華為云鄭葉來：跨越裂谷，共建普惠AI

在HUAWEI CONNECT 2019第一天主題演講， 華為云業務總裁鄭葉來做了題為“跨越裂谷，共建普惠AI”的演講，提出行業AI商用落地的四大要素，進一步解釋華為云EI集群服務所擁有的強勁算力，并發布華為云工業智能體。

鄭葉來表示：“隨著華為完成全棧全場景AI解決方案的構建，華為AI戰略的執行進入了新的階段。華為云讓算力釋放算法之美，攜手企業跨越AI商用裂谷，讓AI普惠千行百業，共創智能新高度。”

華為云業務總裁鄭葉來

跨越AI商用裂谷的四大要素

AI領域蓬勃發展，但投資熱度與商業應用之間存在巨大的裂谷。2018年以前，對AI領域的投融資均勻的分布在各個行業或技術領域。2018年后，大量的投融資逐漸向幾個頭部行業的集中。

當前AI蓬勃發展，對算力的需求每年增加10倍左右，一些新算法，例如BigGAN，對算力的需求更是呈百倍增長。因此，算力應該像電力一樣觸手可及，讓“算力釋放算法之美”。

在2018年的華為全聯接大會上，華為云首次提出將AI 應用于海量重復、專家經驗和多域協同三大場景助力行業升級，實現效率提升、專業傳承和突破極限。一年來，華為云EI已在城市、制造、醫療、汽車、園區、互聯網等10大行業的超過500個項目實踐落地，幫助企業實現智能化升級。

鄭葉來表示：“在500+項目實踐中，華為云發現行業AI項目要成功實施，需要基于應用場景、相關ISV/SI、設備或流程、AI平臺提供方組成的行業AI落地的商用模型，多個角色齊心協力，并需要具備四個關鍵要素，才能將AI技術真正實現落地商用。”

要素一：明確定義商業場景

即明確項目的商業目標，界定清晰的范圍邊界，場景可閉環、可預測具備充足的數據資料。

有些場景復雜但定義明確，例如，對于合成纖維專業工程技術服務商三聯虹普來說，傳統檢測合成纖維的方法主要靠工人眼睛檢測，只能檢測絲餅最后100米的質量，不僅耗費人力，而且容易造成錯檢、漏檢。2018年開始，三聯虹普攜手華為云，用AI提升合成纖維質量檢測，實現了從100米到1000公里的質檢跨越。

有些場景看似簡單實際異常復雜，例如河流治理項目，AI不僅需要識別拋物、潑灑、漂浮等場景，而且面臨天黑、雨霧等復雜的自然環境與人的行為交織，更增添了場景識別的難度。通過不斷調優算法，識別率從50%提升至80%。

要素二：觸手可及的強勁算力

當前算力不充沛、不經濟、難獲取。以華為舉例，公司內目前日均AI訓練作業任務超過4000個、訓練時長超過3.2萬小時, 而且還有大量的作業在排隊。

為了給開發者提供充裕經濟的算力，基于Atlas900的華為云EI集群服務，是當前全球最快的AI訓練集群，代表目前全球的算力巔峰。

?  華為云EI集群服務由數千顆昇騰910處理器構成，只需59.8秒就可以完成典型網絡ResNet-50的訓練，比第2名快15%。

?  相比傳統購買硬件設施的方式，華為云EI集群服務可按需使用、即時開通。

?  加速科學研究與商業創新：提供更快的圖像、語音等AI模型訓練，讓人類更高效地探索宇宙奧秘、預測天氣、勘探石油，加速自動駕駛的商用進程。

華為云EI集群巔峰算力的背后，是華為工程師們從底層硬件到軟件構架全棧優化：梯度同步與反向計算并行；數千顆處理器-TOR-SPINE，無收斂線性高速交換；與云計算、存儲，網絡高效協同。

要素三：持續進化的AI服務

AI時代，構建一個生產運行與開發訓練閉環的在線系統非常關鍵，能讓模型持續適應環境的變化，成為持續進化的AI。

例如，華為云全流程模型生產服務ModelArts通過AI持續迭代框架，提供端邊協同能力，加速企業AI化進程。

要素四：組織與人才的適配

AI的智慧來源于人類智慧數字化，要遵重以人為本的初心，適配相應的人才、組織和流程。

例如，深圳機場應用華為云EI來建設機位智能分配系統，并讓機場指揮員了解EI的決策機制和過程，不僅將指揮員從枯燥重復的操作中解放出來，而且提升了飛機靠橋率，減少了擺渡車的使用，大幅提升旅客體驗。

發布華為云工業智能體，行業智能化新引擎

華為云融合商業AI成功的四大要素，面向工業制造行業，正式發布工業智能體。這是行業智能化升級新引擎，通過基于知識圖譜的智能認知引擎、基于AI模型的智能預測引擎、基于運籌規劃的決策優化引擎三大引擎讓過去諸多難以落地應用的技術應用到工業場景，助推工業智能化升級。

華為云業務總裁鄭葉來發布華為云工業智能體

華為云工業智能體應用于能源、礦業、電力、水泥、化纖等多個工業領域。例如：

華為云與中國石油合作，使用工業智能體認知引擎來輔助識別測井油氣層，將油氣層識別時間下降70%；

華為云與三聯虹普合作，使用工業智能體的智能預測引擎，讓客戶需求匹配率提升了28.5%；

華為云與鑫磊集團合作，使用工業智能體的智能優化引擎，將AI能力引入配煤環節和焦炭生產質量預測，讓配煤準確率超過95%，每百萬噸焦炭節省成本超過1000萬元。

中國石油攜手華為共同跨越行業AI商業裂谷

中國石油勘探開發研究院計算機應用計算研究所所長龔仁彬教授分享華為工業智能體如何賦能油氣勘探行業的精彩實踐，做了題為“人工智能，助推油氣勘探開發的轉型升級”的主題演講。

中國石油勘探開發研究院

計算機應用計算研究所所長龔仁彬教授

他談到，中國石油近年來提出了“共享中國石油”的信息化戰略發展規劃，成果斐然，綜合競爭力顯著提升。為加速勘探開發業務的智能化升級，中國石油與華為將工業智能體新技術引入生產實踐，用知識圖譜、自然語言處理和機器學習等人工智能技術進行知識體系的構建、計算和應用，為油氣勘探開發科研、生產管理提供智能化分析手段，支撐油氣勘探開發增儲上產和降本增效，幫助決策者提升效率和管理水平。

雙方聯合打造的開放可擴展的認知計算平臺，為勘探開發業務的創新提供了智能化的驅動引擎和開發生態，實現了勘探開發知識的固化、傳承和普惠。

目前，這個認知計算平臺已經在測井油氣層識別和抽油機井工況診斷兩個場景應用，傳承專家經驗，提升油田管理水平。

例如：大港油田對900口油井進行機器學習，實現了油氣水層位的智能識別，評價時間縮短了70%，識別準確率達到測井解釋專家水平。

在油氣生產領域，認知計算平臺幫助中國石油實現了油井工況的定量診斷和遠程實時在線管理。異常工況診斷準確率達到90%以上，油田管理實現了從事后診斷升級為事前預警，減少作業維護費用20%，青海油田8個采油廠通過遠程管理實現了無人值守。

龔仁彬教授表示：“中國石油已經完成了智能油田建設的規劃設計，并在勘探開發領域優選22個場景開展了人工智能探索。智能應用的種子已經開始發芽，期待中的參天大樹指日可待。相信在不遠的將來，中國石油和華為攜手將進一步推動石油勘探開發業務的轉型升級。”