11月9日，浙大网新董事长史烈出席在乌镇举办的第五届互联网大会并发表演讲，谈浙大网新的“创造性破坏”实践。
史总在演讲中谈到，今天的人工智能、云计算、大数据等新兴技术的发展所带来的不仅仅是技术革命，也是整个社会范畴的系统工程，它一定会改变现有的生产模式、我们的生活方式、观念、甚至是社会伦理。
史总在演讲中谈到，今天的人工智能、云计算、大数据等新兴技术的发展所带来的不仅仅是技术革命，也是整个社会范畴的系统工程，它一定会改变现有的生产模式、我们的生活方式、观念、甚至是社会伦理。
浙大网新现在正在做的，是顺应形势，将这些算法技术与网新自身深耕十数年的智慧城市、大交通、大金融、大健康等行业领域结合，把特定行业的产品、工艺、流程、质量控制、用户反馈、考核管理等等，都转化成算法；并将算法跟原有的设备、产品等硬件结合，成为新的软硬件结合的产品和服务。通过这种方式，实现生产要素、竞争要素的重新组合，创造性地打破原有的市场均衡，寻找新的增长点，引爆行业的创造性破坏机会。
在谈到具体应用时，史总从三个层次来阐述浙大网新的“创造性破坏”实践亮点。
1、应用层——算法技术与传统行业相结合
史总首先谈到了智慧管廊业务。以前人们经常看到，路面一会儿被挖开维修燃气、过几天又被挖开抢修水管，有市民说：“恨不得给路面装个拉链”，现在浙大网新就做了这个智能的“拉链”。
网新的智慧管廊，首先是通过建造市政公用隧道空间，把电力、给排水、燃气、网络通信等市政公用管线，根据规划的要求集中铺设在一个空间内，实施统一规划、设计、施工和管理；然后通过管廊一体化的综合监控平台可以远程操控管廊内的所有设备，并且与手机终端无缝链接，把每一根管线数字化，把水务、电力等不同的系统整合平台化，彻底改变以往各个管道各自建设、各自管理的零乱局面，大大降低使用、维护成本。
图为浙大网新董事长史烈在发表演讲
在金融领域，网新将大数据和营销结合，通过客户画像的智能运营，替代了原有的人工筛选客户。网新为杭州一银行做了一个办卡客户筛选，通过机器学习算法，对该银行几十万的信用卡和借记卡客户进行分析，自动筛选出最有可能接受本次办卡营销的客户名单作为电话营销目标。在近两个月的实际营销过程中，两组外呼人员分别采用数据挖掘提供的客户名单，以及银行人工选取的名单。结果显示，数据挖掘名单组的外呼办卡成功率高达人工名单组的2倍。
此外，浙大网新做的智慧养老社区，通过传感设备与医疗设备接口，采集老人身上的数据，打破原来的人为看护，把老人数据上传到云后进行实时监控。在快销行业，网新帮耐克利用数据分析推测销售量，减少无用库存、及时补货，这样的案例还有很多。
2、技术架构层——分布式AI带来人工智能应用的新局面
史总谈到，高新技术行业自身也是在不停地迭代更新。在数据成指数性增长的时代，集中式AI计算已无法满足海量数据传输和处理的需求。很多城市在推进城市大脑或行业大脑的过程中已经遇到了阻碍，网络传输和GPU运算的成本动不动就上亿。而分布式AI采用集中式城市大脑和分布式小脑相结合的模式，通过边缘运算，充分调动所有终端AI芯片的计算能力。
演讲中史总利用章鱼做了个形象的例子，章鱼拥有两个记忆系统：一个是大脑记忆系统，另一个记忆系统则位于八根腕足，直接与吸盘相连。章鱼60%的神经元分布在腕足，每根腕足都有独立的神经元，可以实行多线程同时作业，独自感知环境，快速做出反应，无需大脑给予具体的指令。
如果说章鱼的大脑是中央城市大脑，那么分布式小脑就是章鱼的腕足。分布式AI调动了海量的廉价并行计算资源，可大幅降低城市大脑、行业大脑的实施和运营成本，惠及更多城市和行业。
例如，浙大网新分布式AI应用于智慧交通、智慧安防等领域，通过城市摄像头和边缘化运算，在分布式小脑快速提取视频的结构化信息，并将信息归类上报，保证突发情况快速处理，提升城市平安指数。
3、核心算法层——AI训练模型的迭代
网新目前正在尝试采用对抗神经网络来训练AI，让其进行自我深度学习。对比传统人工打标签的监督学习AI训练模式，可以节省海量的训练时间，减少大量人力物力的投入。还能并行训练不同应用场景的AI，从而做到快速训练，快速应用，快速部署。例如：采用GAN AI训练的人脸识别模型，人脸辩识率从46%进化到90%，仅需要24小时的训练时间。
机器对抗学习后识别人脸不需要高清摄像头，在普通摄像头中捕捉的模糊画面经过比对后也可高概率识别出正确的对象。这将能很好的应用于城市中现有的存量摄像头，降低设备采购和维护成本。史烈开玩笑的说，以后公安抓逃犯，未必要靠张学友开演唱会，利用城市满大街原有的普通摄像头就可以做到了。
最后，史总表示，技术的发展只有与行业的结合才能碰撞出新的生产力，正如网新一直坚持的“技术洞见，扎根行业”这一理念，浙大网新会继续把“云计算+”，“大数据+”，“人工智能+”的技术深入应用到行业。他号召各行业企业间多碰撞、合作，一起引爆行业的又一轮“创造性破坏”机会。
