十萬行業質變正當時：華為雲解出了一道產業AI公式_風聞

中國有多少個行業？

根據統計，中國行業分為15大類，921個主要行業，超過10萬細分行業。而這些行業中有多少可以應用到AI技術呢？

時至如今，這個答案基本已經成為了共識：每一個。

然而事實上，從“理論可以”到已經可以還有漫長的路要走。而且這條路到底怎麼個走法，似乎始終處在模糊不清的狀況裏。

上週，華為全聯接大會是刷屏級別的存在。然而其中的內容確實太多，難免有點眼花繚亂。比如可能大家沒有注意到，跟AI落地行業緊密相關的華為雲，其實已經在華為全聯接大會2019三天中通過一系列產業解讀和重磅發佈，回答了行業AI，從“理論可能”到“實際應用”到底怎麼走的問題。

把這些發佈串起來，我們會發現一個關於產業AI的公式。華為雲的各種AI行動就是基於這個公式的答案出發，讓產業服務進化，讓AI開發全面升級。

這道關於智能時代的關鍵公式，也是為什麼“AI時代選擇華為雲正當時”的答案所在。

產業AI這道題

從邏輯與理論上的能力觸達，到實際應用中的融合與相互提升，今天AI與10萬行業的故事確實僅僅寫了幾筆開篇，連序言都談不上完整。

華為雲BU總裁鄭葉來在全聯接大會談到這個問題時，用“裂谷”一詞來形容AI商業落地的現狀。他發現，目前中國TOP 15的企業客户，使用了超過70%的AI算力。今年，全球仍然只有14%的企業部署了AI技術。既然AI這麼有用，為什麼企業不用呢？

（華為雲BU總裁鄭葉來）

鄭葉來為此提出了AI與產業融合，需要解決四大問題：要有明確定義的商業場景、需要觸手可及的強勁算力、提供持續進化的AI服務、滿足相關組織與人才的適配。

這四大要素，其實可以基於產業邏輯再拆分成兩半。一半處在上游，也就是AI開發工作；下游的一半，是AI與行業結合。上游更多是技術與基礎設施的提供，而下游是千行萬業具體問題的發現和解決。

回到鄭葉來所説的四大要素，我們可以將商業場景和組織變革，歸類為行業對AI的準備。這更多需要不同角色與產業生態的緊密合作，需要與行業智慧和場景的緊密結合、持續進化的AI服務，等等條件來解決差異化需求。當然，對於此華為雲也已經在行動，EI體系的建立和發展就是針對這一方向。這次全聯接大會中，華為雲正式發佈了EI工業智能體，也是為了解決AI技術深入行業場景的問題。

這裏我們按下下游這邊的問題不表。因為上游是AI融合行業的基礎，所謂基礎不牢地動山搖。今天很多企業面臨AI時，其實都還沒有走到深入場景創新的一步，僅僅瞭解一下AI從訓練到部署的難度，就馬上決定“從入門到放棄”。

而回到四大要素中，產業上游需要的也就是觸手可及的算力、持續進化的AI服務、人才生態培養這三大問題。

這個邏輯其實很好理解，一家企業想用AI，那麼最基本的三個條件就是：有人懂AI、懂AI的人能快速達標完成工作、工作有充足的算力支持。

於是我們可以推導出產業AI的行業基礎，取決於這樣的公式：AI人才儲備×AI開發服務×AI算力＞企業綜合成本預期。只有如此AI才能踏出走入企業的第一步。

如果説，產業AI的下游是一萬個人來解的一萬道題，上游則是一個人來解的一道題——核心就是如何實現全週期的AI開發者升級——這是華為雲需要自己解答的問題。

這是華為雲的產業觀察和理解，也是華為雲在AI之路上的行動指南。在全聯接大會上，我們可以發現華為雲在做的，就是給人才、開發服務、算力，每個環節都安上一個“加速度”。

三管齊下，才是AI開發這道題的正確解法。

一起衝，一起燃，有沃土，有開發者

推動產業AI效率升級，首先要做的是容納更多AI開發者加入這個行業，激活人才儲備領域的變革。

這件事需要的，並不僅僅是工具，更多是一場行動。所以我們看到，在全聯接大會上，華為正式發佈了面向開發者的沃土計劃2.0，宣佈未來5年將投入15億美金。而其中很重要一部分內容，就是希望吸引企業和個人開發者加入AI開發生態，成為華為雲推動普惠AI的生態合作伙伴。

（華為Cloud&AI產品與服務CTO張順茂）

應對開發者的真實需求，沃土計劃2.0針對開發者與AI技術之間瞭解、學習、構建、上市的不同階段，提出優化相應流程，提升社區質量，理順資源配置行動。為AI開發者針對性提供昇騰訓練卡、雲服務代金券、OpenLab、培訓與認證服務、開發者大賽等，從技術、生態到商業閉環構建全鏈賦能。

從沃土計劃2.0到華為雲賦能AI開發者的具體行動，我們可以看到大量產學研一體化、商業閉環構建、開發者賦能的執行方案正在陸續打開。這次全聯接大會，舉行了華為雲垃圾分類AI大賽、華為雲杯無人車大賽決賽等活動，並且發佈了華為AI系列第一本專業參考書《昇騰AI處理器架構與編程 深入理解CANN技術原理及應用》。這一系列行動，本質上是構建與AI開發者的生態共同體，幫助開發者更瞭解華為技術，更瞭解華為雲+AI。

算力美學的伊始：昇騰910打開AI算力的狂飆週期

人和算力，是AI開發的兩端。人才有沃土，算力有什麼？華為雲的答案是，有暴力。

全聯接大會第一天，華為就發佈了基於Atlas 900的華為雲EI集羣，這個擁有宇宙中最大AI算力的“大傢伙“，可以計算星空、探測地球、運算基因，執行那些人類計算與智能史上最難完成的工作。

或許華為雲EI集羣並不是普通AI開發者需要使用的能力。但是它的出現確實幫助華為雲完成了高舉高打，佔領了AI暴力計算的行業制高點。從8月昇騰910發佈商用至今，我們可以看到一系列基於昇騰910的能力和服務衝入了華為雲體系。這個變化是已經發生，並將持續進化。

基於昇騰910的EI訓練集羣，Atlas800 AI服務器、Atlas300訓練卡陸續加入華為雲體系，讓AI訓練的關鍵算力得到大幅突破。高性價比、高密度、高併發，且不用漫長等待搖號的AI訓練算力正在駛入開發者的世界。

AI開發是一件千變萬化其樂無窮的事，但AI訓練只講究兩個字，那就是暴力。在一系列硬件準備完成後，華為雲掀起的AI算力狂飆已經進入倒計時。

絕世神兵佩自動化武器：ModelArts 2.0讓開發質變

AI開發為什麼累、麻煩、效率低，大部分行業和企業聽着有興趣，用上就崩潰？這裏的原因其實既不是人才偷懶，也不是算力所限，而是深度學習代表的新處理方式，跑在原有編程語言，以及缺少工具化的開發土壤上，所導致的“AI原罪”。

大量冗餘重複的訓練數據標註、漫長且低精度的黑盒訓練、混亂茫然的模型版本管理、推理部署之後無法落地的種種兼容問題，這些才是AI開發的真實狀態，也是AI難以走入產業的最複雜問題。某種程度來説，AI開發是一個短板工程，隨便一個問題就可能拖住整個開發進程，導致應用難以落地。

解決這個問題，需要的就是持續迭代升級的AI服務，用基礎設施的進化滿足提升開發效率。全聯接大會上，華為雲EI服務產品部總經理賈永利重磅發佈了一站式AI開發管理平台ModelArts 2.0，就是為了解決這個問題。

（華為雲EI服務產品部總經理賈永利）

如果説，華為雲的AI行動，是拆解之後解決AI開發的所有問題；那麼ModelArts 2.0就是解決AI開發技術流程中的所有問題。

我們知道，AI開發需要經歷數據準備、訓練、模型管理、推理部署四個階段，而ModelArts 2.0針對全部四個階段，發佈了10餘項新特性及服務，包含智能數據篩選、智能數據標註、智能數據分析、多元模型自動搜索、ModelArts SDK、圖神經網絡、強化學習、模型評估/診斷、模型壓縮/轉換、自動難例發現、在線學習等，覆蓋AI模型全生命週期。

從去年發佈ModelArts開始，其實這一平台的定位，就是用數據自動化和模型管理能力，制定AI開發工具盒，從而解決AI開發全靠編程能力和野蠻輸入的問題。而在今年的升級中，智能化技術的應用提升，和更高度的集成化自動化，構成了兩條升級曲線，從而智能化處理AI開發中浪費人力的工作，將需要較多編程能力具有高門檻的工作自動化摺疊。

這樣的升級，就兼顧了不同AI開發者的具體需求，武林高手可以把ModelArts 2.0當作神兵利器，來分擔自己的工作，提升開發專注度；新人們也可以用ModelArts 2.0直接上手開發，理解AI開發，堪稱一把全自動武器。

又有神功傍身，又有全自動火力護體，簡直堪稱中國隊長燕雙鷹的標配。

讓我們舉幾個例子，來看看ModelArts 2.0到底是如何讓開發產生質變的：

1、數據處理時，有智能化加持。

數據標註和預處理，是AI開發中最繁瑣的流程，雖然一些半自動工具可以提高開發者標註效率，但是其中如果混雜了無效數據，則可能降低訓練精度，起到負面效果。針對這種情況，ModelArts 2.0升級了智能數據篩選功能，用AI自動過濾和篩選出對訓練模型無效的數據，比如失焦、過曝、不符合訓練要求等等。此外，ModelArts 2.0還升級了混合智能標註、智能數據分析等能力。讓AI幫你準備訓練AI用的數據，有一種奇妙的和諧感。

2、AI訓練，從傳統到現代。

在AI訓練過程中，如何提高訓練精度一直是考驗開發者的核心問題。而通過華為雲獨創的多元搜索技術，將自動數據增強、超參自動搜索、神經網絡架構搜索等技術進行融合，ModelArts 2.0可以幫助用户快速構建AI模型，並且在精度表現上遠超業界水平。這種高智能含量的極簡訓練方案，可謂讓訓練這件事從傳統走向了現代。

3、模型管理，一攬子新方案融合。

面對AI走向產業，可能經過複雜的模型管理工程，以及高精密、高安全標準的版本管理工作，ModelArts 2.0還升級了豐富的評估接口和可視化能力，讓AI模型一眼可知，不再一到管理就遭遇糊塗賬。

4、推理部署，產業級必備的能力進化。

在AI部署領域，模型的持續進化持續學習其實是產業級應用的必備要求。產業AI場景中，模型一定要具備持續增長、迭代，並且平滑過渡的能力。為了解決這個問題，ModelArts 2.0業界首發難例自動發現功能，結合在線學習方式，打通運行態和開發態，讓模型隨着數據的增長而變化，這也意味着模型可以在線持續學習和進化。該功能已經率先在華為雲自動駕駛雲服務Octopus上試運行，這也讓我們看到了ModelArts成為工業級AI核心平台的方向和目標。

深度的自動化與集成化，讓AI的技術難點被摺疊，讓AI真正用起來；高級智能化，讓AI技術來做減輕專家的工作負擔，讓人類的智慧回到創造和創新，讓AI開發深入。這二者相遇，讓AI開發真正走向質變。

華為雲+AI：何以正當時？

讓我們回到最開始的那個公式，可以看到，這次全聯接大會上，EI訓練集羣、沃土2.0，與ModelArts 2.0，分別指向了AI開發者升級所需的三大關鍵點。而這三者合一，首先觸發的是關於AI開發時間成本的質變。

AI開發者賦能，意味着引入更多人才，通過人才配合與組織化縮短項目時間。

基於昇騰910芯片的AI算力+雲服務，將帶來更充沛的AI算力，實現更短的機械訓練時間。

ModelArts2.0的工具箱全面升級，讓AI全流程複雜度降低，達成更短的人工開發時間。

所有時間的縮短，最終意味着產業可行性的增強，AI開發基礎設施在效率上達成全面革新。AI走進千行萬業，將不再是難以執行的選擇。行業和企業可以聚焦於商業閉環和創新價值，而不是在AI開發的時間迷宮中摸不着頭腦。

做普惠AI的朋友，用户的朋友。華為雲對這個公式的真正答案，是產業AI正在讓生產力發生質變，選擇華為雲正當時。