任正非：人工智能要聚焦投入不能全面开花 先纵向打好歼灭战

本篇文章3005字，读完约8分钟

我们能够专注于投资并敢于投资只是时间问题。

2017年1月7日，任在gts人工智能应用研讨会上发表重要讲话，提出三点:

1.高质量的数据是人工智能的前提和基础，高质量的数据输出应该作为工作完成的标准；

2 .要专注投资，敢于投资，成功只是时间问题；

3.人工智能应该注重投资，而不是全面开花。首先，纵向打歼灭战，然后横向扩张。

任认为，人工智能不应在投资充足时过于冲动。它应该被紧急用于小步跑。它应该专注于具有决定性业务和大量劳动力消耗的项目。最好少做，先在一两个点上突破，集中力量打歼灭战，不要扩大战线。不要到处自作聪明，这会导致盲目行动，全面开花，没有结果，有可能输掉整个游戏。

任最后提到，要重点解决一个个场景，选择相对成熟的算法匹配场景，而不要等到平台和数据库成熟。半成品也可以先用于内部改进，在不断的实践和解决问题中建立一个成熟的平台和数据库。我们在这些突破性项目中积累了经验，培养了新的力量。这些新的力量应该在基层得到推广和实施，以便能够应用并成为一种习惯。在纵向发展的基础上，把握横向扩张的合理节奏。

以下是任在gts人工智能应用研讨会上的发言全文:

该公司庞大的股票网络是人工智能的最佳舞台。gts应利用人工智能实现高质量、高效率的交付和服务，支持万亿美元股票网络的服务自动化、故障处理和预防，支持每年数百亿美元网络增量的科学、合理和有效交付。继续为客户创造价值，提高客户满意度，打造活长城，成为公司重要的移动产品线。谁能以最低的成本提供高质量的服务，谁就是世界上的最终赢家。公司的人工智能研究是一个推动者，它推动了公司的管理进步。不要在讨论中迷失方向。

01高质量的数据是人工智能的前提和基础，高质量的数据输出应该作为工作完成的标准

为什么我们不能统一工作工具和工作标准？配备了数据收集聚合器，工作人员在现场工作后将返回车站进行处理，并一步发送出去，无需经过办公室或区域部门。数据对所有级别和段落都是透明的，如果没有不同级别的汇总处理，速度会快得多。

我们有430万个站点，每年增加960，000个和11，000个合同。每个基站提交的报告都很厚，因为没有模块化分类。如果我们不抽象或总结，我们必须报告它。我们的加工管道太厚了，所以被堵得一塌糊涂。事实上，可能有一百种模块，不到一千种模块。我们根据模板对信息进行分类并发送给供应链，解码并打开供应链，并进行清单交付。我们的管理将会大大简化。现在报告是一层一层提交的，每层都增加了很多人。许多报告甚至还没有被阅读。有必要建立一个简单的基于目标标准模型的自动报告系统，以减少中间劳动力，增加主战场的员工数量。每个人都根据家庭作业为你提供准确的数据。专注于你的科学本性是好的。有了这些准确的数据，我们可以通过监督学习和统计手段来提高效率。

填写的表格中有清晰模糊的表格，填写的数据必须准确。如果不经审查就上传了不正确的数据，那就是一团糟。清晰的数据不断更新和积累，新的有效的数据不断被替换。总有一个模糊区域，模糊数据的模糊性会继续降低，但会产生新的模糊性。应该有不含糊的指导，可以引导基层工程师清晰地操作。人工智能依赖于成千上万的员工在做事时有效地收集数据，并在总结中找出规律。清晰准确的现场数据很重要。

我们是设备供应商，不是交通运营商。我们需要看看根据业务场景，数据可以多快被算作实时数据，而不是抽象的，而是根据必要的要求获得这些所谓的实时数据。对于网络设备数据的输出，可以采用类似七远八压的方式构建数据输出标准，并从基于人工智能的服务交付角度重新建立可服务性标准，这是产品投放的必要条件。

因此，我并不批评你说数据缺乏条理。我认为缺乏数据是我想批评的。每个人都可以得到一个工具来搭配一个仪器，先收集和存储数据，然后一按下按钮就把它发送到信息库，并奖励那些贡献数据的人。

要专注于投资，敢于投资，成功只是时间问题。

在gts选择的关键场景中，如站点运营、网络集成、网络维护和网络规划，应增加对业务模型、算法、平台和数据的投资，并在未来战略规划的时间链中实施具体的人力和费用。

要开发公司统一的人工智能软件平台，算法、知识、方法和经验都要固化在平台上，首先要在gts中实践和应用，也可以为公司未来的其他业务提供支持。数据库的投资需要增加。人工智能作为一项长期的基础工程，有了高质量的数据库，就可以发挥它的作用。

2012年，实验室科学家应与服务工程师密切合作，熟悉理论和算法的科学家应选择最成熟的解决方案并将其应用于服务场景，共同完成业务改进，这是技术和场景的结合。有些人熟悉技术理论，而另一些人熟悉现场。他们天下无敌。你应该先改进我们的内部工作，然后我们再考虑是否应该出去。

新事物的失败也是成功。如果你有一点进步，你可以把它写下来。这是过程记录。你可以用萝卜刻奖牌，如果积累的多，可以换金牌。不要害怕犯错误。人们说华为落后，因为我们只给成功人士颁奖，从不给失败的人颁奖。如果今天比昨天好，我们将被授予一个奖项。爬半个喜马拉雅山也是一个成功，因为我们以前从未到过山脚下。

人工智能应该注重投资，而不是全面发展。首先，垂直地打歼灭战，然后在赢得旗帜后水平地扩张

在我们业务的扩展中，我们成功地避免了人员的线性扩展。服务工程师应该专注于服务业务，在完成服务业务的同时完成人工智能所需的正确数据输出，然后产生场景分析师、数据分析师和模型设计师。这些专家应该长期投身于服务战场，通过服务客户不断提高自己的能力。对于场景分析师、数据分析师和模型设计师来说，我的态度是看看在三年内，在前线战场上获得成功的实践经验需要多长时间。没有成功的实践经验，不要急于晋升，以确保水是流动的，而不是腐败的。

当人工智能的投资足够时，不要太冲动。当务之急是先用小步跑，然后快速跑。有必要将重点放在具有决定性业务和大量劳动力消耗的项目上。最好少干点，先从一两个点上突破，集中力量打歼灭战，不要扩大战线。不要到处自作聪明，这会导致盲目行动，全面开花，没有结果，有可能输掉整个游戏。

例如，人工智能的应用应首先实现简单的工程测量，然后实现自动化设计。人工智能技术应取代大量的重复性动作，实现自动生成文件、自动质量审核、远程验收和自动开票。然后，将人工智能应用的成功经验推广到网络维护和网络规划等业务场景中，将被动的问题处理转变为主动的预警和预防，不仅提高了效率，也提高了客户服务质量。

我们应该专注于一个一个地解决场景，选择一个相对成熟的匹配场景的算法，而不是等待平台和数据库成熟。半成品也可以先用于内部改进，以便在不断的实践和解决问题中建立一个成熟的平台和数据库。我们在这些突破性项目中积累了经验，培养了新的力量。这些新的力量应该在基层得到推广和实施，以便能够应用并成为一种习惯。在纵向发展的基础上，把握横向扩张的合理节奏。如果一个蛋糕被烤焦了，然后被翻过来，那它就是一个生蛋糕。我们不想，但在他征服之前，他已经死了，从此英雄们都在他们的外套上哭泣。我们想要的是赢并最终成功。人工智能是一个新事物。在实现过程中，由于双轨运行，有必要接受周期性的成本增加，实现明确的长期目标。

人工智能的应用会有很多困难。在前进的过程中，我们应该多鼓励，少批评。战场上枪声响起，谁是英雄，谁不是英雄？你说他不是英雄。当你在山脚下拍他的肩膀时，他带着两个炸药包冲向上甘岭，他可能真的会成为英雄。

来源：搜狐微门户