补齐能力，让产业AI客户收获更多
用AI为企业护航保驾，提质增效，首先建立在自身技术体系完善，服务多样化，能力细颗粒化的基础之上。
EI今年做的第三件事，就是在打通对外两条路的同时，修炼内功。从技术能力提供上看，2018年内，华为云EI全年共商用超过20种服务，另有多种服务公测中。同时，通过参与很多竞赛与测试，稳固了AI前沿领域探索的身位，并且拓展了合作伙伴图谱，为客户提供更优质技术选择。
同时，EI智能体的解决方案，可以看作EI在产品服务领域的深化和自我补完。面对物理世界复杂的现实问题，企业客户不仅需要简单的技术对接，同时需要集合了行业智慧、智慧大脑、智能边缘、端侧感知体系的一整套灵活解决方案与统一架构。在商业服务模型上补完了与客户间最后一公里的连通能力。
补完技术、产品、服务的三种形态结合体，可以看作是EI不断成熟的标志，也是更多行业＋AI深度融合可能的肇始。
深入实践，探索总结产业AI规律
如果从更大的行业趋势上看，EI一年多的探索，最重要的价值是解决了这样一个问题：当AI进入产业，进入垂直行业，进入某家具体的公司／机构／工厂，到底会发生什么？
要知道，之前是懂AI的人不懂企业；懂企业服务的人不了解AI，两边整个一个摸黑开打。
在陌生的雾霭中，一点光亮，一份地图都如此重要，这也可以视为EI在2018留下最长远的价值。
通过深入行业，经历反复的沟通与探索、成功与失败，EI给出了关于产业AI的直接答案。
EI的三个重要发现已经广为人知，成为了行业普遍奉行的常识：
首先，AI正在让IT技术由支撑系统走向生产，AI在很多生产领域可以直接创造价值。通过与不同类型、不同地域、不同行业的企业与组织机构，包括交通、医疗等公共服务领域深度结合，EI证实了AI技术在真实的中国产业空间中有前途，有价值。AI与产业融合之路不仅在论文中和PPT上，还在一个个案例汇总出的数据与生产力关系中。
其次，行业智慧和AI结合仍是难点，也是AI接下来的探索方向。今年EI得出的一个“金句”是这样说的：“一个好的问题胜过十个算法工程师”。意思就是在真实的产业中，萦绕着大量在外部无法窥视其真谛的行业问题与行业智慧。AI不是万能钥匙，而是一种加速器和润滑剂，归根结底要与行业中真实的人、技术、产业关系相互连接。在AI跃跃欲试的今天，行业智慧是否准备好了呢？这个问题将是接下来产业AI主要需解决的问题，同时也是众多创业企业可以探索的新赛道。
再次，行业大数据至关重要，但目前首要问题来自算力稀缺。机器学习的原理，是用智能体学习行业数据，反向给出趋近于智慧的生产力解决方案。那么这个过程中，智能体学习的行业数据就成为一切的基础。然而在今天，实际情况是各行各业在生产大量数据，但这些数据却面临着收集、存储和学习上的困难——这就是算力饥饿问题。如何将优质、性价比高的算力惠及各行各业，是产业AI最先需要解决的问题。这让我们知道了，在错综复杂的产业实践中，AI今天需要面对的首要矛盾在何处。
这些来自真实案例和数据的发现，在这一年里与我们一同劈开了AI身旁层层笼罩，云山雾罩的名实之辩。华为云EI用真枪实弹证明了一个简单的产业AI公式：这东西可以做，必须与行业结合来做，有些问题要马上做。
结束语：最大的重量，莫过于现实
总结一下EI的第一年旅程，大概是这样的：向企业市场证明了AI的价值，向开发者输出了入口，向内夯实了产品与服务，为长远发展探索出了产业AI的市场逻辑甚至战略雏形。
这些当然可以看作是功劳，然而也不妨视之为开始。接下来的2019，EI一年中的收获可以视作昇腾芯片挺入市场的连接器，亦不妨看作产业AI生态的基础建设。攻算力，连接行业智慧，提供全场景解决方案，AI与产业的故事还大有可为。
很多技术到来之初，我们都会觉得它很神秘，很有重量。这是很自然的事情。然而最大的重量莫过于现实。敢于在现实世界中称量新的可能，始终是科技产业中最具勇气的一种跨越。
人工智能的落地，尤其是行业＋人工智能，在今天来看依旧是一首理想主义的高歌，只有用贴近尘土的方式，才让AI在数字中国生根发芽。
当AI真的切入现实，或许我们真正需要的态度就是这样——仰望前沿技术的广阔与无边想象力，同时要向现实中去求取智慧，与真实的产业经济体相结合。敢于向现实的最深处探索，同样也是一种勇气，这也是我们对EI的期许。
