前幾年，AI幾乎被捧上天，各大公司傾巢出動，推出了不少吸眼球的應用和產品。如今，這些AI成果是否真得讓企業從中獲得價值？繞不開的數據、隱私和安全問題作何解？不同領域、不同規模、不同技術能力的企業如何最大限度享受到AI的能力？云可以給AI增加多少籌碼？

“我現在其實比較郁悶的問題是AI還在初期階段，傳統企業希望用新技術提升競爭力，但現階段并沒有從中獲得多大好處，這個事情還需要做得更加深入”，陜西融普信息科技有限公司（以下簡稱：陜西融普）CTO雷順奇在接受InfoQ采訪時如是說。

這家公司在西安服務了政務、教育、醫療等多個領域，長期專注于數據挖掘、AI應用研究以及信息系統智慧化等工作，對傳統企業接納并應用新技術的過程非常清楚。既然如此，AI在傳統企業中的應用現狀到底是什么樣的？所謂的更深入應該從哪些方面入手？作為AI的背后支撐和計算平臺，云能做些什么來促進這件事情的正向發展？

企業落地AI及云的真實感受

這么久以來，AI也不是只停留在炒作階段，普通用戶其實可以感受到一些AI帶來的成果，比如智能家居、AI客服等，這些成果的使用體驗如何，相信每個人都有自己的判斷。對傳統企業而言，最早一批試用者確實靠著人臉識別、智能機器人等成果吸引了部分用戶的注意，但這不是長久之計，并不足以支撐業務轉型、升級甚至是增值，要想在場景中真正落地，這其中涉及很多關鍵問題。

根據過往實踐經驗和IT從業者的敏感度，雷順奇認為，AI落地場景有三點比較重要：一是不同環境下的數據集成，尤其是當需要對三個及以上系統的數據進行分析整合時，難度會陡然增加，這不僅僅是技術層面的問題，往往還需要進行商業考量；二是算法模型，TO B和TO C行業的應用各有不同，這種行業差別對分析模型的要求也不盡相同，這意味著必須具備軟硬件基礎背景或者對行業產品的獨特理解才能做出好模型，后續還要不斷驗證和評估；三是技術優化能力，AI的運算量對芯片性能提出考驗，即便目前可以正常運行，企業也需要儲備一些優化手段以實現低功耗或者低成本目標，否則成本太高，企業根本用不起，也談不上價值。

目前，讓企業接受AI其實不是件很難的事情，不少思維靠前的經營者甚至會主動聯系可以提供AI能力的廠商，希望通過新技術來提升競爭力，但如何最大化AI價值讓傳統企業真正感受到技術帶來的積極影響就不那么容易了。以零售場景為例，現在商店可以通過AI算法嘗試門店選址、預測客流量等，但整體來看還是偏初期階段。如果把門店的客戶畫像數據進行集成并分析做成數據模型，就實現了更深一步的應用，如果可以將多個門店的數據進行集成，就又深了一步。以此類推，雷順奇認為，AI還有很多更深層次的價值需要被發現，否則很難長久。

當然，AI能力的好壞也與其背后的云平臺掛鉤。在AI的發展中，云平臺滿足了其超大計算力的要求。因此，選擇AI的同時也是在選擇其背后的云平臺。雷順奇透露，企業在選擇云平臺時主要會考察易用性、性能、算法以及性價比等因素，其中，易用性是第一要素，畢竟不管這個東西多好，如果企業花了很長時間都很難上手，那這部分浪費的成本就會讓整體印象大打折扣。

其次，國內目前主流云廠商所提供的產品線確實更加完善，也有很多面向行業的解決方案，但這個產品數量實在是過于龐大，造成入口較多，最終導致操作層面的復雜性；

最后，主流云廠商基本都遵循按需付費的原則，一些傳統企業可能在還沒搞懂規則的情況下，費用就上去了，導致最后不敢用，甚至得出云成本太高的結論。

作為CTO，雷順奇在推進各領域智慧化項目時發現，這些問題讓不少傳統企業在AI的使用中感受欠佳，從中也不難看出，AI賽道的成本還是很高，無論是使用成本還是試錯成本，企業可以用但卻難以用好。如果缺乏挖掘更深層次價值的技術能力，企業很難通過這項技術為業務帶來價值。反過來，這對于相關廠商而言也是一件很頭疼的事情。

要知道，陜西融普其實僅有12人，是一家規模不算大的創業公司，但卻在陜西區域推動了不少智慧化相關項目的落地，這其中一部分要歸功于其對云平臺的選擇和應用。

從業務需求出發的選擇

雷順奇最早接觸的是服務器租賃托管或者說虛擬主機，這其實就是早期的云計算，只是那時候業界對于云計算還沒有清晰明確的認知。因此，雷順奇其實接觸或者說見證了不少云計算平臺的發展。最終，他將華為云納入選擇并成為華為云眾多MVP中的一位，這其實也是從業務需求出發的決策。

對于AI落地具體業務場景的三大關鍵問題，雷順奇從華為云中找到了部分答案。他表示，華為云EI圖引擎服務（Graph Engine Service）采用了基于EYWA（Edge-set sYnergistic Workflow Architecture）的新型圖計算技術，可以幫助解決龐大的運算量、圖分析查詢以及高性能計算等問題，支持多行業場景方案落地；華為云的人工智能開發平臺ModelArts則可以很好得解決企業AI過程中的系統數據集成等問題。

據悉，在2018年12月斯坦福大學發布的DAWNBenchmark最新成績中，在圖像識別（ResNet50-on-ImageNet，93%以上精度）總訓練時間上，華為云ModelArts排名世界第一，比第二名提升近44%，以更低成本實現了更快速度。

雷順奇補充道，華為云雖然起步比較晚，但其背后的網絡和通信能力對華為云的落地，以及大數據和AI能力有很好的補充作用。在企業AI的框架下，很多應用對實時性要求都很高。長遠來看，華為在通信領域的積累可以很好得解決帶寬延遲等網絡瓶頸，這對用戶體驗而言是一個很大的提升。

當然，這與雷順奇華為云MVP的身份也有關系，這讓他擁有華為云多個核心產品的使用權限，包括一站式人工智能開發平臺ModelArts、視覺開發平臺Hilens慧眼等，這是華為云繼使能開發者之后的又一個重要計劃，這種開放和普惠的架勢倒是很符合華為一貫的做事風格。

“不懂變通”的華為云

在一些公開活動上，不少互聯網公司經常會將數據和應用作為自己的優勢，這在云計算和AI時代其實是可以理解的，沒有數據根本就做不好AI，甚至不少傳統企業在進行數字化轉型時恰恰希望能夠把數據轉化為價值，但華為似乎一直沒學會“變通”，2017年就把邊界劃分得十分清楚——不做應用、不碰數據、不做股權投資，并一直堅守至今，這很難讓人不擔心華為怎么做好云和AI。

過去幾年，人工智能、物聯網等技術確實在改變企業的運營效率和生產成本，并且變化非常迅速。華為公司副總裁、華為云BU總裁鄭葉來表示，快也有快的疼，公有云的東西要下沉到私有云其實是很痛苦的，云服務是既快又好的商業模式，但中國的企業客戶有很多個性化訴求，華為做云不期望重構生態，也不碰應用。企業服務發展了這么多年，舊的世界沒那么容易被輕松打破，華為希望做云上的黑土地，做數字化轉型的底座。

當然，這不代表華為不去了解業務和應用。相反，華為本來就是一家TO B基因的企業，因此可以很好得理解企業需求，華為希望將技術能力開放給所有合作伙伴和開發者，積極與行業合作伙伴ISV溝通，以期實現更好的系統集成。

去年，華為云平臺上線了1500多個應用就是這部分取得的成果。反觀整個市場，一家廠商很難覆蓋所有企業的不同場景和需求，即便做了，整個實施過程恐怕也會很痛苦，因為深入每個行業都會發現很多細節需要注意。既然如此，華為云更愿意將能力開放出來，與眾多生態伙伴一起做。

除此之外，華為在技術層面也“不懂變通”。眾所周知，華為有一個“傳說中的”2012實驗室，是華為探索未來科技無人區的主戰部隊。近日，其中的兩個實驗室——諾亞方舟實驗室和熱技術實驗室對華為云MVP、云享專家和媒體開放。

諾亞方舟實驗室是華為AI研發中心，展示的亮點為“人工智能能力演示”，如智慧終端的計算視覺、語音助手、推薦搜索；智慧企業的供應鏈大腦、問答系統等；熱技術實驗室則聚焦高集成封裝、高密空冷、高效液冷/相變，展示器件低熱阻、仿生散熱器、相變液冷、聲學降噪材料、流場可視化測試等技術。這些是華為的技術優勢，但“不懂變通”的華為還是大方得將這些技術分享給所有MVP及開發者。

繼去年相繼發布MVP和云享專家后，此次活動正式推出“華為云專家激勵計劃”：華為云將投入千萬級激勵權益，發展1500名專家，這是華為云沃土AI開發者使能計劃的具體落地，也是華為云開發者生態建設的重要一步。

華為云EI服務產品部總經理賈永利表示，華為云將向MVP開放多個核心產品的使用權限，包括一站式人工智能開發平臺ModelArts、視覺開發平臺HiLens慧眼等，MVP可以根據自己對行業理解試用ModelArts的圖像識別或者語音識別功能，看是否符合預期并提出相關建議和見解。

賈永利還透露，在AI領域，華為其實一直從芯片層開始往上做到應用框架，基本覆蓋了人工智能的所有方向，因此計劃在該領域舉辦一些開發者大賽，在多個賽道與MVP和業界專家進行分享交流，并希望最終可以將AI能力普惠給所有開發者。

這家“不懂變通”的企業在用自己的方式推動AI普惠發展，至于結果如何就只能交給時間來評判，這就好比鄭葉來在采訪最后所說：“三年后，我不確定自己還坐不坐在這里，但這沒有關系，關鍵是華為云的業務一定會做好，華為這么多年來做業務還是有一股傻勁的”。