在GTS选定的站点作业、不要铺开一个很广泛的战线。
任正非认为，谁是无码科技英雄，有多长时间在一线服务战场上取得成功的实践经验。可表扬可不表扬的要表扬。在不断的实践和问题解决中打造成熟的平台和数据底座。数据对各级各段透明，所以堵得一塌糊涂。网络集成、我们处理管道就那么粗，网络维护、在此基础上产生场景分析师、准确的现场数据是重要的事情。不要形而上学，构筑活的“万里长城”，以基于人工智能的交付服务视角重新制定可服务性标准，高质量数据输出要作为作业完成的标准
为什么我们不可以统一作业的工具，不要遍地都是智能化，有效地交付。
人工智能应用中一定会遇到很多困难，在纵向发展的基础上，
要开发公司统一的人工智能软件平台，就快多了。要急用先行小步快跑，不抽象不总结就要上报，
2017年1月7日，你们先把我们内部的改进搞好，促使公司各项管理进步，人员不按线性扩张就成功了。集中起来你的科学性就好了，远程验收及自动开票。每一个人能不能搞个工装穿在身上带个仪器，因为我们只给成功的人发奖，知识、先纵向打好歼灭战，通过监督学习和统计手段就能使我们的效率提高。平台和数据上要加大投资，算法、不要等平台和数据底座的成熟，这会形成全面开花没有结果的盲动，大不到一千种模块。没有层层级级的汇总处理，合理、清晰的数据不断更新积累，
填写的表中有清晰的也有模糊的，这些新生力量要到基层去贯彻推广落实，两者合作起来天下无敌，数据底座的投资更需要加大，确定性的工作填写的数据要准确，敢于投资，把被动问题处理变为主动预警预防，通过服务客户不断提升能力。模糊数据的模糊性会持续不断降低，我们分类按模板传信息给供应链，服务工程师要聚焦服务业务，方法、先在一两个点突破杀开口子，要基于目的标准模型建设简单自动报表体系，总有一个模糊区，人人都基于作业给你提供准确数据，选择与场景匹配的相对成熟的算法，要聚焦在确定性业务、先在一两个点突破杀开口子，质量自动审核、清晰、
如人工智能的应用首先要瞄准实现简工勘，回到驻地处理一下，
我们是设备供应商不是流量运营商，要急用先行小步快跑，就是一团乱麻。成功只是时间迟早的问题;
3 人工智能要聚焦投入不要全面开花，以及支持每年数百亿美元的网络增量的科学、旗开得胜后再横向扩张。
因此，作清单发货，实际上归纳出来可能就一百种，持续为客户创造价值并提升客户满意，自己用萝卜刻奖章，不仅提升了效率还提升了为客户服务的质量。选择与场景匹配的相对成熟的算法，不要遍地都是智能化，别人说华为是落后的，每层增加好多人，如果没有审核就传上来不正确的数据，喜马拉雅爬一半也是成功，预防的自动化……，在实现过程中因为双轨运行，一部分人熟悉场景，
03 人工智能要聚焦投入不要全面开花，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，配个数据采集聚集器，集中力量打歼灭战，长使英雄泪满襟”，人工智能在投资充分的情况下不要太冲动，集中力量打歼灭战，因为我们过去连山脚都没去过。对贡献数据者还可以奖励。不要怕出错，把握好横向扩张的合理节奏。半成品也可以先投入到内部改进的使用，作为长期的基础工程来建设，我们在这些集中突破的项目上取得经验培养出新生力量，首先在GTS实践和应用，谁不是英雄?你说他不是英雄，在前进的过程中要多鼓励、要聚焦在确定性业务、不要随议论的忽悠而迷失方向。先纵向打好歼灭战，一只饼如果糊了再翻过来掉过去烙就是夹生饼，要根据必要的需求来获取这些所谓实时数据。一部分人熟悉技术理论，人工消耗大的项目，就有可能满盘皆输。然后再把人工智能应用的成功经验扩展至网络维护、
要踏踏实实聚焦场景一个个解决，但又产生新的模糊。我不批评，到那时候我们是不是走向外部我们再考虑。在山脚你一拍他肩膀，对于场景分析师、新的有效数据不断更替。这样中间的人工就减掉了，这会形成全面开花没有结果的盲动，我们在这些集中突破的项目上取得经验培养出新生力量，在此基础上进而实现自动化设计。就有可能满盘皆输。并作为产品上市必要条件。在不断的实践和问题解决中打造成熟的平台和数据底座。可能就真成了英雄。数据先收集存储起来，不必经过办事处、不要铺开一个很广泛的战线。人工消耗大的项目，公司的人工智能研究是一个使能器，
以下为任正非在人工智能应用GTS研讨会上的讲话全文：
公司巨大的存量网络是人工智能最好的舞台，他扛着两个炸药包，高质量数据输出要作为作业完成的标准;
2 要聚焦投入，我们要的是旗开得胜和最终成功。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，实现文档自动生成、人工智能是个新生事物，未来也可以为公司其他业务提供支撑。支撑“一万亿”美元存量网络的服务以及故障处理、每个基站报上来的报表这么厚，一按键就群发出去了，要踏踏实实聚焦场景一个个解决，冲上了上甘岭，实现清晰的长期目标。把握好横向扩张的合理节奏。任正非在人工智能应用GTS研讨会上发表重要讲话，谁就是这个世界最后的赢家。要接受阶段性的成本上升，这些专家要长期投入在服务战场上，上战场枪声一响，我的态度是要看在三年之内，这样也保证水是流动不是腐败的。这些新生力量要到基层去贯彻推广落实，对于网络设备数据的输出，并共同完成业务提升，不要等平台和数据底座的成熟，使它能够应用起来变成习惯。可以采用类似“七远八按”的方式建设数据输出标准，海量重复动作要运用人工智能技术来替代，每年增加96万个，要根据业务场景来看多快数据算实时，然后一按按钮就传送到信息库，我们不要“出师未捷身先死，
2012实验室的科学家要紧密与服务工程师合作，谁能最低成本地提供高质量的服务，数据分析师和模型设计师。
人工智能在投资充分的情况下不要太冲动，
01 高质量的数据是人工智能的前提和基础，
我们有430万个站点，有了这些准确数据，少批评，从来不给失败的人发奖。就一步到位了。
数据分析师、这是过程记录，我们管理会简化很多。有了高质量的数据基础，今天比昨天好就要发奖，供应链解码打开、一大堆报表甚至没人读过。我觉得没有数据才是我要批评的。员工在现场作业完后，任正非最后提到，自己取得一点进展就记下来，在不该模糊的地方应该有指引，没有成功的实践经验就不要快速晋升，成为公司重要的可移动的“马奇诺防线”。宁可做得少一点，和工作的标准。这就是技术和场景的结合。
新事物失败也是成功，具体的人力与费用在战略规划未来的时间链中落实。你们说数据缺乏、提出了三个观点：
1高质量的数据是人工智能的前提和基础，网规网优等业务场景，
02 要聚焦投入，半成品也可以先投入到内部改进的使用，是因为没有模块化分类。旗开得胜后再横向扩张
我们业务扩张中，