人工智能商業化，既是難題也是機遇。

當下的人工智能商業化主要有兩條路，一條路是“AI+”，即人工智能技術本身產品化，創造或者革新一類產品，另一條路是“+AI”，是傳統產業，尤其是實體行業生產流程再造，從而完成降本增效，華為云選擇的就是后一條道路。

9月18日華為全聯接大會期間，華為云業務總裁鄭葉來在主論壇做了題為“跨越裂谷，共建普惠AI”的演講，并提出行業AI商用落地的四大要素，同時他進一步解釋了華為云EI集群服務所擁有的強勁算力，華為云工業智能體正式亮相。

華為云業務總裁鄭葉來

技術優勢能否轉化成市場優勢，這決定著人工智能廠商將去往何處。

AI商用落地四要素

鄭葉來在現場表示，AI領域蓬勃發展，但投資熱度與商業應用之間仍存在巨大的裂谷。

2018年以前，對AI領域的投融資均勻的分布在各個行業或技術領域。2018年后，大量的投融資逐漸向幾個頭部行業集中。

華為云在500+項目實踐中發現，行業AI項目要成功實施，需要基于應用場景、相關ISV/SI、設備或流程、AI平臺提供方組成的行業AI落地的商用模型，也由此，華為云總結出AI商用落地的四個要素。

要素一：明確定義商業場景

即明確項目的商業目標，界定清晰的范圍邊界，場景可閉環、可預測具備充足的數據資料。明確定義商業場景是AI落地的第一步。

在早期人工智能落地的過程中，幾乎所有的廠商都走過彎路，哪些領域擁抱人工智能意愿強烈，哪些場景能平衡投入和收益，哪些場景測試和現實之間存在巨大不確定性等等，人工智能對大多數企業都是全新的技術，充滿未知，沒有廠商能直接摸準人工智能落地的確定性規則。

華為云總結了一套選擇場景的方法論：

首先要明確該場景核心要解決的問題是什么，是質量、成本還是效率問題；

其次，解決的問題要有清晰的邊界，要便于用數學去刻畫和表達；

再次，這個場景應該是一個閉環的、可以預測的，不能是開放不可預知的；

最后，要具備解決這個問題需要的充足和完備的數據與行業知識。

去年的全聯接大會上，華為就明確了三個AI能實現較好效果的場景，分別是海量重復、專家經驗及多域協同，今年則是可商用場景的擴大化，一邊從0到1找新場景，一邊從1到N實現場景復用。

全聯接大會上Atlas900展示

要素二：觸手可及的強勁算力——華為云EI集群

從某種程度上來說，這幾年的人工智能技術熱潮，解決了人工智能是否能用的問題，然而效率、成本、易用性等等都是人工智能進一步發展的挑戰。另一方面，算力的稀缺問題還沒解決，新算法仍在迭代，AlphaFold、Bert、BigGAN對算力需求更大，言而總之，當前算力仍處于不充沛、不經濟、難獲取的狀態。

以華為舉例，目前華為內部日均AI訓練作業任務超過4000個、訓練時長超過3.2萬小時， 而且還有大量的作業在排隊。

華為云預測，未來，算力的需求每年將增加10倍左右，缺口亟待解決，算力也是目前可預見的限制人工智能發展的最大難題。

華為在本屆大會上更新了計算產業戰略，并且將其放到和聯接同等地位，繼去年連發昇騰910和310后，象征著“暴力美學計算力”的Atlas900集群今次正式發布，而且將會以云服務的形式對外開放，可按需使用、即時開通。

Atlas900代表著“一力降十會”的打法，硬生生用新架構解決舊算力問題。據華為介紹，基于Atlas900的華為云EI集群服務是當前全球最快的AI訓練集群，由數千顆昇騰910處理器構成，只需59.8秒就可以完成典型網絡ResNet-50的訓練，比第2名快15%。

以天文研究為例，天體識別涉及P級數據的存儲和運算，使用傳統模式訓練P級別天文數據中識別新的星體的模型要耗時四個星期。使用“華為云EI集群服務”可以將識別星體的模型訓練時間縮短至分鐘級。

華為云參與了“SKA”（平方公里陣列射電望遠鏡）項目，天文學家要從20萬顆星星中，找出某種特征的星體相當困難，需要169天的工作量，而用上Atlas 900，只用10秒，就從20萬顆星星中檢索出了相應特征的星體，這就是“暴力美學計算力”。

華為云EI集群巔峰算力的背后，華為工程師們從底層硬件到軟件構架全棧優化，包括梯度同步與反向計算并行；數千顆處理器-TOR-SPINE，無收斂線性高速交換；與云計算、存儲，網絡高效協同。

要素三：持續進化的AI服務

AI時代，構建一個生產運行與開發訓練閉環的在線系統非常關鍵，能讓模型持續適應環境的變化，成為持續進化的AI。例如，華為云全流程模型生產服務ModelArts通過AI持續迭代框架，提供端邊協同能力，加速企業AI化進程。

要素四：組織與人才的適配

AI的智慧來源于人類智慧數字化，要遵重以人為本的初心，適配相應的人才、組織和流程。例如，深圳機場應用華為云EI來建設機位智能分配系統，并讓機場指揮員了解EI的決策機制和過程，不僅將指揮員從枯燥重復的操作中解放出來，而且提升了飛機靠橋率，減少了擺渡車的使用，大幅提升旅客體驗。

基于這四個要素的判斷，華為云正式發布工業智能體，定位是工業制造行業的智能化新引擎，引擎共分三部分，基于知識圖譜的智能認知引擎、基于AI模型的智能預測引擎、基于運籌規劃的決策優化引擎，來將諸多難以落地應用的技術應用到工業場景。

公有云的短板戰略

“未來的云服務一定是短板戰略，集中度一定會越來越高”，鄭葉來談及公有云行業的下一步競爭。企業客戶不會因為一項專長選擇云廠商，更要求云廠商無短板，短板決定了未來公有云廠商的極限。

公有云本身就是重資產投入的行業，目前頭部廠商都是有其他資金來源的大廠商，也部分說明了公有云業務的重資產屬性，而隨著業務競爭的白熱化，從前端到后端，從上層到底層的全面競爭，正掏空部分公有云廠商的錢包。

行業競爭的態勢往往是，頭部對標，第二梯隊遭殃，這在公有云行業已經有一些苗頭。不管是互聯網出身的云廠商，還是IT出身的云廠商，都在芯片級別做文章，對客戶的在線服務越極致，對自己的硬件管控就要越精準，不管是出于成本還是效率，芯片戰爭已經隔空打響。

鄭葉來也提到，早期做云的公司重新做IT、做芯片、做硬件。“云服務是華為用 IT 手段形成價值的閉環，你付出了什么，應該得到什么，云服務還是原來的生意，但是換了商業模式，更好地跟客戶溝通。”

外界對華為一直強調做云服務的商業邏輯也理解更深，曾任IT產品線總裁的鄭葉來在任時曾投資過多款芯片，這些都成為當下華為云的芯片層級優勢。

華為云EI產品部總經理賈永利

華為云EI產品部總經理賈永利表示，華為有了自己的芯片，在全棧技術整合一定能做得非常好，將來還可以與海思定制化芯片，在芯片垂直整合比多個廠家去拼湊、去做肯定性能更好，進而帶來客戶成本的節約，他同時補充，華為不會因為有了芯片開打價格戰，還是以更好的產品和服務贏得客戶。

據 IDC 今年8月份發布的《2019年Q1中國公有云服務市場跟蹤報告》，從IaaS+PaaS整體市場份額來看，華為云營收增長超過300%，華為云PaaS市場份額增速接近700%，首次進入Top5。

在馬太效應加劇的情況下，后發的華為云底層優勢逐漸釋放，支撐其位次前進。據業內人士透露，Top5遠不是華為云的目標，其內部希望年底能進入中國公有云市場前四。

雷鋒網總結，公有云的厚重更勝以往，行業整體進入下一階段的備戰期，兵精糧足則勝，反觀之，短板戰略將逐漸淘汰，或者降低一部分非頭部云計算廠商的生存空間，公有云行業的洗牌期亦不遠。