从火种到能源的摆渡者：华为做AI的逻辑链

当燧人氏第一次钻木取火的时候，他看见了什么？房屋取暖？照明？冶炼？内燃机？显然这些都不在他的视线之内。三皇五帝到如今，为了把取火这东西变成人类共享的能源，地球经过了几千年的前赴后继。

一个技术念头的出现当然不易，但从技术原点到普遍应用，要跨过的千山万水往往无声而悲壮。取火、蒸汽机、石油、电子计算，莫不如是。

AI也是一样，当图灵提出人工智能假想的时候，他没有也不必去思考这东西如何作用于世界经济。但把AI从技术理论拓展到现实世界应用，这是浩渺时空交给21世纪的任务：AI很有用，但AI到底怎么用？

对这个问题的解答，正在中国的土地上此起彼伏地上演。

在2018年10月举办的全联接大会期间，华为轮值董事长徐直军首次发布了华为的AI战略，以及全栈全场景AI解决方案。由此出发，华为将在2019年提供公有云、私有云、边缘计算、物联网行业终端以及消费终端的全场景AI部署能力。

据目前了解，还没有其他哪家公司打造了如此全面的AI全栈方案。为什么华为一定要一出手就“大费周章”打造全系统的AI架构？全栈全场景到底有什么用？为什么不是 其他公司率先抢到全栈全场景这个“头筹”？

这里面，包含着AI产业自身，以及华为AI战略里一条环环相扣的逻辑链。

这个逻辑来自华为，但这个故事却不仅关于华为。AI一如钻木取火，从看见火种，到打造系统的能源产业，这其中要有无数“摆渡人”轮番上阵。他们要做的工作只有一个：发现，然后解决下一个问题。

今天AI的问题：有多美好，就有多困难

我们先来解释这样一个问题：为什么AI需要全栈解决方案？

首先我们都知道，AI是非常有用的，说得肯定一些，我们甚至无法找到哪个行业不能应用AI。毕竟AI是一种机器与现实世界间的交互逻辑。机器能看能听能想，对于任何行业都是重要的——这是AI之所以美好。

那么各个行业都用上机器的“看听想”了吗？显然并没有。

这里可以分享几个实际发生的故事：

有一家橡胶厂，想要开发一个自动检测配料剩余情况的AI系统，设计中是利用机器视觉和数据分析技术来提醒工人添加配料。工厂找了某算法公司做供应商，在框架上跑出来的模型效果很好，结果安装到厂房里一用，发现该报警的时候不报警，白白浪费了不少原料。

这种情况并不少见，今天的机器学习模型往往属于“应试考生”，跑分问题不大。但在实际环境中部署，要贴合带宽、算力、设备、延迟容错度等多个因素，往往刚上阵就原形毕露。而真正融入生产流水线里的AI系统，更是可能跑出来天花乱坠的错误。

再说一个工业园区，他们想要把园区监控系统换成智能监控。结果发现，首先要把园区的摄像头都换掉，然后还必须把园区里所有电线杆都换成可给摄像头供电供网的专用电线杆。

在某工厂，管理层号召要进行AI转型。于是技术人员开始构思AI转型，结果发现生产系统非常复杂，根本没法找到一套适应庞大IT体系的AI方案。最后解决办法是全厂更换了智能饮水机，成为一个笑柄。

这些企业想要运用AI，但却被AI的“纸上谈兵”给挡在了门外。想要破解这个难题，不仅需要依靠基础科技的创新和创意性解决方案，更重要的是要有一套适合产业AI应用的技术体系，让大大小小各种企业都能找到自己的AI入场券。

于是，“全栈全场景”就成了关键词。

从结果逆推：AI需要什么，华为就做什么

假如有能满足工业级AI应用的算力与训练环境，橡胶厂就可以顺利以AI提高生产效率；假如能够构建边缘计算AI处理矩阵，园区就不用痛苦地更换电线杆；假如能够基于一个大型企业需求，打造体系化的私有云AI方案，工厂也就不至于把换饮水机充作AI项目。

今天AI在产业实际应用中的问题，是需求太复杂，但能获取的B端解决方案往往单一。有的用户需要跑通从开发到训练的全流程；有的用户需要大规模部署的算力；有的用户需要边缘计算的AI能力，千变万化的企业和行业需求，逆推出一个结论：AI供应，必须全栈。

于是我们看到，华为打造了从芯片到框架，再到边缘、终端的全栈AI架构。用户可以根据自己需求，以不同的产品形态、技术体系调用华为的AI服务，自由选择所需技术组合，达成一体化自动化，多层次精确部署AI模型。

这就好比一个管家，必须掌握所有的钥匙才算称职。当你能打开每一扇门，才能让你的客人看到所有风景：无论是配合复杂的用户环境、跨技术层次的模型协同优化、还是基于云边端协同部署AI，都可以基于全栈架构实行灵活拆分和再组合，从而实现使用者的不同需求，这也就是华为AI体系强调的全场景能力。

AI想从论文和框架里走出来，走到田间地头工厂学校，今天看来必须要有全栈全场景AI解决方案作为连接桥梁。于是这个逻辑很简单，AI面对最显眼的问题是什么，华为就针对性攻克了什么。

而接下来我们会问：全栈全场景AI很重要，别家就不知道吗？为什么只有华为“狠心”搞了一个全套？

道法自然：为什么全栈AI只有华为

可以用一句绕口令来解释，为什么是华为发布了目前业界唯一的全栈AI解决方案：华为打造AI，是基于华为体系，面向华为需求。

说白了，只有华为可以不那么用力地去拥抱AI，也无需过度担心未来AI市场。华为首席战略架构师党文栓就提到过，对华为而言，每一层AI架构都是自然而然的。

就拿外界看起来最困难的AI芯片来说，在华为看来，神经网络芯片本身并没有太复杂，核心是芯片设计和工艺的挑战，而这恰恰是华为在多年各种芯片设计中已经具备或一直在积累的能力。

再比如，算法公司打造全栈AI的一个痛点，往往在于云端一体化领域，边缘计算设备、小站、物联网终端硬件等等的AI部署会成为命门。而华为恰好有云边端多种IT产品的布局优势。 

事实上，在全栈AI这个高技术密度和产业协同度要求的命题下，华为长久以来布局的ICT产业优势，会像山泉汇聚为江河一样滚滚而来，合作产生AI技术解决能力与产品化通道。这个道理基本与围棋里的布局相一致，前面布的子多，后面就怎么下都有利。

更自然的，是华为AI架构的去处。徐直军就坦言，即使没人用华为的AI也没什么，自己用总归可以。实质上，华为已经在公有云业务和消费者终端中应用了AI。这两者的根基，已经让华为可以不必过分担心全栈AI的商业问题。重度投入AI也就变成了符合华为根本利益的一件事。

来得自然，去得坦然。全栈AI可以说是从华为产业体系中孵化出来，又可以借助华为产业体系获得最大价值。这就解释了为什么华为能做，并且要做全栈化的AI架构。

当然，全栈AI对于华为来说，绝不仅仅是“有了更好”那么简单。

未来的红色预警：为什么华为无法在AI上“偷懒”？

反过来，我们可以再思考这样一个问题：如果华为今天没有制定AI战略，推出全栈AI架构，或者在技术投入上稍微“偷懒”，那么接下来会怎样？

这或许是今天泛企业服务领域都必须向自己提的问题：面对充满不确定性的未来，我们敢放走AI吗？

首先，对于华为这样的公司来说，失去AI就等于失去了未来庞大的业务需求。

今天的产业AI需求，是一个横贯政府、社会基础设施、运营商、企业与科研机构的庞大命题，且与消费终端息息相关。当客户对AI的需求不断旺盛的时候，不做AI就等于和未来的市场增长说再见，更是加大了被企业市场淘汰的风险。抵御未来风险的最好方式，就是先一步开拓AI战略。

那么既然要做AI，华为越早全栈化，也就是对客户体系的最好交代。

全栈全场景AI体系的潜台词，是服务企业掌握了足够的技术灵活性与开放性，可以满足客户未来持续的技术发展需求。在智能化这条路上，企业非常惧怕服务商技术难以升级，导致使用技术服务等于变相套牢自己的尴尬。所以AI架构的完善性，就成了华为必须一次性找到完整答案的问题。

更重要的，或许是如果坐看AI落地问题扩大，那么最坏结果就是AI技术与产业发展整体受阻。历史上两次AI寒冬都由落地问题而来。面对人类经济体可能普遍受益的通用 技术机遇，当然没有人希望再来一次技术寒冬。那么必须有人扛上去的时候，华为并不是一个坏的选择。

我们可以这样总结华为做AI的逻辑关系：

过去AI产业的发展，积累了待解决问题与市场机遇，也留给华为必须做全栈AI的启示；现在，由于华为的产业布局和技术投入，从芯片到框架，再到云边端的全栈AI体系得到了自然生长；而未来，面对未知中的压力与责任，华为又必须选择AI作为战略中轴——也就是说在华为拿出的技术体系背后，是基于问题意识和战略预判做出的最优解。

面对AI时，可能每一家企业都需要类似的逻辑做出选择。

AI作为面向未来产业的核心契机，小到华为，大到国家经济体，延伸到每一个个人和组织，都无法放弃通用技术带来普遍生产力升级的渴望。

毕竟我们已经看到火了。进一步，得到的也许是人类沿用万年的能源；撤一步，留下的是一捧灰烬。于是总有人不能后退。

---------------------------------------------------

本文转自期刊《华为技术》

原文链接：https://www.huawei.com/cn/about-huawei/publications/communicate/81/ai-logic-huawei