为什么要聚焦GTS、把人工智能的能力在服务领域先做好呢？对于越来越庞大、越来越复杂的网络，人工智能是我们建设和管理网络的最重要的工具，人工智能也要聚焦在服务主航道上，这样发展人工智能就是发展主航道业务，我们要放到这个高度来看。如果人工智能支持GTS把服务做好，五年以后我们自已的问题解决了，我们的人工智能又是世界一流。

　　首先，是解决我们在全球巨大的网络存量的网络维护、故障诊断与处理的能力的提升。我们在全球网络存量有一万亿美元，而且每年上千亿的增加。容量越来越大，流量越来越快，技术越来越复杂，维护人员的水平要求越来越高，经验要求越来越丰富，越来越没有这样多的人才，人工智能，大有前途。

　　我们现在用的是IP网，IP是牺牲时延来降低成本，路由窜来窜去的，哪个地方出问题，问题出在哪儿，都不知道。英国出现了问题，原因可能在德国。虚拟化软件和硬件又解耦了，未来网络中要更多地关注亚健康检查， 出问题前就要知道。明天网络还会越来越复杂，直播，越来越搞不定，故障不知怎么回事。华为在全球网络中占有三分之一的份额，这么大的存量网络维护难度也很大。网上的设备从遗老遗少，到时髦青年，还有新新人类，如果没有人工智能的自我学习、知识技能的不断扬弃，这张网只靠人怎么来维护？人是记不住这么多事故模型的。所以我们就要构筑这个能力，我们一定要在自动诊断、自动发现故障隐患这个问题上下工夫，不然将来我们的机构很臃肿，我们要在这里面敢于投入。

　　人工智能通过学习，可以使得专家只用聚焦解决最关键的10%的问题。一部分简单的问题可自动去实施，这样服务的专家就可聚焦解决关键问题了。精减下来的编制，可以全部给人工智能研究去招聘科学家与博士(当然包括茶博士、博士前)。

　　我们现在的基站安装，就是现场硬件装上去，我们在西安、罗马尼亚……做总调。以后发现问题，不一定要罗马尼亚去，我们当地发生的问题，经过全世界数据的自我学习以后，系统自己就可以调整解决，再把结果上报。我们通过专家分析和训练，校正机器算法的结构，在处理问题中提升算法，最重要是让机器有学习能力，而不仅是人有学习能力。

　　单纯用水泥修个房子是很脆弱的，风都能吹得倒，水泥里加点沙子加点石头就很坚硬，你要搞混凝土工程。做人工智能，一定要贴近实际，贴近需求，贴近客户。诺亚方舟实验室应在每个GTAC都应该设一个小组，天天和服务专家一起上班做故障处理，搞明白什么叫故障，故障是怎么发生的怎么排除的，它们数据模型是怎样的，他们不会在解决故障后来给你讲成故事。另外，还要熟悉网络是什么，若不是一个网络专家，你怎么能通过人工智能发现故障呢。亲身体会存在问题是啥，解决问题的方法是啥，这个不是GTS落地，而是2012实验室的责任，GTS相应团队可以投资和配合。

　　第二，是人工智能在网络大流量预测使得网络规划与优化从被动走向主动。

　　以成都这张网为例，随着视频业务发展， 过去1年4G用户增加75%全网流量增加70%，成都市区用户平均下载速率从35Mbps提升到40Mbps。那么，客户的挑战是如何在网络流量快速增长的同时，保障和提升最终用户的体验？随着网络承载的业务越来越丰富，越来越动态，就需要利用人工智能去主动的预测，去主动发现未来几个月的流量热点并对网络进行事前的调整。以后的网络是以数据中心为中心的网络，在网络的规划设计中，网络拉远共享带来了时延，拉近了则时延少了但数据中心就多了，几万个数据中心之间的数据调来调去就是个复杂的算法问题，这也需要人工智能在网络规划中发挥作用。为什么这么多年我一再鼓励，要有些学航天、地理、测绘、生物……等杂家进入服务体系来，就是要敢于用最先进的工具和方法解决问题。通过使用先进的工具，把网络的拓扑图拿出来，把卫星地图拿出来，再利用人工智能进行大流量预测输出一个流量图，然后把韩国的先进案例、四川的先进案例图拿来，一重叠，就能预测网络的流量机会在哪。通过流量非正常变动，发现事故苗子……。现在我们网络优化的模式都是事后的。根据你们的流量预测与自动规划的例子，以后可以做到提前预测，这样就在用户拥塞发生之前进行网络调整，提前避免问题。我知道你们不可能一步做完，但是我们一步一步往前走，我们一定能找到机会窗。虽然有的内容还只是演示没有进入全面实用状态，我相信今天的假，就是明天的真，我支持你们，我们一定要找到最实用最简单的方式为世界服务。我们构筑了这个大的机制和队伍，这么大的能力，就能更好地为客户服务。