人工智能商业化，既是难题也是机遇

人工智能商业化，既是难题也是机遇。

当下的人工智能商业化主要有两条路，一条路是“AI+”，即人工智能技术本身产品化，创造或者革新一类产品，另一条路是“+AI”，是传统产业，尤其是实体行业生产流程再造，从而完成降本增效，华为云选择的就是后一条道路。

9月18日华为全联接大会期间，华为云业务总裁郑叶来在主论坛做了题为“跨越裂谷，共建普惠AI”的演讲，并提出行业AI商用落地的四大要素，同时他进一步解释了华为云EI集群服务所拥有的强劲算力，华为云工业智能体正式亮相。

华为云业务总裁郑叶来

技术优势能否转化成市场优势，这决定着人工智能厂商将去往何处。

AI商用落地四要素

郑叶来在现场表示，AI领域蓬勃发展，但投资热度与商业应用之间仍存在巨大的裂谷。

2018年以前，对AI领域的投融资均匀的分布在各个行业或技术领域。2018年后，大量的投融资逐渐向几个头部行业集中。

华为云在500+项目实践中发现，行业AI项目要成功实施，需要基于应用场景、相关ISV/SI、设备或流程、AI平台提供方组成的行业AI落地的商用模型，也由此，华为云总结出AI商用落地的四个要素。

要素一：明确定义商业场景

即明确项目的商业目标，界定清晰的范围边界，场景可闭环、可预测具备充足的数据资料。明确定义商业场景是AI落地的第一步。

在早期人工智能落地的过程中，几乎所有的厂商都走过弯路，哪些领域拥抱人工智能意愿强烈，哪些场景能平衡投入和收益，哪些场景测试和现实之间存在巨大不确定性等等，人工智能对大多数企业都是全新的技术，充满未知，没有厂商能直接摸准人工智能落地的确定性规则。

华为云总结了一套选择场景的方法论：

首先要明确该场景核心要解决的问题是什么，是质量、成本还是效率问题；

其次，解决的问题要有清晰的边界，要便于用数学去刻画和表达；

再次，这个场景应该是一个闭环的、可以预测的，不能是开放不可预知的；

最后，要具备解决这个问题需要的充足和完备的数据与行业知识。

去年的全联接大会上，华为就明确了三个AI能实现较好效果的场景，分别是海量重复、专家经验及多域协同，今年则是可商用场景的扩大化，一边从0到1找新场景，一边从1到N实现场景复用。

全联接大会上Atlas900展示

要素二：触手可及的强劲算力——华为云EI集群

从某种程度上来说，这几年的人工智能技术热潮，解决了人工智能是否能用的问题，然而效率、成本、易用性等等都是人工智能进一步发展的挑战。另一方面，算力的稀缺问题还没解决，新算法仍在迭代，AlphaFold、Bert、BigGAN对算力需求更大，言而总之，当前算力仍处于不充沛、不经济、难获取的状态。

以华为举例，目前华为内部日均AI训练作业任务超过4000个、训练时长超过3.2万小时， 而且还有大量的作业在排队。

华为云预测，未来，算力的需求每年将增加10倍左右，缺口亟待解决，算力也是目前可预见的限制人工智能发展的最大难题。

华为在本届大会上更新了计算产业战略，并且将其放到和联接同等地位，继去年连发昇腾910和310后，象征着“暴力美学计算力”的Atlas900集群今次正式发布，而且将会以云服务的形式对外开放，可按需使用、即时开通。

Atlas900代表着“一力降十会”的打法，硬生生用新架构解决旧算力问题。据华为介绍，基于Atlas900的华为云EI集群服务是当前全球最快的AI训练集群，由数千颗昇腾910处理器构成，只需59.8秒就可以完成典型网络ResNet-50的训练，比第2名快15%。

以天文研究为例，天体识别涉及P级数据的存储和运算，使用传统模式训练P级别天文数据中识别新的星体的模型要耗时四个星期。使用“华为云EI集群服务”可以将识别星体的模型训练时间缩短至分钟级。

华为云参与了“SKA”（平方公里阵列射电望远镜）项目，天文学家要从20万颗星星中，找出某种特征的星体相当困难，需要169天的工作量，而用上Atlas 900，只用10秒，就从20万颗星星中检索出了相应特征的星体，这就是“暴力美学计算力”。

华为云EI集群巅峰算力的背后，华为工程师们从底层硬件到软件构架全栈优化，包括梯度同步与反向计算并行；数千颗处理器-TOR-SPINE，无收敛线性高速交换；与云计算、存储，网络高效协同。

要素三：持续进化的AI服务

AI时代，构建一个生产运行与开发训练闭环的在线系统非常关键，能让模型持续适应环境的变化，成为持续进化的AI。例如，华为云全流程模型生产服务ModelArts通过AI持续迭代框架，提供端边协同能力，加速企业AI化进程。

要素四：组织与人才的适配

AI的智慧来源于人类智慧数字化，要遵重以人为本的初心，适配相应的人才、组织和流程。例如，深圳机场应用华为云EI来建设机位智能分配系统，并让机场指挥员了解EI的决策机制和过程，不仅将指挥员从枯燥重复的操作中解放出来，而且提升了飞机靠桥率，减少了摆渡车的使用，大幅提升旅客体验。

基于这四个要素的判断，华为云正式发布工业智能体，定位是工业制造行业的智能化新引擎，引擎共分三部分，基于知识图谱的智能认知引擎、基于AI模型的智能预测引擎、基于运筹规划的决策优化引擎，来将诸多难以落地应用的技术应用到工业场景。

公有云的短板战略

“未来的云服务一定是短板战略，集中度一定会越来越高”，郑叶来谈及公有云行业的下一步竞争。企业客户不会因为一项专长选择云厂商，更要求云厂商无短板，短板决定了未来公有云厂商的极限。

公有云本身就是重资产投入的行业，目前头部厂商都是有其他资金来源的大厂商，也部分说明了公有云业务的重资产属性，而随着业务竞争的白热化，从前端到后端，从上层到底层的全面竞争，正掏空部分公有云厂商的钱包。

行业竞争的态势往往是，头部对标，第二梯队遭殃，这在公有云行业已经有一些苗头。不管是互联网出身的云厂商，还是IT出身的云厂商，都在芯片级别做文章，对客户的在线服务越极致，对自己的硬件管控就要越精准，不管是出于成本还是效率，芯片战争已经隔空打响。

郑叶来也提到，早期做云的公司重新做IT、做芯片、做硬件。“云服务是华为用 IT 手段形成价值的闭环，你付出了什么，应该得到什么，云服务还是原来的生意，但是换了商业模式，更好地跟客户沟通。”

外界对华为一直强调做云服务的商业逻辑也理解更深，曾任IT产品线总裁的郑叶来在任时曾投资过多款芯片，这些都成为当下华为云的芯片层级优势。

华为云EI产品部总经理贾永利

华为云EI产品部总经理贾永利表示，华为有了自己的芯片，在全栈技术整合一定能做得非常好，将来还可以与海思定制化芯片，在芯片垂直整合比多个厂家去拼凑、去做肯定性能更好，进而带来客户成本的节约，他同时补充，华为不会因为有了芯片开打价格战，还是以更好的产品和服务赢得客户。

据 IDC 今年8月份发布的《2019年Q1中国公有云服务市场跟踪报告》，从IaaS+PaaS整体市场份额来看，华为云营收增长超过300%，华为云PaaS市场份额增速接近700%，首次进入Top5。

在马太效应加剧的情况下，后发的华为云底层优势逐渐释放，支撑其位次前进。据业内人士透露，Top5远不是华为云的目标，其内部希望年底能进入中国公有云市场前四。

雷锋网总结，公有云的厚重更胜以往，行业整体进入下一阶段的备战期，兵精粮足则胜，反观之，短板战略将逐渐淘汰，或者降低一部分非头部云计算厂商的生存空间，公有云行业的洗牌期亦不远。