任正非痛斥遍地智能化 AI軟件平臺(tái)突破關(guān)鍵場(chǎng)景

編者按：亞馬遜創(chuàng)始人兼首席執(zhí)行官貝索斯接受了知名科技專欄作家莫博士（WaltMossberg）的采訪表示三個(gè)主要觀點(diǎn)：第一、現(xiàn)在到了人工智能第一次顯身手的時(shí)候，我們正處在人工智能的黃金時(shí)代；第二、貝索斯認(rèn)為目前的語音系統(tǒng)只能算是一種輔助增強(qiáng)技術(shù)，并不能完全取代智能手機(jī)。第三、要真正地用人工智能服務(wù)好用戶，海量的數(shù)據(jù)必不可少，我們綜合考慮隱私總體性和我們存儲(chǔ)海量信息的能力，并合理地使用這些數(shù)據(jù)……，消費(fèi)者肯定會(huì)很喜歡亞馬遜的人工智能系統(tǒng)。

如果說貝索斯在消費(fèi)端已經(jīng)看到了人工智能的巨大市場(chǎng)潛力，他提示的海量數(shù)據(jù)就是基礎(chǔ)。但是在企業(yè)戰(zhàn)略和大數(shù)據(jù)以及人工智能的結(jié)合上面，他顯然沒有給出主要的路徑。中國(guó)創(chuàng)新企業(yè)華為最新的一篇文章，其公司創(chuàng)始人任正非先生從戰(zhàn)略、平臺(tái)和業(yè)務(wù)的角度，很好地闡釋了人工智能、大數(shù)據(jù)、應(yīng)用場(chǎng)景和企業(yè)業(yè)務(wù)結(jié)合的問題。小編編撰與大家分享。

GTS是“華為全球技術(shù)服部”（Global Technical Service）的縮寫。任正非表示，華為要開發(fā)統(tǒng)一的人工智能軟件平臺(tái)，把算法、知識(shí)、方法、經(jīng)驗(yàn)等都固化在平臺(tái)上。但是不要遍地都是智能化，這會(huì)形成全面開花沒有結(jié)果的盲動(dòng)，就有可能滿盤皆輸。以下是講稿原文。

公司巨大的存量網(wǎng)絡(luò)是人工智能最好的舞臺(tái)，GTS要利用人工智能實(shí)現(xiàn)高質(zhì)量和高效率的交付與服務(wù)，支撐“一萬億”美元存量網(wǎng)絡(luò)的服務(wù)以及故障處理、預(yù)防的自動(dòng)化……，以及支持每年數(shù)百億美元的網(wǎng)絡(luò)增量的科學(xué)、合理、有效地交付。持續(xù)為客戶創(chuàng)造價(jià)值并提升客戶滿意，構(gòu)筑活的“萬里長(zhǎng)城”，成為公司重要的可移動(dòng)的“馬奇諾防線”。誰能最低成本地提供高質(zhì)量的服務(wù)，誰就是這個(gè)世界最后的贏家。公司的人工智能研究是一個(gè)使能器，促使公司各項(xiàng)管理進(jìn)步，不要隨議論的忽悠而迷失方向。

1、高質(zhì)量的數(shù)據(jù)是人工智能的前提和基礎(chǔ)，高質(zhì)量數(shù)據(jù)輸出要作為作業(yè)完成的標(biāo)準(zhǔn)

為什么我們不可以統(tǒng)一作業(yè)的工具，和工作的標(biāo)準(zhǔn)。配個(gè)數(shù)據(jù)采集聚集器，員工在現(xiàn)場(chǎng)作業(yè)完后，回到駐地處理一下，一按鍵就群發(fā)出去了，不必經(jīng)過辦事處、地區(qū)部，就一步到位了。數(shù)據(jù)對(duì)各級(jí)各段透明，沒有層層級(jí)級(jí)的匯總處理，就快多了。

我們有430萬個(gè)站點(diǎn)，每年增加96萬個(gè)，1萬1千個(gè)合同，每個(gè)基站報(bào)上來的報(bào)表這么厚，是因?yàn)闆]有模塊化分類。不抽象不總結(jié)就要上報(bào)，我們處理管道就那么粗，所以堵得一塌糊涂。實(shí)際上歸納出來可能就一百種，大不到一千種模塊。我們分類按模板傳信息給供應(yīng)鏈，供應(yīng)鏈解碼打開、作清單發(fā)貨，我們管理會(huì)簡(jiǎn)化很多?，F(xiàn)在報(bào)表層層上報(bào)，每層增加好多人，一大堆報(bào)表甚至沒人讀過。要基于目的標(biāo)準(zhǔn)模型建設(shè)簡(jiǎn)單自動(dòng)報(bào)表體系，這樣中間的人工就減掉了，主戰(zhàn)場(chǎng)的員工就增加了。人人都基于作業(yè)給你提供準(zhǔn)確數(shù)據(jù)，集中起來你的科學(xué)性就好了，有了這些準(zhǔn)確數(shù)據(jù)，通過監(jiān)督學(xué)習(xí)和統(tǒng)計(jì)手段就能使我們的效率提高。

填寫的表中有清晰的也有模糊的，確定性的工作填寫的數(shù)據(jù)要準(zhǔn)確，如果沒有審核就傳上來不正確的數(shù)據(jù)，就是一團(tuán)亂麻。清晰的數(shù)據(jù)不斷更新積累，新的有效數(shù)據(jù)不斷更替?？傆幸粋€(gè)模糊區(qū)，模糊數(shù)據(jù)的模糊性會(huì)持續(xù)不斷降低，但又產(chǎn)生新的模糊。在不該模糊的地方應(yīng)該有指引，能夠指引基層工程師來清晰操作。人工智能就要靠幾萬員工在做事的時(shí)候把數(shù)據(jù)有效采集回來，在歸納總結(jié)中找出規(guī)律來。清晰、準(zhǔn)確的現(xiàn)場(chǎng)數(shù)據(jù)是重要的事情。

我們是設(shè)備供應(yīng)商不是流量運(yùn)營(yíng)商，要根據(jù)業(yè)務(wù)場(chǎng)景來看多快數(shù)據(jù)算實(shí)時(shí)，不要形而上學(xué)，要根據(jù)必要的需求來獲取這些所謂實(shí)時(shí)數(shù)據(jù)。對(duì)于網(wǎng)絡(luò)設(shè)備數(shù)據(jù)的輸出，可以采用類似“七遠(yuǎn)八按”的方式建設(shè)數(shù)據(jù)輸出標(biāo)準(zhǔn)，以基于人工智能的交付服務(wù)視角重新制定可服務(wù)性標(biāo)準(zhǔn)，并作為產(chǎn)品上市必要條件。

因此，你們說數(shù)據(jù)缺乏、雜亂無章，我不批評(píng)，我覺得沒有數(shù)據(jù)才是我要批評(píng)的。每一個(gè)人能不能搞個(gè)工裝穿在身上帶個(gè)儀器，數(shù)據(jù)先收集存儲(chǔ)起來，然后一按按鈕就傳送到信息庫(kù)，對(duì)貢獻(xiàn)數(shù)據(jù)者還可以獎(jiǎng)勵(lì)。

2、要聚焦投入，敢于投資，成功只是時(shí)間遲早的問題

在GTS選定的站點(diǎn)作業(yè)、網(wǎng)絡(luò)集成、網(wǎng)絡(luò)維護(hù)、網(wǎng)規(guī)網(wǎng)優(yōu)等關(guān)鍵場(chǎng)景，在業(yè)務(wù)模型、算法、平臺(tái)和數(shù)據(jù)上要加大投資，具體的人力與費(fèi)用在戰(zhàn)略規(guī)劃未來的時(shí)間鏈中落實(shí)。

要開發(fā)公司統(tǒng)一的人工智能軟件平臺(tái)，把算法、知識(shí)、方法、經(jīng)驗(yàn)等都固化在平臺(tái)上，首先在GTS實(shí)踐和應(yīng)用，未來也可以為公司其他業(yè)務(wù)提供支撐。數(shù)據(jù)底座的投資更需要加大，作為長(zhǎng)期的基礎(chǔ)工程來建設(shè)，有了高質(zhì)量的數(shù)據(jù)基礎(chǔ)，人工智能才能發(fā)揮作用。

2012實(shí)驗(yàn)室的科學(xué)家要緊密與服務(wù)工程師合作，由熟悉理論和算法的科學(xué)家選擇最成熟的方案應(yīng)用到服務(wù)場(chǎng)景中，并共同完成業(yè)務(wù)提升，這就是技術(shù)和場(chǎng)景的結(jié)合。一部分人熟悉技術(shù)理論，一部分人熟悉場(chǎng)景，兩者合作起來天下無敵，你們先把我們內(nèi)部的改進(jìn)搞好，到那時(shí)候我們是不是走向外部我們?cè)倏紤]。

新事物失敗也是成功，自己取得一點(diǎn)進(jìn)展就記下來，這是過程記錄，自己用蘿卜刻獎(jiǎng)?wù)拢e累多了就去換金牌。不要怕出錯(cuò)，別人說華為是落后的，因?yàn)槲覀冎唤o成功的人發(fā)獎(jiǎng)，從來不給失敗的人發(fā)獎(jiǎng)。今天比昨天好就要發(fā)獎(jiǎng)，喜馬拉雅爬一半也是成功，因?yàn)槲覀冞^去連山腳都沒去過。

3、人工智能要聚焦投入不要全面開花，先縱向打好殲滅戰(zhàn)，旗開得勝后再橫向擴(kuò)張

我們業(yè)務(wù)擴(kuò)張中，人員不按線性擴(kuò)張就成功了。服務(wù)工程師要聚焦服務(wù)業(yè)務(wù)，在完成服務(wù)業(yè)務(wù)同時(shí)完成人工智能所需要的正確數(shù)據(jù)輸出，在此基礎(chǔ)上產(chǎn)生場(chǎng)景分析師、數(shù)據(jù)分析師和模型設(shè)計(jì)師。這些專家要長(zhǎng)期投入在服務(wù)戰(zhàn)場(chǎng)上，通過服務(wù)客戶不斷提升能力。對(duì)于場(chǎng)景分析師、數(shù)據(jù)分析師、模型設(shè)計(jì)師，我的態(tài)度是要看在三年之內(nèi)，有多長(zhǎng)時(shí)間在一線服務(wù)戰(zhàn)場(chǎng)上取得成功的實(shí)踐經(jīng)驗(yàn)。沒有成功的實(shí)踐經(jīng)驗(yàn)就不要快速晉升，這樣也保證水是流動(dòng)不是腐敗的。

人工智能在投資充分的情況下不要太沖動(dòng)，要急用先行小步快跑，要聚焦在確定性業(yè)務(wù)、人工消耗大的項(xiàng)目，寧可做得少一點(diǎn)，先在一兩個(gè)點(diǎn)突破殺開口子，集中力量打殲滅戰(zhàn)，不要鋪開一個(gè)很廣泛的戰(zhàn)線。不要遍地都是智能化，這會(huì)形成全面開花沒有結(jié)果的盲動(dòng)，就有可能滿盤皆輸。

如人工智能的應(yīng)用首先要瞄準(zhǔn)實(shí)現(xiàn)簡(jiǎn)工勘，在此基礎(chǔ)上進(jìn)而實(shí)現(xiàn)自動(dòng)化設(shè)計(jì)。海量重復(fù)動(dòng)作要運(yùn)用人工智能技術(shù)來替代，實(shí)現(xiàn)文檔自動(dòng)生成、質(zhì)量自動(dòng)審核、遠(yuǎn)程驗(yàn)收及自動(dòng)開票。然后再把人工智能應(yīng)用的成功經(jīng)驗(yàn)擴(kuò)展至網(wǎng)絡(luò)維護(hù)、網(wǎng)規(guī)網(wǎng)優(yōu)等業(yè)務(wù)場(chǎng)景，把被動(dòng)問題處理變?yōu)橹鲃?dòng)預(yù)警預(yù)防，不僅提升了效率還提升了為客戶服務(wù)的質(zhì)量。

要踏踏實(shí)實(shí)聚焦場(chǎng)景一個(gè)個(gè)解決，選擇與場(chǎng)景匹配的相對(duì)成熟的算法，不要等平臺(tái)和數(shù)據(jù)底座的成熟，半成品也可以先投入到內(nèi)部改進(jìn)的使用，在不斷的實(shí)踐和問題解決中打造成熟的平臺(tái)和數(shù)據(jù)底座。我們?cè)谶@些集中突破的項(xiàng)目上取得經(jīng)驗(yàn)培養(yǎng)出新生力量，這些新生力量要到基層去貫徹推廣落實(shí)，使它能夠應(yīng)用起來變成習(xí)慣。在縱向發(fā)展的基礎(chǔ)上，把握好橫向擴(kuò)張的合理節(jié)奏。一只餅如果糊了再翻過來掉過去烙就是夾生餅，我們不要“出師未捷身先死，長(zhǎng)使英雄淚滿襟”，我們要的是旗開得勝和最終成功。人工智能是個(gè)新生事物，在實(shí)現(xiàn)過程中因?yàn)殡p軌運(yùn)行，要接受階段性的成本上升，實(shí)現(xiàn)清晰的長(zhǎng)期目標(biāo)。

人工智能應(yīng)用中一定會(huì)遇到很多困難，在前進(jìn)的過程中要多鼓勵(lì)、少批評(píng)，可表揚(yáng)可不表揚(yáng)的要表揚(yáng)。上戰(zhàn)場(chǎng)槍聲一響，誰是英雄，誰不是英雄？你說他不是英雄，在山腳你一拍他肩膀，他扛著兩個(gè)炸藥包，沖上了上甘嶺，可能就真成了英雄。