“未來二三十年，人類將進入智能社會。”2018年3月，任正非在華為產品與解決方案、2012實驗室管理團隊座談會上講話，強調：“（華為）要成為智能社會的使能者和推動者，這將是一個持久的、充滿挑戰的歷史過程。”其中，華為的研發“要堅持客戶需求和技術創新雙輪驅動，打造強大的‘基礎平臺’，這個基礎平臺就像東北的黑土地。”

“黑土地”一說，最早源自任正非在2017年底的公司內部郵件，重點提到華為未來的使命與願景：“通過聚焦ICT基礎設施和智能終端，提供一塊信息化、自動化、智能化的‘黑土地’”。那麽，華為“黑土地”到底長啥樣？華為雲作為華為技術的對外輸出者，又是怎麽通過產品來詮釋智能世界的“黑土地”？

2018年5月底，第四屆數博會在貴陽召開，華為雲BU總裁鄭葉來、華為雲首席戰略官宋哲炫、華為雲EI企業智能產品部總經理賈永利等華為雲高管悉數亮相。在2018數博會上，華為雲“融合雲數據倉庫”獲得“2018領先科技成果獎——‘新產品’”獎、“AI智能平臺新型圖計算技術（EYWA）”獲得“2018領先科技成果獎——‘新技術’”和“2018領先科技成果獎——‘黑科技’”兩項大獎。同時，華為雲在2018數博會期間發布了智能數據湖解決方案。

截止到2018年5月，華為雲已經推出14大類超過100種服務，加上數博會期間推出的“黑科技”，華為雲初步實現了一個智能“黑土地”。

數據湖：讓AI在企業落地

在人類即將進入的智能社會中，人工智能自然扮演十分重要的作用。然而，人工智能看起來很美好，但在企業實踐起來卻是另一回事。從企業視角看人工智能會發現一些問題。首先就是企業內部的數據各類各樣，非常繁多，數據格式不一樣而且部門也多、應用也多，所以大量的精力用在數據的清洗、翻譯、調整。

華為雲EI服務產品部總經理賈永利在2018數博會的“創新技術，擁抱未來”華為雲高峰論壇上強調，現在看人工智能很熱，實際上從企業的角度來講，真正把人工智能用好的門檻還是太高了。對於企業來說，應用人工智能的時候經常需要做數據調整，而企業內部的數據庫人才也處於匱乏狀態，更不用說把企業專有系統的數據與人工智能應用之間做對接。因此，華為的人工智能，也就是華為雲企業智能EI，希望數據不再來回搬運、減少數據跑路，這樣就能節省成本、提高效率，讓智能無處不在、×××，這就是華為雲智能數據湖。

華為雲智能數據湖解決方案，包括三層：數據湖統一存儲平臺DLC、數據湖統一計算平臺DLI和數據湖統一開發門戶DLF。賈永利強調，華為雲智能數據湖以一份數據支持數據全生命周期無縫流轉，多種分析引擎共享，簡化數據服務之間配合；采用開放格式，讓用戶數據上雲免轉換；可支持PB級10萬億記錄數據規模，多個查詢條件下，能精準到秒級找到目標數據。

華為雲EI還有一個特色為多域協同分析，是因為企業在做決策和做判斷時需要多域協同，也有專家提出這是大AI的概念，即多種AI和大數據的要素綜合在一起，進行推理、預測和決策，這樣才能形成一個完整的智能決策。華為雲企業智能的多域協同決策解決方案，包括：模型管理層的訓練、評估、發布、共享和編排等以及多域協同、端雲協調；融合決策層的分析預測、推理決策和調度優化等。

華為雲BU總裁鄭葉來特別強調：華為雲智能數據湖作為開放的數據處理平臺，通過數據的雲上融合，實現多域融合決策、使能人工智能，是AI時代的數據底座，讓企業智能×××。

圖引擎：為AI建立知識圖譜

在2018年5月數博會上，華為雲展示的企業智能解決方案架構中，有一個特殊的人工智能基礎算法服務，這就是圖引擎。

圖引擎是做什麽用的呢？這就要談到知識圖譜。鄭葉來在2018數博會“數字融合·領航中國新經濟”數字經濟論壇上表示，人工智能不是一個獨立產品，不是自閉環的系統，人工智能適用於大部分經濟活動，包括神經網絡模型、深度學習等等作用於實體經濟，就能產生倍增的效應。但把人工智能應用於實體經濟，特別是各產業、工業和制造業等，就需要各行業的知識圖譜。

鄭葉來以電子制造業的PCB印刷電路板為例：以前電路板的焊接質量是靠人工判斷，隨著人工智能的發展就改為機器拍張圖片，再通過雲端的圖像識別算法進行焊接質量判斷，這樣一個小小的改變解決了巨大的人工工作量問題；而且實際上如果用人工在每個生產制造環節進行監測的話，還會出現漏檢的現象，但機器檢測就不會漏檢。“整個人工的工作量減少48%，對制造業企業來講是非常了不起的改變。”但用機器視覺識別算法對PCB板的焊接質量進行監測，這裏就涉及到PCB板知識和焊接知識才能對焊接質量進行判斷。

制造企業數據的種類本來就極其復雜，而對制造企業來說，還有三類數據是非常核心的資產，不可能拿出來交換：第一類是客戶服務數據，第二類就是ERP系統裏的數據資產，第三類數據是MES制造執行系統裏的數據，這三類數據是制造企業多年的積累，任何一家企業都不會拿出來交換，但如果想要把人工智能應用到制造企業裏產生實際的商業價值，就需要這些數據形成的相關知識。

“工業知識的‘Know-how’，是人工智能技術應用的門檻。”鄭葉來介紹，華為雲是怎麽解決的呢？一方面，華為把作為制造企業，把自己的工業知識拿出來通過雲服務的方式進行分享與共享，制造企業選用華為雲的服務就可以獲得華為在制造業方面的知識與經驗，例如華為圍繞電子制造的電子產品結構公差分析等。另一方面，就是通過圖計算來形成自己的知識圖譜。

圖計算的英文名為Graph Computing，主要通過對於海量數據的關聯和關系分析，形成知識及知識圖譜Knowledge Graph。簡單來說，人工智能想要理解世界，就要對整個現實世界有一個客觀、完整、全面的認識，圖計算能夠把任何事物之間的所有關系全部刻畫出來，形成完整的描述，這就是知識。例如在金融欺詐預測中，通過每個人的金融交易信息，構建和分析其交易關系網絡和社交網絡等關系網絡，再根據這些資金交易關系網絡發現個體或者群體是否存在異常的交易行為，這樣一來就能輕松檢測出這個人有沒有參與洗錢的活動。

實際上，華為內部有大量的網絡規劃需求，同時外部面向的電商、金融等行業也有廣泛的關系建模及分析查詢需求，這就使圖計算工具的誕生成為了必然。為了讓普通用戶、開發者和 ISV 能快速建模、高效計算，提升圖分析與計算的質效和速度，華為雲自研了圖引擎平臺——EYWA，是針對以“關系”為基礎的“圖”結構數據，進行查詢、分析的服務。

鄭葉來曾表示，AI在企業最終要解決兩類問題，一類是確定性問題，即確定的規則空間；另一類是不確定性問題，即無明確規則空間。對於不確定性事情，AI要做的是模糊性識別和智能化處理，而圖計算主要是針對不確定性規則空間的解決方案。

從華為雲在2018數博會上的黑科技來看，華為智能“黑土地”已經浮出水面：智能數據湖提供智能底座、提供多種人工智能雲服務、提供以圖引擎等為特色的企業智能工具平臺、提供自有的工業知識庫，再加上華為自身在邊緣計算、網絡連接以及雲邊協同方面的優勢，形成了企業智能的基礎平臺“黑土地”。

尤其是2018年5月25日歐盟《通用數據保護條例》（簡稱“GDPR”）正式生效，對數據隱私安全帶來重大改革。鄭葉來指出華為雲“守邊界、懂數據”，不用技術手段非法獲取客戶數據，不對客戶數據進行商業變現，並對外開放華為在大數據、人工智能方面的能力，幫助客戶處理數據。因此，在人工智能和智能社會時代，無論是數據湖還是圖引擎，華為雲都用自己的技術“讓AI高而不貴，讓大家用得起、用得好、用得放心”。（文/寧川）

從2018數博會看華為雲智能“黑土地”長啥樣？