编者按：为推进“AI+行业”理念的落地，支持更多企业在数字化转型的大潮中乘风破浪，微软亚洲研究院在2017年成立了“创新汇”。如今，创新汇成员企业已扩展到27家，包含来自金融、物流、教育、医疗健康、制造、零售等多个行业的龙头企业和创新公司。恰逢“创新汇”成立三周年之际，我们采访了来自不同行业的成员企业代表，畅谈企业数字化布局、数字化转型中面临的机遇和挑战。

赛诺菲于2018年成立了数字创新中心，目的是抚育更多的数字化项目，更重要的是将这些数字化项目落到实处，产出新的业务模式或提高目前的工作效率，包括内部流程的优化、外部客户的合作以及医生和病人的服务。当今，整个医药行业，甚至所有行业都在做数字化转型。过去的医药公司销售模式靠的是销售代表一对一推广，药物研发也都是靠人力，一个药的研发要花10年-15年，成本非常高。未来，如果发展成为数字化临床研究，费用会大大缩减。我相信数字化模式是未来趋势，即广覆盖、低成本的模式。

礼来的数字化转型步伐在6、7年前已经开始。我们的第一步是在中国建立全球的信息技术创新中心，并从三个维度做了布局：在传统的销售营销模式里更好的运用数字化技术；建立灵活有效的数字化平台，实现全渠道集成，线上线下整合, 同时建立更好的内部数字化能力包括数据分析平台和内部流程自动化；积极与外部合作，在业界建立生态圈。比如在糖尿病的慢性病管理中，早在2014年我们就在业界率先推出了移动 APP，为患者提供除用药以外的基于五架马车理论的全方位管理服务，包括饮食、运动、血糖监测以及疾病知识等，该 APP 最多达到130万的下载量。

中汇是帮助外汇交易中心实现全球人民币主交易平台和定价中心的战略目标的。在数字化转型方面，中国外汇交易中心和微软亚洲研究院的合作其实已经有很多年了，我们的起步合作项目是应用在金融产品中的“可解释的智能推荐”。它的创新之处在于不仅通过 AI 给客户推荐最合适的金融产品，并且告诉客户推荐此款产品的原因。一方面保证了产品推荐的成功性，另一方面也让我们的交易员更好地理解客户需求。

在和微软亚洲研究院的合作中，我们真正意识到了数字化转型带来的便捷性。在新冠疫情初期，我们将朗文小英开放给了武汉所有的学校和家长使用。在这个过程中，因为我们所有的东西都需要做不同的技术开发，如果采用传统的方法会非常耗时，但是在数字化技术的帮助下，我们在一周内就完成了所有的开发工作，这个体验对我们来说是非常好的。

微软亚洲研究院“创新汇”是对我们已有研究模式的全新探索。我们在和创新汇成员的交流里获得了很多新的灵感，去做进一步、更深入的研究。创新汇正是通过这样的模式，和企业共同探讨如何把技术与行业领域多年积累的知识结合起来，真正做到颠覆传统，创造新模式。这也符合微软予力每一个人、每一个组织的承诺。

我相信不仅仅是赛诺菲，整个医药行业甚至所有的公司和行业现在都在做数字化转型。中国医改的核心是保基层，基层的发展其实是很难的一件事情，那么如何提升基层的能力？这个只有靠 AI，靠数字化，没有第二条路走。

在确保数字化创新方向正确的同时需要保持合适的速度，使其达到平衡。此外，还要打造外部数字化和内部数字化的平衡，大家经常被外部数字化所吸引，愿意投入大量的资金，而经常忽视看似没有非常强大的内部数字化，比如流程自动化、数据分析的能力。

培生现在每年大概有超过60%的收益来自数字化相关的业务，而在10年前这个比重可能只有不到10%。在数字化转型的过程中，我们发现数字化不仅是将内容和服务转到线上，实际上是通过数字化将学生的体验做到最好，真正解决教与学的问题。

数据和业务标准化是目前保险资管行业推动数字化转型的难点。传统的 AI 模型面对的都是静态或相对稳定的场景。而公开市场投资所处的环境是一个不断变化、自我更新的市场，甚至会随着参与者投资行为的变化而发生变化，这对数字化转型提出了更高、更特殊的要求。

如何在金融和科技两者之间构建一个桥梁？技术巧妙地连接了二者。今天的 AI 技术不止帮助我们的业务人员理解他原来的需求，同时也可以启发业务人员去创造新的需求。

我们希望通过数字化转型抢占未来金融创新发展的高地，形成数字化驱动运营机制，将传统以人为主的运营体系变成以数据为主的运营体系。这需要很多高端人才以及跨界合作。证券行业服务于实体经济，意味着必定要融入整个社会，产生数据交换，但怎么做，可能需要共同去努力和推动。

数字化转型的目的不是数字化本身，而是在数字化基础上的决策智能化。数字化相对简单，可是智能化比较复杂，需要 AI 科学家和行业专家一起才能够寻找到适用于企业的个性化解决方案。企业想要全面拥抱 AI，那么就需要亲自上场做“运动员”，参与其中，改变企业文化，让核心员工具备 AI 的思维。只有这样才能够在数字化转型的大潮中乘风破浪，立于不败之地。微软亚洲研究院在进行研究、帮助企业合作伙伴寻找 AI 解决方案的同时，也非常关注这些方案背后的算力和能源的消耗，希望通过我们的共同努力，能够实现真正可持续发展的人工智能。