2016年9月1日，我在華為全聯(lián)接大會上發(fā)表主題演講：“擁抱云，融入云，成為數(shù)字化企業(yè)”。

2017年3月19日，在長沙舉辦的華為中國生態(tài)伙伴大會上，我首次宣布成立Cloud BU，并指出：從2017年開始，華為將以公有云服務(wù)為基礎(chǔ)，強(qiáng)力投資打造開放的公有云平臺，并將聚焦重點行業(yè)，攜手合作伙伴構(gòu)建云生態(tài)，共同做大產(chǎn)業(yè)蛋糕。

4年后的今天，華為云已經(jīng)聚合了超過230萬開發(fā)者、1.4萬多咨詢伙伴、6000多技術(shù)伙伴、云市場商品超過4500個，已經(jīng)成為互聯(lián)網(wǎng)公司和傳統(tǒng)政企數(shù)字化轉(zhuǎn)型的重要平臺。在全球，華為云與伙伴公有云覆蓋了27個區(qū)域，為170多個國家的客戶提供服務(wù)。根據(jù)Gartner 2020年研究，華為云是IaaS市場增速最快的云，已經(jīng)成長為中國第二、全球Top 5的云服務(wù)提供商。所有這些進(jìn)步和成績都只是新的起點。

華為云以“讓云無處不在，讓智能無所不及，共建智能世界云底座”為使命。伴隨行業(yè)數(shù)字化步伐的加快，期待華為云有更大的發(fā)展。

伴隨著企業(yè)數(shù)字化轉(zhuǎn)型的深入、數(shù)字應(yīng)用更加豐富、也更加復(fù)雜，傳統(tǒng)云服務(wù)的資源彈性與簡化運維的價值依然是基礎(chǔ)，但已經(jīng)遠(yuǎn)遠(yuǎn)不能適應(yīng)企業(yè)需要。資源極致彈性、應(yīng)用敏捷開發(fā)迭代正在發(fā)展成為云服務(wù)的新常態(tài)。云原生（Cloud Native）也因此成為包括高科技類企業(yè)和傳統(tǒng)政企的共同選擇。對于傳統(tǒng)政企應(yīng)用，除了自身云原生改造獲得資源和敏捷收益，更要充分與大數(shù)據(jù)、AI等新的云原生能力相結(jié)合，創(chuàng)造更大的價值。

作為云原生的倡導(dǎo)者和先鋒，自2016年以來，華為云陸續(xù)推出了云原生系列服務(wù)，幫助互聯(lián)網(wǎng)及政企客戶更好的進(jìn)行云原生改造，基于這些積累，2020年我們進(jìn)一步提出云原生2.0理念，致力于讓每一個企業(yè)都能成為新的云原生企業(yè)。

隨著云原生應(yīng)用深入企業(yè)各個業(yè)務(wù)場景，云原生正在走向分布式，跨云跨地域統(tǒng)一協(xié)同治理，保證一致應(yīng)用體驗等新的需求日漸突出。為了匹配這一需求，我們通過持續(xù)創(chuàng)新，推出業(yè)界首個分布式云原生產(chǎn)品。

今天，我正式發(fā)布華為分布式云原生產(chǎn)品，華為云UCS！UCS的意思是無處不在的云原生服務(wù)：通過華為云UCS，我們致力于讓企業(yè)使用云原生應(yīng)用時感受不到地域限制，感受不到跨云限制，感受不到流量限制，充分保證應(yīng)用的一致性體驗。UCS的目標(biāo)是要把云原生能力帶入企業(yè)的每一個業(yè)務(wù)場景，加速千行百業(yè)擁抱云原生。

其次，和大家探討一下人工智能。

2018年10月，我在上海華為全聯(lián)接大會上發(fā)布了華為全棧全場景AI解決方案；2019年8月23日我在深圳正式宣布了AI計算框架MindSpore開源計劃。發(fā)展到今天，這些計劃都得到了圓滿的實施。

首先，硬件方面，已經(jīng)有超過10個硬件合作伙伴推出基于昇騰模組、板卡的AI硬件產(chǎn)品。

其次，MindSpore在2020年3月如期開源。截至2021年8月底的1年多時間內(nèi)，社區(qū)累計下載量超過60萬，目前已經(jīng)是中國最活躍的AI社區(qū)，有超過100家高校選擇MindSpore進(jìn)行教學(xué)，可以說，MindSpore已經(jīng)成為中國主流AI計算框架。

此外，還有500多家合作伙伴基于昇騰開發(fā)了600多種AI解決方案，應(yīng)用于各行各業(yè)?？傮w上，全棧全場景AI發(fā)展符合預(yù)期。

在2019年的華為全聯(lián)接大會上，我們首次發(fā)布了Atlas 900集群，那時候單集群支持1024個昇騰910芯片，總算力達(dá)到256P Flops。經(jīng)過兩年的努力，Atlas 900單集群已經(jīng)能夠支持4096顆昇騰910，在全無阻塞網(wǎng)絡(luò)下進(jìn)行高速計算，提供每秒100億億次浮點運算的強(qiáng)大算力。

在此集群基礎(chǔ)上，華為云ModelArts通過引入集群間動態(tài)自適應(yīng)路由技術(shù)，根據(jù)電力約束的不同，可以將集群規(guī)模再擴(kuò)大4~32倍，總算力最高達(dá)到32E FLOPS，訓(xùn)練線性加速比超過85%。目前Atlas 900集群和基于Atlas 900集群的云服務(wù)已經(jīng)服務(wù)于300多企業(yè)客戶，廣泛應(yīng)用于交通、金融、能源、制造、醫(yī)療等行業(yè)，支撐眾多企業(yè)、科研單位系列大模型的開發(fā)訓(xùn)練。

目前已經(jīng)成功訓(xùn)練出了一系列大模型，包括：華為云盤古NLP中文大模型；華為云盤古計算視覺大模型；華為云盤古藥物分子大模型；華為云盤古科學(xué)計算大模型；遙感專用框架LuojiaNet；鵬城盤古NLP中文大模型；鵬城生物制藥大模型等。

在我發(fā)布的全棧全場景AI戰(zhàn)略中，ModelArts屬于AI應(yīng)用使能層，其使命是讓AI應(yīng)用開發(fā)簡單、簡單、再簡單，以解決AI人才和專家匱乏的問題。當(dāng)初的期望是，通過ModelArts，要讓每一位工程師只需掌握一定的AI技能，就能夠自己開發(fā)AI模型和AI應(yīng)用。經(jīng)過3年多的努力，數(shù)以千計的AI行業(yè)應(yīng)用項目的實踐，不斷創(chuàng)新與知識沉淀，面向企業(yè)數(shù)字化轉(zhuǎn)型與AI應(yīng)用的不同階段，形成了全流程、場景化的服務(wù)。基于這些服務(wù)，應(yīng)當(dāng)說我們初步實現(xiàn)了預(yù)期目標(biāo)。

對于企業(yè)來講，開發(fā)AI應(yīng)用有三個階段，針對不同階段和場景，ModelArts有了針對性的服務(wù)：

在初始階段，大量的企業(yè)或總體上，或在特定任務(wù)上，還處于探索性AI試驗階段，這個階段的主要訴求是開發(fā)出一個模型，驗證初步可行性，處于這個階段的企業(yè)的AI能力往往最為欠缺。針對性地，ModelArts通過領(lǐng)域套件、場景樣例、盤古大模型、預(yù)訓(xùn)練模型等服務(wù)和開發(fā)工具，使得一般的工程師在簡單學(xué)習(xí)之后，基本不用開發(fā)代碼就能夠快速訓(xùn)練出AI模型，快速驗證，快速上手。

第二個階段是Quick win，即在試驗成功的基礎(chǔ)上，期望快速通過AI為企業(yè)創(chuàng)造價值，此時的AI開發(fā)不再是研究性模型開發(fā)，而是要針對一個或多個特定生產(chǎn)任務(wù)，結(jié)合特定部署場景，結(jié)合特定行業(yè)規(guī)范，滿足可信等生產(chǎn)性要求。ModelArts通過增加可信組件與安全算法、ModelBox、AutoSearch、盤古大模型等使AI工程師能適應(yīng)多樣性的部署環(huán)境，快速開發(fā)生產(chǎn)性實戰(zhàn)型AI應(yīng)用。

第三個階段是系統(tǒng)性AI應(yīng)用或智能子系統(tǒng)的開發(fā)，此時往往涉及多種應(yīng)用、工具和系統(tǒng)的配合，ModelArts通過進(jìn)一步增加MLOps、OptVerse求解器、科學(xué)計算、盤古大模型和異構(gòu)分布式調(diào)度器以及來自生態(tài)伙伴的豐富的行業(yè)性組件與工具等支持企業(yè)實現(xiàn)極簡、高效的智能系統(tǒng)開發(fā)。讓每一位工程師都能開發(fā)AI應(yīng)用，是ModelArts矢志不渝的努力方向，期待這個目標(biāo)早日實現(xiàn)。

在AI用于各行業(yè)生產(chǎn)場景時，即使最高水平的AI專家，也往往感到十分挑戰(zhàn)。究其原因，各行各業(yè)場景繁多，非常碎片化，即使有自動化程度很高的工具，在通常的AI模型開發(fā)模式下，也不得不逐個定制開發(fā)，如同作坊式開發(fā)，投入人力多，開發(fā)周期長。更為挑戰(zhàn)的是，模型的精度通常需要大量的訓(xùn)練樣本數(shù)據(jù)，可行業(yè)場景偏偏最缺數(shù)據(jù)，由此導(dǎo)致模型性能往往不能滿足生產(chǎn)要求，導(dǎo)致AI在這些場景不可用。

大模型為解決這類問題提供了很好的方案。有了預(yù)先訓(xùn)練好的大模型，每個場景化AI開發(fā)，都不必再從0開始，而是基于大模型做增強(qiáng)訓(xùn)練，并自動化抽取出適合該場景部署的小模型，開發(fā)周期從月級縮短為天級，實現(xiàn)了AI模型從作坊式開發(fā)到工業(yè)化開發(fā)的轉(zhuǎn)變。

更為重要的是，由于是基于大模型做增強(qiáng)訓(xùn)練，模型性能大大提高，使很多原來AI不可用的場景變得可用了。在華為南方工廠就有一個這樣的案例，由于樣本數(shù)量只有40個，傳統(tǒng)方式訓(xùn)練的AI模型精度只能達(dá)到80%，無法滿足要求；基于大模型訓(xùn)練的模型精度達(dá)到99.5%，使智能檢測實現(xiàn)可用。

第三，再談一下企業(yè)網(wǎng)絡(luò)。

伴隨著數(shù)字化的進(jìn)程，企業(yè)網(wǎng)絡(luò)的復(fù)雜性將指數(shù)級增加，主要原因包括：混合辦公，互聯(lián)分支增多，接入位置增多；員工流動性增大，體驗變化更動態(tài)；辦公網(wǎng)融合物聯(lián)網(wǎng)，聯(lián)接數(shù)激增；云化與新應(yīng)用對網(wǎng)絡(luò)性能要求更高、變更頻繁；網(wǎng)絡(luò)設(shè)備種類多、廠家多，管理規(guī)模大；網(wǎng)絡(luò)保障從基于聯(lián)接到基于體驗，要求更高。

但是，運維保障工程師數(shù)量不會線性增加，甚至不會增加，網(wǎng)絡(luò)運維復(fù)雜性與運維工程師資源之間的差距會越來越大。針對這個挑戰(zhàn)，我們認(rèn)為，企業(yè)網(wǎng)絡(luò)的運維更應(yīng)該首先用好數(shù)字化技術(shù)，用技術(shù)創(chuàng)新克服自身復(fù)雜性的增加，而不是依賴更多的人工。

基于此，我們提出自動駕駛網(wǎng)絡(luò)愿景，即未來的網(wǎng)絡(luò)應(yīng)該與自動駕駛汽車一樣都能自己運維自己，而不是靠人。我們期望未來的自動駕駛網(wǎng)絡(luò)應(yīng)該是：支持自動，即根據(jù)用戶意圖業(yè)務(wù)自動部署，最終目標(biāo)是業(yè)務(wù)全自動部署；支持自愈，預(yù)測預(yù)防故障并基于事件自我恢復(fù)，最終目標(biāo)是實現(xiàn)全自動運維；支持自優(yōu)，根據(jù)用戶體驗自適應(yīng)調(diào)整優(yōu)化，最終目標(biāo)是實現(xiàn)全自動優(yōu)化；支持自治，在自動、自愈、自優(yōu)的基礎(chǔ)上，網(wǎng)絡(luò)功能自適應(yīng)、自學(xué)習(xí)、自演進(jìn)；這是自動駕駛網(wǎng)絡(luò)的愿景，也是終極目標(biāo)。

過去兩年，我們不僅在華為覆蓋全球的網(wǎng)絡(luò)開展自動駕駛網(wǎng)絡(luò)創(chuàng)新，也與金融、教育、醫(yī)療等行業(yè)客戶開展聯(lián)合創(chuàng)新和部署應(yīng)用。

在金融行業(yè)，我們與中信銀行聚焦數(shù)據(jù)中心網(wǎng)絡(luò)的自動駕駛創(chuàng)新。2020年，自動駕駛網(wǎng)絡(luò)幫助實現(xiàn)了單數(shù)據(jù)中心、單廠商的40多類業(yè)務(wù)場景的端到端業(yè)務(wù)自動化。今年的創(chuàng)新方向是支持多云、多廠商的異構(gòu)場景。以一個“留學(xué)匯”的新業(yè)務(wù)上線為例，過去多域網(wǎng)絡(luò)的協(xié)同設(shè)計、評估和變更平均耗費30多天，現(xiàn)在只需要30分鐘就能實現(xiàn)。

在數(shù)據(jù)中心網(wǎng)絡(luò)里面，最頭疼的問題是如何快速定位故障點，現(xiàn)在華為自動駕駛網(wǎng)絡(luò)既支持了端到端的網(wǎng)絡(luò)質(zhì)量可視，還對75類典型故障實現(xiàn)了3分鐘定位根因，5分鐘給出修復(fù)建議，今年基于知識圖譜的自學(xué)習(xí)能力，現(xiàn)網(wǎng)數(shù)據(jù)實現(xiàn)了在線增量學(xué)習(xí)，可覆蓋97%的故障。

在教育行業(yè)，我們與西安交通大學(xué)聚焦園區(qū)網(wǎng)絡(luò)的自動駕駛開展創(chuàng)新。隨著智慧教學(xué)和校園服務(wù)的發(fā)展，除了傳統(tǒng)的攝像頭、道閘等物聯(lián)終端，還新增了智能門禁、教學(xué)錄播等50多種終端，在西交大的四個校區(qū)有50多萬臺，由于終端覆蓋廣且分散部署，目前都是通過校園網(wǎng)接入的，存在安全管理隱患。我們通過自動駕駛網(wǎng)絡(luò)幫助西交大實現(xiàn)了秒級的終端自識別和自接入，基于人工智能技術(shù)還能支持未知終端的在線標(biāo)注和學(xué)習(xí)，將終端識別率提高到了98%。其次，園區(qū)無線接入已成為主流，WIFI干擾、漫游和應(yīng)用保障問題突出，以前人工優(yōu)化效率低下，現(xiàn)在通過AI智能調(diào)優(yōu)不僅人工0介入，而且信號達(dá)標(biāo)率從64%提升到了90%。

最后，談一談華為如何通過數(shù)字技術(shù)助力低碳發(fā)展。