华为徐文伟：AI是考场上的学霸，应用场景中的学渣

为期三天（2019年1月19日-1月21日）的徐文2019 EmTech China全球新兴科技峰会已经接近尾声。据雷锋网了解，场上今年大会围绕AI时代、学的学算力连接未来、用场有限的景中世界，无限的徐文区块链和金融科技、未来工作、场上重写生命、学的学数字世界以及太空八大板块展开。用场

AI人工智能时代到来，景中加速了技术的徐文变革以及市场发展格局的变化。CB Insights联合创始人兼CEO Anand Sanwal在大会上表示，场上AI带来的学的学最大变化是，技术发展越来越快，用场影响也越来越深远。景中以前可能帮助我们成功的因素，现在不再起作用了。对于公司而言，速度是非常重要的。例如，美国标普500指数中公司的整个寿命周期，在50年代-60年代之间，通常一个公司的寿命是60年以上，但是现在可能就是20年以内了。

华为技术有限公司董事、战略Marketing总裁徐文伟也围绕AI现状发表了自己的看法，AI的到来将会带来三个方面的改变，第一，改变所有行业的组织和人员结构。第二，枯燥、重复性的工作，可以被AI取代，但大量创造性的工作是不可能的。第三，在工业行业中使用，例如，支持IoT物联网、车联网等多种应用，5G中采用人工智能。

现在电信网络的维护成本是设备成本的3至4倍，网络越来越复杂，70%的网络故障是人为造成的。采用AI后，可以预测50%以上的潜在故障。所以，AI可以降低5G网络的运维成本，保证网络的质量提升。

AI有很多优点，同时AI当前存在几个问题。徐文伟认为这些问题主要是，问题一：算力太贵，用不起，看起来很美，用起来太贵。问题二：我们没有好的数据，就没有好的AI。数据要进行处理，保证数据质量，没有人工就没有智能。问题三：训练太慢。问题四：应用场景。AI一定是有模型的，调试出的模型，在某种场景下测试或者考试，属于考场上的学霸，应用场景中的学渣。

徐文伟指出，AI依然存在一些缺陷，第一，范围比较窄。第二，更像研究，而不是工程。第三，行的通。换到其他应用场景，数据是不是可行的。第四，一个好模型随着时间的变化可能会恶化，有一部分不确定性。

最后，徐文伟提及AI领域面临的严峻现状，第一，人才的短缺。第二，AI涉及数据安全、隐私保护。关于怎样保护个人数据和隐私等问题，值得进一步研究。

以下为华为技术有限公司董事、战略Marketing总裁徐文伟发言实录：

大家好！非常感谢大家出席今天的交流，也感谢EmTechChin邀请我，作为企业或者说行业，和大家做一些分享。

大家知道AI非常热，据不完全统计去年大概至少有300多场与AI有关的会议，所以，现在大会不讲AI肯定是不行的。

为什么这么热呢？大家肯定是看到了很多AI好的应用场景，其实AI并不是一个新鲜的事情，大家知道，在60多年前就已经提出了AI这个概念，同时正因为AI如此吸引人，大家对AI有着过高的期望，所以经受了两次比较大的冬天。

什么叫冬天？就是说我们对AI的期望，超过了当时ICT的工程能力，从1971年开始，intel发明了处理器开始。

在当前AI这么热的情况下，我们这个行业会不会发生冬天？我们希望不会，我们毕竟是刚刚开始。在座有很多从事投资决策的，包括企业的高官。所以，我今天和大家分享的话，作为一个投资者和作为一个企业高官怎么把握行业的节奏，怎么对行业未来的投资决策做一些参考。

我这次分享我个人对这个行业的看法。

大家知道，人类有生以来，有26种GPT通用技术，它的特点是什么呢？

• 特点一，刚开始的时候，非常的不完善，有很大的改进空间

• 特点二，多用途，可以用在各个行业

• 特点三，溢出效应

所以我们最早的GPT可以回归1000多年前发明的轮子，近期的话，大家也知道，发明了PC、互联网，包括21世纪发明的商业虚拟化和纳米。

所以，现在认为AI是第26种GPT技术，所以AI应该是有巨大的发展空间，假如我们假定18世纪我们发明了蒸汽机是蒸汽机1.0时代的话，1.0时代是把我们人类的体力超越了这个体能的边界，但我们AI现在举一个不准确的比喻的话，我们现在是蒸汽机的2.0时代，它的特征是什么呢？帮助我们人们，超越了我们智力的边界。所以AI有巨大的发展空间。

那我们看一下我们现在的AI、人工智能，实际上，从营销的角度，它包装成了一种认知计算，它的技术是什么呢？就是一个深度学习，它的算法就是卷积神经网络计算等等。

目前我们谈的AI是众多AI分类里面的其中之一，在某些领域已经取得了很好的效果，我们讲人工智能范围是非常广的，并不是我们今天说的人工智能，有很多很多人工智能的方法，我相信人工智能未来还会有非常大的发展空间。

我们想象的人工智能至少是由学习的能力、推理的能力、决策的能力，但是现在我们的人工智能实际上坦率的说，还是一个分析大数据以后的相关性的分析。

比如说，太阳出来鸡叫了，这是一个相关性。那么能不能推导出来“鸡叫了把太阳叫出来了”呢？肯定不是的。我相信现在的人工智能肯定不会这么蠢，鸡叫了把太阳叫出来了。

但是假如从相关性来说，的确这两个事情是相关的，也就是说我们的人工智能当前是一个非常非常初级的阶段。但尽管是一个初级阶段，当前窄的人工智能已经有相当大的应用空间。

比如说，办公室出了一个报告，这个结论我个人是认同的，在未来20年内，虽然机器不大可能展现出与人类相当或者超过人类可应用的智能，但预计机器将在越来越多的任务中，继续达到并超越人类的表现。

假如认可这个结论的话，后面我们就可以展开很多的讨论。

第一点，AI将改变所有行业的组织和人员结构。大家知道，我们现在的行业是金字塔结构，上面是领袖、管理者，下面是基层员工。但现在来说，2018年的统计，至少有300万人已经和AI协同工作了，或者说他的老板是一个机器人。

大家可以想象一下，滴滴打车司机的老板是算法，包括很多的领域，他的老板已经是一个机器人了，300万的数据准不准我不知道，但至少大家可以感受的到，你的主管可能叫Robot博士。

所以说，很多基层的员工一定要习惯你的同事是机器人，组织架构有一些变化。

第二点，工作有所变化。很多人都担心，随着人工智能的到来，很多工作会不会被取代，的确是的。一定是比较枯燥的、重复性的、人们不愿意去干的工作，可以被AI取代，但是大量创造性的工作是不可能的。

所以未来的工作，一定会和AI结合起来，有些工作会被取代，有些工作不可能被取代，而且会产生新的工作。

所以根本不用担心，AI导致大量的失业。而是同时创造了新的工作，就像PC的发明增强了人类的能力，但并没有减少人们的工作，只是说工作有一种转换或者转型。

所以说，从目前的AI来看，AI可以用于内部管理效率的提升，比如说单据的录入、客服，现在很多客服都已经用人工智能了，虽然你好不容易打通了客服的电话，结果是机器人在跟你对话，有的时候你也会搞的很恼火，但的确提高了效率。

同时，比如说我们现在用的门禁系统，像人脸识别，以及现在的智慧城市、平安城市等等，这些领域可以被非常多的广泛使用。

企业家最关心的是成本，假如通过AI可以大大节约你的采购成本。通过AI你可以知道所有采购的价格，哪些是合理的，哪些是不合理的，因为你是信息不对称的。所以你以为拿到了一个很好的价格，但是采用AI技术以后采购成本就可以大大下降。

大家讲到自动驾驶，自动驾驶有一个热点，自动驾驶很快会到来，而且是几百家企业从事了智能驾驶工作。但是从我们的观点来看，车要L5几乎不可能，或者说无法承担成本。

我们的观点是，一定要把车和路协同起来，简单来说，要有一个智慧的路、聪明的车，要互动起来，车和车之间要有通信，车和路之间要有通信，车和人之间要有通信，车和网之间要有通信，这样才有可能解决自动驾驶的问题。

所以，自动驾驶纯粹靠车是不行的，达不到，所以达到L3已经相当不错了，L4还要努力，但L5几乎不可能，我们下次可以再进行交流。

5G作为一个新的技术设施为什么这么重要？因为大家知道5G的带宽可以达到10G，甚至更宽到20G。5G的设计不仅仅是为了移动宽带，假如是为了移动宽带的话，现在的4G已经可以到300兆、400兆的带宽了。

更重要的一点，除了宽带以外，第二个是物联网，可以支撑一平方公里有100万个连接。大家知道未来的智能世界特征：

• 万物感知，到处都是传感器

• 万物互联，所有的传感器必须连接起来

• 万物智能

而5G以及其他现有的连接技术就是未来智能世界的基础设施。所以一方面可以提供超宽带，4K电视、8K电视，尤其是AR、VR来了以后，都可以跟5G联系在一起。

第三个，在工业行业里面的使用，因为它的时延可以低到一毫秒。所以在一个网络里面可以支持IoT的物联网，可以支持企业里面的通信，可以支持车联网，以及超宽带的无限接入，这是多种应用，所以5G是未来智能社会的基础设施，那5G一定会采用人工智能的方法。

我可以分享给大家一个数据，第一点，现在的维护成本是设备成本的3-4倍。所以你必须通过人工智能把维护成本降下来。

第二点，现在的网络越来越复杂，大家知道70%的网络故障是人为造成的，是维护工程师不小心把网络搞瘫了。

第三点，采用了人工智能之后，可以有50%以上的潜在故障进行预测，所以人工智能可以用于电信网络或者5G网络里面的运维成本降低，以及保证网络的质量提升。

比如说有些运营商提出来，我们是不是在同样的情况下维护更多的网络，或者说在同样的网络情况下，维护人员减少50%，这就是AI在行业里面的一些应用。

当然，AI有很多好的地方，同时AI当前存在几个问题。

问题一：算力太贵，用不起，看起来很美，用起来太贵。

问题二：我们没有好的数据就没有好的AI。所以数据要进行处理，要保证数据质量，没有人工就没有智能。为什么现在人工智能的专家这么贵，工程师找不到，这是个专家的活，人工智能没有平民化。

所以说，所有的数据要做标注，所以没有人工就没有智能，和我们想象的人工智能是不一样的，是真正的“人工智能”。

问题三：训练太慢。训练要几天甚至几个月，可能表演一下要几分钟、几秒钟，但是训练的时间很长。

问题四：应用场景。大家知道人工智能一定是有模型的，好不容易调试出来一个模型，在某种场景下测试或者考试，水平很高就是学霸。但真正实际应用场景的情况下，效果并没有这么好，可能精确度、准确度大大下降，下降了10%-15%等等，所以考场上的学霸，工作场所，尤其是应用场景的学渣（可能有点过），但至少没有想象的那么好。

所以当前的人工智能，华为在人工智能领域里面怎么布局的？端、边、云。大家知道我们的麒麟980，从1997年开始就嵌入了AI的芯片，980更强大，所以在智能手机里面，我们的980是智能社会的vocal。

在AI领域里面，去年11月份发布了310和910，全系列的在云端和边缘以及端AI的芯片，我们刚刚发布的鲲鹏920是在云端的CPU，从麒麟980的手机芯片到边缘人工智能计算芯片到云端的计算，我们是这样一个布局。

所以我们的价值主张是，我们是一个平台，包括云。大家知道，连接实际上也是一个平台，未来的智能社会没有连接哪来的数据？所以要把众多的传感器连接起来，连接+平台+AI+生态。

所以AI依然存在着一些缺陷，一个是，范围比较窄，要规则确定、结果明确的情况下，A到B还是做的不错的。

第二点，更像研究，而不是工程，这是什么意思？研究是个手艺活，它要不断的调试，调试调到这个模型，科技适合这种场景，它不是科学基础上的一个工程实现，它是有一定的不确定性。

第三点，行的通，就是说先要设计模型，这个模型调试完了以后，觉得这个可以了，然后再找到一个应用场景，数据是不是使AI行的，这是一个很重要的基础。

还有，现在好不容易找到一个很好的模型，但是它随着时间的变化，就会恶化，比如说我在一个路口，搞一个摄像头的自动红绿灯的变换，但随着时间的变换，它这个模型也在不断的调整。最大的一个问题是不透明，你不知道里面是啥，正是因为不透明，就有可能分析出来由于鸡叫一下之后，把太阳叫出来了（当然不可能是这样）。就是说，正因为是不透明，就有可能产生这种情况。

还有，它不是100%准确，它只是一个最大可能准确，所以它有部分的不确定性。

在AI领域里面，目前人才的短缺，大家也知道，现在没有大数据专家了，一夜之间全部是人工智能专家，尽管如此，人才还依然短缺。

第二点，AI一定涉及到数据的安全、隐私保护，所以AI，在价值观领域里面，实际上大家也要多多讨论，不仅说AI有好的一面，同时也要有一些保护个人的数据和隐私等等，这些发明，都应该是讨论的地方。

大家觉得AI很好，我也这样觉得，但是有没有想过，AI是容易被干扰的，或者说是容易受欺骗的。

我们看张照片，左边是原图，跟中间的照片一模一样，但实际上，中间的照片已经加了右边图像的噪音在里面。但是我们的人眼看起来两张照片是一模一样的，但是通过机器，它就识别出来中间一张它不是一个人了，它是一个书柜，但是我们人眼看出来两张照片是一样的。也就是AI是可以被欺骗的。

照片被欺骗一下无所谓，假如说汽车被欺骗呢？你还敢坐吗？谁说汽车不能被欺骗？当然一种是故意欺骗，有一种是假如训练的时候，有一种场景没训练到，它会不会出故障？有可能。

所以呢，自动驾驶还是有很大的一个不确定性的，这就是一个案例。

2019年1月6号，特斯拉的车撞了一个路边的机器人，也就是说，不一定是被欺骗的，它至少有一种场景可能没训练到。

所以，尽管如此，自动驾驶依然有非常美好的未来，大家一想到自动驾驶，就觉得自己坐在车里面，按照120公里快速的奔跑，假如想象这种场景可能有点困难，但是，你的扫地机器人是不是自动驾驶？假如拖拉机装上自动驾驶软件是不是可以24小时耕地？

所以，自动驾驶是可以广泛被使用的，千万不要一想说自动驾驶，就是说我坐在车里面，按照120公里的速度去快速的奔跑，但某种场景下也是可以实现的。

所以，华为的愿景就是和大家一起合作。把数字世界带到每个人、每个家庭以及每个组织，构建万物互联的智能世界。

谢谢大家！