3月30日午间消息，华为心声社区今日在官方公众号发布了华为创始人任正非在人工智能应用GTS研讨会上的讲话。

　　任正非认为，人工智能研究是华为的一个使能器，促使公司各项管理进步，从而构筑活的“万里长城”。

　　而在具体的操作层面，任正非表示，首先高质量的数据是人工智能的前提和基础，高质量数据输出要作为作业完成的标准。

　　其次要聚焦投入，敢于投资。但也不要全面开花，要急用先行小步快跑，聚焦在确定性业务、人工消耗大的项目。“不要遍地都是智能化，这会形成全面开花没有结果的盲动，就有可能满盘皆输。”

　　任正非还表示，在业务扩张中，人员不按线性扩张就成功了。对于华为的专家，要长期投入在服务战场上，通过服务客户不断提升能力。同时要看在三年之内，有多长时间在一线服务战场上取得成功的实践经验。没有成功的实践经验就不要快速晋升，这样也保证水是流动不是腐败的。

　　以下为任正非讲话全文：

　　公司巨大的存量网络是人工智能最好的舞台，GTS要利用人工智能实现高质量和高效率的交付与服务，支撑“一万亿”美元存量网络的服务以及故障处理、预防的自动化……，以及支持每年数百亿美元的网络增量的科学、合理、有效地交付。持续为客户创造价值并提升客户满意，构筑活的“万里长城”，成为公司重要的可移动的“马奇诺防线”。谁能最低成本地提供高质量的服务，谁就是这个世界最后的赢家。公司的人工智能研究是一个使能器，促使公司各项管理进步，不要随议论的忽悠而迷失方向。

　　1、高质量的数据是人工智能的前提和基础，高质量数据输出要作为作业完成的标准

　　为什么我们不可以统一作业的工具，和工作的标准。配个数据采集聚集器，员工在现场作业完后，回到驻地处理一下，一按键就群发出去了，不必经过办事处、地区部，就一步到位了。数据对各级各段透明，没有层层级级的汇总处理，就快多了。

　　我们有430万个站点，每年增加96万个，1万1千个合同，每个基站报上来的报表这么厚，是因为没有模块化分类。不抽象不总结就要上报，我们处理管道就那么粗，所以堵得一塌糊涂。实际上归纳出来可能就一百种，大不到一千种模块。我们分类按模板传信息给供应链，供应链解码打开、作清单发货，我们管理会简化很多。现在报表层层上报，每层增加好多人，一大堆报表甚至没人读过。要基于目的标准模型建设简单自动报表体系，这样中间的人工就减掉了，主战场的员工就增加了。人人都基于作业给你提供准确数据，集中起来你的科学性就好了，有了这些准确数据，通过监督学习和统计手段就能使我们的效率提高。

　　填写的表中有清晰的也有模糊的，确定性的工作填写的数据要准确，如果没有审核就传上来不正确的数据，就是一团乱麻。清晰的数据不断更新积累，新的有效数据不断更替。总有一个模糊区，模糊数据的模糊性会持续不断降低，但又产生新的模糊。在不该模糊的地方应该有指引，能够指引基层工程师来清晰操作。人工智能就要靠几万员工在做事的时候把数据有效采集回来，在归纳总结中找出规律来。清晰、准确的现场数据是重要的事情。

　　我们是设备供应商不是流量运营商，要根据业务场景来看多快数据算实时，不要形而上学，要根据必要的需求来获取这些所谓实时数据。对于网络设备数据的输出，可以采用类似“七远八按”的方式建设数据输出标准，以基于人工智能的交付服务视角重新制定可服务性标准，并作为产品上市必要条件。

　　因此，你们说数据缺乏、杂乱无章，我不批评，我觉得没有数据才是我要批评的。每一个人能不能搞个工装穿在身上带个仪器，数据先收集存储起来，然后一按按钮就传送到信息库，对贡献数据者还可以奖励。

　　2、要聚焦投入，敢于投资，成功只是时间迟早的问题

　　在GTS选定的站点作业、网络集成、网络维护、网规网优等关键场景，在业务模型、算法、平台和数据上要加大投资，具体的人力与费用在战略规划未来的时间链中落实。

　　要开发公司统一的人工智能软件平台，把算法、知识、方法、经验等都固化在平台上，首先在GTS实践和应用，未来也可以为公司其他业务提供支撑。数据底座的投资更需要加大，作为长期的基础工程来建设，有了高质量的数据基础，人工智能才能发挥作用。

　　2012实验室的科学家要紧密与服务工程师合作，由熟悉理论和算法的科学家选择最成熟的方案应用到服务场景中，并共同完成业务提升，这就是技术和场景的结合。一部分人熟悉技术理论，一部分人熟悉场景，两者合作起来天下无敌，你们先把我们内部的改进搞好，到那时候我们是不是走向外部我们再考虑。

　　新事物失败也是成功，自己取得一点进展就记下来，这是过程记录，自己用萝卜刻奖章，积累多了就去换金牌。不要怕出错，别人说华为是落后的，因为我们只给成功的人发奖，从来不给失败的人发奖。今天比昨天好就要发奖，喜马拉雅爬一半也是成功，因为我们过去连山脚都没去过。

　　3、人工智能要聚焦投入不要全面开花，先纵向打好歼灭战，旗开得胜后再横向扩张

　　我们业务扩张中，人员不按线性扩张就成功了。服务工程师要聚焦服务业务，在完成服务业务同时完成人工智能所需要的正确数据输出，在此基础上产生场景分析师、数据分析师和模型设计师。这些专家要长期投入在服务战场上，通过服务客户不断提升能力。对于场景分析师、数据分析师、模型设计师，我的态度是要看在三年之内，有多长时间在一线服务战场上取得成功的实践经验。没有成功的实践经验就不要快速晋升，这样也保证水是流动不是腐败的。

　　人工智能在投资充分的情况下不要太冲动，要急用先行小步快跑，要聚焦在确定性业务、人工消耗大的项目，宁可做得少一点，先在一两个点突破杀开口子，集中力量打歼灭战，不要铺开一个很广泛的战线。不要遍地都是智能化，这会形成全面开花没有结果的盲动，就有可能满盘皆输。

　　如人工智能的应用首先要瞄准实现简工勘，在此基础上进而实现自动化设计。海量重复动作要运用人工智能技术来替代，实现文档自动生成、质量自动审核、远程验收及自动开票。然后再把人工智能应用的成功经验扩展至网络维护、网规网优等业务场景，把被动问题处理变为主动预警预防，不仅提升了效率还提升了为客户服务的质量。

　　要踏踏实实聚焦场景一个个解决，选择与场景匹配的相对成熟的算法，不要等平台和数据底座的成熟，半成品也可以先投入到内部改进的使用，在不断的实践和问题解决中打造成熟的平台和数据底座。我们在这些集中突破的项目上取得经验培养出新生力量，这些新生力量要到基层去贯彻推广落实，使它能够应用起来变成习惯。在纵向发展的基础上，把握好横向扩张的合理节奏。一只饼如果糊了再翻过来掉过去烙就是夹生饼，我们不要“出师未捷身先死，长使英雄泪满襟”，我们要的是旗开得胜和最终成功。人工智能是个新生事物，在实现过程中因为双轨运行，要接受阶段性的成本上升，实现清晰的长期目标。

　　人工智能应用中一定会遇到很多困难，在前进的过程中要多鼓励、少批评，可表扬可不表扬的要表扬。上战场枪声一响，谁是英雄，谁不是英雄?你说他不是英雄，在山脚你一拍他肩膀，他扛着两个炸药包，冲上了上甘岭，可能就真成了英雄。