投資開放生態和人才培養：面向全球，持續與學術界、產業界和行業伙伴廣泛合作，打造人工智能開放生態，培養人工智能人才

第二層是算力層，華為開發的CANN能夠兼具最優開發算力和算子性能兩者，具有統一的API接口，致力于為開發者提供更好的開發平臺。以reduce-sum開發案例為例，華為的開發效率提升三倍。

同時，推出了兩款相關芯片昇騰910（單芯片計算密度最大）和310（高效計算低能耗），其中昇騰910將在明年2季度上市。

打造全棧方案：打造面向云、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案，提供充裕的、經濟的算力資源，簡單易用、高效率、全流程的AI平臺

大會中，徐直軍結合當下人工智能的發展態勢，主要談了三個觀點：

值得注意的是，諾亞方舟實驗室是華為于2012年設立在香港的實驗室，主要從事人工智能學習、數據挖掘研究等前沿科技領域，這也可以視為華為正式投入AI基礎研究的先導信號之一。

此外，還提出了10個人工智能的重要改變方向：模型訓練、算力、AI部署、算法、AI自動化、實際應用、模型更新、多技術協同、平臺支持、人才獲得。這十大改變既是華為對AI產業發展的期望，也是華為制定AI發展戰略的源動力。

這些原則之下，就是華為人工智能的聚焦投入：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，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；先縱向打好殲滅戰，旗開得勝后再橫向擴張。

第四層是應用開發層，即提供全流程服務架構ModelArts。通常建模、運營等服務都是隔離的，華為設計的ModelArts可以為開發者提供更加簡單的模型支持，從獲取數據到適應變化，可以支持全流程的設計支持。具體包括適配模型架構，讓不同場景的模型設計更加自動化的ExeML以及預集成解決方案，支持多領域（包括物流等不同場景）開發的CloudEI平臺等。

這也體現出華為對AI的態度，例如：人工智能不能遍地跑；華為云堅持“不做應用、不碰數據、不做股權投資”；人工智能會不斷推動人類進步；重復工作自動化，模糊判別智能化，是華為努力的方向。