任正非在华为历年讲话

 主页   资讯   文章   代码   电子书 

任正非在GTS人工智能实践进展汇报会上的讲话

2018年7月18日

在人工智能和云的建设上,华为公司落后于时代,但是我们现在不能泡沫化地追赶。云,我们的追赶方法是做“黑土地”,打通基础平台,让千万家公司都可以来这块“黑土地”上种“庄稼”。人工智能,我们有两条路:聚焦在产品智能化和内部管理服务的持续改进与自动化、智能化上。

我们应首先依托人工智能改进内部管理,提升内部效率,这个领域的人工智能应用成功率可能会较高,逐步积累起信心和后备专业人员力量。这样在主航道产品有成功的突破后,可持续不断从后备队伍中抽调力量补充投入进产品智能化去,为产品开发输送后备人才。我们要有重点的一块块突破,不要全面铺开,所以公司选了GTS和财经作为内部管理改进试点,持续不断地投入人工智能、数字化转型的力量,扩大人工智能的后备队伍,从单点突破到多点突破,进而横向拉通。

目前我们看到了一些GTS的试点成果,比如非洲地区的网规网优和基站规划设计确实有进步,感谢弟兄们的努力。今天的汇报,我把2012实验室的科学家和相关部门都请来了,听听你们试点做了什么、有什么成果、有没有好的经验。科学家们也可以谈谈自己的想法,在整体架构和方案设计上给以指导,也讨论一下这些实践的思路能否汇聚起来、提炼出来,为公司未来的人工智能应该怎么做提供思路。我先从片面的角度谈几点,希望各个部门能够看到这些问题。

一、GTS人工智能在交付上取得了单点突破,是可喜可贺的。从单点突破到横向拉通道路还很漫长,把财经和供应链卷进来,一起理解交付的概念,以站点为单位综合性铺开。单纯的交付观点,好像把设备安装好就结束了。我们现在要求要实现站点综合效益管理。我们要从盯着交付成功,转移到实现站点效益成功上来,财务与供应链同时要卷进来。在工勘阶段,我们应在完成工程设计的同时完成项目预算的编制;在交付履行阶段,我们要在交付的同时及时开票和完成项目核算。

2017年,我曾在诺亚方舟实验室使能工程部成立会上讲话,其实当时心里很忐忑,不知道能不能突破。我们先抓住GTS和财务来改革,把千军万马压在这上面,这方面有确定的目标,至少能解决内部工作效率和数据透明问题,敢于在这方面囤积千军万马,同时也给未来产品的人工智能应用提供了战略后备军。如果首先在产品领域集中几千人,万一失败,这几千人如何养?现在我们有信心步子再大一些。

今天来看,GTS取得了一些单点突破,单点突破对公司非常有意义,增强了我们在人工智能发展的信心。比如,工勘平均每年有几十万个站点,每个站点又涉及几十到上百设计文档和表格,大量数据都是在重复填表,人工耗费极大。把工勘变成数字化、自动化,我们就能逐步提高效率,就是人工智能。我们不要纠结于模糊问题智能化才是人工智能的社会定义,不要在乎社会对这项工作的评价标准,伟大是谁评定的?是我们自己,不需要别人来评价。晚会上你们找几株芦苇别在屁股上,就“尾”大了。我们提高效率让职级、奖金不吃亏,就伟大了。一时受委屈,回家用萝卜刻个章自己表彰一下,明天更伟大,我们自己说伟大就伟大。只要我们将大量的重复劳动自动化,提高了效率,就是我们的期望。

但是,你们今天讲的都是交付和维护,还没有包含预算、核算、供应。我曾在Fellow及部分欧研所座谈会上提到,现在我们要从单点突破走向多点突破,然后横向拉通。什么叫“横向拉通”?

第一,工勘把预算、供应拉通。现在你们只是解决了GTS的交付技术问题,还没有解决财经的项目预算问题,供应一次到位的效率也没有明显提升。工勘能否把财务和供应链拉通?我认为,财经至少要选10个PFC卷入进来,供应链也要卷一些骨干进来,组成混合以站点为单位的混合人工智能应用团队,以提高工勘效率的同时,完成可交付性自动评估,生成供应计划,以及实现项目概算的自动编制。

第二,开票把核算拉通。按DU核算,我们每年至少为200多万个点开票,每个点又是几百张表格。项目核算要在开票的同时完成项目实时经营情况的核算,开出给客户的发票和收到供应商的发票要自动形成项目的损益。

第三,人工智能在某个领域的应用,是单点突破;人工智能在某几个领域的协同应用,就是横向拉通。木桶短板的原理,使得人工智能在多个领域的协同应用,如以站点为单位,将项目管理、交付管理、财务管理融合改进,才能更有效地提高某一段流程的整体工作效率。

二、吸收内外部优秀人才,壮大华为人工智能的战斗队和战略预备队,支撑人工智能的研究、推广和维护。

1、人工智能的战斗队要广泛吸纳有经验的专业人才。

我们已经把网络安全、隐私保护作为公司最高纲领,确保用户利益不受侵犯,公司整个产品架构会面临变化。在人工智能问题上,我们要吸纳大量有经验的员工上战场,逐步积累起一个庞大的人力队伍,在网络重构中作为生力军。

第一,公司各大部门精简的技术专家和管理干部,大量涌进到人工智能这支突击队来,天生我材必有用,我们需要算法专家,更需要有业务经验的干部、专家。将来推广和维护还需要更庞大的队伍。

第二,国内的人工智能正在泡沫化,可以招聘社会上的算法专家,也包括失败了的算法专家。为什么失败的人也伟大?他的理想可能很大,但是原来的平台小,不容易成功,到了我们这个大平台,可能就如鱼得水。

这样,公司业务专家和业界算法专家结合起来,能不能把我们复杂的管理智能化?

第三,我们不仅招聘测绘学的博士,也要招一批卫星、航天、航空、航测……等专业人员,用大场景来解决宏观问题;还要招一些炮兵队伍转业的炮兵学院毕业的军官,他们能解决近距离的微观环节问题。如果不是我们当年招聘测绘专业的博士,现在“三朵云”及GTS无线规划、勘测数字化、自动化就是一句空话。

在这些问题上,公司要敢于发生大变化,人工智能要进入各种管理环节,使重复的工作简单化。这点你们要向李建国学习,华为机器以前产值几十亿美金,6000人;现在产值1000亿美金,还是6000人。因为他已经完成“换血”,队伍里有很多硕士、博士,并且具有很强的动手能力,他们不是工人,叫“工匠科学家”。

2、组建GTS人工智能的战略预备队,学习“四组一队”训练法,集成编练,成队空投,成片推广。

GTS在推广人工智能这些工具时,不是苦口婆心去说服别人,可以成组编队,选择某个试验点训练,然后成组空投,一个国家就成片推广了。比如科特迪瓦代表处做得很好,为什么不能建立一个战略预备队的培训基地?对一些编余的员工,不要排斥、打击,让他们回到预备队,参加下一组编成。

这点可向CBG学习“四组一队”战术上已经有些探索,根据各个国家的情况,把人员模拟编成队,并且与这个国家当地团队反复会议PK,确定最后空投到这个国家的整个队伍模型。当然,成队空投并不是取代“江南游击队”,不是取代当地奋斗的员工,而是把当地员工卷进来。如果当地有员工没有被卷进来,可以让他们回到战略预备队来,参加到新的编组训练。

3、科学家瞄准未来从事基础理论研究,允许脱离实际,但要沿途“生蛋”,传播思想与理论,为其他领域创造突破。

随着公司政策的优化调整,很多业界顶级科学家不断进入公司。今天2012实验室的科学家来了23人,我认为将来应该是2300人。人工智能研究相当于攀登珠穆朗玛峰,科学家瞄准未来从事基础研究,不考核,不要求解决实际问题,按他自己的研究方向往前走,但是沿途要“生蛋”,为别的领域创造突破。比如,喜马拉雅山脚那么肥沃,为什么不可以养几只羊?爬到半山腰,为什么不去采点矿?再爬高一些,为什么不能滑雪呢?你们爬到珠峰很冷、少氧、很少吃的,我们可以把羊肉、鸡蛋送上去,这都是你们沿途下蛋生产出来的呀。科学家可以抽空到现实场景中去,给其他人讲讲课,把你们的方法论往下传,同时也理解需求,这样可以沿途“生蛋”。科学家、专家、工程师也可以经常一起喝喝咖啡、聊聊天,名师指导很重要,既然我们汇聚了这么多名师,就要多出来给年轻人指点迷津,公司的前进速度就快。

三、公司的人工智能不主张建立大构架,要允许各模块单点前进、单点突破。

首先,我不反对公司做整体规划,但是要允许各模块单点前进、单点突破,不能因为整体规划约束了每个模块的发展,最重要的是我们还不明白什么叫整体规划。比如,无线场景化的农网RuralStar解决方案,就是针对农村建站困难的单点突破,单点人工智能。要把农网项目达到电视机质量标准,没有哪家的电视机是看坏的?

第二,在人工智能的战略投入问题上,我们要有一个框架性模型,在战略机会点上敢于投入。董事会能否出一个结论:“人工智能所节约出来的效率和费用反投回人工智能,加大战略机会窗的突破”?华为的人工智能是以提高管理效率为中心,当公司运作效率很高了,将来就具有很强的竞争力。刚才你们说要尽可能拦截故障,这个理想很伟大,每年我们的产品故障有上百万个,如果你们能拦截60%~80%,让故障自愈,这就很伟大了,我们能减少多少人力物力呀!这些减少,返回去加大战略机会窗的投入,所以天生我材必有用,要避免过度裁员。有经验的员工,是走向人工智能中的宝贵财富。比如,GTS去年盈利较预期提高了4亿美金。今年可以给增加4亿美金预算用于全公司人工智能,去买炮弹、买人。

第三,关于人工智能在产品上突破,不是指专门做一个人工智能产品,而是能否让我们公司的5G基站人工智能,让我们的传输人工智能,让我们的核心网交换人工智能……?这可以作为产品奋斗的一个目标。

华为在170多个国家有1万亿美金的网络存量,五年后可能达到1.5-2万亿美金的网络存量,如果我们把网络存量变成平台,全世界有哪个网比我们大?没有。未来理想的实现需要在座所有人的共同努力,我们要开放心胸,敢于拥抱时代,拥抱人才!