在GTS选定的站点作业、网络集成、网络维护、网规网优等关键场景，在业务模型、算法、平台和数据上要加大投资，具体的人力与费用在战略规划未来的时间链中落实。

　　要开发公司统一的人工智能软件平台，把算法、知识、方法、经验等都固化在平台上，首先在GTS实践和应用，未来也可以为公司其他业务提供支撑。数据底座的投资更需要加大，作为长期的基础工程来建设，有了高质量的数据基础，人工智能才能发挥作用。

　　2012实验室的科学家要紧密与服务工程师合作，由熟悉理论和算法的科学家选择最成熟的方案应用到服务场景中，并共同完成业务提升，这就是技术和场景的结合。一部分人熟悉技术理论，一部分人熟悉场景，两者合作起来天下无敌，你们先把我们内部的改进搞好，到那时候我们是不是走向外部我们再考虑。

　　新事物失败也是成功，自己取得一点进展就记下来，这是过程记录，自己用萝卜刻奖章，积累多了就去换金牌。不要怕出错，别人说华为是落后的，因为我们只给成功的人发奖，从来不给失败的人发奖。今天比昨天好就要发奖，喜马拉雅爬一半也是成功，因为我们过去连山脚都没去过。

　　人工智能要聚焦投入不要全面开花，先纵向打好歼灭战，旗开得胜后再横向扩张

　　我们业务扩张中，人员不按线性扩张就成功了。服务工程师要聚焦服务业务，在完成服务业务同时完成人工智能所需要的正确数据输出，在此基础上产生场景分析师、数据分析师和模型设计师。这些专家要长期投入在服务战场上，通过服务客户不断提升能力。对于场景分析师、数据分析师、模型设计师，我的态度是要看在三年之内，有多长时间在一线服务战场上取得成功的实践经验。没有成功的实践经验就不要快速晋升，这样也保证水是流动不是腐败的。

　　人工智能在投资充分的情况下不要太冲动，要急用先行小步快跑，要聚焦在确定性业务、人工消耗大的项目，宁可做得少一点，先在一两个点突破杀开口子，集中力量打歼灭战，不要铺开一个很广泛的战线。不要遍地都是智能化，这会形成全面开花没有结果的盲动，就有可能满盘皆输。

　　如人工智能的应用首先要瞄准实现简工勘，在此基础上进而实现自动化设计。海量重复动作要运用人工智能技术来替代，实现文档自动生成、质量自动审核、远程验收及自动开票。然后再把人工智能应用的成功经验扩展至网络维护、网规网优等业务场景，把被动问题处理变为主动预警预防，不仅提升了效率还提升了为客户服务的质量。

　　要踏踏实实聚焦场景一个个解决，选择与场景匹配的相对成熟的算法，不要等平台和数据底座的成熟，半成品也可以先投入到内部改进的使用，在不断的实践和问题解决中打造成熟的平台和数据底座。我们在这些集中突破的项目上取得经验培养出新生力量，这些新生力量要到基层去贯彻推广落实，使它能够应用起来变成习惯。在纵向发展的基础上，把握好横向扩张的合理节奏。一只饼如果糊了再翻过来掉过去烙就是夹生饼，我们不要“出师未捷身先死，长使英雄泪满襟”，我们要的是旗开得胜和最终成功。人工智能是个新生事物，在实现过程中因为双轨运行，要接受阶段性的成本上升，实现清晰的长期目标。

　　人工智能应用中一定会遇到很多困难，在前进的过程中要多鼓励、少批评，可表扬可不表扬的要表扬。上战场枪声一响，谁是英雄，谁不是英雄？你说他不是英雄，在山脚你一拍他肩膀，他扛着两个炸药包，冲上了上甘岭，可能就真成了英雄。

欢迎扫码加入人工智能实验室群聊

推荐关注黑智微信（ID:VR-2014）