軍事史上有個世紀疑問：火炮這東西最早是中國發明的，但我們的祖先卻沒有把它發揚光大。歐洲的火炮卻很快超越了中國，明朝時期已經需要向西方商人購買“紅夷大炮”。
這個奇怪的現象當然有很多原因，而原因之一在於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，但在實戰應用中卻是要命的關口。通過改良各種細節，讓火炮適應實戰，才能發揮最大的作用。
由此可見，一個技術再好，不與現實世界結合也是沒什麼用的。
大炮的邏輯，今天似乎也可以套用到AI上。將AI與傳統行業相結合，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裡推進，似乎一直都比較模糊。其中原因會不會在於AI平臺和科技企業，過分著眼於AI技術的一面，卻忽略了現實產業世界中“應用”的一面？
6月26日，是華為雲中國行2018的第一站，當天展示了華為雲對於這個問題的思考結果：用智能體打通物理世界的智能化。
實地採訪之後，我們發現從技術世界走向現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還是大數據，本質上都是或長或短的函數與代碼。當科技企業希望將AI技術推向製造業、農業、民生服務的時候，或許會突然發現，彼此已經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生，事實上很難避免。一個技術如果不在實驗室中的模擬環境中跑到成熟，也不可能嘗試走向現實。但無論如何，物理世界的複雜度與阻礙因素，還是很容易被精於算法的AI專家所忽略。當我們沉湎於Alpha GO驚豔的棋藝時，往往忽略了圍棋是一個理想化的運算環境，但大千世界並不是。
相比於虛擬世界一切都是代碼和指數，物理世界中卻可能面對各種各樣的問題。比如企業對生產效率的要求，企業的成本，行業間的競爭關係，企業的數據與計算基礎，甚至企業裡是否有人能夠駕馭AI，這在今天中國廣袤而相對粗放的實體經濟群落中都是巨大的問題。
一旦走向物理世界，我們就會發現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，在模擬環境中經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麼回事，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僅僅是數理模型，不會像人一樣隨機應變。
這種複雜的困境，在工業AI中更是突出。我們在討論AI對工業的改造，往往聚焦於單個環節，甚至一部機器的AI化。而在物理世界中，工業是一個完整的體系，一部機器的快慢並不解決實際問題，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？華為雲給出的答案是，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
華為雲中國行中，對EI智能體給出的定義是：智能體=智慧大腦+智能邊緣+聯接+行業智慧。聽起來有點複雜，現場隨機採訪了一些開發者，並與同行溝通後，發現大家也覺得有點難懂。
古龍小說裡有個東西，或許可以幫助我們理解智能體到底是什麼。《英雄無淚》裡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。
一口箱子不是什麼絕世神兵，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剋制對手的兵器，從而一招致勝。
在攻堅現實世界的企業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，扮演這個角色是背後統籌計算的智慧大腦。負責整個系統的運行、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，能夠為企業提供各種各樣的AI服務。只有技術沉積夠多，全聯接能力足夠強，才能隨意組合出各行各業需要的解決方案。
然後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，就傳統行業真實情況而言，將所有需要處理的數據上傳雲端，既是不科學也是不現實的，只有採用合適的邊緣智能方案，企業應用AI才有實際可能。
最後是要懂對手，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，這就是行業智慧，只有與各行各業的專家合作，與具體行業需求與產業週期融合，才能有適合各產業真實需要的“秘密武器”。
智慧大腦+智能邊緣+聯接+行業智慧，構成了華為雲解決物理世界、產業世界AI難題時的一口箱子。而這個神秘物體，希望破解的是企業三個非常關鍵的問題。
犁庭掃穴：AI與傳統行業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、可定製的智能平臺能力，去補充實體經濟與傳統行業本身在面對AI時的先天不足。這些問題看似不歸平臺考慮，卻是實體經濟無法解決的，所以企業和AI真正結合，必須重點攻克這三個問題，為企業進入智能世界蕩平現實門檻。
問題一：應用成本。AI很好，但是AI很貴。對於傳統企業尤其是小微企業而言，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，數據是基本生產資料，數據帶來的收集、清洗、學習成本，以及對數據安全的擔憂，更是各類企業都非常頭疼的。
華為雲BU總裁鄭葉來曾經說過，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據獲取方案、遷移學習等領域，保證了企業數據的安全可控，以及容易收集，把最大的數據成本降下來；其次是基於雲計算服務打通了整體架構，避免出現數據孤島現象，避免斷裂應用鏈給企業帶來多餘負擔；再次，最重要的，當然是把核心AI應用的價格給降下來，讓企業應用到實惠的AI能力。
問題二：行業週期。就像上文所說，每個行業都有自己獨特的物理世界問題，各種複雜的困難都可能出現在AI面前，每個行業自身的產業週期規律，要求AI技術去適應行業本身。而競爭壓力、成本壓力等問題，也催使企業必須快速看到AI的成果。
為了解決這些問題，EI智能體首先提出雲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一側。讓企業不會必須把任務上傳雲端的尷尬。另一方面，邊緣與終端系統還會進一步處理數據，不斷上傳雲端大腦進行再學習，保證整個企業AI系統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，再簡單的單機訓練後快速獲得到分佈式計算等解決方案。從而讓企業的智能化週期儘可能壓縮。並通過線下服務、與行業專家結合的方式，適應企業的獨特週期規律，將新技術與垂直職業的需求進行協調。
問題三：人才困境。招不到人，堪稱實體經濟AI化過程中的最大問題。EI智能體採用獨特的技術解決方案，將複雜的技術進行嵌入，給到企業簡單易用的操作方案。從而企業或許可以有兩個更優選項：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、神經網絡等AI核心問題，卻是AI進入物理世界，進入產業化週期中無法避免的。不破除這些物理世界的障礙，企業應用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應用特徵的AI正在走來，一場犁庭掃穴，或許就醞釀於足夠的行業智能體醞釀之後。
文 | 腦極體
閱讀更多 電商小鵬 的文章
