刚才说到智慧的问题，其实我最近也有思考，人不是不智慧，人是很智慧的，我有一个观点，因为我们现在所处的环境和发展出人类智慧的环境变了，也就是说不是我们不智慧，而是不能的进化跟不上我们的智慧，换在10万年前那时候的人是最智慧的，题外话啊。

今天非常高兴能够参加论坛，可以跟大家分享一下我们在电信运营商的角度人工智能做的研究，我们前面很到领导专家从学术上技术上都做了很多很深刻的分析，然后我更多的是从使用的角度，就是说人工智能在运营商里面和运营商提供服务的时候我们有什么点可以做，重点是在这个角度跟大家分享一下。

首先来讲就是人工智能从我们业务发展的角度来讲还是不断的变化，从几年前开始到现在仍然是持续升温的状态，这个就不多讲了，我想表达一个观点就是说人工智能不是一个单一的技术尤其是我们不仅仅是从学术研究这个角度看问题，而是从产业应用这个角度看问题的时候，我们不应该把人工智能抽离出来，单独考虑这个问题，我们是一系列技术的综合，只有这些一系列的技术有机的组合在一起的时候他的价值才是最大的，我们怎么样在技术体系上面把不同的技术综合起来，可以结合我们实际行业的应用场景，可以找到更加完整的解决方案，可能是我们接下来要面临的问题。

这样一些新的技术来讲他们的综合我觉得实际上引发我们新一的产业革命，为什么这么说？其实我对这个产业革命也做了一些分析，怎么样可以产生产业革命？就是这三个要素，人的要素还有生产成本还有交易成本的要素，在这几个要素里面发生了质变这个产业革命就会到来，这里面有很多技术，我们现在出现的很多技术在这个结构里面会发生很多的作用，比如说在交易成本里面，我们的区块链会重构我们的信用体系，我们的互联网+会冲沟我们的写作成本，AI会极大地降低我们的工资成本。

从产业发展的角度讲，我们前面如果我们研究AI的技术可能会有很多点，但是我们从产业发展从应用上面讲，人工智能的应用可能会有几个方面考虑，第一个可能就是从单一技术到综合技术，我们目前更多的是从一个点上去研究这个技术，去突破这个技术，去提升这个技术的能力，但是从实用的角度来讲，现实的问题往往复杂于我们现在认识的，怎么样能够从单一的技术到从不同的技术组合起来。

第二个方面就是从单一的场景，比如说视频监控，语音翻译，人脸识别，可能会涉及到大量不同的场景，怎么样可以更好的解决这种问题，还有一个就是从感知层到认知层，我们现在的AI技术从认知层还是有所欠缺的，还有一个就是刚才林教授提到这个问题，就是怎么样把人的智能和机器的智能有机的结合起来，这个话题可能在未来还有很多的空间探索，我们现在还看解决一个复杂的问题人的智能还是占大部分，我们只是在局部点上的做的机器智能，我们怎么样可以更有效更和谐的进行整合，这可能是我们未来会面临的问题。

再有就是要说到我们未来5G边缘计算，我们现在以来于大规模的GPU的集群做训练，很多场景是我们是先训练再使用，未来边缘各个传感器边缘节点都需要大量的智能，所以说从中心智能到边缘智能有很多应用层面上的智能。

我们从运营商的角度来讲，我觉得在AI时代到来的时候，我们也应该积极的探索AI能够给运营商带来什么，能够帮助运营商在业务发展的过程中，在运营的过程中，在为客户提供服务的过程中提供更好的价值，从运营商自身来讲我们有很好的数据资源，有很好的计算资源，包括数据中心，包括网络，有很多的应用场景，我们现在也依托开元的算法，还有研究机构还有其他公司合作，我们在算法上面也可以做很多的事情。

基于这些的设想，我们也想，以前我们都讲云管端这个体系，我们做了进一步的深化，我们在端上可能会考虑边缘计算，在管上我们可能会加入5G、物联网、SDN、NFV这个角度，我们在管上可能都会统一考虑进去。

接下来我想介绍一下我们认为运营商在AI这个大潮的时候我们有哪些机会具体可以做，这个可能也是个人的观点也不一定对，借这个机会跟大家探讨，第一个我觉得首先要发挥运营商的优势，尤其是在数据中心和网络方面的优势，我们可以打造AI的数据中心，我们可以在基础设施的层面，在面向AI服务器定制的场面，在能力层面，以及在服务层面。

这里面举个例子，如果我们要构建一个面向AI应用的数据中心，我们可能要对我们原有数据中心的硬件结构做一个优化，这里面就涉及到我们怎么样对AI的应用和迅速进行优化，我们也提出来比如我们对服务器进行定制，我们在这个过程当中我们要考虑比如说数据中心内部网络的需求，它是跟传统的数据中心是不一样的，我们在AI的数据里面从应用的角度来来讲，GDP和CPU或者不同类型的芯片怎么样有一个更好的配合，以及其他的一些问题，比如说内部的运用和服务的问题等等。

第二个方面就是在内部运营方面，其实主要是几个环节，比如说网络运营怎么智慧化，服务的运营还有业务开展，举个例子，比如说运营商都有大量的有线网络，无线网络，尤其是无线网络，它服务质量是变化的，并不是我们建好一个无线网络的时候他的服务质量就不会变化了，他是随着区域的变化，比如说人口的增加，比如说建筑的变化会变化，这个怎么样通过AI，怎么样通过这种深度学习的训练可以收集到足够的技术，更好的服务于我们网络的优化，能够体现发现问题，体现做好解决，这里面有很多工作可以做。

再比如说我们现在正在做的一个例子，比如说实名制，大家知道工信部对实名制有要求，要求我们用户在注册的时候对客户的信息进行各方面的验证，以前我们的这个工作需要大量的人工复检去检查，我们现在可以通过一些文本分析，图象识别，可能统一原处理的方式我们进行各式各样的筛查，提高我们的效率。

再有一个效率就是我们在行业方面，就是怎么样利用AI的技术服务于智能的行业应用或者说行业解决方案，比如说智慧城市，大家讲的也比较多了，我们这里其实也有一些局部的案例，我们在公安的领域利用AI的技术进行警勤的分析，这些线索可能有助于对警勤的分析，甚至说我们达到一定程度的时候我们能够利用我们的系统可以去辅助破案。

还有我们可以通过这样大量的数据的关联，我们可以去对这种威胁进行预警，这里面我觉得提出来一点就是跟我前面讲的，这里面需要的技术不是单一的技术，可能需要自然原处理的技术，需要顶层大数据的技术，上层推理技术，图象识别的技术等等一系列的技术，越是这样复杂的场景越需要多种的AI的、大数据、云的技术相配合。

再有一个比如说在医疗方面，我们也通过对大量的类似于电子病例的数据我们对这种慢性病的人群进行了分析，大家知道比如说举个例子，高血压，原来的高血压也是看几个指标，但是这种只是凭几个指标是不完善的，我们通过大量的这种电子病例的数据我们可以在这个数据之上我们可以去通过一些更加好的一些比如说神经网络的一些模型能够去把更多的因素考虑进来，我们可以通过这样的因素不断提升高血压人群的识别，我们可以通过位置的数据还有人群的数据我们可以对高血压人群的分布，或者高血压潜在因素对这些东西进行全面的分析，这样的分析可能对我们的城市的健康是非常有用的。

再有一个就是我们会构建AI的能力平台，发展到现在这个阶段在AI应用这个里面我们会更加依赖于数据，会以来于行业对AI的一些深度的需求，以及会越来越以来于多种能力之间的整合，所以如果我们从应用的角度讲，我们看AI的发展空间，可能不仅仅是单一的算法，而是一个综合的包括数据、包括需求、包括各种的能力的组合，运营商在这几个方面我们都有一些条件可以去做这个事情，我们可以构建一个面向AI的能力平台，我们可以把数据的因素，把需求的因素，把能力整合的因素，以及把能力发布端到端解决因素综合考虑进去，使得这样一个平台更加符合我去构建一个面向行业的AI的需求的这么一个更加有适用性的系统，通过这样的系统我们可以更有效支撑一些现实行业出现的问题。

这里面是一个例子，就是我们在做一个面向畜牧解决方案的时候我们可以通过大数据对畜牧各式各样轨迹的信息跟踪分析，通过这种分析构建出这种奶牛健康的情况，同时在这里面我们也可以用一些识别的技术对牛脸识别的技术，对每头牛的情况进行分析，这些分析跟前面轨迹的分析要打通。

我们基于这样一些能力平台，尤其是需要多种不同的能力的时候，通过这种能力平台我们可能就会提供一个端到端的解决方案。

我们特别希望可以跟科研机构，跟不同的厂家我们能够去进一步合作，能够在前面我们介绍的这种不同的领域里面去深度合作，能够共同的把这个AI这个领域更进一步的做深做强。

最后从运营商的角度讲我们从运营导向，从需求导向我们反过来来提升我们的需求能力。

谢谢大家，这是我的介绍。