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深度学习、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。