智能音箱、无人驾驶、智慧金融、智能家居、智慧零售、个性化推荐……“智能”正逐渐从一个名词转变为形容词，创业者在人工智能相关的领域疯狂扎堆，投资人也频频将注意力转移到AI新战场。

不过也有人认为，单纯的AI并没有太多意义，要如何将垂直细分的行业和AI结合起来，还需要“AI＋”的思维。和创业者、投资人不约而同的是，作为互联网基础设施的云计算厂商也瞄准了人工智能，尝试在云计算的基础上将人工智能普惠化，比如华为云的“＋AI”。

AI是一种通用目的技术

经济学家认为人类发展到今天，离不开26种通用目的技术，包括蒸汽机、电力、内燃机、IT、人工智能等等，这类观点在某种程度上决定了人工智能的发展方向，至少具备下面四个特点：

1、可以被广泛应用到各个领域；

2、持续提高生产率并降低使用成本；

3、促进新技术创新和新产品生产；

4、不断促进生产、流通和组织管理方式的优化。

在人工智能出现之前，电力、IT技术无不经历了类似的历程，或许技术的成熟有着不同的周期，最终都要过渡到生产力的提升。那么也就印证了文初的观点，诸如AlphaGo等“秀技式”的AI技术，像重磅炸弹一样冲击了人们的认知，但人工智能真正的价值所在，还要向产业链层面不断渗透。

2018年世界人工智能大会上，华为云给出了AI作为通用目的技术的两个行业案例：

一个是华为云＋德邦物流所实现的智慧物流。传统快递的收发流程是这样的：用户到店或电话预约，快递员填写纸质面单，人工测量货物体积，然后人工计算和支付快递费用。

在华为云AI技术的赋能下，德邦物流改变了物流的收发流程，用户可以在微信上直接下单，自动生成电子面单，快递员上门用AR工具测量体积，最后用户在线支付费用。整个过程从传统的14分钟缩短到1分钟，并且可以全链路实时跟踪快递动态。

另一个是华为云和太平洋保险的合作，人工智能渗透到了保险的多个环节。

在定损环节中，通过对多组照片的分析处理，就可以完成对无人伤事故、单车事故等简单事故的评估；在医疗理赔场景中，投保人手机扫描医疗单据，可以实现数据识别、全额计算，并根据医疗知识图谱，核查剔除无关理赔条目；智能客服能够自动完成电话回访、语音导航等服务，甚至根据电话录音通过情绪识别评估欺诈风险。

不难看出，在上述两个案例中，AI已经表现出了通用目的技术的姿态，在提高效率、降低成本等方面不乏可圈可点之处。事实上，AI的应用并没有局限在生产力的提升上，德邦物流就是一个很好的例子，和华为云的合作改变的不只是德邦的物流体系，同时德邦也在和华为、企业微信、滴滴等一起打造更为现代化的工作场景，这是优化组织管理方式的积极信号。

当然，人工智能的应用进程远没有结束，除了物流和保险，华为云的＋AI也被应用于视频处理、园区管理、商超、门店、安全生产、车联网等等。华为还和中科院上海生命科学研究院宣布合作，实现生物医学和人工智能、云计算的结合。

而从行业层面来看，AI在各大垂直领域的应用离不开基础层的软硬件支撑，以及技术层的语音识别、自然语言处理、计算机视觉等，即便距离人工智能的成熟还相距甚远，但人工智能发展的浪潮已经到来。

算力仍然是人工智能的关键

人工智能的应用有着三驾马车，即数据、算法和算力。

数据是人工智能的“燃料”。据市场调研机构IDC的预计，到2020年的时候，全球数据总量将达到40ZB，其中中国的数据量将达到8．6ZB，占全球的21％左右。

算法是人工智能的“引擎”。深度学习的出现打破了浅层学习算法的局限，颠覆了语音识别、语义理解、计算机视觉等基础算法的设计思路，目前来看似乎找到了正确的方向。

算力是角色最为微妙，既可能是人工智能普及的加速剂，也可能成为制约人工智能应用的瓶颈。毕竟除了算力本身，还有易用性和成本，在通用目的技术的范畴上，算力成了人工智能应用的关键。

郑叶来将通用目的技术的发展分为四个阶段，人工智能刚刚处于第二个阶段。“人工智能的发展带来了兴奋和冲动，也有一丝焦虑和困惑，但是人工智能终将改变这些行业。”

郑叶来眼中的“焦虑和困惑”可以解读为三个方面，或者说当前人工智能行业存在的三个痛点：

其一，价格贵。不管是语音识别、图像识别还是语音分析，都需要大量的数据样本，比如交通治理和无人驾驶需要数亿级小时的样本，成本之高不言而喻。

其二，使用难。缺乏一个统一的开发框架，无法适配从训练到推理，从公有云到私有云、边缘、终端的多种应用场景，开发、调优、部署的工作量巨大。

其三，难获取。算力依赖于GPU、NPU、FPGA等专用芯片，现实却是GPU供货周期长且限量供应，成为影响数据处理速度的不确定性因素。

比人工智能应用的三个硬门槛更让企业头疼的恐怕还有AI人才的短板。据高盛发布的《全球人工智能产业分布》报告统计，2017年全球人工智能人才储备，中国只有5％左右，人才缺口超过500万人。

而在这场人工智能人才争夺战中，顶级人才流向百度、阿里、华为等巨头级公司已是不争的事实。况且合理的AI人才结构，不应只有数据科学家，还要数据科学家、领域专家、公众数据科学家相互配合。简而言之，人才短板也是制约算力的隐性因素。

华为看到了症结所在，自然要想办法解决问题，由此便不难理解在外界为AI＋疯狂的当口，华为云为何要提倡＋AI。按照郑叶来的观点，易获取、用得起、方便用的算力是AI产业发展的关键，应该以AI的方式来解决AI应用的难题，需要着力于整个智能化、自动化、简单易用的人工智能工具和平台服务，让人工智能成为一种普惠的技术，高而不贵的技术。

华为云已经落地的解决方案是EI服务，给出了云、边、端的架构：机器学习、深度学习、图引擎等基础平台服务，人脸识别、智能问答、图像搜索等通用AI服务，智能推理、优化决策等多域协同决策，以及庞大“数据湖”组成的云端智能；智能边缘平台、轻量化服务等构成的边缘智能；HiAI、NPU搭建的智能终端。

至于如何构建一个生态、方便易用获取，实现普惠的人工智能，郑叶来把答案留到了今年的华为全联接大会上。

写在最后

AI是一种基本生产力，正在深刻变革整个人类社会的基石，也正在从少数OTT企业迅速向各行各业渗透。

幸运的是，人工智能的创业浪潮正在逐渐去泡沫化，投资者想看的不只是风口，还有人工智能的实际应用；诸如华为云等站在高处的云计算平台，积极打造高而不贵的普惠AI，降低AI的应用门槛。这种不谋而合，何尝不是AI成为通用目的技术的基石？

30年前，人们对IT技术带来的革新还有所怀疑，如今早已成为不可或缺的生产力。而人工智能对这个时代的改变，似乎并不需要30年那么久。