1月17日，深圳华为园区。在接受中国媒体采访的时候，任正非谈到了对人工智能（AI）的看法：“人工智能有可能是泡沫。但别害怕这个泡沫破灭，那些失败的专家工程师，我们招聘，为什么？我们需要改变我们的生产结构，改变我们在全世界的服务结构，我们需要这些人。为什么我要失败的人呢？失败的人就是理想太大，平台太校但是我的平台很大，能够容纳你跳舞。为什么人工智能会出现泡沫化？就是同一个东西，这个世界实际上只需要一家公司，比如说办公系统，谁还能取代微软？真正的机器人出来后，90%的机器人公司就困难了。因此，我很难解释人工智能是不是有泡沫。我们公司在工程上，比如新疆高山上的基站，是京东快递小哥骑着摩托上了山，把设备按照我们的说明装好以后，我们人在西安调测，调测通过就验收了，报告、发票就出来了，钱就付给你了。如果我们不是采用人工智能的方法提升生产效率，我们公司就不可能实现低成本，不可能获得高利润，也不可能加大对未来的战略投入。”
1月19日上午，在北京举行的EmTech全球新兴科技峰会上，华为技术有限公司董事、战略Marketing总裁徐文伟做了主题演讲，主题也是人工智能。
以下是徐文伟主题演讲的内容整理，供大家参考。
大家上午好，非常感谢大家出席今天的交流，也感谢EmTech全球新兴科技峰会的邀请，在这里和大家做一些分享。
大家知道AI（人工智能）非常热，据不完全统计去年大概至少有300多场与AI有关的会议。所以，现在大会不讲AI肯定是不行的。
为什么这么热呢？大家肯定是看到了很多AI好的应用场景。其实，AI并不是一个新鲜的事情。大家知道，在60多年前就已经提出了AI这个概念，同时正因为AI如此吸引人，大家对AI有着过高的期望，所以之前AI已经经历了两次比较大的冬天。
什么叫冬天？就是说我们对AI的期望超过了当时ICT（信息通信技术）的工程能力。在当前AI这么热的情况下，我们这个行业会不会再次发生冬天？我希望不会，AI毕竟是刚刚开始。
在座有很多嘉宾是搞投资的，还有企业高管，所以我今天和大家分享的是作为一个投资者或者企业高管，怎么把握行业的节奏，怎么对行业未来的投资决策做一些参考。
大家知道，自有了人类以来，一共有26种通用目的技术（GPT），它们的特点是什么呢？
1.刚开始的时候，非常的不完善，有很大的改进空间；
2.多用途，可以用在各个行业；
3. 有很强的溢出效应。
我们人类最早的通用目的技术可以回归到1000多年前发明的轮子，近期的通用目的技术大家也知道，我们人类发明了电脑、互联网，21世纪之后又发明了商业虚拟化和纳米技术。
现在，AI是人类诞生以来的第26种通用目的技术，所以AI应该是有巨大的发展空间。
如果我们把18世纪发明蒸汽机称作是蒸汽机1.0时代的话，1.0时代是把我们人类的体力超越了这个体能的边界。AI现在举一个不准确的比喻的话，就相当于蒸汽机2.0时代，它的特征是什么呢？帮助我们人类超越了我们智力的边界。
那我们看一下现在的AI，实际上从营销的角度被包装成了一种认知计算，它的技术是什么呢？就是一个深度学习，它的算法就是卷积神经网络计算，等等。其实，目前我们谈的AI只是大的AI技术中的一个分类而已，只是在某些领域取得了很好的效果。实际上，AI的范围是非常广的，并不是我们今天说的这么窄的范围，我相信AI未来还会有非常大的发展空间。
我们想象的AI至少应该包括学习能力、推理能力、决策能力，但是坦率地说，现在我们的AI实际上只是个大数据的相关性分析。比如说，太阳出来鸡叫了，这是一个相关性。那么，能不能推导出来“鸡叫了把太阳叫出来了”呢？肯定不是的。我相信现在的AI肯定不会这么蠢，鸡叫了把太阳叫出来了。但是如果从相关性来说，的确这两件事是相关的，也就是说我们的AI当前还是一个非常非常初级的阶段。尽管目前的AI还只是一个初级阶段，还是窄的人工智能，但是已经有相当大的应用空间了。
前些年，美国奥巴马总统办公室曾经发布了一份报告《人工智能、自动化和经济》，这份报告得出的结论我个人是认可的：“在未来20年内，虽然机器不大可能展现出与人类相当或者超过人类可广泛应用的智能，但预计机器将在越来越多的任务中继续达到并超越人类的表现。”假如大家认可这个结论的话，后面我们就可以展开很多的讨论。
第一点，AI将改变所有行业的组织和人员结构。大家知道，我们现在的行业和组织是金字塔结构，上面是领袖、管理者，下面是基层员工。但现在来说，2018年的统计，至少有300万人已经在和AI协同工作了，或者说他的老板是一个机器人了。
大家可以想象一下，滴滴司机的老板是算法，包括很多的领域，他的老板已经是一个机器人了，300万的数据准不准我不知道，但至少大家可以感受得到，你的主管可能叫Robot博士。所以说，很多基层的员工一定要习惯你的同事是机器人，组织架构有一些变化。
第二点，工作肯定会有所变化。很多人都担心，随着人工智能的到来，很多工作会不会被取代？的确是的。一定是比较枯燥的、重复性的、人们不愿意去干的工作被AI取代，但是大量创造性的工作是不可能被取代的。
所以，未来的工作一定会和AI结合起来，有些工作会被取代，有些工作不可能被取代，而且会产生新的工作。所以根本不用担心AI会导致大量的失业，AI同时还创造了新的工作，就像PC的发明增强了人类的能力，但并没有减少人们的工作岗位，只是说工作有一种转换或者转型。
所以说，从目前的AI来看，AI可以用于内部管理效率的提升，比如说单据的录入、客服，现在很多客服都已经用人工智能了，你好不容易打通了客服的电话，结果是机器人在跟你对话，有的时候你也会搞得很恼火，但的确提高了效率。
同时，比如说我们现在用的门禁系统，像人脸识别以及现在的智慧城市、平安城市等等，这些领域AI都可以被非常广泛地使用。
企业家最关心的是成本，假如通过AI可以大大节约你的采购成本，通过AI你可以知道所有采购的价格哪些是合理的，哪些是不合理的。以前你是信息不对称的，你以为拿到了一个很好的价格，采用AI技术以后采购成本就可以大大下降。
大家讲到自动驾驶，自动驾驶是个热点，已经有几百家企业在从事自动驾驶方面的工作。但是从我们的观点来看，自动驾驶要达到Level5（Full Automation，完全自动驾驶）几乎不可能，或者说无法承担这么高的成本。
我们的观点是，未来的自动驾驶一定要把车和路协同起来。简单来说，要有智慧的路、聪明的车，要互动起来，车和车之间、车和路之间、车和人之间、车和网之间都要有通信，这样才有可能解决自动驾驶的问题。
所以，自动驾驶纯粹靠车是不行的，所以未来的自动驾驶能够达到Level 3（Conditional Automation，有条件自动驾驶）已经相当不错了，Level 4（High Automation，高度自动驾驶）还要努力，而Level5（Full Automation，完全自动驾驶）几乎不可能，我们下次可以再进行交流。
接下来我再谈一下5G。
第一点，5G作为一个新的基础设施为什么这么重要？大家知道，5G的带宽可以达到10Gbps，甚至更宽到20Gbps。但是，5G的设计不仅仅是为了移动宽带，假如是为了移动宽带的话，现在的4G的带宽已经可以到300M-400Mbps的带宽了。
第二点，也是5G更重要的一点是物联网，可以支撑一平方公里范围内的100万个连接。大家知道未来的智能世界的特征：
1.万物感知，到处都是传感器；
2.万物互联，所有的传感器必须连接起来；
3.万物智能。
而5G以及其他现有的连接技术就是未来智能世界的基础设施。
所以，5G可以提供超宽带，4K电视、8K电视，尤其是AR、VR来了以后都可以跟5G联系在一起。
第三点，5G会在工业行业大量使用，因为5G的时延可以低到一毫秒。所以在一个网络里面可以支持IoT的物联网，可以支持企业里的通信，可以支持车联网，以及超宽带的无线接入等多种应用。
所以说，5G是未来智能社会的基础设施，5G一定会采用AI的方法。我可以给大家分享一个数据，现在电信网络的维护成本是设备成本的3-4倍，所以必须通过AI把维护成本降下来。而且，现在的电信网络越来越复杂，70%的网络故障是人为造成的，比如维护工程师不小心把网络搞瘫了。采用AI之后，可以对50%以上的潜在故障进行预测。所以说，AI可以用于降低电信网络或者5G网络的运维成本，提升网络的质量。已经有一些电信运营商提出来，我们是不是在同样的情况下维护更多的网络，或者说在同样的网络情况下维护人员减少50%，这就是AI在电信行业的一些应用。
AI有很多好的地方，AI当前也存在几个问题：
问题一是算力太贵，用不起，看起来很美，用起来太贵。
问题二是没有好的数据，也就没有好的AI，所以数据要进行处理，要保证数据的质量，正所谓“没有人工就没有智能”。为什么现在AI的专家这么贵，AI工程师也找不到，因为AI还是个专家的活，没有平民化。所以说，所有的数据都要做标注，没有人工就没有智能，这和我们想象的人工智能是不一样的，是真正的“人工——智能”。
问题三是训练太慢。训练要几天甚至几个月，却只能表演几分钟、几秒钟，训练的时间很长。
问题四是应用太浅。大家知道，AI一定是有模型的，好不容易调试出来一个模型，在某种特定场景下测试或者考试水平很高是学霸，而真正实际应用场景的情况下效果却并没有这么好，精确度、准确度会大大下降，甚至下降10%-15%。所以考场上的学霸，到了工作场所尤其是应用场景却变成了学渣。我说的可能有点过，但AI的应用至少没有想象的那么好。
所以当前的AI，华为在AI领域怎么布局？我们是从端、边、云三个方面。大家知道我们的麒麟980，从麒麟970就开始嵌入了AI芯片，麒麟980更强大，所以在智能手机里面，我们的980是智能社会的Worker。
在AI领域里面，去年11月我们还发布了Ascend310和鲲鹏910，全系列布局云端和边缘计算的AI芯片。我们刚刚发布的鲲鹏920是在云端的CPU。从手机芯片到边缘AI计算芯片，再到云端的计算，我们是这样一个布局。
所以我们的价值主张是一个平台，包括云。大家知道，连接实际上也是一个平台，未来的智能社会没有连接哪来的数据？所以要把众多的传感器连接起来，连接+平台+AI+生态。
总结一下，现在的AI依然存在着一些缺陷：
一是范围比较窄，要规则确定、结果明确的情况下，A到B还是做得不错的。
二是更像研究而不是工程，这是什么意思？研究是个手艺活，它要不断地调试，调试调到这个模型适合这种场景，它不是科学基础上的一个工程实现，它有一定的不确定性。
三是行得通后才确定行得通，就是说先要设计模型，这个模型调试完了以后，觉得这个可以了，然后再找到一个应用场景。
四是数据是不是足够好，决定了AI行不行，这是个很重要的基矗
五是现在好不容易找到一个很好的模型，但是模型随着时间的变化会恶化。比如说我在一个路口搞一个摄像头的自动红绿灯变换，但随着时间的变换，它这个模型也在不断的调整。
六是最大的一个问题，就是AI不透明，你不知道里面是啥，正是因为不透明就有可能分析出来由于鸡叫一下之后把太阳叫出来了，当然不可能是这样。
七是AI不是100%的准确，它只是一个最大可能的准确，所以它有部分的不确定性。
在AI领域，目前人才的短缺非常严重，大家也知道，现在已经没有大数据专家，一夜之间全都是人工智能专家了。尽管如此，人才还依然短缺。
第二点，AI一定涉及到数据的安全和隐私保护，所以AI在价值观领域大家也要多多讨论，不仅说AI有好的一面，同时也要有一些保护个人数据和隐私的措施，这些都应该讨论。
大家觉得AI很好，我也觉得AI很好，但是大家有没有想过，AI是容易被干扰的或者说是容易受欺骗的。我们看张照片，左边是原图，我们看起来跟中间的照片一模一样，但实际上中间的照片已经加了右边图像的噪点在里面，但是我们的人眼看起来两张照片是一模一样的。但是通过AI，它就识别出来中间一张照片上不是一个人了，而是一个书柜，但是我们人眼看出来两张照片是一样的。也就是，AI是可以被欺骗的。
照片被欺骗一下无所谓，假如说汽车被欺骗，你还敢坐吗？谁说汽车不能被欺骗？当然一种是故意欺骗，另一种是AI在训练的时候有一种场景没训练到，它会不会出故障？有可能。所以呢，自动驾驶还是有很大的不确定性。这就是一个案例。2019年1月6日，特斯拉的一辆自动驾驶车撞了一个路边的机器人，也就是说，AI不一定是被欺骗的，但是至少有一种场景可能没训练到。
尽管如此，自动驾驶依然有非常美好的未来。大家一想到自动驾驶，就觉得应该是自己坐在车里，按照120公里的时速快速奔跑。虽然这种场景现在实现起来可能有点困难，但是你的扫地机器人是不是自动驾驶？假如拖拉机装上自动驾驶软件是不是可以24小时耕地？所以，自动驾驶是可以广泛被使用的，千万不要一想到自动驾驶，就是说我坐在车里按照120公里的时速快速奔跑。
所以，华为的愿景与使命，就是和大家一起合作，把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。
谢谢大家！
