什么是华为自己的AI方法论？

“外界一直在传华为在研发AI芯片，今天我要告诉大家：这是事实！”华为轮值董事长徐直军如是说。

为期三天的2018华为全联接大会上，徐直军用一种别开生面的方式正式公布了华为的人工智能战略，并在三天的会议中围绕华为“有什么”、“做什么”、“怎么做”的逻辑全面梳理了华为切入人工智能的思路。

为什么要做人工智能，华为的答案很直接：“AI太重要了”。除了一场以AI为核心的全联接大会，华为在2017年底就为人工智能改变了集团的使命愿景。只是相比于互联网玩家和创业者，华为人工智能战略的出炉似乎晚了一些，却也不乏谋定而后动的野心。

不同于BAT们的转型计划，华为有着一套自己的AI方法论。

逆向思维

早在1956年的时候，达特茅斯会议上就提出了“人工智能”的说法，并在此后的60年终引爆了两轮AI热。但遗憾的是，社会对人工智能的期望往往超越了ICT产业的实际水平，以至于2016年AI重新热起来的时候，仍有人忧虑担心是否会重复前两次的悲剧。

这种悲观情绪并非没有基础，距离人们想象中的人工智能仍有很长的路要走，而在人工智能成为全民话题的同事，又暴露出了一起起“造假”事件，乃至有人感叹：有多少人工，就有多少智能。

徐直军提出了一个有趣的观点，“我们应充分聚焦人工智能能解决的问题、聚焦其创造价值的领域，而不是把精力花在人工智能不能解决的问题或不能创造价值的领域。因为选择正确的问题比寻找新奇的方案更重要。”

经济学家们认为，人类发展到今天离不开通用技术，而在维基百科给出的26种通用技术中，人工智能恰恰是其中之一。然而不少人对通用技术抱有过高的预期，笃定可以在短期内迅速提高生产效率，习惯性的忽视了通用技术普及与生产率增长之间的“滞后效应”。

一个直接的例子：1890－1920的30年间，相继发明了电动引擎和灯泡，但大多数人并没有意识到电力作为通用技术的价值，毕竟到了上世纪70年代，工厂里的蒸汽动力机器才逐渐被电动引擎存在，电动汽车取代内燃机的革命至今还没有完成。

麻省理工学院的ErikBrynjolfsson教授，尝试作出下面几种解释：

一，通用技术从发展到成熟，再到提高国民经济生产率增长，会经历比较长的时间周期；

二，要发挥通用技术的潜力，必须依赖与其相关的创新技术的发展，以组合式创新推动生产率的大幅度提升；

三，通用技术的发展需要极为耗时的额外创新和投资。

华为选择在人工智能战略上不“冒进”，并非没有道理。大多数人仍在思考人工智能能否创造价值，亟不可待地寻找新奇的解决方案。如此也决定了行为方式上的不同，其他人先画一张饼，然后逐渐把饼变成真的。华为的逆向思维考虑的是：当前阶段的人工智能技术能够解决哪些问题。

见招拆招

华为并不是今天才开始发力AI。

2017年9月的时候，华为发布了面向企业、政府的人工智能服务平台华为云EI；在今年4月份，华为又发布了面向智能终端的人工智能引擎HiAI；Ascend910和310两款行业领先的AI芯片，无疑也折射了华为筹谋已久。

这在华为人工智能的发展节奏中可以看出端倪，先是面向华为内部，持续探索支持内部管理优化和效率提升，然后才是电信运营商、消费者、企业和政府、普惠AI。

华为资深管理顾问黄卫伟在与媒体沟通时讲述了任正非对人工智能战略的“内训”：华为AI聚焦内部两个方向，一是产品智能化；二是不断改进内部的管理和效率。华为不做AI大的架构规划，先单点突破、横向拉通再建立起产业的平台，把平台开放给客户甚至竞争对手。

先从内部入手，见招拆招式的打法对华为的人工智能战略有很大的影响。

比如当前AI开发最大的挑战是什么？华为云BU总裁郑叶来回答了两点：“第一，开发效率低，标注、训练、部署整个过程非常耗时；第二，AI基础资源尤其是算力稀缺且昂贵。”与之对应的，华为云发布的ModelArts开发平台，涉及了数据标注与准备、模型训练、模型调优、模型部署等AI开发全流程，和华为内部在AI实践中的踩坑不无关系。

再比如AI有哪些落地场景？华为战略MarkeTIng总裁徐文伟有着自己的思考：

场景1是海量重复型场景，比如图片／图像鉴定，单据审核等，重复的，目标明确，但是海量任务。AI应用在该类场景的核心价值是提升效率；

场景2是专家经验型场景；很多行业因为关键专家稀缺，比如医疗行业，全国只有不到5000名达标的宫颈癌筛选专家，需要20年才能把全国适龄女性筛查一遍；

场景3是多域协同的场景；比如城市智慧交通系统，现代化制造等等。一个交通信号灯的控制，与时间、天气，车道、路网、以及重大活动等等多个维度变量有关，靠人脑显然无法做出分析和判断。

由此就不难理解华为为何拿出了全栈全场景AI解决方案，当然也透露着华为的野心。

道法自然

人工智能还处于初级阶段，这个前提的规则就是：技术形态是第一位的，商业形态是第二位的。不管是华为还是其他厂商，目的都很明显，打造自己的技术生态，不断提高在AI领域的声量，吸引更多的开发者，进而构建AI生态圈。

就这个角度出发，华为的全栈全场景AI可以归纳为5个数字：1、2、4、5。

1指的是达芬奇项目。此前就有消息称华为内部存在代号为“达芬奇”的人工智能项目，也终于在华为全联接大会上浮出水面，不仅仅是芯片本身，还涵盖了一系列软硬件结合的解决方案，最终为用户提供全场景的服务。

2指代两款人工智能芯片。芯片是人工智能的血液，框架是人工智能的大脑和灵魂，华为哪一个都没有放过。

4代表了华为全栈AI的四个部分，也是值得展开说明的内容：

一是Ascend （昇腾）AI IP和芯片，皆是基于达芬奇架构。芯片分为5个系列，Max、Lite、Mini、TIny、Nano，目前已经公布了昇腾910（max）和昇腾310（mini）；

二是CANN，中文翻译为神经网络定制的计算架构，是高度自动化的算子开发工具，可以3倍提升开发效率，也兼顾算子性能；

三是MindSpore框架，友好地将训练和推理统一起来，并全面适应端、边、云等全场景。这是与各类已有框架，比如谷歌的TensorFlow、百度的PaddlePaddle、Facebook的PyTorch、亚马逊的MXNet等的最大不同；

四是应用使能，是一个机器学习PaaS （平台即服务） ，包括由ModleArts服务提供全流程服务，分层分级API，以及预集成方案。用于满足不同开发者的不同需求，促进AI的应用。

5有两种解释，包括消费终端、公有云、私有云、边缘计算、IoT行业终端 5大类场景，也指华为AI战略的五个方面，投资基础研究、打造全栈方案、投资开放生态和人才培养、解决方案增强、内部效率提升等。

可以看到，华为人工智能全栈战略的纵向战线布局很深。原因在于，人工智能的应用才刚刚开始，开发者面临着这样和那样的痛点，抓住生态链的每一个环节，让用户和开发者留在自己的生态圈内，毕竟没有纵深，没有粘性，就没有壁垒。

而在横向战线上，当纵向框架完善后，便可以适用这样的乘数效应：收益＝深度x广度。华为的人工智能战略覆盖了全场景，既是内部应用的经验总结，也顺应了华为本身在端（手机、IoT等）和云方面的布局。可以说是道法自然，水到渠成。

当然，除了技术和应用上的生态，华为一直在倡导“普惠AI”的概念，不断降低通用技术的应用门槛，并宣布将投入10亿元用于AI人才培养，计划三年培养100万开发者。一整套的组合拳背后，生态圈开始渐自成型。