這是一個變革的時代，我們見證了人工智能改變了下圍棋的方式，也通過語音助手、人臉識別等技術感受到AI的無處不在。
未來已來，AI產業發展逐漸成為人們重視的話題。今天，一場大咖云集、干貨滿滿的世界人工智能大會在上海拉開帷幕。華為公司副總裁、云BU總裁鄭葉來在大會上分享了對于人工智能發展的思考。
以下為鄭葉來先生的演講實錄：
人工智能將會改變每個行業、每個職業、每個組織、每個家庭和每個人
人工智能是一系列新的通用目的技術(GPT)，包括自然語言處理、圖片識別等。我們講信息技術帶來了效率的提升，人工智能則帶來生產成本的變化。
過去幾年中，華為在許多行業做了很多探索，取得了良好的社會經濟效益。
例如在交通領域，我們在深圳市建設了城市交通智能體，我們讓深圳這個本來“應該最堵”的城市，通行效率做到穩步提升。在物流行業，我們和客戶一起在路徑規劃、識別暴力分揀、防拆解等方面都做了有力的探索。
人工智能將會改變每個行業、每個職業、每個組織、每個家庭和每個人。我們一直都說是行業+AI，而不是AI+行業。
今天組織的人才結構是這樣的：上方是商業領袖，下方是高級管理者/專家，然后是基層管理者/業務骨干和基層員工。
未來使用人工智能以后，會改變我們整個組織的人才結構，從上方的商業領袖、管理者到基層員工，中間一定有AI工程師。中間這些重復性的勞動一定會被人工智能所替代。
未來2-3年的改變可能會如此之快，Gartner預測在2020年之前眾多行業、職業將巨變。
人工智能是信息化進程的新高度
所有通用目的技術的應用一定會有一個過程。通常華為看待一個產業會分為4個階段：第一個是技術與應用局部探索的階段，第二個階段是技術發展與社會環境相互碰撞。
我們認為今天的人工智能是在第二個階段的開始。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。
我們的觀點是什么呢?
首先，人工智能不是萬能的。任何技術有可解決的問題也有解決不了的問題。我們應該聚焦人工智能能夠解決的問題、創造價值的領域，而不應該把精力花在人工智能不能解決的問題，或者說不能創造價值的領域。預計機器將在越來越多的任務中繼續達到并超越人類的表現。
我們還有一個重要的觀點就是——選擇正確的問題比尋找新奇的解決方案更加重要。對一些有模式可循的、有數據支撐的，機器學習就比人更有效。
上午嘉賓講了一個核心的問題就是數據支撐，這里面就涉及很多的問題，包括數據主權是誰的，以及最終客戶的隱私怎樣來保護等，這些問題亟待解決。
人工智能是信息化進程的新高度，是會降低生產成本的。人工智能是一種科學和一組計算技術，它啟發于人但不同于人，能夠進行感知、學習、推理和采取行動。
所以人工智能和此前信息化最大的變化是，信息化能提升人的效率、降低人力的成本，但很難(自動)降低生產成本。人工智能不但可以替代人，還能夠(自動)降低生產成本。我們和中國一家很著名的污水處理公司合作，通過監控整個污水池氧化的濃度，提升了整個的效率。
那么，人工智能人才應該怎樣獲取?
以AI思維解決人才的短缺。企業的AI人才能力結構，將不僅僅是數據科學家，而是由數據科學家、領域專家、公眾數據科學家相互配合組成。
除了從外部獲取數據科學人才，我們認為還應該加強企業內部培訓，打造內生的公眾數據科學家，甚至數據科學家能力，這樣更快速、更重要、更長久。
以AI的方式解決AI人才問題，就是著力于整個智能化、自動化、簡單易用的人工智能工具和平臺服務，讓所有的企業以更快捷和高效的方式使用人工智能技術，來解決問題、創造價值，也就是怎么讓人工智能成為一種普惠的技術，高而不貴的技術。
易獲取、用得起、方便用的算力是AI產業發展的關鍵
人工智能有三個方面，數據、算法、算力。面向人工智能這個大的潮流，華為應該踏踏實實做什么?我們認為，易獲取、用得起、方便用的算力，是AI產業發展的關鍵。
第一個是價格貴。我們現在看人工智能整個訓練的過程還是很貴的，訓練人臉識別、交通綜合治理、自動駕駛，模型的訓練成本非常高昂的。
第二個是使用難。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。
第三個是難獲取。GPU供貨周期長，限量供應。
我們希望華為在這些方面可以努力。今年10月10日到12日，華為將在上海舉辦面向全球的年度全聯接大會，發布華為人工智能發展戰略和全棧、全場景解決方案。
大會第三天，我們將分享華為人工智能在這個環境下如何構建一個生態，同時支持高校的研究，支持企業方便地獲取人工智能，打造一個真正面向AI開發者和企業應用的AI開發平臺和工具，實現普惠AI，讓大家用得起、用得好、用得放心。
