編者按：亞馬遜創始人兼首席執行官貝索斯接受了知名科技專欄作家莫博士（WaltMossberg）的采訪表示三個主要觀點：第一、現在到了人工智能第一次顯身手的時候，我們正處在人工智能的黃金時代；第二、貝索斯認為目前的語音系統只能算是一種輔助增強技術，并不能完全取代智能手機。第三、要真正地用人工智能服務好用戶，海量的數據必不可少，我們綜合考慮隱私總體性和我們存儲海量信息的能力，并合理地使用這些數據……，消費者肯定會很喜歡亞馬遜的人工智能系統。

如果說貝索斯在消費端已經看到了人工智能的巨大市場潛力，他提示的海量數據就是基礎。但是在企業戰略和大數據以及人工智能的結合上面，他顯然沒有給出主要的路徑。中國創新企業華為最新的一篇文章，其公司創始人任正非先生從戰略、平臺和業務的角度，很好地闡釋了人工智能、大數據、應用場景和企業業務結合的問題。小編編撰與大家分享。

GTS是“華為全球技術服部”（Global Technical Service）的縮寫。任正非表示，華為要開發統一的人工智能軟件平臺，把算法、知識、方法、經驗等都固化在平臺上。但是不要遍地都是智能化，這會形成全面開花沒有結果的盲動，就有可能滿盤皆輸。以下是講稿原文。

公司巨大的存量網絡是人工智能最好的舞臺，GTS要利用人工智能實現高質量和高效率的交付與服務，支撐“一萬億”美元存量網絡的服務以及故障處理、預防的自動化……，以及支持每年數百億美元的網絡增量的科學、合理、有效地交付。持續為客戶創造價值并提升客戶滿意，構筑活的“萬里長城”，成為公司重要的可移動的“馬奇諾防線”。誰能最低成本地提供高質量的服務，誰就是這個世界最后的贏家。公司的人工智能研究是一個使能器，促使公司各項管理進步，不要隨議論的忽悠而迷失方向。

1、高質量的數據是人工智能的前提和基礎，高質量數據輸出要作為作業完成的標準

為什么我們不可以統一作業的工具，和工作的標準。配個數據采集聚集器，員工在現場作業完后，回到駐地處理一下，一按鍵就群發出去了，不必經過辦事處、地區部，就一步到位了。數據對各級各段透明，沒有層層級級的匯總處理，就快多了。

我們有430萬個站點，每年增加96萬個，1萬1千個合同，每個基站報上來的報表這么厚，是因為沒有模塊化分類。不抽象不總結就要上報，我們處理管道就那么粗，所以堵得一塌糊涂。實際上歸納出來可能就一百種，大不到一千種模塊。我們分類按模板傳信息給供應鏈，供應鏈解碼打開、作清單發貨，我們管理會簡化很多。現在報表層層上報，每層增加好多人，一大堆報表甚至沒人讀過。要基于目的標準模型建設簡單自動報表體系，這樣中間的人工就減掉了，主戰場的員工就增加了。人人都基于作業給你提供準確數據，集中起來你的科學性就好了，有了這些準確數據，通過監督學習和統計手段就能使我們的效率提高。

填寫的表中有清晰的也有模糊的，確定性的工作填寫的數據要準確，如果沒有審核就傳上來不正確的數據，就是一團亂麻。清晰的數據不斷更新積累，新的有效數據不斷更替。總有一個模糊區，模糊數據的模糊性會持續不斷降低，但又產生新的模糊。在不該模糊的地方應該有指引，能夠指引基層工程師來清晰操作。人工智能就要靠幾萬員工在做事的時候把數據有效采集回來，在歸納總結中找出規律來。清晰、準確的現場數據是重要的事情。

我們是設備供應商不是流量運營商，要根據業務場景來看多快數據算實時，不要形而上學，要根據必要的需求來獲取這些所謂實時數據。對于網絡設備數據的輸出，可以采用類似“七遠八按”的方式建設數據輸出標準，以基于人工智能的交付服務視角重新制定可服務性標準，并作為產品上市必要條件。

因此，你們說數據缺乏、雜亂無章，我不批評，我覺得沒有數據才是我要批評的。每一個人能不能搞個工裝穿在身上帶個儀器，數據先收集存儲起來，然后一按按鈕就傳送到信息庫，對貢獻數據者還可以獎勵。

2、要聚焦投入，敢于投資，成功只是時間遲早的問題

在GTS選定的站點作業、網絡集成、網絡維護、網規網優等關鍵場景，在業務模型、算法、平臺和數據上要加大投資，具體的人力與費用在戰略規劃未來的時間鏈中落實。

要開發公司統一的人工智能軟件平臺，把算法、知識、方法、經驗等都固化在平臺上，首先在GTS實踐和應用，未來也可以為公司其他業務提供支撐。數據底座的投資更需要加大，作為長期的基礎工程來建設，有了高質量的數據基礎，人工智能才能發揮作用。

2012實驗室的科學家要緊密與服務工程師合作，由熟悉理論和算法的科學家選擇最成熟的方案應用到服務場景中，并共同完成業務提升，這就是技術和場景的結合。一部分人熟悉技術理論，一部分人熟悉場景，兩者合作起來天下無敵，你們先把我們內部的改進搞好，到那時候我們是不是走向外部我們再考慮。

新事物失敗也是成功，自己取得一點進展就記下來，這是過程記錄，自己用蘿卜刻獎章，積累多了就去換金牌。不要怕出錯，別人說華為是落后的，因為我們只給成功的人發獎，從來不給失敗的人發獎。今天比昨天好就要發獎，喜馬拉雅爬一半也是成功，因為我們過去連山腳都沒去過。

3、人工智能要聚焦投入不要全面開花，先縱向打好殲滅戰，旗開得勝后再橫向擴張

我們業務擴張中，人員不按線性擴張就成功了。服務工程師要聚焦服務業務，在完成服務業務同時完成人工智能所需要的正確數據輸出，在此基礎上產生場景分析師、數據分析師和模型設計師。這些專家要長期投入在服務戰場上，通過服務客戶不斷提升能力。對于場景分析師、數據分析師、模型設計師，我的態度是要看在三年之內，有多長時間在一線服務戰場上取得成功的實踐經驗。沒有成功的實踐經驗就不要快速晉升，這樣也保證水是流動不是腐敗的。

人工智能在投資充分的情況下不要太沖動，要急用先行小步快跑，要聚焦在確定性業務、人工消耗大的項目，寧可做得少一點，先在一兩個點突破殺開口子，集中力量打殲滅戰，不要鋪開一個很廣泛的戰線。不要遍地都是智能化，這會形成全面開花沒有結果的盲動，就有可能滿盤皆輸。

如人工智能的應用首先要瞄準實現簡工勘，在此基礎上進而實現自動化設計。海量重復動作要運用人工智能技術來替代，實現文檔自動生成、質量自動審核、遠程驗收及自動開票。然后再把人工智能應用的成功經驗擴展至網絡維護、網規網優等業務場景，把被動問題處理變為主動預警預防，不僅提升了效率還提升了為客戶服務的質量。

要踏踏實實聚焦場景一個個解決，選擇與場景匹配的相對成熟的算法，不要等平臺和數據底座的成熟，半成品也可以先投入到內部改進的使用，在不斷的實踐和問題解決中打造成熟的平臺和數據底座。我們在這些集中突破的項目上取得經驗培養出新生力量，這些新生力量要到基層去貫徹推廣落實，使它能夠應用起來變成習慣。在縱向發展的基礎上，把握好橫向擴張的合理節奏。一只餅如果糊了再翻過來掉過去烙就是夾生餅，我們不要“出師未捷身先死，長使英雄淚滿襟”，我們要的是旗開得勝和最終成功。人工智能是個新生事物，在實現過程中因為雙軌運行，要接受階段性的成本上升，實現清晰的長期目標。

人工智能應用中一定會遇到很多困難，在前進的過程中要多鼓勵、少批評，可表揚可不表揚的要表揚。上戰場槍聲一響，誰是英雄，誰不是英雄？你說他不是英雄，在山腳你一拍他肩膀，他扛著兩個炸藥包，沖上了上甘嶺，可能就真成了英雄。