全棧 AI 還不夠，華為雲正在用「EI」切入工業、交通等場景

圖片來源：視覺中國

對於如何在一個新市場中搶佔先機，已供職華為超過20年的洪方明頗有經驗。

此前，洪方明曾經在華為擔任歐洲地區多個國家的業務負責人，經歷過在海外將華為手機從0到1推廣至市場份額領先品牌的過程。如今，洪方明又將接下華為在雲、AI 領域新一輪的擴張重任。

11月16日，深圳高交會，剛剛上任的華為雲中國區總裁洪方明首次對外亮相。在對華為 AI 戰略的分享環節中，洪方明回顧了今年10月華為全聯接大會上提出的全棧 AI 解決方案，同時再次理清了華為雲與華為 AI 在業務層面的關係。

「華為雲憑藉公有雲將AI技術模板化，以全棧全場景的形式全面部署在雲-邊-端。」洪方明這樣表示。

而在會後的採訪環節，洪方明也對鈦媒體等記者表示，他接下的重點工作將會是「整合」，而華為公司也將從研發、資源、人力等各個方面向雲業務傾斜。

「華為18萬名員工，有8萬人在從事研發工作。未來五年，華為在研發的投入每年會保持在150到200億美金，可以說，華為雲今天擁有的資源遠遠好於當初手機在海外的情況。」洪方明對鈦媒體說。

華為雲中國區總裁洪方明

回顧華為在人工智慧的步伐，可以根據其在應用層面的展現劃分為三個階段。

進入2000年後，在通訊運營領域站穩腳跟的華為，開始嘗試用技術解決華為內部運作的自動化及業務服務問題。任正非曾舉例談到：華為在全球有460萬站點，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。

2012年，為了應對數據通訊技術的衝擊，華為將內部 AI 能力進行系統整合，於當年6月正式成立諾亞方舟實驗室（其上層為華為總研究院「2012實驗室」），這也成為華為正式投入AI基礎研究的最鮮明信號。在諾亞方舟實驗室中，華為主要進行人工智慧演算法的研究、管理AI的技術合作、識別AI主要應用場景和需求管理等。

而在今年10月，華為輪值董事長徐直軍在華為全聯接大會中首次公布了華為的AI發展戰略，包括全棧全場景AI解決方案、Ascend系列晶元等，也正式標誌著華為 AI 從「不對外，全對內」到「聚焦投入，敢於投資」的轉變。

「人工智慧在投資充分的情況下不要太衝動，要用先行小步快跑，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。」任正非在去年的一次公開講話中表示。

技術積累：從 AI 到 EI

在今年10月華為首次對外公布 AI 戰略時，徐直軍曾將AI 落地的難點歸結為三大主要門檻，分別為：開發慢、資源貴、人才缺。

對此，華為的應對之舉是發布了全棧全場景AI解決方案，而這裡的「全棧 AI」（鈦媒體曾在此前文章中有過詳述），可以理解為：

1、全棧是技術視角，指包括晶元、晶元使能、訓練和推理框架和應用使能在內的技術全堆棧；

2、全場景，指包括公有雲、私有雲、邊緣計算、物聯網行業終端以及消費類終端的部署環境。

3、針對AI人才缺乏的難題，華為雲提供豐富的AI功能和API，即取即用，就像造一輛車，你沒必要每一台都自己重新自己造輪子。華為雲還開放了開發平台，客戶/夥伴可以利用這些便捷的工具開發自己想要的AI能力。

可以說，在華為的整套人工智慧落地戰略中，全棧 AI 方案通過對底層技術的產品化，將原本具有較高難度的 AI 能力在實施階段降低了門檻；而在完成了技術層面的普惠之後，華為又搭建了一套直接切入行業的 EI 平台，以承接不同場景的個性化需求。

2017年9月，華為雲EI（Enterprise Intelligence 企業智能）平台正式發布，該平台包括了基礎平台服務、通用服務和行業場景解決方案三類服務，主要面向企業提供生產效率提升，精細化運營，商業模式創新等業務。

目前，華為雲 EI 已經上線了16大類超過120款雲服務，60+解決方案，涵蓋了從個人到企業的方方面面。

簡單來說，AI 和數據是華為對內多年的積累，EI 是華為對外輸出的門面。也正因如此，華為掌握的 AI 能力，大部分已在內部應用多年，其技術水平與落地能力是已被驗證過的。

以華為在供應鏈端的智能裝箱、倉儲應用為例，由於華為公司每年處理的物流單數量就多達30萬-50萬，因此對於供貨預估、裝箱管理、區域分發等流程，華為已經具備完整的技術支持體系。

根據華為公司透露，目前通過華為雲EI服務，根據物品特徵提供最佳裝箱方案，可以提升20%的分揀裝箱效率；同時做到集裝箱3D模擬可視，整體利用率提升6%，而使用 EI 進行路徑規劃，則可節省例外開銷成本30%。

再拿人工智慧領域至關重要的算力資源來說，由於大部分企業沒有能力訓練自己的AI模型，華為雲 EI 可以通過雲、端協同的統一開發框架，讓AI模型靈活的部署到雲、邊、端等場景，並將一些行業解決方案提前預集成為一個模塊，讓開發者能夠迅速把產品能力與行業解決方案對接起來。

以深度學習服務為例，基於軟硬體結合的方案，華為雲 EI 可以在對分散式訓練的調度演算法，分散式梯度壓縮等進行優化後，提供1000+GPU節點規模訓練，這就意味著億級圖片規模的模型訓練，華為雲 EI 可以從原來的30天縮短至小時級。

場景落地：政企市場將成為雲化主場

在去年1月華為內部的一場人工智慧應用GTS研討會中，任正非曾明確表示過華為落地 AI 的打法，他強調：

「人工智慧應該踏踏實實聚焦場景一個個解決，要選擇與場景匹配的相對成熟的演算法，不要等平台和數據底座的成熟，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台和數據底座。」

深度綁定場景的特性也隨之反映在華為雲的 EI 產品線中。

2018年6月，華為雲針對交通和工業分別推出了EI交通智能體和EI工業智能體，10月，華為雲 EI 又發布了智慧城市解決方案：城市智能體。

相比 BAT 各自在智慧城市業務中的耕耘，華為的優勢一方面體現在過往三十年通信領域的技術積累，一方面是盤踞在各地的 To G 資源。

據鈦媒體了解，華為企業 BG 在2016年就成立了智慧城市業務部，已經覆蓋全球40多個國家，160多個國內城市，包括北京、深圳、敦煌、濰坊等地均與華為簽署了智慧城市方案的戰略合作。

另據一位華為內部人士對鈦媒體透露，此前華為的智慧城市項目被放在專門的政府事務部門中，隨著華為雲的戰略地位上升，智慧城市項目將會和華為雲業務融合。

洪方明也在公開場合強調過政務市場的重要性：「預計2025年，全球AI市場空間將達到3800億美金，其中90%來自於政企市場。未來，政企市場將是雲化、智能化的主場。」

在華為智慧城市項目中，華為雲承擔了「技術底座」的角色。其中，雲技術要發揮其計算能力，與邊緣平台和端側相結合，實現對於人和物體大數據的綜合分析，最終把結果反饋到城市智慧體，這個過程涵蓋了感知、分析、決策、執行全環節，形成了一套智能城市的運作生態。

以華為雲針對城市擁堵提供的解決方案為例。2018年4月，華為雲與北京市交管局合作，在北京市海淀區上地三街與上地東路交叉路口率先試點，利用AI演算法實現信號配時優化和時段自動劃分。

為了掌握區域發車規律，華為雲提出「TrafficGo」方案，採用視頻方式監測數據，精準識別整個道路上每一條車道的全量數據，包括過車數量、過車速度、車輛排隊長度等。

同時，華為雲通過正反轉視頻提取車流的行車軌跡和轉向信息，在龐大的監測數據基礎上，對區域所有車道的交通流量數據進行協同計算，實時生成整個區域全部路口的信號燈配時方案，並通過系統自動推送到交通燈上，實現整個區域的交通流量最大化。

據第三方公司評估報告顯示，華為雲TrafficGo方案應用後，上地三街車流主方向（東西向）平均延誤時間下降了15.2%，平均車速提升了15%。並且，除了主幹線以外，附近2條支路上的通行效率也明顯獲得改善，平均延誤時間降低了10~20%。

除了城市擁堵外，華為雲還利用監控大數據開發了智慧警務系統，目前已協助深圳龍崗警方破獲多起案件；而針對「兩客一危」車輛，華為雲推出了車聯網安全智能防控系統，通過車載終端智能識別駕駛員抽煙、打電話、疲勞駕駛、車道偏離等危險駕駛行為。（本文首發鈦媒體，作者/蘇建勛）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！