977
任正非：將打造華為統一的AI平台，2018首先在GTS部署
本文來自華為總裁任正非在GTS人工智能實踐進展匯報會上的講話，任正非提出在公司內利用人工智能提升效率、解決實際問題的措施，加大對GTS數據係統、AI算法和AI 使能平台的投資，透露華為統一的AI平台將於2018年首先在GTS實踐和應用。
人工智能的核心在於應用，GTS把人工智能作為一個工具，研究海量重複性活動的智能化自動化，提升人的效率和輔助人的工作。從你們的探索來看，實踐經驗非常重要。
在人工智能和自動化推動過程中，要關注交付服務流程以及人員思想、行為模式的改變，如果他們還是老一套思路，不重視數據的錄入和采集，我們人工智能和自動化就會失去源頭，同時要看到人工智能是一個持續演進和迭代的過程，大家在推進過程中要不急不躁，持續改進，關鍵要抓好數據治理和平台構架設計，保證我們大方向正確，在正確的方向上加快迭代，小步快跑。
第一，利用人工智能簡化站點作業活動，把設計、報告自動化，同時要聯合產品線，構建免安裝、免調測網絡。
我們在全球有460萬站點，每年會在100萬站點上作業，任何一次的站點作業都是成本。要通過構建站點信息庫，開發站點3D掃描能力，把站點勘測簡單化，上站錄入表格的時間也就大大節省了。以後的數據錄入還可以進一步簡化，捆綁一個好的語音係統，現場作業完成了，自己說一遍，表格就自動生成，然後回家把這個表格稍微修改，就能完成交付作業。
基站設計方案模型很多，現在通過機器學習，實現基站連線圖和配置參數的自動化生成，降低對現場工程師的要求。麵向未來，要在設備模型歸一、免安裝、免調測上做研究。5G時代萬物互聯，能不能先把我們的基站連起來？荒山野嶺，咱們有多少站點？應該是數百萬個。可以請位快遞哥騎個摩托車上山，把基站掛上，通電一開，無線連接所有設備都自動連上了，這樣減少了錯誤，也節省了人工。
質量檢查隻要拍個照，通過與標準圖樣對比，分包商在站點安裝的時候就可以檢測安裝質量的好壞，一次把事情做對，避免了多次上站，節省了工時，提升了效率。不要小看1~2個小時的節省，這是一個點，若是有幾十萬個站可推廣，乘以係數，就有幾十萬的規模效益。
第二，網規網優要敢於應用地理、測繪、數學等先進技術和新的業務模式，隻要能提升效果，都為我所用。
網規網優基於數據、算法、成本的影響，選擇人工智能突破口，通過“分析機器人”提升人員效率，在無線幹擾分析、天饋係統方向角優化調整等方麵加強人工智能技術的引入，提升無線網絡優化規劃效率，同時基於產品數據的虛擬路測是一個方向，不需要路測就可以清楚網絡的信號狀況，一個城市節省3000公裏路測，十幾個城市就相當於繞地球一圈。
人工智能理論是所有人類瑰寶，都可以為我所用，而不隻是我們的理論。網規網優是一個基於數據的業務，人工智能也容易發揮效益，所以我們要敢於招一些統計學、係統工程學、哲學、遙感、遙測……等專業的優秀博士、碩士，就像當年我要求招一些地理測繪專業的人員一樣，隻要實踐兩年，自然就明白了。
第三，萬億存量是我們的優勢，不斷積累小樣本，維護模式要從被動問題處理到主動預測預防，並進一步反饋到製造、產品設計，形成閉環改進。
麵對海量的、確定性的重複工作，逐步將複雜的成千上萬的場景收斂，通過表格、建模等方法不斷的總結提煉經驗。就像我年輕的時候，一個龐大的數字設備，出了問題就一次一次的閃燈，從閃燈中慢慢看集中在哪個區，再看電路，一判斷，是電阻壞了，然後打開，修好了，這就是小樣本！這些小樣本提供給你們，你們再歸納、總結，上升到理論高度，就是故障模型。
維護的最終模式要從被動問題處理走向預測預防為主。問題處理方麵，我們至少可以把問題經驗庫豐富起來，誰暴露的問題最多、解決的最好，也可以搞小獎勵。在預測預防方麵，通過障礙發現的芯片及批次等相關問題要進一步反饋到公司的製造部門、產品設計環節，從源頭上提升設備的穩健性。
第一，行為即記錄，記錄即數據，構建並持續完善GTS數據係統。
數據是一門科學，是人工智能的基礎，要把業界做得好的方法借鑒過來。GTS沿著作業活動，把作業過程、對象、規則和經驗數字化，持續完善GTS的數據係統。各產品線也要把自己的產品數字化，這是服務數字化的基礎。要強化雲平台基礎設施建設，豐富單兵數據采集工具，給每個員工配個數據采集器，員工在現場作業完後，回到駐地處理一下，一按鍵就發出去了。
數據要以用促建，利用表格、建模等方法輸出作業數據，將高質量的作業數據輸出作為作業完成的衡量標準，要形成對工程師高質量作業數據輸出的牽引，形成指導和模板。
第二，算法要服務於業務，算法科學家與熟悉服務場景的工程師緊密配合，在服務客戶的戰場上提升能力。
人工智能應用是實踐科學，在實踐和應用當中迭代式前進，效果不是一蹴而就的。實踐初期，算法達不到高級工程師的水平也要堅持使用，以人為主，機器為輔，對算法進行持續的訓練和提升。
人工智能開發，算法專家、產品線專家要與GTS業務專家組成混合編隊，共同識別實際場景中的AI應用機會、理解業務場景、設計算法模型、優化算法效果。
第三，加快開發公司統一的人工智能平台，並於2018年首先在GTS實踐和應用。
開發公司統一的人工智能平台，部署統一的人工智能訓練環境，首先在GTS實踐和應用，把GTS積累的站點作業、網絡維護、網規網優領域的算法、知識、方法、經驗都固化到這個平台上。
人工智能平台在GTS的應用要急用先行、小步快跑，聚焦服務場景一個個解決，選擇與場景匹配的、相對成熟的算法，快速構築數據處理、模型訓練等工程能力，邊戰鬥邊優化，並於2018年將平台部署在GTS係統上。
第一，自動化也是人工智能，改善一個點，可能有幾十萬個著力點可推廣，就有幾十萬的倍增效益。
跨領域也應有著力點進行推廣，通過數據互聯互通、業務交叉融合，公司很多部門就可以精簡了。比如財務在人工智能上也梳理了100多個點，其中有些點和GTS有交互，如項目核算要開票，GTS可以這個點為起點，橫向發展到財務那裏去。
我們要矢誌不渝地前進，讓一些確定性工作自動化、智能化，減少重複勞動。不能總是強調人工智能對模煳問題的判斷和處理，為什麼對確定性問題就不行呢？自動化也是人工智能。改善一個點，乘以係數，就可能有幾十萬的倍增效益。GTS人員都應實驗性地“洗一次澡”，有些人在循環中變得更厲害，產生新的工作方法，大幅提高工作效率。
第二，在自身實踐成功的基礎上，利用數據和智能技術，升級服務內容、構建在線服務模式，解決客戶挑戰。
基於萬億存量數據的優勢，通過改善自身管理的循環實踐，構建全球智能網絡大平台，平台的能力再以服務方式向客戶開放，並將服務內容擴展到設備和網絡的全生命周期，解決客戶挑戰的同時華為也獲得收益。
站點的選擇，能否根據流量預測和動態變化，進行精準的網絡規劃？幾百萬台設備，也不能一天二十四小時高速開著，如果能根據流量動態設定產品能耗，是不是就可能極大地提升網絡和能源效率？更遠的未來，能否將預防預測能力延伸到整個網絡，有預見地應對自然災害、重大事件等帶來的挑戰。
我們抓住這些機會，升級服務內容，就可以利用在線服務等手段，在網絡全生命周期持續為客戶創造價值。
原文發布時間為：2017-11-3
本文來自雲棲社區合作夥伴“新智元”，了解相關信息可以關注“新智元”微信公眾號
最後更新：2017-11-03 14:34:05