另一方面，人工智能初級(jí)階段的“冷靜”同樣引人關(guān)注——只有4%的企業(yè)已經(jīng)投資或部署了AI / 只有約2%零售商已經(jīng)投資或部署了AI / 只有約5%部署的智慧城市中正在使用AI / 2017年只有約10%的智能手機(jī)內(nèi)置了AI / 全球AI人才的供需比僅有1%。   

徐直軍認(rèn)為，要解決人工智能“輝煌”與“冷靜”之間的巨大落差，要從技術(shù)、人才、產(chǎn)業(yè)這三個(gè)方面進(jìn)行主動(dòng)的變革。

改變之一：縮短訓(xùn)練模型的時(shí)間——按照目前的技術(shù)水平，訓(xùn)練某些復(fù)雜模型時(shí)往往需要數(shù)天甚至數(shù)月，而成功的創(chuàng)新發(fā)現(xiàn)往往需要多次迭代，這種訓(xùn)練速度嚴(yán)重制約了應(yīng)用創(chuàng)新。我們認(rèn)為，未來(lái)模型的訓(xùn)練要能在幾分鐘、甚至幾秒鐘內(nèi)完成。改變之二：充裕經(jīng)濟(jì)的算力——算力是AI的基礎(chǔ)，但目前的算力非常昂貴，是一種稀缺資源。如果說(shuō)算力的進(jìn)步是當(dāng)下AI大發(fā)展的主要驅(qū)動(dòng)因素，那么，算力的稀缺和昂貴正在成為制約AI全面發(fā)展的核心因素。算力應(yīng)該是充裕且經(jīng)濟(jì)的，并且這種需求應(yīng)該盡快實(shí)現(xiàn)。改變之三：人工智能要適應(yīng)任何部署場(chǎng)景——混合云已經(jīng)成為企業(yè)采用云服務(wù)的主要模式，當(dāng)前的AI主要在云，少量在邊緣，與企業(yè)的業(yè)務(wù)環(huán)境的結(jié)合有待進(jìn)一步深入。未來(lái)AI將無(wú)處不在，要能夠部署在任何場(chǎng)景，并確保用戶(hù)隱私得到尊準(zhǔn)和保護(hù)。改變之四：更高效更安全的算法——算法是推動(dòng)AI發(fā)展的另一個(gè)主要?jiǎng)恿Γ壳斑\(yùn)用的主要算法多誕生于1980年代。隨著AI的廣泛普及，這些算法的不足愈發(fā)明顯。未來(lái)的算法，要能夠基于更少的數(shù)據(jù)需求，即數(shù)據(jù)高效。也要能夠基于更低的算力和能耗，即能耗高效。同時(shí)要解決自身的安全問(wèn)題，并實(shí)現(xiàn)可解釋等等，這都是AI全面發(fā)展的重要技術(shù)基礎(chǔ)。改變之五：更高的自動(dòng)化水平——今天的人工智能，自身還需要大量的人工，特別是在數(shù)據(jù)標(biāo)注環(huán)節(jié)，今天甚至還誕生了一個(gè)新的職業(yè)叫“數(shù)據(jù)標(biāo)注師”。有人調(diào)侃說(shuō)，今天的人工智能，是沒(méi)有“人工”就沒(méi)有“智能”。華為認(rèn)為，應(yīng)該大大提升AI自身的自動(dòng)化水平，比如在數(shù)據(jù)標(biāo)注、數(shù)據(jù)獲取，特征提取，模型設(shè)計(jì)和訓(xùn)練等環(huán)節(jié)，要實(shí)現(xiàn)自動(dòng)化或半自動(dòng)化。改變之六：模型要面向?qū)嶋H應(yīng)用——2018年6月，伯克利大學(xué)的助理教授 Benjamin 等發(fā)表了一篇題目奇怪的論文《CIFAR-10分類(lèi)器能否泛化到CIFAR-10》。該論文指出，在CIFAR-10分類(lèi)器上測(cè)試準(zhǔn)確度出色的模型算法，卻在作者創(chuàng)建的與CIFAR-10非常接近的另一測(cè)試集上出現(xiàn)了偏差，分類(lèi)識(shí)別準(zhǔn)確率下降了5-15個(gè)百分點(diǎn)不等。這也就意味著，這個(gè)模型算法的可用度大幅度下降。由此，可見(jiàn)當(dāng)前很多優(yōu)秀的模型算法，更多的是“考試”優(yōu)秀，還未達(dá)到“工作”優(yōu)秀。未來(lái)的模型必須實(shí)現(xiàn)工業(yè)級(jí)的優(yōu)秀，即滿足工業(yè)生產(chǎn)的需要，而不僅僅滿足于測(cè)試集上“考試”優(yōu)秀。改變之七：模型更新——模型的準(zhǔn)確率并非是一成不變的，而是會(huì)隨著數(shù)據(jù)分布、應(yīng)用環(huán)境和硬件環(huán)境的變化而變化，始終保持準(zhǔn)確率在期望的范圍內(nèi)對(duì)于企業(yè)應(yīng)用是必須的。但目前的模型更新是非實(shí)時(shí)的，依賴(lài)人工周期性的更新，因此是一個(gè)半開(kāi)環(huán)的系統(tǒng)。未來(lái)的模型要能及時(shí)適應(yīng)各種變化，實(shí)時(shí)更新，實(shí)現(xiàn)閉環(huán)系統(tǒng)，保證企業(yè)AI應(yīng)用始終處于最佳狀態(tài)。改變之八：人工智能要多技術(shù)協(xié)同——每一個(gè)通用目的技術(shù)，只有與其它技術(shù)充分協(xié)同配合，才能發(fā)揮到極致，創(chuàng)造巨大的經(jīng)濟(jì)價(jià)值。AI也不例外，但在目前我們探討AI時(shí)，更多的是僅僅聚焦AI本身。AI需要與云、物聯(lián)網(wǎng)、邊緣計(jì)算、區(qū)塊鏈、大數(shù)據(jù)、數(shù)據(jù)庫(kù)…等技術(shù)充分協(xié)同，如此才能發(fā)揮更大價(jià)值。改變之九：人工智能要成為由一站式平臺(tái)支持的基本技能——今天，AI還是一項(xiàng)只有具備高級(jí)技能的專(zhuān)家才能完成的工作，成熟、穩(wěn)定、完善的自動(dòng)化工具還比較缺乏，獲得一個(gè)AI模型還是一個(gè)非常復(fù)雜，耗時(shí)耗力的事情。華為認(rèn)為，應(yīng)該有一站式平臺(tái)，提供必需的自動(dòng)化工具，讓AI應(yīng)用開(kāi)發(fā)更容易，更快捷。從而，使AI成為所有應(yīng)用開(kāi)發(fā)者甚至所有ICT技術(shù)從業(yè)人員的一項(xiàng)基本技能。改變之十：以AI的思維解決AI的人才短缺——AI人才的短缺，特別是數(shù)據(jù)科學(xué)家的缺乏，一直是業(yè)界顧慮較多的一個(gè)制約因素。而且我們認(rèn)為，數(shù)據(jù)科學(xué)家將永遠(yuǎn)是稀缺的。解決之道應(yīng)該是，以AI的思維解決AI的人才短缺。通過(guò)著力發(fā)展智能化、自動(dòng)化、簡(jiǎn)單易用的AI平臺(tái)和工具服務(wù)，以及提供培訓(xùn)教育，培養(yǎng)大量的數(shù)據(jù)科學(xué)工程師，使他們能完成大量基本的數(shù)據(jù)科學(xué)相關(guān)工作。通過(guò)這些大量的數(shù)據(jù)科學(xué)工程師與數(shù)據(jù)科學(xué)家和各領(lǐng)域?qū)＜蚁嗷ヅ浜系奶菪谓Y(jié)構(gòu)，來(lái)解決AI人才稀缺問(wèn)題。

2019年8月8日，華為基于對(duì)交通、零售、金融、制造、航空等17個(gè)重點(diǎn)行業(yè)的案例研究，并結(jié)合定量數(shù)據(jù)預(yù)測(cè)，進(jìn)一步提出了面向2025的十大趨勢(shì)報(bào)告。

美國(guó)當(dāng)?shù)貢r(shí)間8月18日，美國(guó)數(shù)據(jù)創(chuàng)新中心（Center for Data Innovation）發(fā)布針對(duì)中國(guó)、美國(guó)和歐洲三大地區(qū)的人工智能發(fā)展報(bào)告，報(bào)告顯示，目前美國(guó)在AI發(fā)展中仍然保持領(lǐng)先優(yōu)勢(shì)，中國(guó)緊隨其后，歐盟排名第三。