另一方面，人工智能初級階段的“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%的智能手機內(nèi)置了AI / 全球AI人才的供需比僅有1%。   

徐直軍認為，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)這三個方面進行主動的變革。

改變之一：縮短訓(xùn)練模型的時間——按照目前的技術(shù)水平，訓(xùn)練某些復(fù)雜模型時往往需要數(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)練速度嚴重制約了應(yīng)用創(chuàng)新。我們認為，未來模型的訓(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。如果說算力的進步是當下AI大發(fā)展的主要驅(qū)動因素，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)濟的，并且這種需求應(yīng)該盡快實現(xiàn)。改變之三：人工智能要適應(yīng)任何部署場景——混合云已經(jīng)成為企業(yè)采用云服務(wù)的主要模式，當前的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)合有待進一步深入。未來AI將無處不在，要能夠部署在任何場景，并確保用戶隱私得到尊準和保護。改變之四：更高效更安全的算法——算法是推動AI發(fā)展的另一個主要動力，但目前運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。同時要解決自身的安全問題，并實現(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)標注環(huán)節(jié)，今天甚至還誕生了一個新的職業(yè)叫“數(shù)據(jù)標注師”。有人調(diào)侃說，今天的人工智能，是沒有“人工”就沒有“智能”。華為認為，應(yīng)該大大提升AI自身的自動化水平，比如在數(shù)據(jù)標注、數(shù)據(jù)獲取，特征提取，模型設(shè)計和訓(xùn)練等環(huán)節(jié)，要實現(xiàn)自動化或半自動化。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分類器能否泛化到CIFAR-10》。該論文指出，在CIFAR-10分類器上測試準確度出色的模型算法，卻在作者創(chuàng)建的與CIFAR-10非常接近的另一測試集上出現(xiàn)了偏差，分類識別準確率下降了5-15個百分點不等。這也就意味著，這個模型算法的可用度大幅度下降。由此，可見當前很多優(yōu)秀的模型算法，更多的是“考試”優(yōu)秀，還未達到“工作”優(yōu)秀。未來的模型必須實現(xiàn)工業(yè)級的優(yōu)秀，即滿足工業(yè)生產(chǎn)的需要，而不僅僅滿足于測試集上“考試”優(yōu)秀。改變之七：模型更新——模型的準確率并非是一成不變的，而是會隨著數(shù)據(jù)分布、應(yīng)用環(huán)境和硬件環(huán)境的變化而變化，始終保持準確率在期望的范圍內(nèi)對于企業(yè)應(yīng)用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環(huán)的系統(tǒng)。未來的模型要能及時適應(yīng)各種變化，實時更新，實現(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)濟價值。AI也不例外，但在目前我們探討AI時，更多的是僅僅聚焦AI本身。AI需要與云、物聯(lián)網(wǎng)、邊緣計算、區(qū)塊鏈、大數(shù)據(jù)、數(shù)據(jù)庫…等技術(shù)充分協(xié)同，如此才能發(fā)揮更大價值。改變之九：人工智能要成為由一站式平臺支持的基本技能——今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩(wěn)定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常復(fù)雜，耗時耗力的事情。華為認為，應(yīng)該有一站式平臺，提供必需的自動化工具，讓AI應(yīng)用開發(fā)更容易，更快捷。從而，使AI成為所有應(yīng)用開發(fā)者甚至所有ICT技術(shù)從業(yè)人員的一項基本技能。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)界顧慮較多的一個制約因素。而且我們認為，數(shù)據(jù)科學(xué)家將永遠是稀缺的。解決之道應(yīng)該是，以AI的思維解決AI的人才短缺。通過著力發(fā)展智能化、自動化、簡單易用的AI平臺和工具服務(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)，來解決AI人才稀缺問題。

2019年8月8日，華為基于對交通、零售、金融、制造、航空等17個重點行業(yè)的案例研究，并結(jié)合定量數(shù)據(jù)預(yù)測，進一步提出了面向2025的十大趨勢報告。

美國當?shù)貢r間8月18日，美國數(shù)據(jù)創(chuàng)新中心（Center for Data Innovation）發(fā)布針對中國、美國和歐洲三大地區(qū)的人工智能發(fā)展報告，報告顯示，目前美國在AI發(fā)展中仍然保持領(lǐng)先優(yōu)勢，中國緊隨其后，歐盟排名第三。