选这个来听，本意是希望听到关于企业SaaS怎么做的讨论，但遗憾的是，还是偏少。主要是企业服务如何匹配新基建等大方向和大趋势的。

信通院政策与经济研究所副所长何伟，https://www.leiphone.com/news/202008/PG3C7FP2gUzNXNAd.html

重点在于产业发展的时间和方向，企业服务应该与其保持一致。

阿里巴巴副总裁，郭继军，https://www.leiphone.com/news/202008/wvoatM5VImhgvrGQ.html

企业服务中，数据凌驾一切，打通数据间的障碍，后挖掘及形成新的业务。而对阿里来说，目前则不纠结于具体是哪个云，哪一家的云，只考虑将其打通并组合给应用。

确实，现在看来，阿里云虽然优势明显，但一统天下反而会惹来各方巨头的反感，倒不如把云服务本身的野心放下，多做连接，及连接后的挖掘的工作。

腾讯的吴祖榕，链接尚未出来。整理了笔记。

主要是基于腾讯会议这个产品而展开的。现在的沟通，参与者更多，企业更多，地域分布广，网络连接质量参差，硬件终端也多元（硬件不一、操作系统不一，软件不一）。

要知道服务质量有没有问题，仅凭网络质量分析是不行的，还要增加其他的评估体系。这里举的是会议主动降噪的技术，背景音可能有汽车、风雨等等，会议系统要主动去学习、识别，再针对其特征进行降噪

另外安全/隐私方面的思考。

华为云的苏立清，https://www.leiphone.com/news/202008/jK6IVqpEDVuAtI7b.html

应该是IT线做起来的，最成功的case就是松山湖欧洲小镇的整个数字化园区了。中台应该反映的是业务需求而非技术需求，因此才使用的是微服务。

IoT平台其实很多，要实现其互联不容易，但实现后获益的是IT，IoT–IT产生融合后提升管理效率。

循环智能的杨植麟，https://www.leiphone.com/news/202008/tL70XR59QhVy4vSW.html

技术含量颇高的。循环智能是给银行/金融机构做语音机器人服务的。有其独创的开源框架XLNet。

主张在语音识别的训练上，应该采用声学和语言不拆分的方式。（这颠覆了我的理解，我一直以为，先识别出音节再对应到文本……）

由于是商用的平台，对效率和成本有了本质的要求。AI Bot降成本的两个方式：算法上进行性能优化，重用一些做过的工作的结果；工程上进行优化。

标注成本：用active learning的方法提高标注效率，降低标注量。

提高少样本的学习能力，根据场景进行优化，可利用更少的标注。

效果评估，引入AI来评估结果，对应到业绩的提升效果。

关于AI和SaaS的对比：

很多时候传统SaaS模式为什么成立，是因为它的边际成本非常低，基本上所有的客户都在云上，用同一个软件去交付不同的客户。所以新来一个客户，边际成本特别低。但是AI在这个场景中不完全成立，因为一是很多大客户需要私有化部署，二是对于新的公司，语义标签是需要重新标注，它交付上的边际成本会比较高，会导致整个行业的利润率就没有那么高。

私有化部署可能并不好解决。但标注的边际成本可以合理降低。

会去做预训练模型，包括像XLNet、主动学习、多任务学习、小样本学习，其实都是为了去解决这样的一个问题。