華為創(chuàng)始人任正非近日在華為諾亞方舟實驗室座談會上做了一次內部演講，首次系統(tǒng)談到華為在人工智能領域的戰(zhàn)略。

　　文章提到，任正非主要談到了4個方面的內容，一是華為的人工智能服務方向，二是研發(fā)重點，三是團隊協(xié)作，四是人才獲取。

　　任正非指出，我們要防止封閉，一定要開放。這邊摻進一個美國磚，那邊再用一個歐洲磚、一個日本磚，萬里長城，不管磚是誰的，能打勝仗就行了，不要什么磚都自己造。在這個萬里長城大平臺上，允許大河奔騰的踢踏舞，允許“蜂子”跳舞，它顛覆不了這個平臺，但是激活了這個平臺。

　　以下為任正非演講實錄：

　　我們所有的人工智能要自己的狗食自己先吃，自己生產的降落傘自己先跳。基于我們巨大的網絡存量，現階段人工智能要聚焦在改善我們的服務上。服務是公司最大的存量業(yè)務，也是最難的業(yè)務，人工智能可以首先在服務領域發(fā)揮作用，世界上還有哪個公司有這么大的業(yè)務量和數據量與我們比拼？通過在服務上的積累和改進，五年后就可能產生世界上最強的人工智能專家，同時把大量優(yōu)質服務專家解放出來為攻克上甘嶺投入更多戰(zhàn)略部隊。

　　所以人工智能要瞄準服務主航道，下決心花錢打造公司內在的能力，先不做邊界外的事情，不做社會上的小產品。

　　一、巨大的存量網絡是人工智能最好的舞臺

　　為什么要聚焦GTS、把人工智能的能力在服務領域先做好呢？對于越來越龐大、越來越復雜的網絡，人工智能是我們建設和管理網絡的最重要的工具，人工智能也要聚焦在服務主航道上，這樣發(fā)展人工智能就是發(fā)展主航道業(yè)務，我們要放到這個高度來看。如果人工智能支持GTS把服務做好，五年以后我們自已的問題解決了，我們的人工智能又是世界一流。

　　首先，是解決我們在全球巨大的網絡存量的網絡維護、故障診斷與處理的能力的提升。我們在全球網絡存量有一萬億美元，而且每年上千億的增加。容量越來越大，流量越來越快，技術越來越復雜，維護人員的水平要求越來越高，經驗要求越來越豐富，越來越沒有這樣多的人才，人工智能，大有前途。

　　我們現在用的是IP網，IP是犧牲時延來降低成本，路由竄來竄去的，哪個地方出問題，問題出在哪兒，都不知道。英國出現了問題，原因可能在德國。虛擬化軟件和硬件又解耦了，未來網絡中要更多地關注亞健康檢查， 出問題前就要知道。明天網絡還會越來越復雜，越來越搞不定，故障不知怎么回事。

　　華為在全球網絡中占有三分之一的份額，這么大的存量網絡維護難度也很大。網上的設備從遺老遺少，到時髦青年，還有新新人類，如果沒有人工智能的自我學習、知識技能的不斷揚棄，這張網只靠人怎么來維護？人是記不住這么多事故模型的。所以我們就要構筑這個能力，我們一定要在自動診斷、自動發(fā)現故障隱患這個問題上下工夫，不然將來我們的機構很臃腫，我們要在這里面敢于投入。

　　人工智能通過學習，可以使得專家只用聚焦解決最關鍵的10%的問題。一部分簡單的問題可自動去實施，這樣服務的專家就可聚焦解決關鍵問題了。精減下來的編制，可以全部給人工智能研究去招聘科學家與博士（當然包括茶博士、博士前）。

　　我們現在的基站安裝，就是現場硬件裝上去，我們在西安、羅馬尼亞……做總調。以后發(fā)現問題，不一定要羅馬尼亞去，我們當地發(fā)生的問題，經過全世界數據的自我學習以后，系統(tǒng)自己就可以調整解決，再把結果上報。我們通過專家分析和訓練，校正機器算法的結構，在處理問題中提升算法，最重要是讓機器有學習能力，而不僅是人有學習能力。

　　單純用水泥修個房子是很脆弱的，風都能吹得倒，水泥里加點沙子加點石頭就很堅硬，你要搞混凝土工程。做人工智能，一定要貼近實際，貼近需求，貼近客戶。諾亞方舟實驗室應在每個GTAC都應該設一個小組，天天和服務專家一起上班做故障處理，搞明白什么叫故障，故障是怎么發(fā)生的怎么排除的，它們數據模型是怎樣的，他們不會在解決故障后來給你講成故事。另外，還要熟悉網絡是什么，若不是一個網絡專家，你怎么能通過人工智能發(fā)現故障呢。親身體會存在問題是啥，解決問題的方法是啥，這個不是GTS落地，而是2012實驗室的責任，GTS相應團隊可以投資和配合。

　　第二，是人工智能在網絡大流量預測使得網絡規(guī)劃與優(yōu)化從被動走向主動。

　　以成都這張網為例，隨著視頻業(yè)務發(fā)展， 過去1年4G用戶增加75%全網流量增加70%，成都市區(qū)用戶平均下載速率從35Mbps提升到40Mbps。那么，客戶的挑戰(zhàn)是如何在網絡流量快速增長的同時，保障和提升最終用戶的體驗？隨著網絡承載的業(yè)務越來越豐富，越來越動態(tài)，就需要利用人工智能去主動的預測，去主動發(fā)現未來幾個月的流量熱點并對網絡進行事前的調整。

　　以后的網絡是以數據中心為中心的網絡，在網絡的規(guī)劃設計中，網絡拉遠共享帶來了時延，拉近了則時延少了但數據中心就多了，幾萬個數據中心之間的數據調來調去就是個復雜的算法問題，這也需要人工智能在網絡規(guī)劃中發(fā)揮作用。為什么這么多年我一再鼓勵，要有些學航天、地理、測繪、生物……等雜家進入服務體系來，就是要敢于用最先進的工具和方法解決問題。通過使用先進的工具，把網絡的拓撲圖拿出來，把衛(wèi)星地圖拿出來，再利用人工智能進行大流量預測輸出一個流量圖，然后把韓國的先進案例、四川的先進案例圖拿來，一重疊，就能預測網絡的流量機會在哪。通過流量非正常變動，發(fā)現事故苗子……。

　　現在我們網絡優(yōu)化的模式都是事后的。根據你們的流量預測與自動規(guī)劃的例子，以后可以做到提前預測，這樣就在用戶擁塞發(fā)生之前進行網絡調整，提前避免問題。我知道你們不可能一步做完，但是我們一步一步往前走，我們一定能找到機會窗。雖然有的內容還只是演示沒有進入全面實用狀態(tài)，我相信今天的假，就是明天的真，我支持你們，我們一定要找到最實用最簡單的方式為世界服務。我們構筑了這個大的機制和隊伍，這么大的能力，就能更好地為客戶服務。

　　所以人工智能在服務的應用一個是對網絡故障診斷分析，第二個是對網規(guī)網優(yōu)的指引，再有就是做好技術資料的翻譯。我們的人工智能要優(yōu)先往內做，拿我們內部業(yè)務一塊一塊做實驗，今年這塊做成一點，明年那塊做成一點，技術越難越要搞，對內部我給足預算，下定決心花錢在服務上打造好這些本領，才有未來。進攻就是最好的防御，當我們用這種方式進攻時，門檻高得其他公司跟不上了。2020年我們超過1500億美金后，我們會變成一個慢牛，不會再增長那么快，這個時候人工智能如果使用好，我們會控制人數，增加效率與效益，那我們公司還是一個好的經營狀況。這時候我們培養(yǎng)的這支隊伍就可以殺出去，為攻克新的上甘嶺投入更多戰(zhàn)略部隊。