最近几年，很多公司的PPT里，AI（人工智能）成了常用词汇。AI就像是一个“超人”，它究竟是怎样变革传统行业的生存模式的？
2018年初，作为中国最大的船运企业的中外运提出智能化转型方向，这家企业对接世界上不同公司的货物运输，内部涉及到非常复杂的表单数据录入流程，几乎每个码头或地方级办公室都有人工录入员来做录入工作。
然而，人工录入存在人力成本高、效率低、准确率不能保证、录入时间不能灵活处理等问题。中外运亟需解放一些繁琐的人力工作，于是选择了多家厂商，通过细致的POC测试，最终选定了腾讯云。
据了解，自从中外运采用腾讯云物流整合方案后，2018年下半年就实现了超过100万张业务单据自动录入，超出预定业务目标；单张物流单据信息录入效率，从3分钟降低到了5秒；同时，单据识别召回率与准确率均超过了98%。
中外运物流项目成行业标杆
2017年腾讯提出“AIinAll”的AI战略。腾讯的AI版图围绕技术、平台和场景三个维度进行延伸。在技术层，腾讯已构建了两大科技实验室矩阵，包括人工智能实验室矩阵，以及基于前沿科技的实验室矩阵。其中，人工智能实验室矩阵包括腾讯AILab、优图实验室、微信AI等AI实验室。
2018年，腾讯云开始整合腾讯内部包括视觉识别、语音识别、人工智能的算法以及物联网等多项综合技术能力，与中外运合作开发智慧物流3.0平台。目前已形成了一些具体的服务的解决方案，包括单证智能化的处理服务、集装箱智能验箱的服务、智能语音客服服务、运输调度算法服务、物联网平台的服务。通过腾讯云提供的这些数字化服务，中外运更好地连接了物流全流程里的资源和要素，也更好地连接了客户。
这其中就包括利用腾讯云的OCR识别能力，帮助中外运进行单据的自动识别。基于腾讯优图领先的深度学习算法，来代替人工录入，提升录入效率，节省人力成本。
但双方合作最初并不是很顺利。
“腾讯之前主要是服务C端用户，对于B端客户的数字化、智能化、定制化的需求较多，双方沟通起来有一些摩擦，经过一段时间的磨合，腾讯后来也在组织架构上做了调整，腾讯云通过整合内部资源，成立专门的项目团队来对接我们，后续工作就顺畅了。”中国外运股份有限公司创新研发部智能化产品与解决方案组负责人曾锴告诉《证券日报》记者。
腾讯优图高级算法研究员Ivan表示：“客户往往是从直观的场景需求角度出发，而我们优图是作为底层的算法提供方，技术和需求之间是有代沟的，中外运项目场景达40多种，加之涉及的文字各不相同，包括文字的倾斜、样本采集质量不高等等状况，技术上需要解决的难点诸多，让客户理解技术难度的关键，进而让客户根据具体的难点进行配合，提供符合要求的高质量数据，整个过程存在难度。”
“印象深的一个阶段，是2018年年底二期进行交付前，客户反馈了一个比较紧急的Bug，当时我正好在休陪产假，就在产房外面等着，没有电脑，拿着手机和客户沟通。最终还是顺利解决了，项目整体很成功。”Ivan表示。
定制服务解决痛点
在项目进行过程中，压力无处不在。
腾讯云大数据及人工智能产品中心OCR产品负责人晏栋对《证券日报》记者表示，在使用目最前沿的AI技术去解决业务上的难点问题时，就会衍生出很多未知的困难，比如客户提出的要求是，通过OCR技术实现98%以上的准确率。这个要求在实验室环境不算高，但是实际运用中，随着拍摄样本质量下降，准确率也会同步下降。比如，中外运的客户随意拍一张照片，也需要识别出来，这是很难的。
（不同场景下的文字识别）
事实上，2018年腾讯930组织机构调整后，腾讯集团开始以腾讯云作为TOB业务的战略出口。
“例如，针对某个项目，如果要发新版本，迭代新功能，如果是toC阶段时候，我们可以发通告，定期做内部测试，然后慢慢灰度（测试），基本上决定权是在我们手里面。但在做toB的项目时，虽然这个功能可能速度更快、准确率更高，但客户可能会更倾向于稳定性，而不是高频率的创新性。这对习惯C端的团队来说压力很大。所以我们做了很多调整。”晏栋表示。
他告诉记者，腾讯云在选择AI领域的合作伙伴时，会比较关注这家企业的社会价值，包括在整个经济链条中的位置，以及解决的问题是不是这个领域面临的通用问题。
“对于腾讯云AI的深度合作伙伴，我们会提供更多服务。以OCR为例，中外运很多订单是单独定制的，我们的算法工程师、工程工程师等每一位技术人员都会精心做调整，我们在内部讨论形成了一个解决方案，即我们不仅提供产品、服务，也会提供工具。为了更好的服务更多垂直领域客户的需求，腾讯云OCR产品侧通过输出自身的训练工具让更多的合作伙伴具备对外提供定制化OCR服务的能力。这样的模式可以让每一层级的服务都能渗透进去。”晏栋表示。
那么，OCR可运用的场景还有哪些呢？
Ivan认为，从OCR方面来说，可以落地的场景还有很多，例如最近火热的教育行业，因为OCR这个技术属于计算机视觉方面的技术，其处理结果可以跟别的交叉领域进行结合，像自然语言处理，通过前端的OCR得到一些文本，再跟自然语言结合进行翻译、文本的分析、文档整合。这些都是未来方向，也不仅仅局限于OCR领域。
