“隨著摩爾定律趨近極限，華為要研究的下一個前沿領域是什麼？是6G還是基礎科學研究？您想要攀登的下一座大山是什麼？”華為創始人任正非後者丟擲了這樣的問題。

“人工智慧。”任正非的回答或許讓弗裡德曼頗為意外，因為答案顯然超出了他的預期。

“我們是建設支撐人工智慧的硬體和軟體平臺。我們的昇騰AI叢集，1024節點，9月18日釋出，這是目前全世界最大、最快的人工智慧平臺。我們不是自己來做人工智慧的各種應用功能，我們是提供了一個平臺來使能全社會的AI。”任正非接著說道。

在任正非看來，華為目前已成為人工智慧方面的引領者，他對這位曾寫出《地球是平的》等著作的知名作家說，“Google、英偉達都能做同樣的事情，只是我們目前做得更好。”言語間透露出的自信，就像他談及華為在5G領域對愛立信和諾基亞等西方同行的領先時一樣。

任正非習慣用樸實的話術解釋深奧的問題，當被問及人工智慧未來將會對社會產生什麼樣的影響時，他告訴弗裡德曼“華為的生產線可以20秒下線一部高效能手機，生產線上基本不需要人工。未來更厲害，人工更少、生產更先進。”兩人關於華為人工智慧話題的探討，最終在弗裡德曼的感嘆中結束。

華為對人工智慧的佈局早已開始。2017年底，華為更新了公司的願景與使命：把數字世界帶入每個人、每個家庭、每個組織，構建萬物互聯的智慧世界。第二年10月，在面向ICT產業的第三屆華為全聯接大會上，華為輪值董事長徐直軍釋出了華為AI戰略與全棧全場景AI解決方案，其中包括華為Ascend (昇騰)系列晶片以及基於華為昇騰系列AI晶片的產品和雲服務。徐直軍表示，昇騰系列是全球首個覆蓋全場景人工智慧的AI晶片。

徐直軍當時詳細解釋了華為人工智慧的發展戰略：以持續投資基礎研究和AI人才培養，打造全棧全場景AI解決方案和開放全球生態為基礎。

面向華為內部，持續探索支援內部管理優化和效率提升；面向電信運營商，通過SoftCOM AI 促進運維效率提升；面向消費者，通過HiAI，讓終端從智慧走向智慧；面向企業和政府，通過華為雲EI公有云服務和FusionMind私有云方案為所有組織提供算力並使能其用好AI；同時面向全社會開放提供AI加速卡和AI伺服器、一體機等產品。

而在今年的華為全聯接大會上，華為又釋出了全新的計算戰略。華為副董事長鬍厚崑表示，華為將主要從四個方面來佈局計算產業，包括對架構創新的突破、對全場景處理器族的投資，堅持有所為有所不為的商業策略，以及不遺餘力地構建開放生態。

那次大會上，人工智慧再次成為華為反覆提及的主題。胡厚崑公佈了華為人工智慧的進展：華為用於訓練的昇騰處理器和AI計算框架MindSpore都已經發布，華為的全棧全場景AI解決方案已經全面落地。

回顧歷史上的三次人工智慧浪潮，行業人士已有基本共識：本輪人工智慧的發展主要得益於演算法的進步，資料量的擴充套件以及算力的提升。事實上，人工智慧本身的邏輯也正在於，將足夠多的資料匯入先進的演算法之中，再憑藉強大的算力匯出結果。

正如數字時代的電力一樣，算力對於人工智慧時代的重要性不言自明。然而，一個擺在眼前的現實卻是，隨著AI的蓬勃發展，相較於每年十餘倍算力需求的提升，算力的供給早已捉襟見肘。

在算力稀缺的人工智慧時代，雲端計算的重要性將越來越高，而華為雲無疑在很大程度上承擔著華為在人工智慧時代的追求，華為自己定義的目標是，“

為世界提供最強算力，讓雲無處不在，讓智慧無所不及。”

人工智慧時代的算力稀缺

計算機的計算模式在過去數十年間經歷了巨大的變化，為了解決一些無法用確定規則描述的問題，科學家在基於規則的計算模式之外，找到了一種基於統計的計算模式，這種基於統計的計算模式，也成了當前人工智慧發展的關鍵基石。

胡厚崑認為，這種基於統計的計算模式將逐漸成為主流。他預計5年後，AI計算所消耗的算力，將會佔到全社會算力消耗總量的80%以上。

“為了讓計算機認識一隻貓，就需要數百萬圖片的訓練，這對算力的消耗是非常驚人的，面向自動駕駛、天文探索、氣象預測等更復雜場景，對算力的需求將會更大。”胡厚崑用“暴力計算”來形容統計計算（人工智慧）對算力的高度依賴。

華為雲業務Quattroporte鄭葉來則表示“當前AI蓬勃發展，對算力的需求每年增加10倍左右，一些新演算法，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。”

雲端計算是“讓算力像電力一樣觸手可及”的方式。一位熟悉雲端計算的資深人士解釋，以往，對算力有需求的機構一般都會購買伺服器，自己搭建計算中心進行計算，但是隨著雲服務的出現，更經濟的雲服務逐漸成為提供算力的主流。

人工智慧的應用需要一種新的算力，而云服務提供的算力也將從通用算力轉變為AI算力為主。據上述人士介紹，算力供給的關鍵在於處理器的效能，隨著摩爾定律已經幾乎走到極限，必須從處理器架構上尋求突破，只有用新的處理器架構才能匹配AI對算力需求的快速增長。

以往，華為與眾多雲服務廠商一樣，提供基於英特爾X86架構的通用算力雲服務。面向人工智慧時代，華為自研了達芬奇架構，華為對外表示，達芬奇架構是目前為止業界唯一能夠覆蓋“端、邊、雲”全場景的處理器架構，這也是華為打造計算產業的堅實基礎。

基於達芬奇架構，華為在去年推出了主要用於邊緣計算等低功耗領域的AI晶片—昇騰310，今年8月，又推出了支援全場景人工智慧應用的AI晶片—昇騰910。

而隨著昇騰910的釋出，華為也宣佈其全棧全場景AI解決方案已經全面落地。其中，全棧是指從“包括晶片、晶片使能、訓練和推理框架以及應用使能在內的全堆疊方案”，華為從上述四個層面提供技術功能上的支援；而全場景是指包括 “公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等全場景的部署環境”。

具體到雲業務，華為今年釋出的最重量級的產品是Atlas 900。據華為公開介紹，Atlas 900 AI訓練叢集由數千顆昇騰910 AI晶片互聯構成，是當前全球最快的AI訓練叢集，也代表了現在全球AI算力的巔峰。其總算力達到256P~1024P FLOPS @FP16，相當於50萬臺PC的計算能力。

在衡量AI計算能力的權威標準ResNet-50模型訓練中，Atlas 900只用了59.8秒就完成了訓練，這比原來的世界記錄還快了10秒，這個概念相當於短跑冠軍跑完終點，喝完一瓶水才等到第二名。

Atlas 900 AI訓練叢集成功的關鍵在於高效能的昇騰910 AI晶片，但華為在商業模式上選擇不單獨對外出售晶片，而是以雲服務的方式面向客戶。據了解，華為目前已將Atlas 900部署到華為雲上，並以相對優惠的價格面向全球科研機構和大學開放。

當然，Atlas 900並非華為雲在人工智慧方面提供的唯一服務，基於昇騰910和310 AI晶片，華為還推出了AI訓練伺服器Atlas 800、智慧小站Atlas 500、AI推理與訓練卡Atlas 300以及AI加速模組Atlas 200，完成了Atlas全系列產品佈局，覆蓋雲、邊、端全場景，提供面向訓練和推理的算力。華為希望基於統一的達芬奇架構和全場景AI計算框架，實現雲邊端的協同，從而加速全行業的智慧化再造。

華為Atlas全系列產品

華為雲定位“黑土地”

“在人工智慧和雲的建設上，華為公司落後於時代，但是我們現在不能泡沫化地追趕。雲，我們的追趕方法是做“黑土地”，打通基礎平臺，讓千萬家公司都可以來這塊“黑土地”上種“莊稼”。人工智慧，我們有兩條路：聚焦在產品智慧化和內部管理服務的持續改進與自動化、智慧化上。”2018年7月18日，任正非在華為GTS人工智慧實踐進展彙報會上，將華為雲定位為可供生態夥伴種“莊稼”的“黑土地”。

過去一年，華為雲這塊“黑土地”上確實種出了“莊稼”。據華為雲業務Quattroporte鄭葉來介紹，一年來，華為雲EI已在城市、製造、醫療、汽車、園區、網際網路等10大行業的超過500個專案實踐落地，幫助企業實現智慧化升級。

而在這個過程中，鄭葉來和他領導的華為雲團隊也一直在總結能讓生態夥伴在這塊“黑土地”上種出“莊稼”的經驗。

“在500+專案實踐中，華為雲發現行業AI專案要成功實施，需要基於應用場景、相關ISV/SI、裝置或流程、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，並需要具備四個關鍵要素，才能將AI技術真正實現落地商用。”在鄭葉來看來，明確定義商業場景、觸手可及的強勁算力、持續進化的AI服務以及組織與人才的適配，是將AI技術真正實現落地商用的四個關鍵要素。

與此同時，華為雲也在嘗試將這些經驗複製到特定的行業。例如，面向工業製造業，華為雲推出了工業智慧體。華為雲對外表示，華為雲工業智慧體是行業智慧化升級新引擎，通過基於知識圖譜的智慧認知引擎、基於AI模型的智慧預測引擎、基於運籌規劃的決策優化引擎，能讓過去諸多難以落地應用的技術應用到工業場景，助推工業智慧化升級。

華為雲工業智慧體已應用於能源、礦業、電力、水泥、化纖等多個工業領域。鄭葉來在此前華為雲工業智慧體正式釋出時，介紹三個典型的應用案例：華為雲與中國石油合作，使用工業智慧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%；華為雲與三聯虹普合作，使用工業智慧體的智慧預測引擎，讓客戶需求匹配率提升了28.5%；華為雲與鑫磊集團合作，使用工業智慧體的智慧優化引擎，將AI能力引入配煤環節和焦炭生產品質預測，讓配煤準確率超過95%，每百萬噸焦炭節省成本超過1000萬元。

“人工更少、生產更先進。”正如任正非關於人工智慧將對未來社會產生何種影響的描述，在應用AI能力節約人力成本與提高生產效率方面，華為雲工業智慧體已經有所進展。

而華為雲目前在華為公司面向計算產業整體佈局中的定位也已經十分清晰，即“

通過全棧創新，提供安全可靠的混合雲，成為生態夥伴的黑土地，為世界提供普惠算力。”

對於與生態夥伴合作的關係，鄭葉來在近期介紹，華為雲堅持“下不碰資料，上不做應用”，鄭葉來解釋稱“ 用最俗的話翻譯，就是用您的資料訓練出您的模型，用我的平臺來解決您的問題。”

出於保護使用者資料、隱私安全的考慮，承諾“下不碰資料”已在華為內部達成廣泛共識，但只做“黑土地”而“上不做應用”卻仍存在爭論。有華為內部人士擔心華為雲只做“黑土地”不提供應用，將無法觸達最後一公里的使用者，華為雲是否應該考慮自己種“莊稼”試試看？

對此，鄭葉來表示，華為雲“上不做應用”講的不是不去了解客戶，而是價值分配的問題，華為不與客戶競爭，也不會投資一家公司與他們競爭。“華為不投資面向企業的ERP、CRM這些應用系統，但是華為願意跟所有的合作伙伴一起聯合創新，讓他們的系統基於華為的整個雲的基礎設施，部署起來是最便捷的，一起面向客戶創造價值。”

“華為雲的痛苦期已經過了”

“華為雲的“痛苦期”已經過了。近期我們幾次重大的投資，任總很快就簽了，我們馬上要在貴州建非常大的資料中心，在內蒙古的烏拉察布也要建非常大的資料中心。任總反而批評我不要保守。這次任總跟我溝通一再地講，要看未來的變化，一再叮囑我光纖要多買一點。”鄭葉來在談及華為雲的現狀時這樣說道。

過去幾年，鄭葉來和他領導的華為雲團隊壓力不小。一方面，無論是在華為內部還是面對外部媒體，“華為雲與其他雲廠商有什麼區別？”都是鄭葉來頻繁被問到的問題。另一方面，由於較晚公有云市場，華為雲的市場佔有率也遠遠落後於阿里、騰訊等網際網路巨頭。

一位華為雲內部的知情人士透露，華為雲之所以較晚進入公有云市場是因為早期公司內部有爭論，“華為有運營商業務，之前運營商想自己做公有云，華為不想跟自己客戶競爭。”

除了公有云市場佔有率方面現實存在的落後，相較於擁有服務基因的網際網路巨頭，做硬體起家的華為在雲業務的運營和營銷方面也存在一些短板。

有華為雲的客戶向媒體反應，曾出現前後不同的華為銷售團隊對接客戶的情況。上述華為雲內部的知情人士表示，市場端的混亂屬於歷史遺留問題。“華為原來的商業模式是售賣盒子（硬體），當時就有一支面向企業2B市場的銷售隊伍，後來重點發展雲服務後，又組建了一支銷售雲服務的隊伍。他們可能都是在華為的企業BG下面，只是有一波人去賣硬體，另一波人在賣雲，可能就會有這個問題。”該人士坦言，華為雲在產品方面可能還有很長的一段路要走。

鄭葉來在接受採訪時也毫不避諱上述問題，“事情的發展過程中，有些階段性的傳播不一致是正常的。有總比沒有好，我口袋裡有兩個，總比一個沒有好。”鄭葉來表示，華為私有云與公有云的研發團隊已經開始合併，但市場端不會合得那麼快，因為那有可能會損害部分客戶的利益。

華為在公有云市場的追趕仍在繼續，而另一方面，當下雲市場已經進入到了多雲時代，使用者對算力需求日益增加的同時，為了“不把雞蛋放在同一個籃子裡”，開始越來越多的選擇第二甚至第三家雲服務商合作伙伴，這也給了華為雲帶來了機會。

鄭葉來認為，多雲是客戶的必然選擇。“未來競爭結果，有可能一個大企業會有兩個供應商，因為雲服務跟傳統IT畢竟不一樣，傳統的IT是標準的盒子，這個不行換這個，但是雲服務畢竟是把它的未來交給你了，而且很多的雲服務是涉及到客戶的整個組織架構的變革，它一旦走出這一步很難退回去，這跟傳統的IT架構是不一樣的。”鄭葉來解釋說。

“提供最好的混合雲”是華為雲與其他公有云廠商定位最為不同的地方，而從整個雲市場來看，混合雲因為靈活按需聯接的特點也越來越受到青睞。

對此，華為去年對 ICT 基礎設施業務進行了重組與優化，將公有云、私有云、AI、大資料、計算、儲存、IoT 板塊重組為雲產品線，今年第一季度，華為又將 IoT、私有云團隊合入 Cloud BU。有分析認為，這些重組與優化在幫助華為實現從晶片到資料中心、從硬體到軟體、從 IT 基礎設施到雲服務以及從邊緣計算到雲端計算的全棧雲整合的同時，也起到了對資料中心基礎設施、晶片、硬體、基礎雲服務等的全棧優化作用。

值得注意的是，目前，眾多雲服務提供商也都在圍繞基礎設施打造競爭壁壘，排名靠前的雲服務廠商大多已開始佈局IT、晶片以及硬體。鄭葉來認為，雲服務未來是短板戰略，比拼的是各家企業的綜合能力。一位熟悉雲市場的資深人士也表示，雲服務的提供能力與雲服務提供商的基礎設施正相關。

而具體到基礎設施層面，晶片無疑是華為雲最大的優勢之一。“華為雲有自己的晶片，在全棧的技術整合上一定能做得非常好。我們將來還可以給海思提要求，把晶片做成什麼樣的，這種晶片的垂直整合比多個廠家去拼湊肯定效能更好，效能更好就意味著給客戶的成本帶來節約。”鄭葉來在接受採訪是說道。

華為雲在今年全聯接大會期間釋出了112款基於“鯤鵬+昇騰”晶片的雲服務，鯤鵬和昇騰加持的多元架構也是華為雲基礎設施升級換代的核心之一。

華為雲希望基於多元架構，為使用者提供多樣算力：除了傳統的X86算力，還包括基於鯤鵬的通用算力、基於昇騰的AI算力以及基於各種加速晶片的異構算力。

而針對各種算力，華為雲提供從裸金屬服務、虛機服務、容器服務到serverless函式計算服務的算力顆粒度。這些技術可以讓華為從底層的能源到晶片、上面的伺服器、儲存系統等基礎設施的效能得到更好的發揮。用華為自己的話說就是，合適的應用跑在合適的架構上，讓客戶的價效比最優，能耗最低，繼而“讓算力像電力一樣觸手可及”。

“未來最大的產業是人工智慧”

“我覺得5G是一個小兒科的事情，未來最大的產業是人工智慧，我們希望共同為人類提供一種服務。”任正非在最近一次與兩位人工智慧領域專家對話時這樣說道。任正非認為應該把5G要當做一個基站，而不要當做一個原子彈，在他看來，人工智慧才是最大的機會所在。

任正非同時表示“人工智慧將來應用的基礎是教育、人才的培養。第二個問題是基礎設施，因為人工智慧是一個軟體，是一個包羅永珍的彙集，需要一個支撐系統，這個支撐系統就是高效能的計算系統，那就是超級大計算機群，而不是一臺兩臺，而是萬臺，是大型的資料程式系統和超速連線系統來支撐它可能的運作，這些基礎設施需要很大的投資。

投資不夠，你的軟體很好，就等於有汽車，但是沒有馬路，那麼你的汽車也是沒有產生貢獻的。”

而在同一場對話中的華為戰略部Quattroporte張文林則強調了算力對人工智慧的重要性，“人工智慧之所以現在可用，我們認為是眾多的技術包括連線技術，包括剛才任總講的高效能運算。

人工智慧的概念其實非常早，但是直到現在才基本可用，就是因為所有的這些技術才剛剛使人工智慧起步。在起步的情況下，只有算力得到了非常大的突破，人工智慧才可能像我們現在用的電一樣隨處可以有，我們可以隨時去用。”

面對算力的稀缺，華為雲無疑將在更大程度上承擔起華為人工智慧時代的追求。