产业AI也有人情暖意：华为云的愚公之道

一年多之前，我曾经跟一位读者聊过AI和行业应用的问题。

这位读者来自湖南，是一家大型医疗器械企业的科研人员。他跟我说，他很早就在学术刊物上注意到了深度学习，并且当时第一感觉就是这种技术可以解决很多医疗检测方面的问题。

用他的话说，“凭着一腔热血”，就组织了一个用AI识别瞳膜病变的项目。

但结果不尽如人意。

真正上手之后，他发现能找到的算法示例很不成熟，小组也不知道如何自己开发。而且AI训练用的显卡非常昂贵，也无法说服企业批准相关的研发经费。

这个故事始终带给我特别深刻的印象，这是一个典型的“愿望的炙热，遇到了AI的冰冷”——而这个故事，若干年来，已经无数次上演在我们身边。

AI走进行业，真的是听上去简单，实际无比复杂的话题。可以说，一千家企业用AI，绝对会碰到一千个以上的问题。

如何让智能真正落地，这当然是个技术问题，但同时也是一个方法论，甚至企业文化、品牌建设的问题。作为平台级的AI技术使能者，今天不仅是要拿出AI能力与解决方案，更要找到一条道路，确保刚刚燃起热血的AI开发者不会遇到一盆冷水。

更进一步，是要保证开发者和行业应用者，把AI用得舒服，用得放心，用得有奔头。

在福州，这两天最热闹的地方就是华为中国生态伙伴大会2019会场。不出所料，这场两万人参加的盛会中，华为云和产业AI又一次成为了主角。

而我们从华为云一系列关于企业智能的新动作中，读出的是一条以人为本的、在今天中国市场上其实还是有些特殊的普惠AI之路。

解释这条路的特殊前，让我们再重新认识一下，到底什么是产业AI。

AI发展到今年，大家其实是无论用什么词汇包装，最终都在说把AI融入产业这件事。

但在一个笼统的概念之下，我们要具体问这样几个问题：到底什么人需要用AI？什么事需要AI来解决？

华为云对这个问题有个非常精准的总结。在生态合作伙伴大会上，华为云BU总裁郑叶来所作的《+智能，见未来 共筑普惠AI》主题分享中，将AI能够解决的问题分为三种：

1、海量重复劳动的场景，用AI来提升效率。比如华为与德邦快递的合作，用智能摄像头取代人工来完成分拣视频监控工作，将重复枯燥的劳动解放了出来。

2、需要专家经验的场景，用AI进行经验传承。比如华为云与金域医学的合作，利用AI系统学习医院的数据与专家经验，将特定癌症的识别准确率相比业界平均水平提升一倍，让机器有了国际顶级专家的水准。

3、多领域协同场景，用AI来应付人力难以承担的复杂协同工作。比如煤炭、钢铁等产业中，很多动作可以用AI来协同完成，而不像人类需要分步骤、分系统合作，极大提升了生产效率。

这三个方向在今天都已经涌现出大量应用案例。仅仅在华为云EI体系中，就已经提供了数十种AI开放能力，总结出了几百个AI应用场景。并且实际应用AI技术，还广泛依赖个性化解决方案和行业深层数据。

可以说，产业AI的实质特征，是应用者面对的问题千差万别，使用的能力千变万化，打造出的最终效果千人千面。这样的产业现状，也就标志着产业AI无法成为一个高度模块化、可复制化的产业。必须深入到行业和企业中间，由开发者、平台和应用者一起思考合适的解决方案。总体而言，产业AI在实践中，会面临这样几个主要困难：

1、AI深入生产场景时，需求指向个性化和驳杂，常常需要大量定制化开发。

2、需要构建复杂的产业链。一家企业应用AI，可能需要若干供应商的配合。

3、以场景为重心，产业AI有待重新组织商业逻辑，开发者需要清晰看到商业潜力。

4、直到今天，还是有很多技术问题亟待解决，尤其是算力的稀缺与昂贵。

这些问题摆在这，必须让我们明白，行业应用者在面临AI时，绝不会立刻扑上去就用。而是一定有自己的所思所虑，所忧所疑。

那么如果说产业AI这件事，在今天有一本秘籍的话，那么只有一句话可以印在上面：以人为本。

产业需求千变万化，但是人心却是不变的。产业AI命题出现之后，开发者和应用者会本能地估算可能遇到的问题，评估如何通过这件事获得收益。如果不帮他们把这两件事想清楚，那么产业AI永远只能是空中楼阁。

从“拉 拢人心”开始做产业AI，这个逻辑很好理解，做起来却相当复杂。在华为中国生态伙伴大会2019上，围绕“以客户为出发点构建AI生态”这个思路，我们可以看到华为云已经同时开展了几个方向的生态合攻。

首先华为云要做的，是在技术和产品的主干道上，消除产业应用AI遇到的障碍。

技术问题听起来就是华为的强项，但实际上，真正从用户角度考虑构建技术体系，意味着很多任务已经超出了华为的舒适区，必须去未知技术世界中，摸索还能为用户和开发者做点什么。 

华为的优势在通信网络和底层计算，但是在AI领域，华为却做了从芯片，到开发平台，再到算子集和开发工具的全栈全场景AI设施。在采访中，郑叶来提到“如果用户只用华为的芯片和底层算力，那是求之不得的。但是用户有实际问题，所以我们才做了上面的那些工具。”

这个思路，决定了华为云在AI应用的出发点，就已经不是把华为的技术优势打包卖一卖，而是从用户中心的角度，来解决实际中的问题。

今天来看，华为云已经在产业AI这条路上解决了三大问题：

1、算力成本降下来：依靠从昇腾芯片、Atlas智能计算平台，到工具层的全流程打通，华为云让“AI高而不贵”正在实现中。高昂的AI算力成本，在华为云入场后有了显著的下降趋势。

2、把训练困难解决掉：根据最新的斯坦福大学DAWNBench榜单，华为云的ModelArts AI开发平台，获得了图像识别总训练时间及推理性能榜单双料冠军，可以说是公认的速度最快的AI训练平台，甚至比AWS著名的fast AI快4倍。

基于ModelArts的能力拓展，开发者可以做到：训练快，硬速度非常霸道；上线快，端边云一键式部署上云；上手快，简单操作，附带大量教学资源。

一个案例显示，一名城市内涝专家，用ModelArts训练城市内涝预警模型，将训练时间从3天降低到10分钟。

3、打通智能边缘，让AI走向实用：基于华为云的智能边缘技术，应用者和开发者可以完成大量云边端一体化部署。让智能发生在该发生的地方，节约算力和宽带成本，提高数据安全度，让AI可以真正落地。

基础问题逐渐被扫清，产业才能快速准确得到符合自己场景需求的AI能力与开发基础。再之后，才能在我们想象不到的地方，快速可复制地推动AI落地。

在华为云发布AI市场时，特意请来了广联达作为嘉宾。这个举动很有意思。广联达是一家建筑行业的智能技术供应商，基于华为云的AI能力，他们开发了视觉技术模型，来判定工人是否佩戴安全帽，以及AI业务模拟、无人机+图像建模、钢筋数量识别等应用。

满是钢筋水泥的建筑行业，在一般人想来应该是跟智能八竿子打不着的部门，但在技术之路不断被疏浚后，也得以踏入AI的大门。

硬核技术到位后，产业AI的故事就结束了吗？在华为云看来并非如此。

很久以前，我跟朋友分享过这样一个判断：在平台级技术夯实后，产业AI本质上是一个众创对众需的商业模式。

用户需要的算法和API一定是定制化多于通用化的，而他们的需求也需要各种数据服务商、算法开发者、行业解决方案提供商来进行满足。能做到技术兼容的平台下，N家供应企业对N家应用企业，应该是未来的主流AI商业模式。

而且从实际需求上看，代表着定制化创新能力的小团队，甚至个人AI开发者，必须要有一个交易方式来满足生存需要。而且在AI产业刚刚兴起之际，用AI的和做AI的相互不认识，也需要一个交易平台来抵消信息障碍。

然而实际上，这种AI商场模式虽然在逻辑上说得通，实际做起来却困难重重。算法模型的对接和买卖，在今天是一件费力不讨好的事情，其行业规则模糊，技术兼容性问题众多，创始期匹配率不足，都严重制约着这件事的既得利益。

所以说，算法交易平台的价值很多人都认同，但国内实质上始终没有这样的平台。

华为云刚刚做了第一个吃螃蟹的人。

基于ModelArts生态，华为云发布了华为云AI市场，其主要包括AI模型市场、API市场、WIKI数据集、竞赛Hub和案例Hub等模块。事实上，这是国内第一家AI模型市场。

或许在华为云来看，AI市场是一个必须解决的问题，那就不能等到某一天水到渠成之后再解决。哪怕这件事很复杂，甚至不讨好，也有必须做的理由。

甚至于，为了补充AI市场的初期活力，华为云将投入资金对教育双方进行补贴。这其中蕴藏着企业对AI前途的一种理解：去相信和支持那些今天还岌岌无名的开发者，他们是明天的宝藏。

让我们再来说一个意料之外的发现。

在华为云的峰会中，发布了跟企业智能相关的一系列新产品、新计划。其中尤其引起我注意的，是华为云发布了计划与伙伴和客户一起打造的联合品牌营销计划：“凌云行动”。

所谓凌云行动，就是一向低调形象示人的华为云，将在今年开启与合作伙伴的联合营销行动，将自身的传播与品牌资源与合作伙伴共享，共同深入行业，进行全方面的品牌营销和传播。

在采访中，华为云中国区Marketing部部长张鹏透露，EI品牌是今年华为云的工作重点之一。在AI领域，华为云也将开启一系列与合作伙伴共享的品牌传播与组合营销计划。

说实话，以我们对今天产业AI领域的理解，这个计划的价值举足轻重。

或许会有人怀疑，做AI的把算法弄明白不就行了吗？搞那么多品牌传播干什么？

事实上，今天的AI产业中，资本热度逐渐降低，企业生存负担开始加重。然而大量AI开发者和初创企业，都是以纯技术背景团队为主，在营销和获客上既缺乏经验，又缺乏资源和渠道。

而华为体量巨大的传播网络，毫无疑问是今天雪中送碳的关怀。

AI合伙人，在今天的中国还处在幼苗状态，需要有人扶上马，挡挡雨，送一程。

我们从三个侧面，解释了华为云刚刚展示的产业AI生态赋能方案。

大体上，我们可以看到华为云的目标分为两个方面：

1、消除开发者困难：EI智能体解决方案，训练工具、底层算力成本、边缘计算，等等技术与工具体系都围绕这个目标。

2、构建共同利益：建立AI市场，提供联合品牌传播行动，多方位的合作伙伴服务，都围绕着技术以外的利益共同体建设。

只有沿着这两条路不断走下去，AI开发者与应用者身边出现的问题，甚至是还没出现的问题，被一个个解决，利益越来越充足，目标越来越清晰，才会最终有更多行业愿意尝试AI，更多人才愿意投身AI。

环绕AI场景，平台把技术内外的复杂工作完成更多，合作伙伴和用户就会更简单愉快。而只有蛋糕越来越甜，生态链才会主动走向产业AI。

致力于普惠AI的华为云，或许可以被理解为正在追寻产业AI的另一条路：不盲目寻求可复制的高速扩张，而是通过一个个细节的投入和建设，追求产业AI生态链之间的信赖感、成长感——在信任构建和积累中，寻求市场的质变。

郑叶来有个“金句”，这次又被提到了：“To B是需要服务的，苦活脏活干多了，也会变成门槛。”

在产业AI领域的特质中，这个逻辑尤其意味深长。或许路只有一条，就是服务好客户，AI才有未来。

那么这条路上的所有山石叠障，就用技术、用产品、用服务，一个个移开搬走。最终行业用户和开发者通向AI的路上再没有障碍，修路的愚公也自然会被记得。

产业AI更是一门见人心的生意。AI再超前，人心却是不变的——从业者看在眼中的人情与暖意，就是智能时代的金山银山。