任正非：将打造華為統一的AI平台，2018首先在GTS部署

本文來自華為總裁任正非在GTS人工智能實踐進展彙報會上的講話，任正非提出在公司内利用人工智能提升效率、解決實際問題的措施，加大對GTS資料系統、AI算法和AI 使能平台的投資，透露華為統一的AI平台将于2018年首先在GTS實踐和應用。

聚焦内部效率提升，利用人工智能改變作業模式、簡化管理，結合業務場景解決一線實際問題。

人工智能的核心在于應用，GTS把人工智能作為一個工具，研究海量重複性活動的智能化自動化，提升人的效率和輔助人的工作。從你們的探索來看，實踐經驗非常重要。

在人工智能和自動化推動過程中，要關注傳遞服務流程以及人員思想、行為模式的改變，如果他們還是老一套思路，不重視資料的錄入和采集，我們人工智能和自動化就會失去源頭，同時要看到人工智能是一個持續演進和疊代的過程，大家在推進過程中要不急不躁，持續改進，關鍵要抓好資料治理和平台構架設計，保證我們大方向正确，在正确的方向上加快疊代，小步快跑。

第一，利用人工智能簡化站點作業活動，把設計、報告自動化，同時要聯合産品線，建構免安裝、免調測網絡。

我們在全球有460萬站點，每年會在100萬站點上作業，任何一次的站點作業都是成本。要通過建構站點資訊庫，開發站點3D掃描能力，把站點勘測簡單化，上站錄入表格的時間也就大大節省了。以後的資料錄入還可以進一步簡化，捆綁一個好的語音系統，現場作業完成了，自己說一遍，表格就自動生成，然後回家把這個表格稍微修改，就能完成傳遞作業。

基站設計方案模型很多，現在通過機器學習，實作基站連線圖和配置參數的自動化生成，降低對現場工程師的要求。面向未來，要在裝置模型歸一、免安裝、免調測上做研究。5G時代萬物互聯，能不能先把我們的基站連起來？荒山野嶺，咱們有多少站點？應該是數百萬個。可以請位快遞哥騎個機車上山，把基站挂上，通電一開，無線連接配接所有裝置都自動連上了，這樣減少了錯誤，也節省了人工。

品質檢查隻要拍個照，通過與标準圖樣對比，分包商在站點安裝的時候就可以檢測安裝品質的好壞，一次把事情做對，避免了多次上站，節省了工時，提升了效率。不要小看1~2個小時的節省，這是一個點，若是有幾十萬個站可推廣，乘以系數，就有幾十萬的規模效益。

第二，網規網優要敢于應用地理、測繪、數學等先進技術和新的業務模式，隻要能提升效果，都為我所用。

網規網優基于資料、算法、成本的影響，選擇人工智能突破口，通過“分析機器人”提升人員效率，在無線幹擾分析、天饋系統方向角優化調整等方面加強人工智能技術的引入，提升無線網絡優化規劃效率，同時基于産品資料的虛拟路測是一個方向，不需要路測就可以清楚網絡的信号狀況，一個城市節省3000公裡路測，十幾個城市就相當于繞地球一圈。

人工智能理論是所有人類瑰寶，都可以為我所用，而不隻是我們的理論。網規網優是一個基于資料的業務，人工智能也容易發揮效益，是以我們要敢于招一些統計學、系統工程學、哲學、遙感、遙測……等專業的優秀博士、碩士，就像當年我要求招一些地理測繪專業的人員一樣，隻要實踐兩年，自然就明白了。

第三，萬億存量是我們的優勢，不斷積累小樣本，維護模式要從被動問題處理到主動預測預防，并進一步回報到制造、産品設計，形成閉環改進。

面對海量的、确定性的重複工作，逐漸将複雜的成千上萬的場景收斂，通過表格、模組化等方法不斷的總結提煉經驗。就像我年輕的時候，一個龐大的數字裝置，出了問題就一次一次的閃燈，從閃燈中慢慢看集中在哪個區，再看電路，一判斷，是電阻壞了，然後打開，修好了，這就是小樣本！這些小樣本提供給你們，你們再歸納、總結，上升到理論高度，就是故障模型。

維護的最終模式要從被動問題處理走向預測預防為主。問題處理方面，我們至少可以把問題經驗庫豐富起來，誰暴露的問題最多、解決的最好，也可以搞小獎勵。在預測預防方面，通過障礙發現的晶片及批次等相關問題要進一步回報到公司的制造部門、産品設計環節，從源頭上提升裝置的穩健性。

圍繞業務，持續加大GTS資料系統、AI算法和AI 使能平台的投資

第一，行為即記錄，記錄即資料，建構并持續完善GTS資料系統。

資料是一門科學，是人工智能的基礎，要把業界做得好的方法借鑒過來。GTS沿着作業活動，把作業過程、對象、規則和經驗數字化，持續完善GTS的資料系統。各産品線也要把自己的産品數字化，這是服務數字化的基礎。要強化雲平台基礎設施建設，豐富單兵資料采集工具，給每個員工配個資料采集器，員工在現場作業完後，回到駐地處理一下，一按鍵就發出去了。

資料要以用促建，利用表格、模組化等方法輸出作業資料，将高品質的作業資料輸出作為作業完成的衡量标準，要形成對工程師高品質作業資料輸出的牽引，形成指導和模闆。

第二，算法要服務于業務，算法科學家與熟悉服務場景的工程師緊密配合，在服務客戶的戰場上提升能力。

人工智能應用是實踐科學，在實踐和應用當中疊代式前進，效果不是一蹴而就的。實踐初期，算法達不到進階工程師的水準也要堅持使用，以人為主，機器為輔，對算法進行持續的訓練和提升。

人工智能開發，算法專家、産品線專家要與GTS業務專家組成混合編隊，共同識别實際場景中的AI應用機會、了解業務場景、設計算法模型、優化算法效果。

第三，加快開發公司統一的人工智能平台，并于2018年首先在GTS實踐和應用。

開發公司統一的人工智能平台，部署統一的人工智能訓練環境，首先在GTS實踐和應用，把GTS積累的站點作業、網絡維護、網規網優領域的算法、知識、方法、經驗都固化到這個平台上。

人工智能平台在GTS的應用要急用先行、小步快跑，聚焦服務場景一個個解決，選擇與場景比對的、相對成熟的算法，快速構築資料處理、模型訓練等工程能力，邊戰鬥邊優化，并于2018年将平台部署在GTS系統上。

人工智能未來對内要橫向擴張，與周邊部門協同産生倍增效益；客戶界面更新服務内容，在裝置和網絡的生命周期内，創造更大的價值。

第一，自動化也是人工智能，改善一個點，可能有幾十萬個着力點可推廣，就有幾十萬的倍增效益。

跨領域也應有着力點進行推廣，通過資料互聯互通、業務交叉融合，公司很多部門就可以精簡了。比如财務在人工智能上也梳理了100多個點，其中有些點和GTS有互動，如項目核算要開票，GTS可以這個點為起點，橫向發展到财務那裡去。

我們要矢志不渝地前進，讓一些确定性工作自動化、智能化，減少重複勞動。不能總是強調人工智能對模糊問題的判斷和處理，為什麼對确定性問題就不行呢？自動化也是人工智能。改善一個點，乘以系數，就可能有幾十萬的倍增效益。GTS人員都應實驗性地“洗一次澡”，有些人在循環中變得更厲害，産生新的工作方法，大幅提高工作效率。

第二，在自身實踐成功的基礎上，利用資料和智能技術，更新服務内容、建構線上服務模式，解決客戶挑戰。

基于萬億存量資料的優勢，通過改善自身管理的循環實踐，建構全球智能網絡大平台，平台的能力再以服務方式向客戶開放，并将服務内容擴充到裝置和網絡的全生命周期，解決客戶挑戰的同時華為也獲得收益。

站點的選擇，能否根據流量預測和動态變化，進行精準的網絡規劃？幾百萬台裝置，也不能一天二十四小時高速開着，如果能根據流量動态設定産品能耗，是不是就可能極大地提升網絡和能源效率？更遠的未來，能否将預防預測能力延伸到整個網絡，有預見地應對自然災害、重大事件等帶來的挑戰。

我們抓住這些機會，更新服務内容，就可以利用線上服務等手段，在網絡全生命周期持續為客戶創造價值。

原文釋出時間為：2017-11-3

本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”微信公衆号