10月15日，由國家發展和改革委員會、工業和信息化部、國家網信辦指導，中國人工智能産業發展聯盟（AIIA）主辦的2018 AIIA人工智能開發者大會在蘇州國際博覽中心盛大召開，Video 極鍊科技聯合創始人&COO董慧智受邀出席，并在主論壇就《解構AI賦能新文娛産業》帶來精彩演講。

以下為Video 極鍊科技聯合創始人&COO董慧智的演講實錄：

感謝大家！今天聽了這麼多，其實我覺得AI已經成為現在整個高科技領域的主流，但其實在我們剛剛創業的2012年，AI還是一個很偏的話題，當時是很苦的，直到2014年、2015年，日子才開始好過了，在這裡面，我們也是最早應用的。

在AI應用領域裡面大家熟知的有安防、智慧城市等，另外一個領域就是與大家的生活、消費息息相關的、同時也是互聯網中間信息集中度最高的領域——文娛。文化娛樂是非常大的領域，和廣告、電商很多商業模式直接關聯，而我們盯準的就是文娛領域，要做用AI賦能新文娛産業，然後和廣告、電商、新零售關聯在一起，從而發揮出萬億級的市場潛能。

從我的理解來看，Video 從2012年開始做，我們就在思考AI能做什麼事？包括剛才機器之心講的，AI能夠做的就是把海量用戶、海量信息、海量需求，用統一自動化方式撮合在一起，産生出很多連接點，從而創造出非常大的經濟價值。

我把這個過程分成三個步驟。第一個步驟是感知，不論是語音識别、語義識别、圖像識别、視頻識别，都是感知的部分，不僅是感知别人說話的含義、每個眼神的含義，我們現在做的還有感知每個圖像背後表達的什麼情感、什麼故事等。之前講過一個結構模型，知識圖譜模型，任何一個互聯網視頻，往上都有基礎要素，包括明星、物體、人物、場景，這些都是基礎标簽，再往上就是情感，再往上就是故事，現在大家都在花大力氣做這一塊的感知。

感知隻是第一步，把海量的模拟信息轉化成數據信息之後，這個量太大了，就要做自動化。當我把現有的方法論、把以前人操作的部分轉變成公式，轉變成自動化的系統，才能逐漸顯露出人創建的方法論的局限。

人的很多棋譜都很精妙，但是當我把AlphaGo這樣自動化的機器和圍棋高手放在一起，才能可以發明出更多的棋局，就進入了第三步優化，我們在進化這個過程，需要讓機器的感知更像人的五官以及其他器官一樣，自動化得像神經，我們每個肌肉動作都不是大腦思考的，有本能自動的過程。 最後一步當機器達到可以思考、可以優化、甚至模糊優化的時候，這個時候才是AI走向大腦智能的時候，這是我們對AI未來發展的理解。

而我們正處在自動畫像、優化這個方向當中，我相信這也是很多AI企業正在努力的方向。在我們看來，國内AI公司，我們分三大類，AI算法公司、AI應用公司、AI硬件公司；而我們是典型做應用的公司，而且非常垂直，專注在文娛領域。而AI未來應用最廣泛的六個領域，包括安防、機器人、無人駕駛、醫療、文娛，這是我們判斷在五年之内會真正創造出萬億級市場潛能地方。

講到AI 文娛，我們介紹一下自己，我們從2012年開始創業，目前發展到C輪，是AI 文娛領域的獨角獸，集團旗下包括AI場景廣告、電商、新商業IP、新零售等各種産業，投資方包括阿裡巴巴、曠視科技、優必選等。

對于新文娛産業是怎麼催生這樣大的體量的，我們發現有幾個效應，當經濟走緩之後，更多的文化産業占娛樂的比重會增加，此時95後、00後的消費心理逐漸從需求消費心理出發，轉變成觸發型經濟，比如80後買東西是搜索，想買什麼買什麼，從而成就了淘寶京東，而現在的很多95後、00後，他們買東西更多的是，被什麼打動了買什麼，從而才會有現在的種草、撥草，文化娛樂觸動的粉絲經濟、IP經濟也好，都是一個非常強勁的趨勢。但是如果隻用人工的方式培養粉絲，太慢了，而AI會大大加快這個進程。我們利用70%的長尾視頻和直播的流量，用AI的方式，把種草撥草的過程自動化，就可以産生大量的文娛消費，包括廣告、電商等，這是我們的發展曆程，也是很多AI公司未來會發展的路線。

我們在2012年開始做AI技術，我們從那個時候開始，就專注AI文娛這個領域。到了2014年，我們發現作為一種技術而言，我們是比較領先的，之後就開始尋找應用場景。當大家都在看視頻的時候，往往隻是在那看，沒有辦法和視頻内容進行深度互動，于是我們做了第二套産品，VideoOS。這套系統就是把VideoAI識别出來的數據，通過用戶可以直接互動的方式和AI數據結合，從而産生投票、購買、點擊廣告等行為，當這些用戶行為和現在的産業經濟關聯起來之後，就産生了一個很大的應用場景。

我們一方面在找AI應用場景，另外一個方面創建應用場景。

這是我們總體架構，也是我們現在能夠占據在衆多視頻以及直播平台，都使用我們的操作系統的原因，現在來說已經形成了一個閉環。一套系統VideoAI，把視頻數據辨識出來，形成一個數據庫，現在已經做到了全網熱劇的數據化，數據自動通過VideoOS進行匹配，當一個用戶打開視頻，把場景自動匹配到相應的廣告，比如說啤酒、一些女性喜歡的飲料等，在合适的節點把廣告自動推送出來，這就是通過視頻場景所産生的情感共鳴，直接轉化成廣告點擊和廣告銷售，這個過程就在第二套系統裡面實現，這套系統就是一個在視頻中的小程序，所承載的業務就是廣告、電商、新零售，三大塊業務。

這是一個介紹我們AI技術的視頻。首先我們用全序列識别算法，像Face 這樣的公司人臉識别已經做的非常好了，為什麼要投資我們，是因為我們完全從視頻出發，所以在視頻處理過程中，最基本的單位就是視頻，而不是理解成圖像的集合，我們算法中間融合了很多特殊算法，比如說去特效，場景聚合等等，這些算法最後一步才是圖像識别，這是之所以我們能做到這個領域最專最深入的原因。

技術方面，白色是我們技術的處理，經過一個系列的處理之後，把視頻結構化成為一個數據庫，我們稱之為視頻結構化數據庫，這個數據庫就很像知識圖譜，隻不過這個圖譜是2012年到2018年全網熱劇的數據，經過存儲之後，通過匹配算法完成用戶标簽和廣告需求匹配，自動推送相應廣告，實現海量用戶、海量信息、海量需求自動化，這套系統是我們所做的，現在已經批量化商用，我們這套視頻AI商業化解構系統已經是市場端商業應用最成熟的一套系統。

關于技術壁壘，我們在這個領域目前在全球是領先的。剛剛說到，我們有一個數據庫，數據庫長什麼樣？我們把文娛視頻分成四個層次，最底下是視頻層，所有的平台都有一個媒體庫，決定了我的視頻庫有哪些綜藝節目、電視劇、電影、短視頻，媒體庫是視頻層；第二層是信息層，大家看到的AI辨識出來的東西、人、物體等；最下面一層是情境層，最終能夠打動人心的部分，為什麼年輕人願意為一個隻是五十塊錢的成本東西，花五百塊錢去買，就是因為被這個視頻的娛樂特性打動；而每種不同視頻場景都對某一品類的廣告或電商有非常高的轉化作用，這就使得AI有了很強的用武之地。

我們把識别的數據庫和我們的廣告關聯起來，就是用的VideoAI底層識别系統，匹配到用戶體驗最好，同時轉化效率最高的廣告，再通過VideoOS中用戶喜歡的程序，讓用戶參與投票、卡牌收集遊戲、發紅包、購物這樣的過程，轉化率非常高。我們去年做過實驗，在同樣一個場景當中，普通的廣告，轉化率千分之二左右，但是用我們的旅遊貼、或者說投票，可以達到平均3%的轉化率，為整個商業帶來很大的價值。

這是長隆遊樂園在芒果TV投的廣告，帶來了很大的轉化率而且效果非常好。

第二個例子是Tutor ABC，一個英語教育公司，我們識别的是明星說英語的場景，當一個明星在視頻當中說英語，就把這個關聯的廣告推出來，轉化率極高，他們已經第五輪下單了。

2018年，Video 到了C輪，會有更多新的增長點。網絡視頻每天十幾個億播放量，覆蓋4.5億人群，但目前為止隻有1%的填充率，我們還在盡可能多吸引更多的用戶進來，但是熟悉廣告的都知道，廣告的商業場景有各種要求，不可能做到百分之百，但很多場景都可以用電商、新零售的方式進行填充。

在文娛電商這個領域，我們制定了行業标準，通過千人觀看帶來的銷售額——VPM值來衡量其中的商業潛力。包括我們與芒果TV合作的超級IP，如《歌手》、《爸爸去哪兒》、《媽媽是超人》等2018年的超級IP，VPM值都非常可觀，在超級IP上，未來還會帶來更多的商業化變現。

後面還有一些美食類的案例，就不做詳述了，如果對AI文娛感興趣，希望可以和Video 多聯系，謝謝大家！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!