“隨著華為完成全棧全場景AI解決方案的構建，華為AI戰略的執行進入了新的階段。華為云讓算力釋放算法之美，攜手企業跨越AI商用裂谷，讓AI普惠千行百業，共創智能新高度。” 華為公司副總裁、華為云業務總裁鄭葉來說。

他在2019華為全聯接大會（HC 2019）第一天發表了《跨越裂谷，共建普惠AI》的主旨演講，提出行業AI商用落地的四大要素，進一步解釋華為云EI集群服務所擁有的強勁算力，并發布華為云工業智能體。

權威咨詢機構IDC 8月初發布的《2019年Q1中國公有云服務市場跟蹤報告》顯示，從IaaS+PaaS整體市場份額來看華為云營收增長超過300%，華為云PaaS市場份額增速接近700%，在TOP5廠商中增速排名第一，位居中國公有云服務商第一陣營。

跨越裂谷的四大要素

AI蓬勃發展，但投資熱度與商業應用之間存在巨大的裂谷。2018年以前，對AI領域的投融資均勻的分布在各個行業或技術領域；2018年后，大量的投融資逐漸向幾個頭部行業的集中。

去年的全聯接大會上，華為云首次提出將AI 應用于海量重復、專家經驗和多域協同三大場景助力行業升級，實現效率提升、專業傳承和突破極限。一年來，華為云EI已在城市、制造、醫療、汽車、園區、互聯網等10大行業的超過500個項目實踐落地，幫助企業實現智能化升級。

“在500多個項目實踐中，華為云發現行業AI項目要成功實施，需要基于應用場景、相關ISV/SI、設備或流程、AI平臺提供方組成的行業AI落地的商用模型，多個角色齊心協力，并需要具備四個關鍵要素，才能將AI技術真正實現落地商用。”鄭葉來闡述道。

要素之一是明確定義商業場景。即明確項目的商業目標，界定清晰的范圍邊界，場景可閉環、可預測具備充足的數據資料。有些場景復雜但定義明確，香港免備案主機，例如對于合成纖維專業工程技術服務商三聯虹普來說，傳統檢測合成纖維的方法主要靠工人眼睛檢測，只能檢測絲餅最后100米的質量，不僅耗費人力，而且容易造成錯檢、漏檢。2018年開始，三聯虹普攜手華為云，用AI提升合成纖維質量檢測，實現了從100米到1000公里的質檢跨越。而有些場景看似簡單實際異常復雜，例如河流治理項目，AI不僅需要識別拋物、潑灑、漂浮等場景，而且面臨天黑、雨霧等復雜的自然環境與人的行為交織，服務器租用，更增添了場景識別的難度。通過不斷調優算法，識別率從50%提升至80%。

要素之二是觸手可及的強勁算力。OpenAI近期發布的研究顯示，僅2012年以來，人們對于算力的需求增長六年就超過30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度。然而當前算力不充沛、不經濟、難獲取，以華為為例，公司內部目前日均AI訓練作業任務超過4000個、訓練時長超過3.2萬小時，而且還有大量的作業在排隊。為了給開發者提供充裕經濟的算力，華為發布了基于Atlas900的華為云EI集群服務，Atlas900是當前全球最快的AI訓練集群，代表目前全球的算力巔峰——在衡量AI計算能力的金標準ResNet-50圖片分類模型下，Atlas 900只需59.8秒就完成了訓練，在同等精度下比原來的世界紀錄快10秒；而相比傳統購買硬件設施的方式，華為云EI集群服務可按需使用、即時開通。

“華為云EI集群巔峰算力的背后。是華為工程師們從底層硬件到軟件構架全棧優化。梯度同步與反向計算并行；數千顆處理器-TOR-SPINE，無收斂線性高速交換；與云計算、存儲，網絡高效協同。”鄭葉來說。

要素之三是持續進化的AI服務。AI時代，構建一個生產運行與開發訓練閉環的在線系統非常關鍵，能讓模型持續適應環境的變化，成為持續進化的AI。例如華為云全流程模型生產服務ModelArts通過AI持續迭代框架，提供端邊協同能力，加速企業AI化進程。

要素之四是組織與人才的適配。AI的智慧來源于人類智慧數字化，要遵重以人為本的初心，適配相應的人才、組織和流程。例如深圳機場應用華為云EI來建設機位智能分配系統，并讓機場指揮員了解EI的決策機制和過程，不僅將指揮員從枯燥重復的操作中解放出來，而且提升了飛機靠橋率、減少了擺渡車的使用，大幅提升旅客體驗。

華為云工業智能體

華為云融合商業AI成功的四大要素，面向工業制造行業正式發布工業智能體。在鄭葉來口中，這是行業智能化升級新引擎，通過基于知識圖譜的智能認知引擎、基于AI模型的智能預測引擎、基于運籌規劃的決策優化引擎三大引擎讓過去諸多難以落地應用的技術應用到工業場景，助推工業智能化升級。