轮值董事长徐直军今年4月在华为分析师大会上透露，AI战略将在全连接大会上发布，承诺将如期兑现。
在刚刚举行的第三届HUAWEI CONNECT上，徐直军公布了华为的AI发展战略以及华为的AI全栈全场景解决方案，其中包括华为两款自研统一达芬奇架构的AI芯片——Ascend和Ascend。
徐直军表示，AI时代，十大变革正在接踵而至：模型训练时间缩短、算力充沛且经济、人工智能适应任何部署场景、算法更高效更安全、自动化水平、模型要面向实际应用、模型更新、人工智能需要多技术协作。
人工智能必须成为一站式平台支撑的基本技能，必须用AI思维解决AI人才短缺问题。
徐直军演讲要点如下：人工智能是ICT产业60年发展的总成果。
约翰，当时是达特茅斯学院的助理教授？麦卡锡组织召开了达特茅斯讨论会，正是在这次会议上提出了“人工智能”的第一个正式定义。
此后的60年里，人工智能经历了两次发展低谷，即所谓的“冬天”，但其发展并未就此停止。
2001年，英特尔发布了第一款微处理器。
50多年来，摩尔定律见证了ICT产业的蓬勃发展。
如果我们把过去六十年AI产业和ICT产业的发展轨迹放在一起画出来，大致应该是这样的。
综上所述，人工智能与ICT产业整体发展水平密切相关，学术研究发现与工程技术发展相辅相成。
AI行业的两次“冬天”之所以出现，是因为社会对AI应用的期待大大超出了ICT行业工程水平的发展现实。
庆幸的是，“冬天”并不是结束，而是每一个“春天”的开始。
今天，我们又进入了“收获”的季节。
这是全球ICT学术界和工业界60年长期努力和相互合作的结果。
面向未来，我们要充分利用人工智能技术，抓住收获，努力扩大收获成果。
同时，让收获季节持续得更久，让人工智能在赤道上永远充满活力。
人工智能是一种新的通用技术。
任何技术只有精准定位，才能充分发挥其价值。
合理定位人工智能技术是我们理解和应用这项技术的基础。
就像公元前的轮子和铁，19世纪的铁路和电力，20世纪的汽车、计算机和互联网一样，华为认为人工智能是一组技术，是一种新的通用目的技术（GPT）。
加拿大学者理查德·G·利普西在其著作《经济转型：通用技术和长期经济增长》中提出：社会经济的可持续发展是由通用技术的不断涌现来不断驱动的。
所谓通用技术，简单理解，就是必须具有多种用途，几乎适用于经济的所有领域，具有巨大的技术互补性和溢出效应。
经济学家认为，人类发展至今共有26种通用技术，人工智能就是其中之一。
我之所以强调人工智能是通用技术，是希望大家关注人工智能对未来的巨大影响和价值。
人工智能作为一项通用技术，不仅可以让我们以更高的效率解决已解决的问题，还可以解决许多未解决的问题。
我们是否拥有真正的人工智能思维，能否运用人工智能理念和技术解决当前和未来的问题，是我们未来能否打造领先竞争力的关键。
华为在实践中发现，人工智能不仅可以替代人类，还能自动降低生产成本。
这是人工智能与信息化最大的区别，也是其最有价值的特征。
人工智能将改变每一个行业，人工智能在每一个组织引发的产业变革将涉及到所有行业。
我们每个人都必须思考我所处的行业是否会被人工智能技术改变甚至彻底颠覆。
如何以新的模式重构我们各自的行业和企业，是我们未来需要思考和实践的问题。
今天，我们可以清晰地预测，人工智能将改变或颠覆以下行业： · 智慧交通将大幅提升交通效率 · 个性化教育将显着提升师生工作效率 · 精准预防治疗有望延长人类寿命 · 现实-多语言翻译和沟通不再成为障碍 · 精准药物测试可大幅降低新药成本，缩短发现周期 · 基于人工智能的电信网络运维效率将大幅提升 · 自动驾驶和电动化汽车将颠覆汽车行业等等。
来自华为云EI和HiAI发布短短一年的时间，我们感受到了前所未有的热情。
除了给行业带来变化之外，人工智能还将改变每个组织。
18世纪以来的每一次技术革命都对组织结构、工作流程和人员能力产生了巨大影响。
从岗位和人员能力来看，人工智能驱动的变革会有明显的差异：以往的变革总会产生大量重复性的日常工作需求，比如纺织工厂的设备操作、汽车制造的装配线和手机制造。
装配线等。
但人工智能将在几乎所有方面提高自动化程度，因此对大量重复性、例行工作的需求将显着减少。
相应地，需要增加数据科学岗位的需求，比如数据科学家、具有通用数据科学能力的数据科学工程师等，这些岗位的数量将远远少于目前重复性、日常性的岗位。
工作。
因此，我们认为未来的组织人员结构可能是菱形的，其中底层大量基础性、重复性的日常岗位将被AI取代。
*改变才刚刚开始。
选择正确的问题比寻找新的解决方案更重要。
事实上，人工智能引发的各种变革才刚刚开始。
变化一直是一些人欢乐的源泉，而另一些人则是悲伤的源泉，尤其是在变化之初。
我们可能会因为目睹人工智能实现了以前难以想象的功能而感到兴奋，从而有加速人工智能广泛采用的冲动。
你也可能因为某个AI项目没有按预期进展而感到焦虑，或者担心AI应用的安全性和可靠性，从而导致对未来如何使用AI感到困惑。
这些都是所有通用技术历史上的正常现象。
我们刚刚度过了人工智能技术和应用的部分探索阶段，目前正处于第二阶段。
现阶段，从技术角度来看，一方面AI技术日趋完善，同时也暴露出越来越多的问题；从应用角度来看，一方面，人工智能应用越来越广泛，其价值不断被证实，但同时政策环境、公司流程、组织人员等主要面向过去信息和互联网时代的技术，尚未为智能技术时代的到来做好准备，因此经常会发生碰撞甚至冲突。
人工智能技术最终会赢得自己的社会环境，进而进入人工智能应用全面快速发展和生产力提升的第三阶段。
在迎来新的GPT技术之前，我们将继续见证和享受这个黄金发展期，即第四阶段。
但我们也必须清醒地认识到，人工智能并不是万能的。
有人工智能可以解决的问题，也有人工智能无法解决的问题。
我们应该充分关注人工智能能够解决的问题和创造价值的领域，而不是把精力花在人工智能无法解决的问题或无法创造价值的领域上。
因为选择正确的问题比寻找新的解决方案更重要。
*今天，千里精彩之旅，从一步开始。
让我们看看当今人工智能的现状： 一方面，以下一系列大数字让我们感受到了人工智能行业发展的“辉煌”： * 发表于机器学习论文数量20,000 * 全球超过22个国家发布了AI计划 * 2016年诞生了许多新的AI创业公司 * 2017年AI相关并购金额达到1亿美元 另一方面，以下一系列小小的数字让我们感受到了人工智能初级阶段的“冷静”： * 只有4%的企业投资或部署了AI * 只有约2%的零售商投资或部署了AI * 只有约5%的企业部署了智能城市正在使用AI＊2017年只有约10%的智能手机内置AI＊全球AI人才供需比仅1% “辉煌”与“平静”差距拉大 为产业发展汇聚巨大动力。
俗话说“风雨欲来，风满楼”。
这个差距令人兴奋。
十大变革创造未来，必须解决人工智能“火热辉煌”与“冷静”方面的巨大差距。
创造未来，我们必须在技术、人才、产业三个方面积极变革。
今天，我想跟大家分享一下人工智能技术、人才和产业变革的十大重要方向。
变化之一：缩短训练模型的时间。
按照目前的技术水平，训练一些复杂的模型往往需要几天甚至几个月的时间，而成功的创新发现往往需要多次迭代。
这种训练速度严重制约了应用创新。
我们认为未来的模型训练必须在几分钟甚至几秒内完成。
变化二：丰富的经济算力算力是人工智能的基础，但目前的算力非常昂贵，属于稀缺资源。
如果说算力的进步是当前人工智能发展的主要驱动因素，那么算力的稀缺性和成本正成为制约人工智能全面发展的核心因素。
我们认为算力应该是充沛的、经济的，而且这个需求应该尽快实现。
变化三：人工智能必须适应任何部署场景。
混合云已成为企业采用云服务的主要模式。
目前，AI主要集中在云端，少量在边缘。
与企业经营环境的融合有待进一步深化。
我们相信，未来人工智能将无处不在，必须能够部署在任何场景，同时确保用户隐私得到尊重和保护。
变化4：更高效、更安全的算法算法是AI发展的另一个主要驱动力，但目前使用的主要算法大多诞生于20世纪60年代。
随着人工智能的广泛普及，这些算法的缺点也越来越明显。
我们认为，未来的算法必须能够基于更少的数据需求，即数据高效。
它还必须能够基于较低的计算能力和能耗，即能源消耗是高效的。
同时还要解决自身的安全问题、实现可解释性……等等，这些都是AI全面发展的重要技术基础。
变化五：更高的自动化水平今天的人工智能本身仍然需要大量的体力劳动，特别是在数据标注过程中。
如今，一个名为“数据注释者”的新职业甚至诞生了。
有人戏称，今天的人工智能没有“人工智能”就没有“智能”。
我们认为人工智能本身的自动化水平应该大大提高，比如在数据标注、数据采集、特征提取、模型设计和训练方面实现自动化或半自动化。
变化之六：模型必须面向实际应用。
今年6月，伯克利大学助理教授本杰明等人发表了一篇论文，标题很奇怪——《CIFAR－10分类器能否泛化到CIFAR－10？》。
论文指出，在 CIFAR-10 分类器上测试了一个具有出色精度的模型。
但算法在作者创建的另一个与CIFAR-10非常接近的测试集上出现了偏差，分类识别准确率下降了5-15个百分点。
这也意味着该模型算法的可用性大幅下降。
由此可见，目前很多优秀的模型算法更多的是“考试”优秀，尚未达到“工作”优秀。
我们认为，未来的模型必须达到工业级的卓越，即满足工业生产的需求，而不仅仅是满足于在测试集上“检验”卓越。
变化七：模型更新模型的精度不是一成不变的，而是会随着数据分布、应用环境、硬件环境的变化而变化。
将精度保持在所需的范围内对于企业应用程序是必要的。
然而，目前的模型更新是非实时的，依赖于手动定期更新，因此是一个半开环系统。
我们认为，未来的模型必须能够及时适应各种变化，实时更新，实现系统闭环，以保证企业AI应用始终处于最佳状态。
变化8：人工智能需要多种技术与每种通用技术进行协作。
只有与其他技术充分配合，才能发挥其最大作用，创造巨大的经济价值。
人工智能也不例外，但目前我们讨论人工智能时，更多关注的是人工智能本身。
我们认为人工智能需要与云、物联网、边缘计算、区块链、大数据、数据库等技术充分协同，才能实现更大的价值。
变化九：人工智能必须成为一站式平台支撑的基本技能。
如今，人工智能仍然是一项只有拥有高级技能的专家才能完成的工作。
目前还缺乏成熟、稳定、完善的自动化工具。
获取 AI 模型。
这仍然是一个非常复杂、耗时、费力的事情。
我们认为应该有一个一站式平台，提供必要的自动化工具，使人工智能应用程序开发变得更容易、更快捷。
由此可见，人工智能已经成为所有应用开发者乃至所有ICT技术从业者的基本技能。
变化之十：用AI思维解决AI人才短缺问题。
AI人才短缺，尤其是数据科学家的缺乏，一直是业界担心的制约因素。
我们相信数据科学家永远是稀缺的。
解决办法应该是用AI思维来解决AI人才短缺的问题。
通过专注于开发智能、自动化、易用的AI平台和工具服务，以及提供培训和教育，我们将培养大量的数据科学工程师，使他们能够完成大量数据科学相关的基础知识。
任务。
通过大量数据科学工程师、数据科学家和各领域专家相互合作的阶梯结构，可以解决AI人才稀缺的问题。
这十大变化当然不是人工智能技术、人才、产业发展的全部，但都是未来发展的重要基础。
华为AI发展战略的这十大变化，既是华为对AI产业发展的期待，也是华为AI发展战略的源泉。
基于这十大变化，华为的人工智能发展战略包括五个方面： 基础研究投入：在计算视觉、自然语言处理、人工智能等领域打造数据高效（数据需求更少）和能源高效（数据需求更低）。
决策推理算力和能耗）、安全可信、自动自主的机器学习基础能力·打造全栈解决方案：打造云、边、端等全场景独立协同的全栈解决方案，提供充足的免费、经济的计算资源，易用、高效、全流程的AI平台 · 投入开放的生态系统和人才培养：面向世界，持续与学术界、工业界和行业伙伴广泛合作，打造开放人工智能生态，培养人工智能人才 · 解决方案强化：将人工智能思维和技术引入现有产品和服务，实现更大价值和更强竞争力 · 提升内部效率：运用人工智能优化内部管理，瞄准海量运营场景，显着提升内部效率提升内部运营效率和质量 华为AI解决方案 图为华为全栈、全场景AI解决方案。
我们提出的完整场景是指包括公有云、私有云、各种边缘计算、物联网行业终端、消费终端在内的部署环境。
我们所说的全栈是技术功能角度，指的是包括芯片、芯片使能、训练和推理框架、应用使能在内的全栈解决方案。
华为全栈解决方案具体包括： *Ascend：基于统一可扩展架构的一系列AI IP和芯片，包括Max、Mini、Lite、Tiny和Nano五个系列。
包括我们今天发布的华为Ascend，这是全球发布的单芯片计算密度最高的AI芯片，以及边缘计算场景下算力最强的AI SoC Ascend。
华为Ascend 华为Ascend*CANN：芯片算子库和高度自动化的算子开发工具*MindSpore，支持端、边、云独立协同的统一训练和推理框架*应用使能：提供全流程服务（ModelArts）、分层API 2020年4月，华为发布智能终端人工智能引擎HiAI； 2019年9月，华为发布面向企业和政府的人工智能服务平台华为云EI。
今天我们发布的全栈全场景解决方案，是对华为云EI和HiAI的有力支持。
基于该解决方案，华为云EI可以为企业和政府提供全栈人工智能解决方案； HiAI可以为智能终端提供全栈解决方案，HiAI服务基于华为云EI部署。
总体而言，华为的人工智能发展战略是基于对基础研究和人工智能人才培养的持续投入，打造全栈、全场景的人工智能解决方案和开放的全球生态系统。
＊ 对于华为内部，持续探索并支持内部管理优化和效率提升 ＊ 对于电信运营商，利用SoftCOM AI推动运维效率提升 ＊ 对于消费者，通过HiAI，让终端从智能走向智能 ＊ 对于企业和政府通过华为云EI公有云服务和FusionMind私有云解决方案，为所有组织提供充足且经济的算力，使之能够充分利用AI*。
同时，我们还向全社会提供AI加速卡、AI服务器、一体机等产品。
这一场景意味着华为有能力实现无所不在的智能，构建万物互联的智能世界。
全栈意味着华为有能力为AI应用开发者提供强大的算力和应用开发平台；它有能力为每个人提供负担得起、易于使用、安全的人工智能，实现普惠人工智能。