從技法到兵法：今天為何必須關注物理世界的企業(yè)智能？

原標題：從技法到兵法：今天為何必須關注物理世界的企業(yè)智能？

軍事史上有個世紀疑問：火炮這東西最早是中國發(fā)明的，但我們的祖先卻沒有把它發(fā)揚光大。歐洲的火炮卻很快超越了中國，明朝時期已經(jīng)需要向西方商人購買“紅夷大炮”。

這個奇怪的現(xiàn)象當然有很多原因，而原因之一在于中國的火炮很少考慮實際應用中的若干問題。比如瞄準、散熱、膛線、搬運，這些問題或許在技術層面上是細節(jié)，但在實戰(zhàn)應用中卻是要命的關口。通過改良各種細節(jié)，讓火炮適應實戰(zhàn)，才能發(fā)揮最大的作用。

由此可見，一個技術再好，不與現(xiàn)實世界結合也是沒什么用的。

大炮的邏輯，今天似乎也可以套用到AI上。將AI與傳統(tǒng)行業(yè)相結合，進行實際的效率成本改造，是一個大家都知道的方向，被學術界，科技行業(yè)認可為不可阻擋的趨勢。

但這個趨勢實際應該怎樣做，如何在中國萬千行業(yè)里推進，似乎一直都比較模糊。其中原因會不會在于AI平臺和科技企業(yè)，過分著眼于AI技術的一面，卻忽略了現(xiàn)實產業(yè)世界中“應用”的一面？

6月26日，是華為云中國行2018的第一站，當天展示了華為云對于這個問題的思考結果：用智能體打通物理世界的智能化。

實地采訪之后，我們發(fā)現(xiàn)從技術世界走向現(xiàn)實世界的整個過程中，頗有一點兵法的味道。

紙上談兵若許年：物理世界的智能困境

無論是AI還是大數(shù)據(jù)，本質上都是或長或短的函數(shù)與代碼。當科技企業(yè)希望將AI技術推向制造業(yè)、農業(yè)、民生服務的時候，或許會突然發(fā)現(xiàn)，彼此已經(jīng)在代碼中沉睡太久了，變成了新時代的“紙上談兵”

這個問題會自然而然地發(fā)生，事實上很難避免。一個技術如果不在實驗室中的模擬環(huán)境中跑到成熟，也不可能嘗試走向現(xiàn)實。但無論如何，物理世界的復雜度與阻礙因素，還是很容易被精于算法的AI專家所忽略。當我們沉湎于Alpha GO驚艷的棋藝時，往往忽略了圍棋是一個理想化的運算環(huán)境，但大千世界并不是。

相比于虛擬世界一切都是代碼和指數(shù)，物理世界中卻可能面對各種各樣的問題。比如企業(yè)對生產效率的要求，企業(yè)的成本，行業(yè)間的競爭關系，企業(yè)的數(shù)據(jù)與計算基礎，甚至企業(yè)里是否有人能夠駕馭AI，這在今天中國廣袤而相對粗放的實體經(jīng)濟群落中都是巨大的問題。

一旦走向物理世界，我們就會發(fā)現(xiàn)AI在實驗室中的最大估值開始舉步維艱。很多美好的技術設想，都會面臨企業(yè)中這樣那樣的問題，從而產生難以兼容的狀況。

舉個例子來看，我們知道用AI指揮交通是一個令人神往的設想，在模擬環(huán)境中經(jīng)常也能帶來強悍的交通調度能力。但在實際應用中卻不是這么回事，每個路口的車流、人流都在不斷變化，路面工程、改道、交通事故，等等因素都將瞬間影響交通AI的判斷。甚至一個井蓋，一株植物都可能給AI帶來干擾。畢竟AI僅僅是數(shù)理模型，不會像人一樣隨機應變。

這種復雜的困境，在工業(yè)AI中更是突出。我們在討論AI對工業(yè)的改造，往往聚焦于單個環(huán)節(jié)，甚至一部機器的AI化。而在物理世界中，工業(yè)是一個完整的體系，一部機器的快慢并不解決實際問題，卻可能把整個工廠的成本拉大。

一方面是確實有價值的產業(yè)AI，一方面是花樣繁多的障礙與阻隔，這件事如何解決呢？華為云給出的答案是，想要避免紙上談兵，需要在物理世界中架設EI智能體。

一口箱子：如何理解EI智能體

華為云中國行中，對EI智能體給出的定義是：智能體=智慧大腦+智能邊緣+聯(lián)接+行業(yè)智慧。聽起來有點復雜，現(xiàn)場隨機采訪了一些開發(fā)者，并與同行溝通后，發(fā)現(xiàn)大家也覺得有點難懂。

古龍小說里有個東西，或許可以幫助我們理解智能體到底是什么?！队⑿蹮o淚》里有件被稱為天底下最可怕的武器，它的名字超好記：一口箱子。

一口箱子不是什么絕世神兵，拆開看它只是各式各樣的零件、鐵片和常人叫不出名字的零件，但是在實戰(zhàn)中的時候，卻能通過使用者精密的計算，最短時間中組合出一個完全克制對手的兵器，從而一招致勝。

在攻堅現(xiàn)實世界的企業(yè)AI難題時，EI智能體給出的也是類似一口箱子的思路：

首先要有足夠聰明的高手，他是武器的操縱者，用智慧和判斷指揮一切。在智能體中，扮演這個角色是背后統(tǒng)籌計算的智慧大腦。負責整個系統(tǒng)的運行、推理和再學習。

其次是要有足夠的零件，這些零件是組合成可怕武器的基礎，而且只有這些零件能夠組合起來，一口箱子才有價值。這就像EI智能體沉積了大量AI技術與算法，能夠為企業(yè)提供各種各樣的AI服務。只有技術沉積夠多，全聯(lián)接能力足夠強，才能隨意組合出各行各業(yè)需要的解決方案。

然后是武者要有足夠的反應速度，能夠最短時間內組合出獨立的武器，否則開打半天還沒組合出武器那不是搞笑的嗎？這就像EI智能體著重強調邊緣計算技術，就傳統(tǒng)行業(yè)真實情況而言，將所有需要處理的數(shù)據(jù)上傳云端，既是不科學也是不現(xiàn)實的，只有采用合適的邊緣智能方案，企業(yè)應用AI才有實際可能。

最后是要懂對手，一口箱子的特點是遇到槍能克槍，遇到刀能克刀，這其實是因為使用者懂刀懂槍。在智能體當中，這就是行業(yè)智慧，只有與各行各業(yè)的專家合作，與具體行業(yè)需求與產業(yè)周期融合，才能有適合各產業(yè)真實需要的“秘密武器”。

智慧大腦+智能邊緣+聯(lián)接+行業(yè)智慧，構成了華為云解決物理世界、產業(yè)世界AI難題時的一口箱子。而這個神秘物體，希望破解的是企業(yè)三個非常關鍵的問題，

犁庭掃穴：AI與傳統(tǒng)行業(yè)間的三個必解決問題

EI智能體的價值與目標何在？

簡單來說，就是用靈活、抽象層次高、可定制的智能平臺能力，去補充實體經(jīng)濟與傳統(tǒng)行業(yè)本身在面對AI時的先天不足。這些問題看似不歸平臺考慮，卻是實體經(jīng)濟無法解決的，所以企業(yè)和AI真正結合，必須重點攻克這三個問題，為企業(yè)進入智能世界蕩平現(xiàn)實門檻。

問題一：應用成本。AI很好，但是AI很貴。對于傳統(tǒng)企業(yè)尤其是小微企業(yè)而言，AI的大量API應用成本、測試成本，都是令人憂愁的昂貴。而想要進行機器學習，數(shù)據(jù)是基本生產資料，數(shù)據(jù)帶來的收集、清洗、學習成本，以及對數(shù)據(jù)安全的擔憂，更是各類企業(yè)都非常頭疼的。

華為云BU總裁鄭葉來曾經(jīng)說過，要讓AI“高而不貴”，在用得起的基礎上用得好、用得放心。為了解決這些問題，EI智能體從三方面努力讓AI“高而不貴”：首先是在安全性和數(shù)據(jù)獲取方案、遷移學習等領域，保證了企業(yè)數(shù)據(jù)的安全可控，以及容易收集，把最大的數(shù)據(jù)成本降下來；其次是基于云計算服務打通了整體架構，避免出現(xiàn)數(shù)據(jù)孤島現(xiàn)象，避免斷裂應用鏈給企業(yè)帶來多余負擔；再次，最重要的，當然是把核心AI應用的價格給降下來，讓企業(yè)應用到實惠的AI能力。

問題二：行業(yè)周期。就像上文所說，每個行業(yè)都有自己獨特的物理世界問題，各種復雜的困難都可能出現(xiàn)在AI面前，每個行業(yè)自身的產業(yè)周期規(guī)律，要求AI技術去適應行業(yè)本身。而競爭壓力、成本壓力等問題，也催使企業(yè)必須快速看到AI的成果。

為了解決這些問題，EI智能體首先提出云邊端一體化的智能構建過程。靈活彈性地部署邊緣智能，把AI模型與算法直接放到企業(yè)一側。讓企業(yè)不會必須把任務上傳云端的尷尬。另一方面，邊緣與終端系統(tǒng)還會進一步處理數(shù)據(jù)，不斷上傳云端大腦進行再學習，保證整個企業(yè)AI系統(tǒng)的可成長與再學習能力。

另一方面，EI智能體提供了快速訓練，再簡單的單機訓練后快速獲得到分布式計算等解決方案。從而讓企業(yè)的智能化周期盡可能壓縮。并通過線下服務、與行業(yè)專家結合的方式，適應企業(yè)的獨特周期規(guī)律，將新技術與垂直職業(yè)的需求進行協(xié)調。

問題三：人才困境。招不到人，堪稱實體經(jīng)濟AI化過程中的最大問題。EI智能體采用獨特的技術解決方案，將復雜的技術進行嵌入，給到企業(yè)簡單易用的操作方案。從而企業(yè)或許可以有兩個更優(yōu)選項：更少的技術人才，以及低技術要求的AI使用人才。這在企業(yè)邁過智能門檻過程中十分重要。

我們可以看到，這三個問題雖然看起來無關深度學習、神經(jīng)網(wǎng)絡等AI核心問題，卻是AI進入物理世界，進入產業(yè)化周期中無法避免的。不破除這些物理世界的障礙，企業(yè)應用AI就會陷入無窮無盡的“雞生蛋”悖論。

物理世界中具有高度產業(yè)應用特征的AI正在走來，一場犁庭掃穴，或許就醞釀于足夠的行業(yè)智能體醞釀之后。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。