris介紹下PaaS層的AI、Azure的架構。
3.Azure AI 詳解
Chris Han：Azure AI是分為：機器學習、知識挖掘和認知服務。
PaaS層的工具可定義一套工具、一套流程來支援MLOps。這說明有PaaS的工具給你用，但很多人不知道這個工具能幹什麼。微軟用“吃狗糧”的方式來操作：将工具做出現成的應用級服務，以API的形式呈現給開發者，可直接拿來用，無論在對接資料、知識挖掘，還是認知服務，開發者可直接build應用。
對于有的應用開發者來說，即使你把API給他，很多情況下他也不會用，更不要說不同語言的割裂了。微軟又做出更極緻的東西：無代碼/低代碼開發平台，開發者可直接通過拖拽的方式建構API、UI就能做出應用，這是技術平台到了一定程度後就開始到應用層面了。如此一來，開發者不僅可以做普通應用，還可以開發AI應用，進入到應用的層次。
我們從早期的BI和Apps，再到PowerPlatform。在這個過程中，最基本的先建構資料驅動應用，在左下角這一塊。SaaS加上AI能力，Dynamics 365，Dynamics 365相當于CRM和ERP結合的産品。Dynamics 365裡面内置AI的能力，把這些API內建到這裡面，無論是供應鍊的分析還是訂貨預測，都直接提供這些能力打包，如果沒有其他定制化的話，使用者可直接拿來用。
到了一定層次後，有些人覺得SaaS不夠用了，必須定制化，那麼加速器和定制AI能滿足使用者的要求。
在語音服務和認知搜尋中，可直接用它來做成自己的知識庫。開發者去做搜尋，甚至可以對接語音，用語音查詢或者反過來用TTS把文字轉成聲音讀出來，最終到定制AI。
在完全定制中，大多數人能幹什麼事呢？可能是選算法，然後模組化型、調參，但很多人不知道該怎麼調，此時可依靠機器。是以這裡是定制AI，我們還提供aotuML，可直接幫開發者來選擇算法，當開發者定制後，它自動幫開發者測試，很大程度減輕輕開發者的工作。
Chris Han：在疫情期間，我觀察到小區裡保安每天日常的測量體溫工作，想從流程上給他們一些技術建議，于是我們想到将技術變成常态化的東西。未來可以和疾控、智慧城市結合在一起。
那麼如何把它全面自動化出來，快速搭建應用？給大家介紹下架構：一開始是紅外傳感器。紅外傳感器很多廠家自己有算法，紅外傳感器讀出來的是灰階圖像，溫度高的東西亮點，溫度低的地方暗點。花花綠綠的顔色是為了看起來友善些，而人工染上去的，實際上它是個灰階圖像，灰階圖像再通過算法來計算。
但部署環境、季節、環境濕度等有對精度會有影響。例如人從室外進來，室外溫度較冷的話，皮膚表面溫度低，此時就可能測不出來。這個算法就有定制化的問題了，實際上不同的場景、不同的季節應該是可調整的。
是以我的基本思路是硬體解決了傳感器，保證讀回來的灰階是OK的，溫度靠軟體，可以随時更新和疊代，不同的季節、場地用不同的參數。
一個人可做單點機器部署，如果規模大，需鋪成網絡、監測的話，部署是個問題。這是IoT特别好的一個場景，這塊使用微軟IoT Edge技術，它基于容器的。
但是實際的訓練模型是在背景做的，我在VS Code加上Docker，再打包推到容器的注冊器裡。在Edge有個配置，可直接從這拉過來後運作。
在這個過程中，如果管理成千上萬的裝置怎麼辦？雲端IoT Hub負責管理裝置、分發不同的消息、裝置到雲端消息的收集。
業務應用上，我們先做報表，讓人能看得見溫度的變化。然後通過實時的資料源方式把資料直接推過來，這使用到Azure Function技術，即Serverless的程式設計模式。如果有新的消息上來的話，可直接推流推到這裡來，實時顯示不同人的溫度，還可以預警。
另外，我進行了一些優化，考慮到小區保安可不用一直呆在原地，有事提醒即可。我通過PowerPlatform裡面兩個元件，一個是flow，收到一個消息，然後發出可推送到手機上檢視，前端安裝PowerAPPs，假如有了警報就直接推過來。目前已在我的手機上部署上了。
将報警推到手機之後，可提醒使用者做二次檢驗，因為它不會像紅外探測器準确度那麼高，可以把域值稍微設低，它一有報警的話，可人工做二次檢驗。這就完成了MLOps的閉環 ，這是最關鍵的點。
我們中國台灣技術團隊研發出是否戴口罩的檢測應用，這個功能在這上面很容易實作。除了自動AI外，還可以在認知服務API，直接上傳照片，讓它做分類。如此一來，我各挑選十幾張戴口罩、沒戴口罩的圖檔，訓練出一個模型來判斷使用者是否戴口罩，要是沒戴口罩，還可提醒使用者戴口罩。
4.關于 AI 的未來
主持人：未來大家認為AI的機遇有哪些？
蔣濤：現在面臨一個大的更新：從移動應用時代進入到AI應用時代，那麼如何去發現周圍的AI應用？現在我們周圍的AI應用有很多，如搜尋、今日頭條等。
我們預測AI應用資料将從現在的7%上升到20%、30%、50%，可能在3到5年内完成，上升一半的資料。你會發現你周圍的AI應用從10個變成了100個，呈10倍數的增長。
Chris Han：AI已經開始進入應用的快車道。在開發應用時，如何用現有的工具讓算法順利運作？讓開發者聚焦在解決商業問題上，這個模式從沒變過。CSDN的“百萬人學AI”活動是為了鼓勵開發者找到真正的商業問題去解決，然後知道AI适合在什麼地方。
我們要注意的是AI在根本上是基于統計學的基礎，是以在不同的場景可能要求不一樣，不要生搬硬套，不要為了AI而AI。
我基本就這觀點：當下是時候該進入AI應用了，但要搞明白它适用什麼、不适用什麼。
韋青：我認為以後不存在AI這個概念，AI即應用，它是一種數字化新常态。我建議大家不要去追那個詞彙 。舉個例子，朋友問我AI不是有“連接配接主義”、“符号主義”？
我說你要是讀經典的機器學習書籍的話，本身不存在“連接配接”跟“符号”，它是演繹推理跟歸納推理的本質差別，是結合在一起來用的。
我建議大家，借此機會把數學溫習，把具體的商業問題再了解透徹，然後用先進的技術、能力，将應用做得更加智能、降低人們的負擔，這是未來的新常态了。這是必須走的路，未來我覺得很少人再去使用一個不了解人的互動或者意圖的應用，這樣的應用也會越來越少。
5.RPA會內建到各個行業中？
Q：RPA（機器人過程自動化）概念很火，有人說“RPA會內建到各個行業中去”，對此，大家怎麼看呢？
韋青：RPA核心就是流程自動化，我經常說“一葉落而知秋之将至”，RPA火爆的原因是商業流程再造。RPA是把算法的能力放到流程利自動化。原來做BPR時用基本的流程再造和一些IT能力變成BPR，現在把BPR加上AI就是RPA。
大家不要被新詞所誤導的話，隻要把流程用IT能力+AI能力去再造的話就是一個RPA，這一定是未來很重要的發展方向。但它并不會因為叫RPA就有未來，而是把AI的能力用到流程再造和流程優化上。
Chris：PRA的核心就是PA，Process Automation，那個R（Robotic）是說它可以用AI的技術做非結構化資料的結構化。
PRA最開始是企業審計用的，它面臨的問題是大量線下的實體表格資料轉換成數字化的資料，這個事是需要解決的。想用自動化的方式把資料采集上來，這是RPA最開始解決的事。
微軟的Power Automate裡包含RPA功能。是以我不認為RPA是新鮮的詞語，是過去的管理思路+現代技術而成的。
蔣濤：這是商業驅動的，在國外現在最紅的是UIplus，它在國内現在發展也還不錯，我們正在談是否要舉辦PRA大會。
如今絕大多數企業處在基建的過程，基建是目前主要任務。在基建基礎之上，有一定進展的公司，其流程已經在建設中，才談得上用RPA。在國外經曆了BPR等的洗禮，是以它發展得很快。
韋青：如果沒有流程，PRA就發揮不了它的作用。
Chris：國外是經曆了一輪的IT實施，它存在很多遺産系統，這些系統要想過渡到新的東西，要麼把它重寫，要麼面臨把它封裝內建，此時RPA也起到一定的作用。
【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-04-01
本文作者：CSDN App
本文來自：“
CSDN”，了解相關資訊可以關注“
”