各类AI应用已经潜移默化地融入了我们的日常生活,正在逐步触及各行各业的核心业务中。9月23日-26日,在华为全联接2020,华为云发布了促进AI开发和落地的一系列新产品和解决方案,包括业界首个全生命周期知识计算解决方案,融合骨干模型、联邦学习、智能评估等领先能力的一站式AI开发平台ModelArts 3.0。华为云已经与中国一汽、华新不锈钢、深圳交警、深圳机场、杭州云深处科技、中科院脑智卓越中心等企业和高校、研究机构,在10 个行业的600多个项目进行AI探索。

36氪记者苏建勋与华为云人工智能领域总裁贾永利,一起探讨了如何将AI落地行业,如何让开发者更好地实现AI开发。

记者:根据华为云的观察,您认为哪些企业会更容易将AI带进核心系统?

贾永利:企业要把AI用好,首先,各个行业的基础,比如数据的基础、数字化的基础一定要好,因为人工智能的前提是要有数据。另外,企业自身一定要找清楚自己在整个生产流程环节中,哪些地方确实有非常大的问题,不管是基于成本的考虑,还是基于价值创造的考虑,只有核心的场景想清楚了,才会方便地应用人工智能。

比如我们在会上提到的煤焦化场景中,管理者识别出了配煤对整个工艺流程至关重要,它决定了整个企业生产成本的60~70%。我想大多数企业首先要瞄准自己的生产制造流程去思考,找到焦点问题,有了焦点问题就可以驱动AI技术来进行解决。

记者:华为昨天发布了全新的知识计算解决方案,未来企业是否都需要一个新的知识计算平台?

贾永利:我们判断,越是技术含量高的、需要专家多的知识密集型产业,对知识计算平台的需求越大。对于特别复杂的行业,比如石油勘探领域,涉及地球物理学、勘探、石油理论等,需要不同领域的专家来参与,过程非常复杂,对专家和人的要求就很高。人的经验的传承一直是个难题,只靠师傅传、帮、带,很难大规模解决群体知识的复制和高效应用,这个时候知识计算平台就非常关键。它帮助企业给出了一种去协同、管理知识、传承知识的有效的方法和手段。

记者:华为怎么帮助传统企业AI落地,当中的难点在哪些环节?

贾永利:我觉得传统行业确实如刚才您讲的,它推进AI的困难是很大的。从我们三年多的实践来看,我觉得有几个关键点。第一个就是行业的专家和我们搞人工智能的AI的专家,一定要能在一起工作,一起做协同。也就是说我们的AI技术要首先被行业专家所认可所接受。

第二点是一旦大家找到了共同的目标,有了协同的想法,行业的AI落地实际上是有时间节奏的。

传统行业每一代工艺的使用周期可能是以10年甚至20年来进行演进的,是否要在核心系统应用AI,除了考虑投入产出比,实验性的工作、测试、验证以及安全等问题也需要综合考虑。

人工智能专业的专家、公司,一定要敬畏产业,真正理解产业的节奏和规律。只有和产业的节奏规律在一个步调上,才能有序地去推进。

记者:对于从事AI应用开发的企业和开发者来说,华为云能够提供什么开发工具以及具体的合作方式,让他们有机会参与到华为云AI落地的项目当中来?

贾永利:在AI开发者推进方面,我们一直追求要有一个广泛的生态。希望更多人工智能从业者或者感兴趣的人都能尽快掌握AI,更多的行业懂AI。这也是我们一直强调的普惠AI:让AI用得起、用得好、用得放心。

另外,我们也一直在打造一些能够将行业沉淀到开发平台上的一些模板和方法、套件。

HC2020上,我们可以看到,同济大学一个团队,就非常好地把ModelArts开发平台应用到实践中。

另外,华为云上还有市场,开发者开发完应用后,在云市场就可以得到一些商业变现机会,更进一步地增强开发者在人工智能开发上的信心和推广的力度。

记者:对于想要应用AI的企业来说,您有没有更具体的一些建议?

贾永利:我觉得分几方面。第一类就是企业自己有一些开发人员,有一定的开发能力。这种情况下,我觉得企业首先要认清开发人员的素质模型和需要开发的AI的深度。如果是简单的应用,重在业务的设计,轻在AI,我非常推荐直接在华为云上用AI开发平台ModelArts去学习去开发。这是最快最便利的手段,让企业里面想要学习人工智能的一些专家,包括业务人员都可以非常快地上手,然后很快地把AI的工具用起来。

还有一类,需要的人工智能要深一点,需要一些算法。欢迎这些开发者加入华为云AI训练营,让开发人员深入掌握一些人工智能的理论和方法背后的细节,因为华为云有很多AI专家、博士大咖,经常在活动中进行分享。

另外,还有一些为企业提供人工智能服务的公司。我建议它们更系统地去学习,包括理论、方法以及企业里有哪些场景、怎么用。以一个咨询者的身份告诉传统行业,在什么方向上应该用哪一类的人工智能技术去解决什么问题。我个人也非常看好未来的这个市场,觉得会有很多的这种企业出来为千行百业去赋能。

来源：北国网

免责声明：本文来源于网络，仅代表作者本人观点，与TechWeb无关。凡来源非TechWeb的新闻（作品）只代表本网传播该消息，并不代表赞同其观点。TechWeb对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任