華為心聲社區今日在官方公眾號發布了華為創始人任正非在人工智能應用GTS研討會上的講話。

任正非認為，人工智能研究是華為的一個使能器，促使公司各項管理進步，從而構筑活的“萬里長城”。

而在具體的操作層面，任正非表示，首先高質量的數據是人工智能的前提和基礎，高質量數據輸出要作為作業完成的標準。

華為創始人任正非

其次要聚焦投入，敢于投資。但也不要全面開花，要急用先行小步快跑，聚焦在確定性業務、人工消耗大的項目。“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。”

任正非還表示，在業務擴張中，人員不按線性擴張就成功了。對于華為的專家，要長期投入在服務戰場上，通過服務客戶不斷提升能力。同時要看在三年之內，有多長時間在一線服務戰場上取得成功的實踐經驗。沒有成功的實踐經驗就不要快速晉升，這樣也保證水是流動不是腐敗的。

以下為任正非講話全文：

總裁辦電子郵件

電郵講話[2017]034號 簽發人：任正非

任總在人工智能應用GTS研討會上的講話

2017年1月7日

公司巨大的存量網絡是人工智能最好的舞臺，GTS要利用人工智能實現高質量和高效率的交付與服務，支撐“一萬億”美元存量網絡的服務以及故障處理、預防的自動化……，以及支持每年數百億美元的網絡增量的科學、合理、有效地交付。持續為客戶創造價值并提升客戶滿意，構筑活的“萬里長城”，成為公司重要的可移動的“馬奇諾防線”。誰能最低成本地提供高質量的服務，誰就是這個世界最后的贏家。公司的人工智能研究是一個使能器，促使公司各項管理進步，不要隨議論的忽悠而迷失方向。

1、高質量的數據是人工智能的前提和基礎，高質量數據輸出要作為作業完成的標準

為什么我們不可以統一作業的工具，和工作的標準。配個數據采集聚集器，員工在現場作業完后，回到駐地處理一下，一按鍵就群發出去了，不必經過辦事處、地區部，就一步到位了。數據對各級各段透明，沒有層層級級的匯總處理，就快多了。

我們有430萬個站點，每年增加96萬個，1萬1千個合同，每個基站報上來的報表這么厚，是因為沒有模塊化分類。不抽象不總結就要上報，我們處理管道就那么粗，所以堵得一塌糊涂。實際上歸納出來可能就一百種，大不到一千種模塊。我們分類按模板傳信息給供應鏈，供應鏈解碼打開、作清單發貨，我們管理會簡化很多。現在報表層層上報，每層增加好多人，一大堆報表甚至沒人讀過。要基于目的標準模型建設簡單自動報表體系，這樣中間的人工就減掉了，主戰場的員工就增加了。人人都基于作業給你提供準確數據，集中起來你的科學性就好了，有了這些準確數據，通過監督學習和統計手段就能使我們的效率提高。

填寫的表中有清晰的也有模糊的，確定性的工作填寫的數據要準確，如果沒有審核就傳上來不正確的數據，就是一團亂麻。清晰的數據不斷更新積累，新的有效數據不斷更替。總有一個模糊區，模糊數據的模糊性會持續不斷降低，但又產生新的模糊。在不該模糊的地方應該有指引，能夠指引基層工程師來清晰操作。人工智能就要靠幾萬員工在做事的時候把數據有效采集回來，在歸納總結中找出規律來。清晰、準確的現場數據是重要的事情。

我們是設備供應商不是流量運營商，要根據業務場景來看多快數據算實時，不要形而上學，要根據必要的需求來獲取這些所謂實時數據。對于網絡設備數據的輸出，可以采用類似“七遠八按”的方式建設數據輸出標準，以基于人工智能的交付服務視角重新制定可服務性標準，并作為產品上市必要條件。

因此，你們說數據缺乏、雜亂無章，我不批評，我覺得沒有數據才是我要批評的。每一個人能不能搞個工裝穿在身上帶個儀器，數據先收集存儲起來，然后一按按鈕就傳送到信息庫，對貢獻數據者還可以獎勵。

2、要聚焦投入，敢于投資，成功只是時間遲早的問題

在GTS選定的站點作業、網絡集成、網絡維護、網規網優等關鍵場景，在業務模型、算法、平臺和數據上要加大投資，具體的人力與費用在戰略規劃未來的時間鏈中落實。

要開發公司統一的人工智能軟件平臺，把算法、知識、方法、經驗等都固化在平臺上，首先在GTS實踐和應用，未來也可以為公司其他業務提供支撐。數據底座的投資更需要加大，作為長期的基礎工程來建設，有了高質量的數據基礎，人工智能才能發揮作用。

2012實驗室的科學家要緊密與服務工程師合作，由熟悉理論和算法的科學家選擇最成熟的方案應用到服務場景中，并共同完成業務提升，這就是技術和場景的結合。一部分人熟悉技術理論，一部分人熟悉場景，兩者合作起來天下無敵，你們先把我們內部的改進搞好，到那時候我們是不是走向外部我們再考慮。

新事物失敗也是成功，自己取得一點進展就記下來，這是過程記錄，自己用蘿卜刻獎章，積累多了就去換金牌。不要怕出錯，別人說華為是落后的，因為我們只給成功的人發獎，從來不給失敗的人發獎。今天比昨天好就要發獎，喜馬拉雅爬一半也是成功，因為我們過去連山腳都沒去過。

3、人工智能要聚焦投入不要全面開花，先縱向打好殲滅戰，旗開得勝后再橫向擴張

我們業務擴張中，人員不按線性擴張就成功了。服務工程師要聚焦服務業務，在完成服務業務同時完成人工智能所需要的正確數據輸出，在此基礎上產生場景分析師、數據分析師和模型設計師。這些專家要長期投入在服務戰場上，通過服務客戶不斷提升能力。對于場景分析師、數據分析師、模型設計師，我的態度是要看在三年之內，有多長時間在一線服務戰場上取得成功的實踐經驗。沒有成功的實踐經驗就不要快速晉升，這樣也保證水是流動不是腐敗的。

人工智能在投資充分的情況下不要太沖動，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，寧可做得少一點，先在一兩個點突破殺開口子，集中力量打殲滅戰，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。

如人工智能的應用首先要瞄準實現簡工勘，在此基礎上進而實現自動化設計。海量重復動作要運用人工智能技術來替代，實現文檔自動生成、質量自動審核、遠程驗收及自動開票。然后再把人工智能應用的成功經驗擴展至網絡維護、網規網優等業務場景，把被動問題處理變為主動預警預防，不僅提升了效率還提升了為客戶服務的質量。

要踏踏實實聚焦場景一個個解決，選擇與場景匹配的相對成熟的算法，不要等平臺和數據底座的成熟，半成品也可以先投入到內部改進的使用，在不斷的實踐和問題解決中打造成熟的平臺和數據底座。我們在這些集中突破的項目上取得經驗培養出新生力量，這些新生力量要到基層去貫徹推廣落實，使它能夠應用起來變成習慣。在縱向發展的基礎上，把握好橫向擴張的合理節奏。一只餅如果糊了再翻過來掉過去烙就是夾生餅，我們不要“出師未捷身先死，長使英雄淚滿襟”，我們要的是旗開得勝和最終成功。人工智能是個新生事物，在實現過程中因為雙軌運行，要接受階段性的成本上升，實現清晰的長期目標。

人工智能應用中一定會遇到很多困難，在前進的過程中要多鼓勵、少批評，可表揚可不表揚的要表揚。上戰場槍聲一響，誰是英雄，誰不是英雄？你說他不是英雄，在山腳你一拍他肩膀，他扛著兩個炸藥包，沖上了上甘嶺，可能就真成了英雄。