一年多之前，我曾經跟一位讀者聊過AI和行業應用的問題。
這位讀者來自湖南，是一家大型醫療器械企業的科研人員。他跟我說，他很早就在學術刊物上注意到了深度學習，並且當時第一感覺就是這種技術可以解決很多醫療檢測方面的問題。
用他的話說，“憑著一腔熱血”，就組織了一個用AI識別瞳膜病變的項目。
但結果不盡如人意。
真正上手之後，他發現能找到的算法示例很不成熟，小組也不知道如何自己開發。而且AI訓練用的顯卡非常昂貴，也無法說服企業批準相關的研發經費。
這個故事始終帶給我特別深刻的印象，這是一個典型的“願望的炙熱，遇到了AI的冰冷”——而這個故事，若乾年來，已經無數次上演在我們身邊。
AI走進行業，真的是聽上去簡單，實際無比複雜的話題。可以說，一千家企業用AI，絕對會碰到一千個以上的問題。
如何讓智能真正落地，這當然是個技術問題，但同時也是一個方法論，甚至企業文化、品牌建設的問題。作為平台級的AI技術使能者，今天不僅是要拿出AI能力與解決方案，更要找到一條道路，確保剛剛燃起熱血的AI開發者不會遇到一盆冷水。
更進一步，是要保證開發者和行業應用者，把AI用得舒服，用得放心，用得有奔頭。
在福州，這兩天最熱鬧的地方就是華為中國生態夥伴大會2019會場。不出所料，這場兩萬人參加的盛會中，華為雲和產業AI又一次成為了主角。
而我們從華為雲一系列關於企業智能的新動作中，讀出的是一條以人為本的、在今天中國市場上其實還是有些特殊的普惠AI之路。
解釋這條路的特殊前，讓我們再重新認識一下，到底什麽是產業AI。
重新認識以人為本的to B+AI
AI發展到今年，大家其實是無論用什麽詞匯包裝，最終都在說把AI融入產業這件事。
但在一個籠統的概念之下，我們要具體問這樣幾個問題：到底什麽人需要用AI？什麽事需要AI來解決？
華為雲對這個問題有個非常精準的總結。在生態合作夥伴大會上，華為雲BU總裁鄭葉來所作的《+智能，見未來 共築普惠AI》主題分享中，將AI能夠解決的問題分為三種：
1、海量重複勞動的場景，用AI來提升效率。比如華為與德邦快遞的合作，用智能攝影頭取代人工來完成分揀視頻監控工作，將重複枯燥的勞動解放了出來。
2、需要專家經驗的場景，用AI進行經驗傳承。比如華為雲與金域醫學的合作，利用AI系統學習醫院的數據與專家經驗，將特定癌症的識別準確率相比業界平均水準提升一倍，讓機器有了國際頂級專家的水準。
3、多領域協同場景，用AI來應付人力難以承擔的複雜協同工作。比如煤炭、鋼鐵等產業中，很多動作可以用AI來協同完成，而不像人類需要分步驟、分系統合作，極大提升了生產效率。
這三個方向在今天都已經湧現出大量應用案例。僅僅在華為雲EI體系中，就已經提供了數十種AI開放能力，總結出了幾百個AI應用場景。並且實際應用AI技術，還廣泛依賴個性化解決方案和行業深層數據。
可以說，產業AI的實質特徵，是應用者面對的問題千差萬別，使用的能力千變萬化，打造出的最終效果千人千面。這樣的產業現狀，也就標誌著產業AI無法成為一個高度模塊化、可複製化的產業。必須深入到行業和企業中間，由開發者、平台和應用者一起思考合適的解決方案。總體而言，產業AI在實踐中，會面臨這樣幾個主要困難：
1、AI深入生產場景時，需求指向個性化和駁雜，常常需要大量定製化開發。
2、需要構建複雜的產業鏈。一家企業應用AI，可能需要若乾供應商的配合。
3、以場景為重心，產業AI有待重新組織商業邏輯，開發者需要清晰看到商業潛力。
4、直到今天，還是有很多技術問題亟待解決，尤其是算力的稀缺與昂貴。
這些問題擺在這，必須讓我們明白，行業應用者在面臨AI時，絕不會立刻撲上去就用。而是一定有自己的所思所慮，所憂所疑。
那麽如果說產業AI這件事，在今天有一本秘籍的話，那麽只有一句話可以印在上面：以人為本。
產業需求千變萬化，但是人心卻是不變的。產業AI命題出現之後，開發者和應用者會本能地估算可能遇到的問題，評估如何通過這件事獲得收益。如果不幫他們把這兩件事想清楚，那麽產業AI永遠只能是空中樓閣。
從“拉攏人心”開始做產業AI，這個邏輯很好理解，做起來卻相當複雜。在華為中國生態夥伴大會2019上，圍繞“以客戶為出發點構建AI生態”這個思路，我們可以看到華為雲已經同時開展了幾個方向的生態合攻。
不是賣優勢，而是解決問題
首先華為雲要做的，是在技術和產品的主乾道上，消除產業應用AI遇到的障礙。
技術問題聽起來就是華為的強項，但實際上，真正從用戶角度考慮構建技術體系，意味著很多任務已經超出了華為的舒適區，必須去未知技術世界中，摸索還能為用戶和開發者做點什麽。
華為的優勢在通信網絡和底層計算，但是在AI領域，華為卻做了從芯片，到開發平台，再到算子集和開發工具的全棧全場景AI設施。在採訪中，鄭葉來提到“如果用戶隻用華為的芯片和底層算力，那是求之不得的。但是用戶有實際問題，所以我們才做了上面的那些工具。”
這個思路，決定了華為雲在AI應用的出發點，就已經不是把華為的技術優勢打包賣一賣，而是從用戶中心的角度，來解決實際中的問題。
今天來看，華為雲已經在產業AI這條路上解決了三大問題：
1、算力成本降下來：依靠從晟騰芯片、Atlas智能計算平台，到工具層的全流程打通，華為雲讓“AI高而不貴”正在實現中。高昂的AI算力成本，在華為雲入場後有了顯著的下降趨勢。
2、把訓練困難解決掉：根據最新的史丹佛大學DAWNBench榜單，華為雲的ModelArts AI開發平台，獲得了圖像識別總訓練時間及推理性能榜單雙料冠軍，可以說是公認的速度最快的AI訓練平台，甚至比AWS著名的fast AI快4倍。
基於ModelArts的能力拓展，開發者可以做到：訓練快，硬速度非常霸道；上線快，端邊雲一鍵式部署上雲；上手快，簡單操作，附帶大量教學資源。
一個案例顯示，一名城市內澇專家，用ModelArts訓練城市內澇預警模型，將訓練時間從3天降低到10分鐘。
3、打通智能邊緣，讓AI走向實用：基於華為雲的智能邊緣技術，應用者和開發者可以完成大量雲邊端一體化部署。讓智能發生在該發生的地方，節約算力和寬頻成本，提高數據安全度，讓AI可以真正落地。
基礎問題逐漸被掃清，產業才能快速準確得到符合自己場景需求的AI能力與開發基礎。再之後，才能在我們想象不到的地方，快速可複製地推動AI落地。
在華為雲發布AI市場時，特意請來了廣聯達作為嘉賓。這個舉動很有意思。廣聯達是一家建築行業的智能技術供應商，基於華為雲的AI能力，他們開發了視覺技術模型，來判定工人是否佩戴安全帽，以及AI業務模擬、無人機+圖像建模、鋼筋數量識別等應用。
滿是鋼筋水泥的建築行業，在一般人想來應該是跟智能八竿子打不著的部門，但在技術之路不斷被疏浚後，也得以踏入AI的大門。
硬核技術到位後，產業AI的故事就結束了嗎？在華為雲看來並非如此。
開發者的暖心之旅：從AI市場到生態踐行之道
很久以前，我跟朋友分享過這樣一個判斷：在平台級技術夯實後，產業AI本質上是一個眾創對眾需的商業模式。
用戶需要的算法和API一定是定製化多於通用化的，而他們的需求也需要各種數據服務商、算法開發者、行業解決方案提供商來進行滿足。能做到技術兼容的平台下，N家供應企業對N家應用企業，應該是未來的主流AI商業模式。
而且從實際需求上看，代表著定製化創新能力的小團隊，甚至個人AI開發者，必須要有一個交易方式來滿足生存需要。而且在AI產業剛剛興起之際，用AI的和做AI的相互不認識，也需要一個交易平台來抵消信息障礙。
然而實際上，這種AI商場模式雖然在邏輯上說得通，實際做起來卻困難重重。算法模型的對接和買賣，在今天是一件費力不討好的事情，其行業規則模糊，技術兼容性問題眾多，創始期匹配率不足，都嚴重製約著這件事的既得利益。
所以說，算法交易平台的價值很多人都認同，但國內實質上始終沒有這樣的平台。
華為雲剛剛做了第一個吃螃蟹的人。
基於ModelArts生態，華為雲發布了華為雲AI市場，其主要包括AI模型市場、API市場、WIKI數據集、競賽Hub和案例Hub等模塊。事實上，這是國內第一家AI模型市場。
或許在華為雲來看，AI市場是一個必須解決的問題，那就不能等到某一天水到渠成之後再解決。哪怕這件事很複雜，甚至不討好，也有必須做的理由。
甚至於，為了補充AI市場的初期活力，華為雲將投入資金對教育雙方進行補貼。這其中蘊藏著企業對AI前途的一種理解：去相信和支持那些今天還岌岌無名的開發者，他們是明天的寶藏。
“AI合夥人”，需要多一點點關懷
讓我們再來說一個意料之外的發現。
在華為雲的峰會中，發布了跟企業智能相關的一系列新產品、新計劃。其中尤其引起我注意的，是華為雲發布了計劃與夥伴和客戶一起打造的聯合品牌行銷計劃：“凌雲行動”。
所謂凌雲行動，就是一向低調形象示人的華為雲，將在今年開啟與合作夥伴的聯合行銷行動，將自身的傳播與品牌資源與合作夥伴共享，共同深入行業，進行全方面的品牌行銷和傳播。
在採訪中，華為雲中國區Marketing部部長張鵬透露，EI品牌是今年華為雲的工作重點之一。在AI領域，華為雲也將開啟一系列與合作夥伴共享的品牌傳播與組合行銷計劃。
說實話，以我們對今天產業AI領域的理解，這個計劃的價值舉足輕重。
或許會有人懷疑，做AI的把算法弄明白不就行了嗎？搞那麽多品牌傳播幹什麽？
事實上，今天的AI產業中，資本熱度逐漸降低，企業生存負擔開始加重。然而大量AI開發者和初創企業，都是以純技術背景團隊為主，在行銷和獲客上既缺乏經驗，又缺乏資源和渠道。
而華為體量巨大的傳播網絡，毫無疑問是今天雪中送碳的關懷。
AI合夥人，在今天的中國還處在幼苗狀態，需要有人扶上馬，擋擋雨，送一程。
“髒活累活，會變成門檻”
我們從三個側面，解釋了華為雲剛剛展示的產業AI生態賦能方案。
大體上，我們可以看到華為雲的目標分為兩個方面：
1、消除開發者困難：EI智能體解決方案，訓練工具、底層算力成本、邊緣計算，等等技術與工具體系都圍繞這個目標。
2、構建共同利益：建立AI市場，提供聯合品牌傳播行動，多方位的合作夥伴服務，都圍繞著技術以外的利益共同體建設。
只有沿著這兩條路不斷走下去，AI開發者與應用者身邊出現的問題，甚至是還沒出現的問題，被一個個解決，利益越來越充足，目標越來越清晰，才會最終有更多行業願意嘗試AI，更多人才願意投身AI。
環繞AI場景，平台把技術內外的複雜工作完成更多，合作夥伴和用戶就會更簡單愉快。而只有蛋糕越來越甜，生態鏈才會主動走向產業AI。
致力於普惠AI的華為雲，或許可以被理解為正在追尋產業AI的另一條路：不盲目尋求可複製的高速擴張，而是通過一個個細節的投入和建設，追求產業AI生態鏈之間的信賴感、成長感——在信任構建和積累中，尋求市場的質變。
鄭葉來有個“金句”，這次又被提到了：“To B是需要服務的，苦活髒活乾多了，也會變成門檻。”
在產業AI領域的特質中，這個邏輯尤其意味深長。或許路只有一條，就是服務好客戶，AI才有未來。
那麽這條路上的所有山石疊障，就用技術、用產品、用服務，一個個移開搬走。最終行業用戶和開發者通向AI的路上再沒有障礙，修路的愚公也自然會被記得。
產業AI更是一門見人心的生意。AI再超前，人心卻是不變的——從業者看在眼中的人情與暖意，就是智能時代的金山銀山。
香港九龍灣馬來街興發大廈15樓D室