华为首次曝光AI战略！

10月10日，华为在上海举办新一年的全联接大会，这届大会主题是人工智能（AI）。

华为的AI发展战略

华为在会上公布了该公司的AI发展战略。主要包括五个方面：

投资基础研究：在计算视觉、自然语言处理、决策推理等领域构筑数据高效（更少的数据需求） 、能耗高效（更低的算力和能耗） ，安全可信、自动自治的机器学习基础能力

打造全栈方案：打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案，提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台。

投资开放生态和人才培养：面向全球，持续与学术界、产业界和行业伙伴广泛合作，打造人工智能开放生态，培养人工智能人才。

解决方案增强：把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力。

内部效率提升：应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量。

根据华为的AI战略，华为提出了全栈全场景AI解决方案。包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境。

所谓的全栈是指技术功能视角，是指包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案。

华为在会上发布了两款人工智能芯片，昇腾910和昇腾310，采用自家的达芬奇架构。据介绍，昇腾910支持全场景人工智能应用，而昇腾310主要用在边缘计算等低功耗的领域。

徐直军解释称，华为自己开创了一个新的架构，要有极致功耗和散热，可以全场景覆盖。“寒武纪无法支持全场景，我们的架构一开始就是全场景是不二选择。”华为在人工智能芯片上与寒武纪进行合作采用过后者的架构。

徐直军也重申，华为AI芯片也不会单独对第三方销售，通过AI加速模块、AI加速卡、AI服务器等形式对第三方销售。

人工智能涉及所有行业和组织

徐直军称，人工智能触发的产业变革，将涉及所有行业。今天可以清晰预测到人工智能将改变或颠覆如下行业：

智慧交通将大大提升通行效率；

个性化教育将显著提升教师与学生的效率；

精准预防性治疗有望延长人类的寿命；

实时多语言翻译交流再无障碍；

精准药物试验可以显著降低新药成本，缩短发现周期；

基于AI的电信网络的运维效率将大大提升；

自动驾驶和电动汽车将颠覆汽车产业等。

除了对行业带来的改变，人工智能还将改变每一个组织。徐直军称：“我们认为，未来的组织人员构成可能是菱形的，其中大量处于底部的基础性、重复性日常岗位会被AI所取代。”

外界一直担忧AI广泛使用将导致诸多工作岗位将被取代，但很显然有些岗位确实要被AI取代。

徐直军称：“我们认为，未来的组织人员构成可能是菱形的，其中大量处于底部的基础性、重复性日常岗位会被AI所取代。与此对应的是，需要增加对数据科学工作岗位的需求，例如数据科学家、具备一般性数据科学能力的数据科学工程师等。这些岗位的数量将远远少于当前重复性日常工作岗位。”

人工智能需要十大改变才能开创未来

徐直军表示，人工智能才刚刚开始，需要从技术、人才、产业这三个方面进行主动的变革，需要在十个方面进行改变。

改变之一：缩短训练模型的时间

按照目前的技术水平，训练某些复杂模型时往往需要数天甚至数月，而成功的创新发现往往需要多次迭代，这种训练速度严重制约了应用创新。我们认为，未来模型的训练要能在几分钟、甚至几秒钟内完成。

改变之二：充裕经济的算力

算力是AI的基础，但目前的算力非常昂贵，是一种稀缺资源。如果说算力的进步是当下AI大发展的主要驱动因素，那么，算力的稀缺和昂贵正在成为制约AI全面发展的核心因素。华为认为，算力应该是充裕且经济的，并且这种需求应该尽快实现。

改变之三：人工智能要适应任何部署场景

混合云已经成为企业采用云服务的主要模式，当前的AI主要在云，少量在边缘，与企业的业务环境的结合有待进一步深入。

华为认为，未来AI将无处不在，要能够部署在任何场景，并确保用户隐私得到尊准和保护。

改变之四：更高效更安全的算法

算法是推动AI发展的另一个主要动力，但目前运用的主要算法多诞生于1980年代。随着AI的广泛普及，这些算法的不足愈发明显。

华为认为，未来的算法，要能够基于更少的数据需求，即数据高效。也要能够基于更低的算力和能耗，即能耗高效。同时要解决自身的安全问题，并实现可解释…等等，这都是AI全面发展的重要技术基础。

改变之五：更高的自动化水平

今天的人工智能，自身还需要大量的人工，特别是在数据标注环节，今天甚至还诞生了一个新的职业叫“数据标注师”。有人调侃说，今天的人工智能，是没有“人工”就没有“智能”。

华为认为，应该大大提升AI自身的自动化水平，比如在数据标注、数据获取，特征提取，模型设计和训练等环节，要实现自动化或半自动化。

改变之六：模型要面向实际应用

2018年6月，伯克利大学的助理教授 Benjamin 等发表了一篇题目奇怪的论文——《CIFAR-10分类器能否泛化到CIFAR-10？》

该论文指出，在CIFAR-10分类器上测试准确度出色的模型算法，却在作者创建的与CIFAR-10非常接近的另一测试集上出现了偏差，分类识别准确率下降了5-15个百分点不等。这也就意味着，这个模型算法的可用度大幅度下降。

由此，可见当前很多优秀的模型算法，更多的是“考试”优秀，还未达到“工作”优秀。

华为认为，未来的模型必须实现工业级的优秀，即满足工业生产的需要，而不仅仅满足于测试集上“考试”优秀。

改变之七：模型更新

模型的准确率并非是一成不变的，而是会随着数据分布、应用环境和硬件环境的变化而变化，始终保持准确率在期望的范围内对于企业应用是必须的。但目前的模型更新是非实时的，依赖人工周期性的更新，因此是一个半开环的系统。

华为认为，未来的模型要能及时适应各种变化，实时更新，实现闭环系统，保证企业AI应用始终处于最佳状态。

改变之八：人工智能要多技术协同

每一个通用目的技术，只有与其它技术充分协同配合，才能发挥到极致，创造巨大的经济价值。AI也不例外，但在目前探讨AI时，更多的是仅仅聚焦AI本身。

华为认为，AI需要与云、物联网、边缘计算、区块链、大数据、数据库…等技术充分协同，如此才能发挥更大价值。

改变之九：人工智能要成为由一站式平台支持的基本技能

今天，AI还是一项只有具备高级技能的专家才能完成的工作，成熟、稳定、完善的自动化工具还比较缺乏，获得一个AI模型还是一个非常复杂，耗时耗力的事情。

华为认为，应该有一站式平台，提供必需的自动化工具，让AI应用开发更容易，更快捷。从而，使AI成为所有应用开发者甚至所有ICT技术从业人员的一项基本技能。

改变之十：以AI的思维解决AI的人才短缺

AI人才的短缺，特别是数据科学家的缺乏，一直是业界顾虑较多的一个制约因素。

华为认为，数据科学家将永远是稀缺的。解决之道应该是，以AI的思维解决AI的人才短缺。通过着力发展智能化、自动化、简单易用的AI平台和工具服务，以及提供培训教育，培养大量的数据科学工程师，使他们能完成大量基本的数据科学相关工作。通过这些大量的数据科学工程师与数据科学家和各领域专家相互配合的梯形结构，来解决AI人才稀缺问题。这十个改变，一定不是AI技术、人才、产业发展的全部，但都是未来发展的重要基础。