一年多之前，我曾经跟一位读者聊过AI和行业应用的问题。

这位读者来自湖南，是一家大型医疗器械企业的科研人员。他跟我说，他很早就在学术刊物上注意到了深度学习，并且当时第一感觉就是这种技术可以解决很多医疗检测方面的问题。

用他的话说，“凭着一腔热血”，就组织了一个用AI识别瞳膜病变的项目。

但结果不尽如人意。

真正上手之后，他发现能找到的算法示例很不成熟，小组也不知道如何自己开发。而且AI训练用的显卡非常昂贵，也无法说服企业批准相关的研发经费。

这个故事始终带给我特别深刻的印象，这是一个典型的“愿望的炙热，遇到了AI的冰冷”——而这个故事，若干年来，已经无数次上演在我们身边。

AI走进行业，真的是听上去简单，实际无比复杂的话题。可以说，一千家企业用AI，绝对会碰到一千个以上的问题。

如何让智能真正落地，这当然是个技术问题，但同时也是一个方法论，甚至企业文化、品牌建设的问题。作为平台级的AI技术使能者，今天不仅是要拿出AI能力与解决方案，更要找到一条道路，确保刚刚燃起热血的AI开发者不会遇到一盆冷水。

更进一步，是要保证开发者和行业应用者，把AI用得舒服，用得放心，用得有奔头。

在福州，这两天最热闹的地方就是华为中国生态伙伴大会2019会场。不出所料，这场两万人参加的盛会中，华为云和产业AI又一次成为了主角。

而我们从华为云一系列关于企业智能的新动作中，读出的是一条以人为本的、在今天中国市场上其实还是有些特殊的普惠AI之路。

解释这条路的特殊前，让我们再重新认识一下，到底什么是产业AI。

重新认识以人为本的to B+AI

AI发展到今年，大家其实是无论用什么词汇包装，最终都在说把AI融入产业这件事。

但在一个笼统的概念之下，我们要具体问这样几个问题：到底什么人需要用AI？什么事需要AI来解决？

华为云对这个问题有个非常精准的总结。在生态合作伙伴大会上，华为云BU总裁郑叶来所作的《+智能，见未来 共筑普惠AI》主题分享中，将AI能够解决的问题分为三种：

1、海量重复劳动的场景，用AI来提升效率。比如华为与德邦快递的合作，用智能摄像头取代人工来完成分拣视频监控工作，将重复枯燥的劳动解放了出来。

2、需要专家经验的场景，用AI进行经验传承。比如华为云与金域医学的合作，利用AI系统学习医院的数据与专家经验，将特定癌症的识别准确率相比业界平均水平提升一倍，让机器有了国际顶级专家的水准。

3、多领域协同场景，用AI来应付人力难以承担的复杂协同工作。比如煤炭、钢铁等产业中，很多动作可以用AI来协同完成，而不像人类需要分步骤、分系统合作，极大提升了生产效率。

这三个方向在今天都已经涌现出大量应用案例。仅仅在华为云EI体系中，就已经提供了数十种AI开放能力，总结出了几百个AI应用场景。并且实际应用AI技术，还广泛依赖个性化解决方案和行业深层数据。

可以说，产业AI的实质特征，是应用者面对的问题千差万别，使用的能力千变万化，打造出的最终效果千人千面。这样的产业现状，也就标志着产业AI无法成为一个高度模块化、可复制化的产业。必须深入到行业和企业中间，由开发者、平台和应用者一起思考合适的解决方案。总体而言，产业AI在实践中，会面临这样几个主要困难：

1、AI深入生产场景时，需求指向个性化和驳杂，常常需要大量定制化开发。

2、需要构建复杂的产业链。一家企业应用AI，可能需要若干供应商的配合。

3、以场景为重心，产业AI有待重新组织商业逻辑，开发者需要清晰看到商业潜力。

4、直到今天，还是有很多技术问题亟待解决，尤其是算力的稀缺与昂贵。

这些问题摆在这，必须让我们明白，行业应用者在面临AI时，绝不会立刻扑上去就用。而是一定有自己的所思所虑，所忧所疑。

那么如果说产业AI这件事，在今天有一本秘籍的话，那么只有一句话可以印在上面：以人为本。

产业需求千变万化，但是人心却是不变的。产业AI命题出现之后，开发者和应用者会本能地估算可能遇到的问题，评估如何通过这件事获得收益。如果不帮他们把这两件事想清楚，那么产业AI永远只能是空中楼阁。

从“拉拢人心”开始做产业AI，这个逻辑很好理解，做起来却相当复杂。在华为中国生态伙伴大会2019上，围绕“以客户为出发点构建AI生态”这个思路，我们可以看到华为云已经同时开展了几个方向的生态合攻。

不是卖优势，而是解决问题

首先华为云要做的，是在技术和产品的主干道上，消除产业应用AI遇到的障碍。

技术问题听起来就是华为的强项，但实际上，真正从用户角度考虑构建技术体系，意味着很多任务已经超出了华为的舒适区，必须去未知技术世界中，摸索还能为用户和开发者做点什么。

华为的优势在通信网络和底层计算，但是在AI领域，华为却做了从芯片，到开发平台，再到算子集和开发工具的全栈全场景AI设施。在采访中，郑叶来提到“如果用户只用华为的芯片和底层算力，那是求之不得的。但是用户有实际问题，所以我们才做了上面的那些工具。”

这个思路，决定了华为云在AI应用的出发点，就已经不是把华为的技术优势打包卖一卖，而是从用户中心的角度，来解决实际中的问题。

今天来看，华为云已经在产业AI这条路上解决了三大问题：

1、算力成本降下来：依靠从晟腾芯片、Atlas智能计算平台，到工具层的全流程打通，华为云让“AI高而不贵”正在实现中。高昂的AI算力成本，在华为云入场后有了显著的下降趋势。

2、把训练困难解决掉：根据最新的斯坦福大学DAWNBench榜单，华为云的ModelArts AI开发平台，获得了图像识别总训练时间及推理性能榜单双料冠军，可以说是公认的速度最快的AI训练平台，甚至比AWS著名的fast AI快4倍。

基于ModelArts的能力拓展，开发者可以做到：训练快，硬速度非常霸道；上线快，端边云一键式部署上云；上手快，简单操作，附带大量教学资源。

一个案例显示，一名城市内涝专家，用ModelArts训练城市内涝预警模型，将训练时间从3天降低到10分钟。

3、打通智能边缘，让AI走向实用：基于华为云的智能边缘技术，应用者和开发者可以完成大量云边端一体化部署。让智能发生在该发生的地方，节约算力和宽带成本，提高数据安全度，让AI可以真正落地。

基础问题逐渐被扫清，产业才能快速准确得到符合自己场景需求的AI能力与开发基础。再之后，才能在我们想象不到的地方，快速可复制地推动AI落地。

在华为云发布AI市场时，特意请来了广联达作为嘉宾。这个举动很有意思。广联达是一家建筑行业的智能技术供应商，基于华为云的AI能力，他们开发了视觉技术模型，来判定工人是否佩戴安全帽，以及AI业务模拟、无人机+图像建模、钢筋数量识别等应用。

满是钢筋水泥的建筑行业，在一般人想来应该是跟智能八竿子打不着的部门，但在技术之路不断被疏浚后，也得以踏入AI的大门。

硬核技术到位后，产业AI的故事就结束了吗？在华为云看来并非如此。