智能音箱、無人駕駛、智慧金融、智能家居、智慧零售、個性化推薦……“智能”正逐漸從一個名詞轉變為形容詞，創業者在人工智能相關的領域瘋狂扎堆，投資人也頻頻將注意力轉移到AI新戰場。

不過也有人認為，單純的AI并沒有太多意義，要如何將垂直細分的行業和AI結合起來，還需要“AI＋”的思維。和創業者、投資人不約而同的是，作為互聯網基礎設施的云計算廠商也瞄準了人工智能，嘗試在云計算的基礎上將人工智能普惠化，比如華為云的“＋AI”。

AI是一種通用目的技術

經濟學家認為人類發展到今天，離不開26種通用目的技術，包括蒸汽機、電力、內燃機、IT、人工智能等等，這類觀點在某種程度上決定了人工智能的發展方向，至少具備下面四個特點：

1、可以被廣泛應用到各個領域；

2、持續提高生產率并降低使用成本；

3、促進新技術創新和新產品生產；

4、不斷促進生產、流通和組織管理方式的優化。

在人工智能出現之前，電力、IT技術無不經歷了類似的歷程，或許技術的成熟有著不同的周期，最終都要過渡到生產力的提升。那么也就印證了文初的觀點，諸如AlphaGo等“秀技式”的AI技術，像重磅炸彈一樣沖擊了人們的認知，但人工智能真正的價值所在，還要向產業鏈層面不斷滲透。

2018年世界人工智能大會上，華為云給出了AI作為通用目的技術的兩個行業案例：

一個是華為云＋德邦物流所實現的智慧物流。傳統快遞的收發流程是這樣的：用戶到店或電話預約，快遞員填寫紙質面單，人工測量貨物體積，然后人工計算和支付快遞費用。

在華為云AI技術的賦能下，德邦物流改變了物流的收發流程，用戶可以在微信上直接下單，自動生成電子面單，快遞員上門用AR工具測量體積，最后用戶在線支付費用。整個過程從傳統的14分鐘縮短到1分鐘，并且可以全鏈路實時跟蹤快遞動態。

另一個是華為云和太平洋保險的合作，人工智能滲透到了保險的多個環節。

在定損環節中，通過對多組照片的分析處理，就可以完成對無人傷事故、單車事故等簡單事故的評估；在醫療理賠場景中，投保人手機掃描醫療單據，可以實現數據識別、全額計算，并根據醫療知識圖譜，核查剔除無關理賠條目；智能客服能夠自動完成電話回訪、語音導航等服務，甚至根據電話錄音通過情緒識別評估欺詐風險。

不難看出，在上述兩個案例中，AI已經表現出了通用目的技術的姿態，在提高效率、降低成本等方面不乏可圈可點之處。事實上，AI的應用并沒有局限在生產力的提升上，德邦物流就是一個很好的例子，和華為云的合作改變的不只是德邦的物流體系，同時德邦也在和華為、企業微信、滴滴等一起打造更為現代化的工作場景，這是優化組織管理方式的積極信號。

當然，人工智能的應用進程遠沒有結束，除了物流和保險，華為云的＋AI也被應用于視頻處理、園區管理、商超、門店、安全生產、車聯網等等。華為還和中科院上海生命科學研究院宣布合作，實現生物醫學和人工智能、云計算的結合。

而從行業層面來看，AI在各大垂直領域的應用離不開基礎層的軟硬件支撐，以及技術層的語音識別、自然語言處理、計算機視覺等，即便距離人工智能的成熟還相距甚遠，但人工智能發展的浪潮已經到來。

算力仍然是人工智能的關鍵

人工智能的應用有著三駕馬車，即數據、算法和算力。

數據是人工智能的“燃料”。據市場調研機構IDC的預計，到2020年的時候，全球數據總量將達到40ZB，其中中國的數據量將達到8．6ZB，占全球的21％左右。

算法是人工智能的“引擎”。深度學習的出現打破了淺層學習算法的局限，顛覆了語音識別、語義理解、計算機視覺等基礎算法的設計思路，目前來看似乎找到了正確的方向。

算力是角色最為微妙，既可能是人工智能普及的加速劑，也可能成為制約人工智能應用的瓶頸。畢竟除了算力本身，還有易用性和成本，在通用目的技術的范疇上，算力成了人工智能應用的關鍵。

鄭葉來將通用目的技術的發展分為四個階段，人工智能剛剛處于第二個階段。“人工智能的發展帶來了興奮和沖動，也有一絲焦慮和困惑，但是人工智能終將改變這些行業。”

鄭葉來眼中的“焦慮和困惑”可以解讀為三個方面，或者說當前人工智能行業存在的三個痛點：

其一，價格貴。不管是語音識別、圖像識別還是語音分析，都需要大量的數據樣本，比如交通治理和無人駕駛需要數億級小時的樣本，成本之高不言而喻。

其二，使用難。缺乏一個統一的開發框架，無法適配從訓練到推理，從公有云到私有云、邊緣、終端的多種應用場景，開發、調優、部署的工作量巨大。

其三，難獲取。算力依賴于GPU、NPU、FPGA等專用芯片，現實卻是GPU供貨周期長且限量供應，成為影響數據處理速度的不確定性因素。

比人工智能應用的三個硬門檻更讓企業頭疼的恐怕還有AI人才的短板。據高盛發布的《全球人工智能產業分布》報告統計，2017年全球人工智能人才儲備，中國只有5％左右，人才缺口超過500萬人。

而在這場人工智能人才爭奪戰中，頂級人才流向百度、阿里、華為等巨頭級公司已是不爭的事實。況且合理的AI人才結構，不應只有數據科學家，還要數據科學家、領域專家、公眾數據科學家相互配合。簡而言之，人才短板也是制約算力的隱性因素。

華為看到了癥結所在，自然要想辦法解決問題，由此便不難理解在外界為AI＋瘋狂的當口，華為云為何要提倡＋AI。按照鄭葉來的觀點，易獲取、用得起、方便用的算力是AI產業發展的關鍵，應該以AI的方式來解決AI應用的難題，需要著力于整個智能化、自動化、簡單易用的人工智能工具和平臺服務，讓人工智能成為一種普惠的技術，高而不貴的技術。

華為云已經落地的解決方案是EI服務，給出了云、邊、端的架構：機器學習、深度學習、圖引擎等基礎平臺服務，人臉識別、智能問答、圖像搜索等通用AI服務，智能推理、優化決策等多域協同決策，以及龐大“數據湖”組成的云端智能；智能邊緣平臺、輕量化服務等構成的邊緣智能；HiAI、NPU搭建的智能終端。

至于如何構建一個生態、方便易用獲取，實現普惠的人工智能，鄭葉來把答案留到了今年的華為全聯接大會上。

寫在最后

AI是一種基本生產力，正在深刻變革整個人類社會的基石，也正在從少數OTT企業迅速向各行各業滲透。

幸運的是，人工智能的創業浪潮正在逐漸去泡沫化，投資者想看的不只是風口，還有人工智能的實際應用；諸如華為云等站在高處的云計算平臺，積極打造高而不貴的普惠AI，降低AI的應用門檻。這種不謀而合，何嘗不是AI成為通用目的技術的基石？

30年前，人們對IT技術帶來的革新還有所懷疑，如今早已成為不可或缺的生產力。而人工智能對這個時代的改變，似乎并不需要30年那么久。