近日華為心聲社區(qū)公眾號發(fā)布了任正非在人工智能應(yīng)用GTS研討會上的講話，記者獲悉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，把算法、知識、方法、經(jīng)驗等都固化在平臺上。但是不要遍地都是智能化，這會形成全面開花沒有結(jié)果的盲動，就有可能滿盤皆輸。以下是講稿原文。

[[187470]]

公司巨大的存量網(wǎng)絡(luò)是人工智能最好的舞臺，GTS要利用人工智能實現(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)造價值并提升客戶滿意，構(gòu)筑活的“萬里長城”，成為公司重要的可移動的“馬奇諾防線”。誰能最低成本地提供高質(zhì)量的服務(wù)，誰就是這個世界最后的贏家。公司的人工智能研究是一個使能器，促使公司各項管理進(jìn)步，不要隨議論的忽悠而迷失方向。

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)。配個數(shù)據(jù)采集聚集器，員工在現(xiàn)場作業(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)對各級各段透明，沒有層層級級的匯總處理，就快多了。

我們有430萬個站點，每年增加96萬個，1萬1千個合同，每個基站報上來的報表這么厚，是因為沒有模塊化分類。不抽象不總結(jié)就要上報，我們處理管道就那么粗，所以堵得一塌糊涂。實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，我們管理會簡化很多。現(xiàn)在報表層層上報，每層增加好多人，一大堆報表甚至沒人讀過。要基于目的標(biāo)準(zhǔn)模型建設(shè)簡單自動報表體系，這樣中間的人工就減掉了，主戰(zhàn)場的員工就增加了。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。總有一個模糊區(qū)，模糊數(shù)據(jù)的模糊性會持續(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)商不是流量運營商，要根據(jù)業(yè)務(wù)場景來看多快數(shù)據(jù)算實時，不要形而上學(xué)，要根據(jù)必要的需求來獲取這些所謂實時數(shù)據(jù)。對于網(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，我覺得沒有數(shù)據(jù)才是我要批評的。每一個人能不能搞個工裝穿在身上帶個儀器，數(shù)據(jù)先收集存儲起來，然后一按按鈕就傳送到信息庫，對貢獻(xiàn)數(shù)據(jù)者還可以獎勵。

要聚焦投入，敢于投資，成功只是時間遲早的問題

在GTS選定的站點作業(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)鍵場景，在業(yè)務(wù)模型、算法、平臺和數(shù)據(jù)上要加大投資，具體的人力與費用在戰(zhàn)略規(guī)劃未來的時間鏈中落實。

要開發(fā)公司統(tǒng)一的人工智能軟件平臺，把算法、知識、方法、經(jīng)驗等都固化在平臺上，首先在GTS實踐和應(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實驗室的科學(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)場景中，并共同完成業(yè)務(wù)提升，這就是技術(shù)和場景的結(jié)合。一部分人熟悉技術(shù)理論，一部分人熟悉場景，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，到那時候我們是不是走向外部我們再考慮。

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

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張

我們業(yè)務(wù)擴張中，人員不按線性擴張就成功了。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)生場景分析師、數(shù)據(jù)分析師和模型設(shè)計師。這些專家要長期投入在服務(wù)戰(zhàn)場上，通過服務(wù)客戶不斷提升能力。對于場景分析師、數(shù)據(jù)分析師、模型設(shè)計師，我的態(tài)度是要看在三年之內(nèi)，有多長時間在一線服務(wù)戰(zhàn)場上取得成功的實踐經(jīng)驗。沒有成功的實踐經(jīng)驗就不要快速晉升，這樣也保證水是流動不是腐敗的。

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

如人工智能的應(yīng)用首先要瞄準(zhǔn)實現(xiàn)簡工勘，在此基礎(chǔ)上進(jìn)而實現(xiàn)自動化設(shè)計。海量重復(fù)動作要運用人工智能技術(shù)來替代，實現(xiàn)文檔自動生成、質(zhì)量自動審核、遠(yuǎn)程驗收及自動開票。然后再把人工智能應(yīng)用的成功經(jīng)驗擴展至網(wǎng)絡(luò)維護(hù)、網(wǎng)規(guī)網(wǎng)優(yōu)等業(yè)務(wù)場景，把被動問題處理變?yōu)橹鲃宇A(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。

要踏踏實實聚焦場景一個個解決，選擇與場景匹配的相對成熟的算法，不要等平臺和數(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，在不斷的實踐和問題解決中打造成熟的平臺和數(shù)據(jù)底座。我們在這些集中突破的項目上取得經(jīng)驗培養(yǎng)出新生力量，這些新生力量要到基層去貫徹推廣落實，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。人工智能是個新生事物，在實現(xiàn)過程中因為雙軌運行，要接受階段性的成本上升，實現(xiàn)清晰的長期目標(biāo)。

人工智能應(yīng)用中一定會遇到很多困難，在前進(jìn)的過程中要多鼓勵、少批評，可表揚可不表揚的要表揚。上戰(zhàn)場槍聲一響，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，他扛著兩個炸藥包，沖上了上甘嶺，可能就真成了英雄。