10月10日，華為在上海舉辦新一年的全聯接大會，這屆大會主題是人工智能（AI）。

華為的AI發展戰略

華為在會上公布了該公司的AI發展戰略。主要包括五個方面：

投資基礎研究：在計算視覺、自然語言處理、決策推理等領域構筑數據高效（更少的數據需求） 、能耗高效（更低的算力和能耗） ，安全可信、自動自治的機器學習基礎能力

打造全棧方案：打造面向云、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案，提供充裕的、經濟的算力資源，簡單易用、高效率、全流程的AI平臺。

投資開放生態和人才培養：面向全球，持續與學術界、產業界和行業伙伴廣泛合作，打造人工智能開放生態，培養人工智能人才。

解決方案增強：把AI思維和技術引入現有產品和服務，實現更大價值、更強競爭力。

內部效率提升：應用AI優化內部管理，對準海量作業場景，大幅度提升內部運營效率和質量。

根據華為的AI戰略，華為提出了全棧全場景AI解決方案。包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。

所謂的全棧是指技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。

華為在會上發布了兩款人工智能芯片，昇騰910和昇騰310，采用自家的達芬奇架構。據介紹，昇騰910支持全場景人工智能應用，而昇騰310主要用在邊緣計算等低功耗的領域。

徐直軍解釋稱，華為自己開創了一個新的架構，要有極致功耗和散熱，可以全場景覆蓋。“寒武紀無法支持全場景，我們的架構一開始就是全場景是不二選擇。”華為在人工智能芯片上與寒武紀進行合作采用過后者的架構。

徐直軍也重申，華為AI芯片也不會單獨對第三方銷售，通過AI加速模塊、AI加速卡、AI服務器等形式對第三方銷售。

人工智能涉及所有行業和組織

徐直軍稱，人工智能觸發的產業變革，將涉及所有行業。今天可以清晰預測到人工智能將改變或顛覆如下行業：

智慧交通將大大提升通行效率；

個性化教育將顯著提升教師與學生的效率；

精準預防性治療有望延長人類的壽命；

實時多語言翻譯交流再無障礙；

精準藥物試驗可以顯著降低新藥成本，縮短發現周期；

基于AI的電信網絡的運維效率將大大提升；

自動駕駛和電動汽車將顛覆汽車產業等。

除了對行業帶來的改變，人工智能還將改變每一個組織。徐直軍稱：“我們認為，未來的組織人員構成可能是菱形的，其中大量處于底部的基礎性、重復性日常崗位會被AI所取代。”

外界一直擔憂AI廣泛使用將導致諸多工作崗位將被取代，但很顯然有些崗位確實要被AI取代。

徐直軍稱：“我們認為，未來的組織人員構成可能是菱形的，其中大量處于底部的基礎性、重復性日常崗位會被AI所取代。與此對應的是，需要增加對數據科學工作崗位的需求，例如數據科學家、具備一般性數據科學能力的數據科學工程師等。這些崗位的數量將遠遠少于當前重復性日常工作崗位。”

人工智能需要十大改變才能開創未來

徐直軍表示，人工智能才剛剛開始，需要從技術、人才、產業這三個方面進行主動的變革，需要在十個方面進行改變。

改變之一：縮短訓練模型的時間

按照目前的技術水平，訓練某些復雜模型時往往需要數天甚至數月，而成功的創新發現往往需要多次迭代，這種訓練速度嚴重制約了應用創新。我們認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

改變之二：充裕經濟的算力

算力是AI的基礎，但目前的算力非常昂貴，是一種稀缺資源。如果說算力的進步是當下AI大發展的主要驅動因素，那么，算力的稀缺和昂貴正在成為制約AI全面發展的核心因素。華為認為，算力應該是充裕且經濟的，并且這種需求應該盡快實現。

改變之三：人工智能要適應任何部署場景

混合云已經成為企業采用云服務的主要模式，當前的AI主要在云，少量在邊緣，與企業的業務環境的結合有待進一步深入。

華為認為，未來AI將無處不在，要能夠部署在任何場景，并確保用戶隱私得到尊準和保護。

改變之四：更高效更安全的算法

算法是推動AI發展的另一個主要動力，但目前運用的主要算法多誕生于1980年代。隨著AI的廣泛普及，這些算法的不足愈發明顯。

華為認為，未來的算法，要能夠基于更少的數據需求，即數據高效。也要能夠基于更低的算力和能耗，即能耗高效。同時要解決自身的安全問題，并實現可解釋…等等，這都是AI全面發展的重要技術基礎。

改變之五：更高的自動化水平

今天的人工智能，自身還需要大量的人工，特別是在數據標注環節，今天甚至還誕生了一個新的職業叫“數據標注師”。有人調侃說，今天的人工智能，是沒有“人工”就沒有“智能”。

華為認為，應該大大提升AI自身的自動化水平，比如在數據標注、數據獲取，特征提取，模型設計和訓練等環節，要實現自動化或半自動化。

改變之六：模型要面向實際應用

2018年6月，伯克利大學的助理教授 Benjamin 等發表了一篇題目奇怪的論文——《CIFAR-10分類器能否泛化到CIFAR-10？》

該論文指出，在CIFAR-10分類器上測試準確度出色的模型算法，卻在作者創建的與CIFAR-10非常接近的另一測試集上出現了偏差，分類識別準確率下降了5-15個百分點不等。這也就意味著，這個模型算法的可用度大幅度下降。

由此，可見當前很多優秀的模型算法，更多的是“考試”優秀，還未達到“工作”優秀。

華為認為，未來的模型必須實現工業級的優秀，即滿足工業生產的需要，而不僅僅滿足于測試集上“考試”優秀。

改變之七：模型更新

模型的準確率并非是一成不變的，而是會隨著數據分布、應用環境和硬件環境的變化而變化，始終保持準確率在期望的范圍內對于企業應用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環的系統。

華為認為，未來的模型要能及時適應各種變化，實時更新，實現閉環系統，保證企業AI應用始終處于最佳狀態。

改變之八：人工智能要多技術協同

每一個通用目的技術，只有與其它技術充分協同配合，才能發揮到極致，創造巨大的經濟價值。AI也不例外，但在目前探討AI時，更多的是僅僅聚焦AI本身。

華為認為，AI需要與云、物聯網、邊緣計算、區塊鏈、大數據、數據庫…等技術充分協同，如此才能發揮更大價值。

改變之九：人工智能要成為由一站式平臺支持的基本技能

今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常復雜，耗時耗力的事情。

華為認為，應該有一站式平臺，提供必需的自動化工具，讓AI應用開發更容易，更快捷。從而，使AI成為所有應用開發者甚至所有ICT技術從業人員的一項基本技能。

改變之十：以AI的思維解決AI的人才短缺

AI人才的短缺，特別是數據科學家的缺乏，一直是業界顧慮較多的一個制約因素。

華為認為，數據科學家將永遠是稀缺的。解決之道應該是，以AI的思維解決AI的人才短缺。通過著力發展智能化、自動化、簡單易用的AI平臺和工具服務，以及提供培訓教育，培養大量的數據科學工程師，使他們能完成大量基本的數據科學相關工作。通過這些大量的數據科學工程師與數據科學家和各領域專家相互配合的梯形結構，來解決AI人才稀缺問題。這十個改變，一定不是AI技術、人才、產業發展的全部，但都是未來發展的重要基礎。