2016年的数据显示，如果把北上深三城的研发经费加起来，共计3300亿元，相当于全国研发经费的22%。2017年，华为公司的研发支出达到897亿元，仅次于广东、江苏、山东、北京、浙江、上海，而高于25个省级行政区。
来源:城市战争(ID:sunbushu123)
作者:孙不熟
近日，国家统计局发布了《2017年全国科技经费投入统计公报》。公报显示，2017年全国共投入R&D经费17606.1亿，增长12.3%，与GDP的比值为2.13%，比上一年提高了0.02个百分点。-费占全
R&D经费——是一个听上去仍然有点陌生的名词，它的公众知名度远远不如GDP、财政收入、港口吞吐量、机场吞吐量、资金总量，但在未来，这个指标可能会成为一个城市、一个地区经济竞争力的决定性因素。
R&D经费为什么如此重要？今天，中国经济的成本优势已经不在，产业与资本向东南亚转移的动力空前强大。
这个时候，希望成本再降下来是不可能的，继续山寨发达国家的技术也是不可持续的，唯有依靠自主创新，与发达国家硬碰硬，中国才能在全球市场有一处体面的立足之地，否则就会像历史上的很多国家那样陷入“中等收入陷阱”。放眼世界经济史，真正从后发国家迈入世界强国的经济体寥寥无几，数来数去也就东亚地区的几位“拼命三郎”——日本、韩国、新加坡、中国香港、中国台湾等等。-22
这些成功跨越“中等收入陷阱”的经济体中，中国香港和新加坡是城市经济体，靠的是得天独厚的港口与制度优势，而日本、韩国、中国台湾则靠的是自主创新，三者在电子产品、半导体、汽车、造船等大工业领域可与欧美国家平起平坐。-费占全
创新靠什么呢？除了靠智慧和情怀，更重要的是舍得砸钱、砸钱、砸钱，这就体现为R&D经费（研发投入）。中国最具国际影响力的科技公司华为，2017年的全球销售收入达到6036亿元，而研发支出达到897亿元，接近销售收入的15%。如果把华为列为一个省级经济体，其研发支出可以排名全国第7，仅次于广东、江苏、山东、北京、浙江、上海，高于25个省级行政区。-22
可以说，一个城市、一个省的竞争力到底强不强
数据来自《2017年全国科技经费投入统计公报》
可以说，各省的研发投入差距非常大，最高的是广东与江苏，分别超过2000亿元，而贵州、青海、海南等省份则只有几十亿元。
以下是公众号“西部城事”制作的排行榜：
西部君
如图表所示，广东、江苏一档，R&D经费超2000亿；山东、北京、浙江和上海位居第二档，R&D经费超1000亿。
这个图表与2017年各地的GDP排序高度重合。R&D经费总量排在前十的省（市），有八个位列2017年GDP十强，剩下两个是直辖市北京和上海。这也可以看出北京和上海在科研上的投入力度之大。
再来看看城市版的排名，以下是第一财经统计的2016年R&D经费数据：
图片来源：第一财经日报
这是完整版的统计：
城市
2016年R&D经费（亿元）
占GDP比重
北京
1479.8
5.94%
深圳
800
4.10%
上海
1030
3.80%
厦门
118
3.11%
武汉
370
3.10%
杭州
343
3.10%
合肥
194
3.09%
南京
320
3.05%
天津
537
3.00%
长沙
270
2.90%
青岛
263.7
2.84%
无锡
260
2.82%
苏州
416
2.70%
佛山
224
2.60%
宁波
214
2.50%
东莞
157
2.50%
广州
451
2.30%
济南
142.5
2.18%
成都
258
2.12%
郑州
142
1.78%
重庆
300
1.70%
数据来源：第一财经日报根据各地统计公报统计得出
以上数据传递出这样几点信息：
01
R&D经费不均衡程度远超GDP，一个广东超过三个东北
R&D经费不均衡的程度，要比GDP的地区差异还要大。比如2017年，GDP总量全国第一的广东为89879.23亿，黑龙江省的GDP是16199.9亿元，前者是后者的5.55倍，而R&D经费总量第一的广东是2343.6亿，黑龙江只有146.6亿元，前者是后者的15.99倍。-费占全
2017年，东北三省的GDP加起来是55430.8亿元，相当于广东省的62%，而东三省R&D经费加起来只有704.5的亿元，仅相当于广东省的30%。这在一定程度上说明广东不仅经济总量比整个东北要大，发展后劲也比东北大得多。-22
02
北上深研发经费占全国22%
论研发经费的总量，北上深高居第一梯队，天津、广州、苏州、武汉、杭州、南京居第二梯队。值得注意的是，天津的研发经费超过了广州，苏州、武汉则超过了杭州、南京。
2016年的数据显示，如果把北上深三城的研发经费加起来，共计3300亿元，相当于全国研发经费（15440亿元）的22%，而三个城市的GDP之和只相当于全国的9.5%，反映出创新经济的地理分布比GDP更加不平衡，中国的创新经济高度集中在几个热点城市。-费占全
03
华为一家公司的研发经费超过25省市
单纯看研发经费也是不科学的，因为它忽略了研发经费的来源以及转化情况。中国城市的研发经费主要来自科研院校、央企、民营企业。其中北京、上海拥有其他城市无可比拟的高等院校与央企资源，二者都是刷R&D经费的利器。-22
有数据显示，北京的研发经费中大约80%来自科研院校，而深圳的研发经费90%以上来自企业，显示两座城市在研发气质上的区别。以深圳的龙头企业华为为例，这家企业2017年的研发支出为897亿元人民币，如果把华为列为一个省级经济体，可以排名全国第7，仅次于广东、江苏、山东、北京、浙江、上海，高于25个省级行政区。-费占全
2016年，欧盟委员会发布了一个“2016全球企业研发投入排行榜”，前100名中有9家企业上榜，其中北京有4个，深圳2个，新竹2个，台北1个。
企业
全球排名
研发经费（单位／亿欧元）
华为（深圳）
8
83.58
中兴（深圳）
65
19.54
台积电（台湾新竹）
70
18.27
中石油（北京）
79
16.78
鸿海精密（台北）
90
14.63
中国铁路总公司（北京）
91
14.55
百度（北京）
93
14.44
中国中车（北京）
96
14.08
联发科（台湾新竹）
98
13.8
04
哪些城市的研发强度高？
除了总量数据，国际上还常用研发经费占GDP比重来衡量一个地区的研发强度。北京以5.94％的研发强度高居榜首，甩开上海、深圳一个身段，深圳的研发经费总量虽不如上海，但研发强度超过了上海，达4.1%。
研发强度超过3%的城市还有厦门、武汉、合肥、杭州、南京、天津，显示这些城市较高的研发强度。这些数据是什么概念？据公开资料，全球这一比例最高的经济体分别是以色列(4.4%)、芬兰(3.9%)、韩国(3.7%)、瑞典(3.4%)、日本(3.3%)、美国(2.8%)、德国(2.8%)等国家。-22
另外值得一说的是广州，其2016年的研发经费约451亿元，次于北京、上海、深圳与天津，排名第五，而研发强度（研发经费占GDP比重）只有2.3%左右，而武汉、南京、杭州、合肥等省会城市的研发强度已超过3%。-费占全
05
哪些城市的创新成果多？
研发投入只能反映一个企业、一个城市对创新的重视程度，而创新成果则需要发明专利等数据来衡量，以下是一些公开数据：
这是各大城市年度发明专利授权量比较：
城市
2016年国内发明专利授权情况（单位／件）
城市
2016年国内发明专利授权情况
北京
40602
宁波
5669
上海
20086
天津
5185
深圳
17665
重庆
5044
苏州
13267
济南
4503
南京
8705
哈尔滨
3695
杭州
8666
沈阳
2853
广州
7669
大连
2309
成都
7190
厦门
2028
西安
7190
长春
1980
青岛
6561
香港
630
武汉
6514
澳门
25
数据来源：国家知识产权局
这是各大城市有效发明专利拥有量：
城市
有效发明专利拥有量（截止2016年12月）
城市
有效发明专利拥有量（截止2016年12月）
北京
166722
青岛
18290
深圳
95370
宁波
18227
上海
85049
重庆
16737
苏州
40724
济南
14628
杭州
36579
哈尔滨
13372
南京
33458
沈阳
11108
广州
30305
大连
9625
成都
25198
厦门
7291
天津
22663
长春
6960
武汉
24460
香港
4626
西安
24368
澳门
90
数据来源：国家知识产权局
这是2016年发明专利授权量TOP10企业：
专利权人名称
2016发明专利授权量
国家电网公司（北京）
4146
华为技术有限公司（深圳）
2690
中国石油化工股份有限公司（北京）
2555
中兴通讯股份有限公司（深圳）
1587
京东方科技集团股份有限公司（北京）
1228
腾讯科技（深圳）有限公司（深圳）
1027
珠海格力电器股份有限公司（珠海）
871
中国石油天然气股份有限公司（北京）
867
联想（北京）有限公司（北京）
763
上海华虹宏力半导体制造有限公司（上海）
721
数据来源：国家知识产权局
各大城市2016年的PCT国际专利申请量：
城市
2016PCT国际专利申请量
城市
2016PCT国际专利申请量
深圳
19647
宁波
268
北京
6651
厦门
229
广州
1642
重庆
162
上海
1560
天津
153
苏州
1088
西安
138
青岛
906
大连
125
武汉
712
济南
84
杭州
538
沈阳
58
香港
480
长春
55
成都
450
哈尔滨
45
南京
384
澳门
17
数据来源：国家知识产权局
一般来说，只有真正打进国际市场的企业才会去申请PCT国际专利，所以这个专利的含金量是比较高的，它可以反映一个企业、一个地区在国际经济体系中的竞争力。2016年，广州的PCT国际专利申请量达1642件，近年来首次超过上海，居全国第三，这个成绩还是不错的。-22
06
中国创新指数列全球第22位，深港联合体居全球第二名
2017年，世界知识产权组织、美国康奈尔大学、英士国际商学院合编的2017年全球创新指数报告（GII）联合发布，中国的创新指数排名从2016年的第25位上升至第22位，仍是进入第一集团（前25名）中唯一的中等收入国家。 -费占全
2017年，GII今年还特别发布了一个区域创新集群的榜单，共评选出全球100个科创聚落，其中美国以拥有32个科创聚落排名全球第一，其次是德国12个，日本8个，中国7个，法国5个，韩国与加拿大各4个。
这是GII评选出的全球最重要的25个科创聚落，数据显示，深圳——香港联合体的创新指数超越硅谷，居全球第二。
进入全球TOP100的科创聚落中有7个来自中国，分别是深港、北京、上海、广州、杭州、南京、苏州等7个聚落，全部属于沿海三大经济圈，表明这7个地区是受到国际认可的科创聚落。
排名
科技聚落
PCT国际专利申请数量
份额最大的企业1
东京－横滨（日本）
94079
三菱电机2
深圳－香港（中国）
41218
中兴3
圣何塞－旧金山（美国）
34324
谷歌4
首尔（韩国）
34187
LG5
大阪—神户—京都（日本）
23512
村田机械6
圣迭戈（美国）
16908
高通7
北京（中国）
15185
京东方8
波士顿—剑桥（美国）
13819
麻省理工学院9
名古屋（日本）
13515
丰田10
巴黎（法国）
13461
欧莱雅11
纽约（美国）
12215
IBM12
法兰克福—曼海姆（德国）
11813
13
休斯顿（美国）
9825
14
斯图加特（德国
9528
15
西雅图（美国）
8396
16
科隆—杜塞尔多夫（德国）
7957
17
芝加哥（美国）
7789
18
艾恩德霍芬（荷兰）
7222
19
上海（中国）
6639
阿尔卡特朗讯20
慕尼黑（德国）
6578
21
伦敦（英国）
6548
22
特拉维夫（以色列）
5659
23
大田（韩国）
5507
24
斯德哥尔摩（瑞典）
5211
25
洛杉矶（美国）
5027
63
广州（中国）
1670
华南理工大学……
85
杭州（中国）
1213
阿里巴巴……
94
南京（中国）
1030
东南大学……
100
苏州（中国）
956
科沃斯机器人这是全球创新指数报告（GII）描绘的全球创新地图：
小结：
科技是第一生产力，这句话会越来越正确。一个不重视研发、不重视创新的城市，就不会具备高等级的竞争力。未来世界，内容为王，城市运营也不例外，应该从过去的“流量思维”转变为“内容思维”，从“招商引资”转变为“自主创新”，从“筑巢引凤”转变为“浮鸡下蛋”。-22
延伸阅读：
《华为正式发布AI发展战略（附PPT+实录）》
来源：5G
导读
10月10日上午的“华为全联接大会”上，华为轮值董事长徐直军作了精彩报告《打造无所不及的智能，构建万物互联的智能世界》，系统阐述了华为的AI发展战略，以及全栈全场景AI解决方案，其中包括全球首个覆盖全场景人工智能的Ascend系列IP和芯片（请详见下文），并发布了2颗全新的AI芯片：“昇腾910”和“昇腾310”。5G微信公众平台（ID：angmobile）在大会现场为您报道。徐直军表示，人工智能也是一种通用目的技术，正在改变我们的社会和每一个行业，华为致力于实现“普惠AI”，为用户提供“用得起、用得好、用得放心”的AI服务。-费占全
以下是徐直军的报告全文：
page
1
AI是ICT产业60年发展的总成果
1956年，时任达特矛斯学院助理教授的约翰·麦卡锡组织召集了达特矛斯讨论，正是在这次会议上，第一次正式提出了“人工智能”的定义。从那以后的60年里，人工智能经历了两次发展的低谷，即所谓的“冬天”，但其发展的脚步并未就此停止。-22
1971年，英特尔发布了第一颗微处理器。50多年来，摩尔定律见证了ICT产业的蓬勃发展。
如果我们把AI产业和ICT产业这六十年的发展轨迹画到一起，那么大致应该是图中的样子。概括来说，人工智能与ICT产业的总体发展水平密切相关，学术研究发现和工程技术发展相辅相成。
而AI产业两次“冬天”的出现，都是因为社会对AI的应用期望大大超越了ICT产业工程水平的发展现实。所幸的是，“冬天”并不是结束，而是每一次“春天”的开始。
今天，我们再次进入了“收获”的季节。这是60年来全球ICT学术界和工业界长期耕耘，相互合作的成果。
面向未来，我们应该充分用好人工智能技术，抓紧收获，努力扩大收获成果，同时要让收获的季节持续的更长一些，把人工智能（AI）建在赤道上，永远生机勃勃。
page
2
人工智能是一种新的通用目的技术
任何技术只有准确的定位，才会充分发挥其价值。给人工智能技术进行合理的定位，是我们理解和应用此技术的基础。
如同公元前的轮子和铁，19世纪的铁路和电力，以及20世纪的汽车、电脑、互联网一样，华为认同：人工智能是一组技术集合，是一种新的通用目的技术（GPT）。
加拿大学者Richard G Lipsey在其著作《经济转型：通用技术和长期经济增长》一书中提出：社会经济的持续发展是靠通用技术的不断出现而持续推动的。所谓通用技术，简单理解就是要有多种用途，应用到经济的几乎所有地方，并且有巨大的技术互补性和溢出效应。-费占全
经济学家们认为，人类发展到今天，总共有26种通用技术，人工智能就是其中一种。
我之所以强调人工智能是一种通用技术，是期望大家重视人工智能对未来的巨大影响和价值。人工智能作为一种通用技术，不仅可以使我们以更高的效率解决已解决的问题，也可以解决很多没有解决的问题。
是否具备真正的人工智能思维，是否以人工智能的理念和技术解决现在和未来的问题，是我们能否在未来构筑领先竞争力的关键。
华为在实践中发现，人工智能不但可以替代人，还能够自动降低生产成本。这是人工智能与信息化最大的不同，也是其最有价值的特点。
page
3
人工智能将改变每个行业，每个组织
人工智能触发的产业变革，将涉及所有行业。我们在座的每一位都要思考，我所处的行业是否会被人工智能技术改变，甚至被彻底颠覆。如何以一种全新的模式，重构各自行业和企业，是我们在未来都要思考和实践的。
今天，我们可以清晰地预测到，人工智能将改变或颠覆如下行业：
智慧交通将大大提升通行效率；
个性化教育将显著提升教师与学生的效率；
精准预防性治疗有望延长人类的寿命；
实时多语言翻译交流再无障碍；
精准药物试验可以显著降低新药成本，缩短发现周期；
基于AI的电信网络的运维效率将大大提升；
自动驾驶和电动汽车将颠覆汽车产业等。
从华为云EI和HiAI发布以来的短短1年间，我们深切感受到了前所未有的热潮。
除了对行业带来的改变，人工智能还将改变每一个组织。
18世纪以来的历次技术革命，每一次都会对组织的结构、作业流程和人员能力等产生巨大影响。
从工作岗位和人员能力角度看，人工智能推动此次变革将有一个明显的不同：以往的历次变革总会产生大量的重复性日常工作需求，比如纺织厂的设备操作，汽车制造流水线和手机制造流水线等。
但是人工智能将在几乎每个方面提升自动化水平，因此大量的重复性日常工作岗位需求将大幅度缩减。与此对应的是，需要增加对数据科学工作岗位的需求，例如数据科学家、具备一般性数据科学能力的数据科学工程师等。这些岗位的数量将远远少于当前重复性日常工作岗位。-22
因此，我们认为，未来的组织人员构成可能是菱形的，其中大量处于底部的基础性、重复性日常岗位会被AI所取代。
page
4
改变刚刚开始，选择正确的问题比寻找新奇的方案更重要
其实，人工智能触发的各种改变，才刚刚开始。改变历来都是几家欢喜几家愁，特别是改变刚开始的时候.
我们可能会因为见证了AI实现了以前想都不敢想的某个功能而兴奋，从而产生加速广泛采用AI的冲动。也可能会因为，某个AI项目进展不如预期、或者担忧AI的应用安全可靠而焦虑，从而对未来的如何运用AI产生困惑。-费占全
从历史上所有通用目的技术的发展历程来看，这些都是正常现象。
我们刚刚经过了AI技术与应用的局部探索阶段，目前正处于第二个阶段。在这个阶段，从技术视角看，一方面AI技术日趋完善，同时又暴漏出越来越多的问题；从应用视角看，一方面AI的应用日渐广泛，价值持续得以确认，但同时政策环境、公司流程、组织人员等都是主要面向以往的技术的，比如信息化和互联网时代的技术，还没有为智能技术时代的到来做好准备，因而时常产生碰撞，甚至冲突。-22
AI技术终将赢得属于自己的社会环境，那时我们将迈向AI应用与生产力提升全面快速发展的第三个阶段。
在迎来新的GPT技术之前，我们将持续见证和享受这一黄金发展期，即第四阶段。但我们也要清醒的认识到，人工智能不是万能的，人工智能有它能解决的问题，也有它不能解决的问题。
我们应充分聚焦人工智能能解决的问题、聚焦其创造价值的领域，而不是把精力花在人工智能不能解决的问题或不能创造价值的领域。因为选择正确的问题比寻找新奇的方案更重要。
page
5
今天，令人兴奋的落差
千里之行始于足下，让我们看看人工智能今天的状况：
一方面，下面一系列大数字让我们感受到了人工智能产业发展的“辉煌”：
2017年发表的机器学习论文数是2万篇；
全球有超过22个国家发布了AI计划；
2017年新诞生了1100多家AI startup公司；
2017年与AI相关的兼并收购金额达到240亿美元；
2017年与AI相关的VC投资达140亿美元。
另一方面，下面的一系列小数字又让我们感受到了人工智能初级阶段的“冷静”：
只有4% 的企业已经投资或部署了AI；
只有约2% 零售商已经投资或部署了AI；
只有约5% 部署的智慧城市 中正在使用AI；
2017年只有约10%的智能手机内置了AI；
全球AI人才的供需比仅有1%。
“辉煌”与“冷静”之间的差距，正在凝聚产业发展的巨大动力。所谓“山雨欲来风满楼”，这种落差令人兴奋。
page
6
十大改变，开创未来
要解决人工智能“辉煌”与“冷静”之间的巨大落差，开创未来，我们要从技术、人才、产业这三个方面进行主动的变革。今天，我和大家分享十个有关人工智能技术、人才和产业的重要变革方向。
改变之一：缩短训练模型的时间
按照目前的技术水平，训练某些复杂模型时往往需要数天甚至数月，而成功的创新发现往往需要多次迭代，这种训练速度严重制约了应用创新。我们认为，未来模型的训练要能在几分钟、甚至几秒钟内完成。
改变之二：充裕经济的算力
算力是AI的基础，但目前的算力非常昂贵，是一种稀缺资源。如果说算力的进步是当下AI大发展的主要驱动因素，那么，算力的稀缺和昂贵正在成为制约AI全面发展的核心因素。我们认为，算力应该是充裕且经济的，并且这种需求应该尽快实现。-费占全
改变之三：人工智能要适应任何部署场景
混合云已经成为企业采用云服务的主要模式，当前的AI主要在云，少量在边缘，与企业的业务环境的结合有待进一步深入。我们认为，未来AI将无处不在，要能够部署在任何场景，并确保用户隐私得到尊准和保护。
改变之四：更高效更安全的算法
算法是推动AI发展的另一个主要动力，但目前运用的主要算法多诞生于1980年代。随着AI的广泛普及，这些算法的不足愈发明显。我们认为，未来的算法，要能够基于更少的数据需求，即数据高效。也要能够基于更低的算力和能耗，即能耗高效。同时要解决自身的安全问题，并实现可解释…等等，这都是AI全面发展的重要技术基础。-22
改变之五：更高的自动化水平
今天的人工智能，自身还需要大量的人工，特别是在数据标注环节，今天甚至还诞生了一个新的职业叫“数据标注师”。有人调侃说，今天的人工智能，是没有“人工”就没有“智能”。
我们认为，应该大大提升AI自身的自动化水平，比如在数据标注、数据获取，特征提取，模型设计和训练等环节，要实现自动化或半自动化。
改变之六：模型要面向实际应用
2018年6月，伯克利大学的助理教授 Benjamin 等发表了一篇题目奇怪的论文，其中指出，在CIFAR-10分类器上测试准确度出色的模型算法，却在作者创建的与CIFAR-10非常接近的另一测试集上出现了偏差，分类识别准确率下降了5-15个百分点不等。这也就意味着，这个模型算法的可用度大幅度下降。-费占全
由此，可见当前很多优秀的模型算法，更多的是“考试”优秀，还未达到“工作”优秀。
我们认为，未来的模型必须实现工业级的优秀，即满足工业生产的需要，而不仅仅满足于测试集上“考试”优秀。
改变之七：模型更新
模型的准确率并非是一成不变的，而是会随着数据分布、应用环境和硬件环境的变化而变化，始终保持准确率在期望的范围内对于企业应用是必须的。但目前的模型更新是非实时的，依赖人工周期性的更新，因此是一个半开环的系统。-22
我们认为，未来的模型要能及时适应各种变化，实时更新，实现闭环系统，保证企业AI应用始终处于最佳状态。
改变之八：人工智能要多技术协同
每一个通用目的技术，只有与其它技术充分协同配合，才能发挥到极致，创造巨大的经济价值。AI也不例外，但在目前我们探讨AI时，更多的是仅仅聚焦AI本身。
我们认为，AI需要与云、物联网、边缘计算、区块链、大数据、数据库…等技术充分协同，如此才能发挥更大价值。
改变之九：人工智能要成为由一站式平台支持的基本技能
今天，AI还是一项只有具备高级技能的专家才能完成的工作，成熟、稳定、完善的自动化工具还比较缺乏，获得一个AI模型还是一个非常复杂，耗时耗力的事情。
我们认为，应该有一站式平台，提供必需的自动化工具，让AI应用开发更容易，更快捷。从而，使AI成为所有应用开发者甚至所有ICT技术从业人员的一项基本技能。
改变之十：以AI的思维解决AI的人才短缺
AI人才的短缺，特别是数据科学家的缺乏，一直是业界顾虑较多的一个制约因素。而且我们认为，数据科学家将永远是稀缺的。
解决之道应该是，以AI的思维解决AI的人才短缺。通过着力发展智能化、自动化、简单易用的AI平台和工具服务，以及提供培训教育，培养大量的数据科学工程师，使他们能完成大量基本的数据科学相关工作。
通过这些大量的数据科学工程师与数据科学家和各领域专家相互配合的梯形结构，来解决AI人才稀缺问题。
这十个改变，一定不是AI技术、人才、产业发展的全部，但都是未来发展的重要基础。
page
7
华为的AI发展战略
这十大改变既是华为对AI产业发展的期望，也是华为制定AI发展战略的源动力。
基于这十大改变，华为的AI发展战略包括五个方面：
①投资基础研究：在计算视觉、自然语言处理、决策推理等领域构筑数据高效（更少的数据需求） 、能耗高效（更低的算力和能耗） ，安全可信、自动自治的机器学习基础能力；
②打造全栈方案：打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案，提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台；
③投资开放生态和人才培养：面向全球，持续与学术界、产业界和行业伙伴广泛合作，打造人工智能开放生态，培养人工智能人才；
④解决方案增强：把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力；
⑤内部效率提升：应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量；
page
8
华为的AI解决方案
这张图就是华为的全栈全场景AI解决方案：
我们提出的全场景，是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境。
我们说的全栈是技术功能视角，是指包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案。
华为的全栈方案具体包括：
①Ascend：基于统一、可扩展架构的系列化AI IP 和 芯片，包括Max，Mini，Lite，Tiny和Nano等五个系列。包括我们今天发布的华为昇腾910（Ascend 910），是目前全球已发布的单芯片计算密度最大的AI芯片，还有Ascend 310，是目前面向边缘计算场景最强算力的AI SoC；-费占全
②CANN：芯片算子库和高度自动化算子开发工具MindSpore，支持端、边、云独立的和协同的统一训练和推理框架；
③应用使能：提供全流程服务（ModelArts），分层API和预集成方案。
2018年4月，华为发布了面向智能终端的人工智能引擎HiAI；
2017年9月，华为发布了面向企业、政府的人工智能服务平台华为云EI。
今天，我们发布的全栈全场景解决方案是对华为云EI和HiAI的强有力支撑。基于这个解决方案，华为云EI能为企业、政府提供全栈人工智能解决方案；HiAI能为智能终端提供全栈解决方案，且HiAI service是基于华为云EI部署的。-22
此外，5G微信公众平台（ID：angmobile）了解到，徐直军还发布了华为的2颗全新的AI芯片：“昇腾910”和“昇腾310”。
徐直军说：“外界一直在传华为在研发AI芯片，今天我要告诉大家：这是事实！”
昇腾910：计算密度在业内最大
徐直军称昇腾910是“计算密度最大的单芯片”，采用7nm工艺制程，最大功耗为350W。
昇腾910具体的性能数据很强，半精度为（FP 16）：256 Tera FLOPS，整数精度（INT 8）：512 Tera FLOPS，128通道 全高清视频解码器- H.264/265。
芯片的性能怎么样？华为和友商对比了一下。这场battle的参赛选手包括谷歌TPU v2、谷歌TPU v3、英伟达 V100和华为的昇腾910。
“可以达到256个T，比英伟达 V100还要高出1倍！”
昇腾310：高效计算低功耗AI SoC
以为部署在服务器端的910就是华为大招的全部？Naive，徐直军这次带来的，还有一张部署在边缘设备的芯片。
“这是一款极致高效计算低功耗的AI SoC。”徐直军这样说，从西服里掏出来一个芯片。
边缘系列的昇腾芯片用武之地要亲民得多，智能手机、智能附件、智能手表等边缘设备，都是边缘系列的昇腾芯片的容身之所。后续，华为还将推出一系列AI产品。
总体来说，华为人工智能的发展战略，是以持续投资基础研究和AI人才培养，打造全栈全场景AI解决方案和开放全球生态为基础：
面向华为内部，持续探索支持内部管理优化和效率提升；
面向电信运营商，通过SoftCOM AI促进运维效率提升；
面向消费者，通过HiAI，让终端从智能走向智慧；
面向企业和政府，通过华为云EI公有云服务和FusionMind私有云方案为所有组织提供充裕经济的算力并使能其用好AI；
同时我们也面向全社会开放提供AI加速卡和AI服务器、一体机等产品。
我们提出的全场景意味着华为有能力实现智能无所不及，构建万物互联的智能世界。
“全栈”意味着华为有能力为AI应用开发者提供强大的算力和应用开发平台；有能力提供大家用得起，用得好，用的放心的AI，实现“普惠AI”。
最后，感谢大家来到全联接大会“”！华为希望和在座的各位一起努力，让人工智能不再是高高在上，而是走向普惠大众！华为希望能够和客户、产业伙伴、学术界等一起，合作共赢，打造无所不及的AI，构建一个万物互联的智能世界！-费占全
【友情提示】
中国经济学人官方微信号（英文版）全新上线，
亲们快来扫下方二维码关注吧~~~
ChinaEconomist An English language periodical that publishes original academic papers and research reports on the Chinese economy-22
