半夏撰写

华为的下一站

华为三十年的“大限”就要到了,而华为要想不死重获新生,等待华为的就是一场大的改革。

不鸣则已,一鸣惊人。

“+智能,见未来”的华为,这次真的要AII in AI了。

为什么要做人工智能?华为轮值董事长徐直军用了20分钟来解释,“AI太重要了”。

而在去年年底,华为就确定了自己的新愿景和使命:把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。

为此,华为此次也动了真格,推出了“全场景”+“全栈”的AI解决方案,以及两款芯片:面向云端超高算力场景的昇腾910,以及主打低功耗AI场景的昇腾310。

徐直军进一步阐释道,“我们应充分聚焦人工智能能解决的问题、聚焦其创造价值的领域,而不是把精力花在人工智能不能解决的问题或不能创造价值的领域。因为选择正确的问题比寻找新奇的方案更重要。”

那么又为什么要做这件事呢?华为战略Marketing总裁徐文伟在演讲中提到,“未来10年AI的主场在行业。根据预测,到2025年,全球AI市场空间将达到3800亿美金;其中90%来自于企业市场。”

高密度的华为AI冲击波

在3天的大会中,从华为的AI发展战略,到华为的AI解决方案,到华为的两款新品,到华为全流程开发平台与工具,到华为云EI城市智能体等等,华为以云服务+芯片+解决方案+行业落地给出了自己迈入AI新时代的答案。

其中备受关注的2款芯片,也不是只说不做,在大会现场,华为轮值董事长徐直军就直接从他的西装口袋里拿出了芯片的展示品,随着大屏幕的聚焦,全场清晰可见。

而“华为AI发展战略”也是直截了当:

•    投资基础研究:在计算视觉、自然语言处理、决策推理等领域构筑数据高效(更少的数据需求)、能耗高效(更低的算力和能耗) ,安全可信、自动自治的机器学习基础能力。

•    打造全栈方案:打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案,提供充裕的、经济的算力资源,简单易用、高效率、全流程的AI平台。

•    投资开放生态和人才培养:面向全球,持续与学术界、产业界和行业伙伴广泛合作,面向高校和科研机构,投入10亿元人民币用于AI人才培养;在开发者方面,计划三年培养100万开发者。

•    解决方案增强:把AI思维和技术引入现有产品和服务,实现更大价值、更强竞争力。

•    内部效率提升:应用AI优化内部管理,对准海量作业场景,大幅度提升内部运营效率和质量。

华为还提出,以全栈的能力、全场景的产品/服务,提供经济且充裕的算力,实现普惠AI。

而让徐直军更为自豪的是华为在人工智能方面的“全栈全场景”策略,其能够同时面向云端计算、本地服务和存储的边缘计算以及各种终端设备。

这建立在华为最有优势的基础之上:华为是全世界最大的智能手机生产商之一,2017年的智能手机出货量达到1.53亿台。

在此次全面亮相之前,华为就已经在为其AI战略筹谋已久了。

2017年9月的时候,华为发布了面向企业、政府的人工智能服务平台华为云EI;2018年4月,华为又发布了面向智能终端的人工智能引擎HiAI。

华为发布的全栈全场景解决方案是对华为云EI和HiAI的强有力支撑。基于该解决方案,华为云EI能为企业、政府提供全栈人工智能解决方案;HiAI能为智能终端提供全栈解决方案,且HiAI service是基于华为云EI部署的。

华为的AI思考

在全联接大会上,徐直军首先提到了华为的AI思考。

在他看来,人工智能是一种新的通用目的技术,如同公元前的轮子和铁,19世纪的铁路和电力,以及20世纪的汽车、电脑、互联网一样,华为认同的是,人工智能是一组技术集合,是一种新的通用目的技术(GPT)。

人工智能触发的产业变革,将涉及所有行业。如何以一种全新的模式,重构各自行业和企业,是我们在未来都要思考和实践的”,徐直军说。

那么,对于华为来说,其所需要的是从云到边缘、到端、到各种物联网终端,全场景的支持,因此必须要开创一个全新的架构,要能实现极致的功耗需求、极致的算力需求全覆盖。

华为资深管理顾问黄卫伟在与媒体沟通时也讲述了任正非对人工智能战略的“内训”:华为AI聚焦内部两个方向,一是产品智能化;二是不断改进内部的管理和效率。华为不做AI大的架构规划,先单点突破、横向拉通再建立起产业的平台,把平台开放给客户甚至竞争对手。

以华为发布的AI解决方案来看,华为提供了AI芯片Ascend、库及工具CANN、训练和推理框架MindSpore以及应用部署使能的ModelArts,应用开发的方方面面都有所涉及,且步步深入;

而在链接上,华为的AI战略也用一套统一的架构适配了云端、终端等各个场景,以及实现了智能终端、公有云、私有云、边缘计算以及IoT行业终端的全覆盖。围绕云端和终端产品打造的AI芯片,是完善其产业布局的最强有力的一步。

这样一来,AI可以直接在华为原有业务上进行叠加,和华为云、物联网等进行联动,提升原有业务的价值,以及产品的竞争力,从而扩大华为的整个价值。

徐直军也直言了AI对于华为的三方面价值:

一、开创新机会,比如基于AI加速模块,加速卡,AI服务器,AI-MDC(Mobile-DC)等,包括AI云服务也能因此更快发展;

二、能用AI增强现有所有业务、所有产品、解决方案和服务的竞争力,使其在市场竞争中保持领先,更好地面向未来;

三、用于内部改进管理,提升效率,这样更好来提升组织能力和竞争力,更好面对未来挑战。

在这个用AI讲故事的年代,谁能真正在自己的业务中嵌入AI,并实现场景落地,那无疑会成为未来的赢家之一。

毕竟,在全球范围内,人工智能产业正在蒸蒸日上:仅2017年,发表的机器学习论文数为2万篇;超过22个国家发布AI计划;新诞生了1100多家AI startup公司;与AI相关的兼并收购金额达到240亿美元;与AI相关的VC投资达140亿美元……

30年的华为,加速转型前进

创立于1987年的华为,在成立之初,只是一家生产用户交换机(PBX)的香港公司的销售代理。

在其发展之初,华为遵循的是农村包围城市的发展战略,1998年左右,华为启动了全球差异化的竞争战略,成功实现第二次战略转型。

第三次转型则更为大家熟知,即三个BG业务的分拆,由运营商客户向运营商BG+企业BG+消费者BG转型。随着消费者BG的设立,华为从To B的基因中浴火重生,把手机业务做到了出货量全球第二。

2016年8月15日,任正非发表内部讲话指出,华为三十年的“大限”就要到了。而华为要想不死重获新生,等待华为的就是一场大的改革,涉及组织、结构、人才等诸多方面。

到了2017年,华为就在原有的运营商业务、企业业务和消费者业务等基础架构板块中,成立了Cloud BU。随即,截止2018年上半年,华为云收入同比增长700%,合作伙伴增长45%,已发展云服务合作伙伴6000家,云市场新增上架应用872个。

现如今,华为又在前面几次转型的基础上,针对自身B端的运营商业务+企业业务,以及C端的智能终端业务,提出做全场景+全栈的AI解决方案。

不过,在徐直军看来,在华为内部最讨厌的两个字就是“转型”,转是从原来的转到另外一个,“华为没有这样做。所以华为没有转型!只是在前进!

但事实上,如果这次华为全连接大会上的动作一一实现,那将是华为近年来在AI上的最大动作,也是华为继从面向运营商到面向移动互联转型后的一次最大转型。

毕竟,自研数据中心AI芯片、推出一整套开发者框架,如果这一系列动作顺利完成,华为将建立起从底层算力到框架再到应用层、硬件终端全方位的生态体系。

当然,持续的研发投入是转型的基础支撑。

过去10年,华为累计研发投入超过3100亿元,过去一年的研发费用已经超过700亿元,几乎每年都保持保持在20%以上的增长速度(2013年除外),占销售收入的占比稳定在10%左右,近几年还有不断提升的趋势。

即使是在2008年金融危机爆发的时候,竞争对手纷纷削减研发投资,华为的研发却超过100亿,增长20%,在2011年通信行业遭遇天花板的时候,华为更是用超过200亿的研发费用来寻找突破口。

这从华为的专利申请中也可见一斑。2008年,华为全年共递交1737件PCT专利申请,据世界知识产权组织统计,在2008年专利申请公司(人)排名榜上排名第一;LTE专利数占全球10%以上。

结语

众所周知的是,美国科技巨头亚马逊、微软和谷歌,都同时拥有自研云端和终端AI芯片、云计算服务,以及智能终端等业务,其市值也分别排名全球第二、第三和第四。

一旦此次华为AI战略转型成功,华为与亚马逊、微软和谷歌的距离也将会更近一步。目前,2018财富世界500强中,华为排名72位。

未来就在眼前,华为紧盯不放。

AI锐见
AI锐见

洞察AI行业趋势

产业人工智能华为
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~