军事史上有个世纪疑问：火炮这东西最早是中国发明的，但我们的祖先却没有把它发扬光大。欧洲的火炮却很快超越了中国，明朝时期已经需要向西方商人购买“红夷大炮”。
这个奇怪的现象当然有很多原因，而原因之一在于中国的火炮很少考虑实际应用中的若干问题。比如瞄准、散热、膛线、搬运，这些问题或许在技术层面上是细节，但在实战应用中却是要命的关口。通过改良各种细节，让火炮适应实战，才能发挥最大的作用。
由此可见，一个技术再好，不与现实世界结合也是没什么用的。
大炮的逻辑，今天似乎也可以套用到AI上。将AI与传统行业相结合，进行实际的效率成本改造，是一个大家都知道的方向，被学术界，科技行业认可为不可阻挡的趋势。
但这个趋势实际应该怎样做，如何在中国万千行业里推进，似乎一直都比较模糊。其中原因会不会在于AI平台和科技企业，过分着眼于AI技术的一面，却忽略了现实产业世界中“应用”的一面？
6月26日，是华为云中国行2018的第一站，当天展示了华为云对于这个问题的思考结果：用智能体打通物理世界的智能化。
实地采访之后，我们发现从技术世界走向现实世界的整个过程中，颇有一点兵法的味道。
纸上谈兵若许年：物理世界的智能困境
无论是AI还是大数据，本质上都是或长或短的函数与代码。当科技企业希望将AI技术推向制造业、农业、民生服务的时候，或许会突然发现，彼此已经在代码中沉睡太久了，变成了新时代的“纸上谈兵”
这个问题会自然而然地发生，事实上很难避免。一个技术如果不在实验室中的模拟环境中跑到成熟，也不可能尝试走向现实。但无论如何，物理世界的复杂度与阻碍因素，还是很容易被精于算法的AI专家所忽略。当我们沉湎于Alpha GO惊艳的棋艺时，往往忽略了围棋是一个理想化的运算环境，但大千世界并不是。
相比于虚拟世界一切都是代码和指数，物理世界中却可能面对各种各样的问题。比如企业对生产效率的要求，企业的成本，行业间的竞争关系，企业的数据与计算基础，甚至企业里是否有人能够驾驭AI，这在今天中国广袤而相对粗放的实体经济群落中都是巨大的问题。
一旦走向物理世界，我们就会发现AI在实验室中的最大估值开始举步维艰。很多美好的技术设想，都会面临企业中这样那样的问题，从而产生难以兼容的状况。
举个例子来看，我们知道用AI指挥交通是一个令人神往的设想，在模拟环境中经常也能带来强悍的交通调度能力。但在实际应用中却不是这么回事，每个路口的车流、人流都在不断变化，路面工程、改道、交通事故，等等因素都将瞬间影响交通AI的判断。甚至一个井盖，一株植物都可能给AI带来干扰。毕竟AI仅仅是数理模型，不会像人一样随机应变。
这种复杂的困境，在工业AI中更是突出。我们在讨论AI对工业的改造，往往聚焦于单个环节，甚至一部机器的AI化。而在物理世界中，工业是一个完整的体系，一部机器的快慢并不解决实际问题，却可能把整个工厂的成本拉大。
一方面是确实有价值的产业AI，一方面是花样繁多的障碍与阻隔，这件事如何解决呢？华为云给出的答案是，想要避免纸上谈兵，需要在物理世界中架设EI智能体。
一口箱子：如何理解EI智能体
华为云中国行中，对EI智能体给出的定义是：智能体=智慧大脑+智能边缘+联接+行业智慧。听起来有点复杂，现场随机采访了一些开发者，并与同行沟通后，发现大家也觉得有点难懂。
古龙小说里有个东西，或许可以帮助我们理解智能体到底是什么。《英雄无泪》里有件被称为天底下最可怕的武器，它的名字超好记：一口箱子。
一口箱子不是什么绝世神兵，拆开看它只是各式各样的零件、铁片和常人叫不出名字的零件，但是在实战中的时候，却能通过使用者精密的计算，最短时间中组合出一个完全克制对手的兵器，从而一招致胜。
在攻坚现实世界的企业AI难题时，EI智能体给出的也是类似一口箱子的思路：
首先要有足够聪明的高手，他是武器的操纵者，用智慧和判断指挥一切。在智能体中，扮演这个角色是背后统筹计算的智慧大脑。负责整个系统的运行、推理和再学习。
其次是要有足够的零件，这些零件是组合成可怕武器的基础，而且只有这些零件能够组合起来，一口箱子才有价值。这就像EI智能体沉积了大量AI技术与算法，能够为企业提供各种各样的AI服务。只有技术沉积够多，全联接能力足够强，才能随意组合出各行各业需要的解决方案。
然后是武者要有足够的反应速度，能够最短时间内组合出独立的武器，否则开打半天还没组合出武器那不是搞笑的吗？这就像EI智能体着重强调边缘计算技术，就传统行业真实情况而言，将所有需要处理的数据上传云端，既是不科学也是不现实的，只有采用合适的边缘智能方案，企业应用AI才有实际可能。
最后是要懂对手，一口箱子的特点是遇到枪能克枪，遇到刀能克刀，这其实是因为使用者懂刀懂枪。在智能体当中，这就是行业智慧，只有与各行各业的专家合作，与具体行业需求与产业周期融合，才能有适合各产业真实需要的“秘密武器”。
智慧大脑+智能边缘+联接+行业智慧，构成了华为云解决物理世界、产业世界AI难题时的一口箱子。而这个神秘物体，希望破解的是企业三个非常关键的问题，
犁庭扫穴：AI与传统行业间的三个必解决问题
EI智能体的价值与目标何在？
简单来说，就是用灵活、抽象层次高、可定制的智能平台能力，去补充实体经济与传统行业本身在面对AI时的先天不足。这些问题看似不归平台考虑，却是实体经济无法解决的，所以企业和AI真正结合，必须重点攻克这三个问题，为企业进入智能世界荡平现实门槛。
问题一：应用成本。AI很好，但是AI很贵。对于传统企业尤其是小微企业而言，AI的大量API应用成本、测试成本，都是令人忧愁的昂贵。而想要进行机器学习，数据是基本生产资料，数据带来的收集、清洗、学习成本，以及对数据安全的担忧，更是各类企业都非常头疼的。
华为云BU总裁郑叶来曾经说过，要让AI“高而不贵”，在用得起的基础上用得好、用得放心。为了解决这些问题，EI智能体从三方面努力让AI“高而不贵”：首先是在安全性和数据获取方案、迁移学习等领域，保证了企业数据的安全可控，以及容易收集，把最大的数据成本降下来；其次是基于云计算服务打通了整体架构，避免出现数据孤岛现象，避免断裂应用链给企业带来多余负担；再次，最重要的，当然是把核心AI应用的价格给降下来，让企业应用到实惠的AI能力。
问题二：行业周期。就像上文所说，每个行业都有自己独特的物理世界问题，各种复杂的困难都可能出现在AI面前，每个行业自身的产业周期规律，要求AI技术去适应行业本身。而竞争压力、成本压力等问题，也催使企业必须快速看到AI的成果。
为了解决这些问题，EI智能体首先提出云边端一体化的智能构建过程。灵活弹性地部署边缘智能，把AI模型与算法直接放到企业一侧。让企业不会必须把任务上传云端的尴尬。另一方面，边缘与终端系统还会进一步处理数据，不断上传云端大脑进行再学习，保证整个企业AI系统的可成长与再学习能力。
另一方面，EI智能体提供了快速训练，再简单的单机训练后快速获得到分布式计算等解决方案。从而让企业的智能化周期尽可能压缩。并通过线下服务、与行业专家结合的方式，适应企业的独特周期规律，将新技术与垂直职业的需求进行协调。
问题三：人才困境。招不到人，堪称实体经济AI化过程中的最大问题。EI智能体采用独特的技术解决方案，将复杂的技术进行嵌入，给到企业简单易用的操作方案。从而企业或许可以有两个更优选项：更少的技术人才，以及低技术要求的AI使用人才。这在企业迈过智能门槛过程中十分重要。
我们可以看到，这三个问题虽然看起来无关 学习、神经网络等AI核心问题，却是AI进入物理世界，进入产业化周期中无法避免的。不破除这些物理世界的障碍，企业应用AI就会陷入无穷无尽的“鸡生蛋”悖论。
物理世界中具有高度产业应用特征的AI正在走来，一场犁庭扫穴，或许就酝酿于足够的行业智能体酝酿之后。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
