在華為云中國行2018北京站上，華為云EI產品部總經理賈永利舉了個例子：“華為云EI工業智能體幫助國內某知名空壓機廠商節能10%左右，是非常可觀的。”

作為一名不知空壓機為何物的普通人，我其實并不理解10%這個數字的含義，更不知“可觀”的評價從何而來。

了解了一下細節，才知道這個數字背后的意義：空壓機是工業中必不可少的設備，是氣動系統的核心設備機電引氣源裝置中的主體。但空壓機是一種很耗電的設備，據統計，工業界5%~6%的電都是被空壓機消耗的。

在中國全社會用電量中，第二產業（主要是工業）用電量占比超過了60%，粗略計算，僅空壓機耗電量就能占到全社會用電量的3%左右，所以，10%的電能節省將會是一個驚人的數字，足以擔得起“可觀”兩字。

不算不知道，一算嚇一跳，這就是AI能夠為工業所帶來的價值，看得見，而且摸得著。

[[238300]]

AI讓“Know how”真正轉化為效益

自***次工業革命開始，由于機器和自動化技術的引入，低效率的生產模式逐漸被高效率的所取代，就像手工作坊變成了機械工廠，馬車變成了汽車。如今，主要由人工智能技術驅動的第四次工業革命正在到來，“工業+AI”也隨之成為新的趨勢。

為何工業需要AI？很簡單，你一定還記得的《摩登時代》中能把查理逼瘋的機器流水線。AI能夠幫助人類從事高強度、重復性、機械性以及危險性的工作，將人類勞動力釋放，讓人們轉向更高價值的工作。

AI在工業場景中的應用不僅于此。AI經歷了六十年發展，重新被引爆的一個重要原因是大數據的積累。大數據是AI的“糧食”，而工業場景則是最能產生大數據的領域，不計其數的傳感器產生的海量數據為AI訓練提供了充足的原料，也為“工業+AI”帶來了很多新的應用場景。

麥肯錫報告指出，AI在工業領域的產品與服務、制造業務、業務流程三大領域有著巨大潛力。具體來看，包括自動駕駛汽車、預測性維護、生產率提升、降低廢料率、自動化質檢、供應鏈管理、研發等多個細分領域，隨著數據的積累，應用場景還在不斷擴展。

“工業+AI”能夠為企業帶來實打實的好處。該報告顯示，通過基于AI的人機互動提高生產力，生產效率可提升20%；在半導體行業，使用AI可減少高達30%的損耗。

所以，在工業領域，如果說“Know How”是企業的競爭壁壘，那么AI就是將“Know How”轉化為企業效益的一條捷徑。

工業智能體，為“工業+AI”提供捷徑

然而，工業領域包含的范疇非常廣，各企業信息化、智能化的水平參差不齊；而AI又是個融合了計算機科學和應用科學的跨界學科，對于廣大的工業企業來說，想要實現“工業+AI”其實并不容易，其中AI模型的訓練就需要大量的時間和資金投入。

但方法總比問題多。隨著華為云工業智能體的發布，工業企業獲得了一種更加簡單而廉價的方式，來實現“工業+AI”。

“把復雜的場景做簡單，讓AI高而不貴，打造用得起、用得好、用得放心的人工智能平臺”，在7月24日召開的華為云中國行2018北京站，華為公司副總裁、華為云BU總裁鄭葉來再次強調了華為云EI的愿景。

“我們期望未來是普惠AI，讓AI成為行業使能的工具，就是行業+AI，而不是AI+行業”，在鄭葉來看來，AI本身是一個工具，是一個提升效率、改變產業的機會，所以華為云期望讓更多的企業用得起。

華為本身就是一家大型的制造企業，也是一家很早就開始從事AI研究的企業，這兩者的結合，讓華為成為“工業+AI”的早期實踐者和獲益者。

2012年6月，華為神秘的諾亞方舟實驗室開始正式投入AI的基礎研究、算法研究，還有一個很重要的工作就是識別整個人工智能技術應用場景。

在此后的數年時間里，華為逐漸將AI技術應用于自身產品的設計、供應鏈、服務、物流、制造、仿真等全部環節中，在真實工業場景中進行了磨煉，讓AI技術逐漸成熟。

例如，華為手機經過工業智能體計算分析反饋到工業制造的全流程，大大提升了成品率和生產效率；通過工業智能體，融合數據，華為打通了端到端的業務全流程，把大量重復的需要人從事的工作由機器替代，使得成品率大幅度提升。

一個典型的例子是PCB板生產，曾經遇到最多的問題就是虛焊、多焊。以前需要靠人工篩查，五分鐘一個，費時又費力，眼花了還容易出錯。而通過華為云EI，用機器識別圖像來判斷，華為將PCB板成品率從99.2%提升至99.55%，制造階段產出提高30%。

經過在大量自身工業場景的反復錘煉，依托華為云，華為最終能夠以云服務的方式將工業智能體輸出給工業企業，這其中不僅包含了華為云的強大計算力，更包含了華為多年以來的在工業領域的AI實戰經驗，為工業企業的“工業+AI”之路提供了一條捷徑。

在文章開頭國內知名空壓機廠的例子中，華為云為該廠設計了電機異常預測模型和管道損耗模型，這些模型如果該空壓機廠自行去開發，需要大量的數據和運算能力，成本很高。借助華為云工業智能體，在云端即可完成模型的開發，做好的模型放到邊緣端，工廠可以實時的進行控制，做到端云整體協同。

結果，電機異常預測模型幫助該空壓機廠實現了實時監控及故障報警，節能1.97%；管道損耗模型實現了智能化變頻，為該廠節能7.8%，兩者加起來將近10%的能耗節省，讓該廠獲得了真金白銀的成本節省，并進一步提升了產品的競爭力。

不只是上面這個例子，華為云工業智能體在工業領域的各個細分領域都能得以應用，包括，火電，制造等行業。當工業生產力得以重新分配，新勢能將增強企業的創新能力，自上而下讓工業煥發新活力。

做“黑土地”，讓AI在各行業生長

和很多廠商巡展的“Ctrl+C”和“Ctrl+V”模式不同，盡管華為云中國行2018每一站主題都是“做AI上有信仰的云”，但卻有著明顯的側重。

深圳首站圍繞基因、游戲、制造、金融行業；西安站圍繞數字企業、創新創業、教育和生態；北京站則圍繞工業、文化、智慧城市和智慧家庭。

但共同點是，華為云通過大量的“行業+AI”應用場景展示出了對于AI的明確態度，就是AI一定要和行業結合。

例如，在北京站上，華為云不僅展示了“工業+AI”的場景，還展示了“互聯網+AI”、“家庭+AI”、“城市+AI”的場景，并已經和客戶一起，取得了令人滿意的效果。

不過，365行，華為云不可能成為每個行業的專家，要實現普惠AI的目標，華為云還要借助與客戶和合作伙伴的共同努力，以“黑土地”的角色，讓AI在各行業健康生長。

“我們一起創造未來，我們來分享利益；我們一起努力節省投資和費用，我們來共同收益”，在華為云中國行2018北京站上，鄭葉來如是說。

為此，華為云不僅提供了從芯片、硬件、軟件、服務到生態的全棧能力，還提供了讓企業能夠更快應用AI的“黑科技”。

例如，華為云推出了深度學習服務，預置了多個華為針對多個典型客戶場景訓練出的高性能深度學習模型，如人臉識別、OCR、以圖搜圖、物體檢測等。行業用戶無需具備任何深度學習技術和編程基礎，只需使用華為云深度學習服務，用自己的行業數據對預置模型進行重新訓練，即可得到自己所需的行業模型。

華為云還推出了一站式機器學習平臺，提供了全托管型的服務，用戶只要把數據送上去，“稍微拖拖拽拽”，就可以把機器學習模型建起來，進行精準營銷/銷量預測、預防性維護，用戶流失率預測、良品率預測、網絡異常檢測等。

“人工智能不是一些大企業的專業特權，我們希望更多企業能用得起、用得好、而且用的放心”，賈永利說。

此外，在華為云中國行2018北京站上，華為云國內首家發布了可以提供完整公有云容災備份的Multi Cloud混合云災備解決方案。該方案是國內***涵蓋跨云備份、跨云容災以及云上容災三大場景，提供完整的公有云備份容災能力的解決方案，為企業提供“多云備份，云上容災”的多重基礎保障策略，保證企業業務的連續性。

在與客戶及合作伙伴共同成長的過程中，華為云始終堅持“三不”原則，恪守了業務邊界，做到了“有技術、有未來、值得信賴”，做好了讓AI生長的“黑土地”的角色，這也讓華為云快速獲得客戶的認可，贏來了高速增長。

去年華為云BU被提升為華為一級部門，一年時間中華為云收入增長700%，僅2018上半年，華為云合作伙伴增長45%，云市場新增上架應用872個，一站式軟件開發平臺DevCloud已經在線上擁有9萬開發者。

在今年***發布的《The Forrester Wave: Full-Stack Public Cloud Development Platforms In China, Q3 2018》報告中，華為云憑借領先的技術實力和全棧產品能力、優秀的本地化服務能力和完善的生態體系進入了***象限。

業績七倍增長，獲得權威調研機構認可，華為云這一年可謂是既有“面子”，又有“里子”。

“我們商業模式很簡單，希望客戶跟華為公司合作過程中變得強壯了，你們有競爭力了，你們多掙錢了，我們從你們口袋里再掏一點錢出來。”，鄭葉來毫不諱言華為云成長的秘訣，這是華為云的陽謀，但行之有效。點擊了解華為云EI: https://www.huaweicloud.com/ei/