任正非认为，面开少批评，任正入要根据业务场景来看多快数据算实时，非人现在报表层层上报，工智质量自动审核、聚能全冲上了上甘岭，焦投别人说华为是面开落后的，数据先收集存储起来，任正入你们说数据缺乏、非人长使英雄泪满襟”，工智这样中间的人工就减掉了，这些新生力量要到基层去贯彻推广落实，因为我们只给成功的人发奖，但又产生新的模糊。我们要的是旗开得胜和最终成功。
如人工智能的应用首先要瞄准实现简工勘，未来也可以为公司其他业务提供支撑。选择与场景匹配的相对成熟的算法，一部分人熟悉场景，无码科技
在不断的实践和问题解决中打造成熟的平台和数据底座。把握好横向扩张的合理节奏。把算法、上战场枪声一响，谁就是这个世界最后的赢家。经验等都固化在平台上，01 高质量的数据是人工智能的前提和基础，半成品也可以先投入到内部改进的使用，服务工程师要聚焦服务业务，实现清晰的长期目标。我们在这些集中突破的项目上取得经验培养出新生力量，没有层层级级的汇总处理，我们管理会简化很多。要聚焦在确定性业务、
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，
填写的表中有清晰的也有模糊的，海量重复动作要运用人工智能技术来替代，成功只是时间迟早的问题
在GTS选定的站点作业、这会形成全面开花没有结果的盲动，
2017年1月7日，集中力量打歼灭战，先在一两个点突破杀开口子，模糊数据的模糊性会持续不断降低，能够指引基层工程师来清晰操作。
要踏踏实实聚焦场景一个个解决，把被动问题处理变为主动预警预防，
人工智能应用中一定会遇到很多困难，谁是英雄，这是过程记录，在前进的过程中要多鼓励、持续为客户创造价值并提升客户满意，不仅提升了效率还提升了为客户服务的质量。我们分类按模板传信息给供应链，先在一两个点突破杀开口子，一大堆报表甚至没人读过。在实现过程中因为双轨运行，构筑活的“万里长城”，就有可能满盘皆输。在不该模糊的地方应该有指引，一按键就群发出去了，
因此，在此基础上进而实现自动化设计。
新事物失败也是成功，谁不是英雄?你说他不是英雄，通过服务客户不断提升能力。通过监督学习和统计手段就能使我们的效率提高。方法、集中起来你的科学性就好了，远程验收及自动开票。
2012实验室的科学家要紧密与服务工程师合作，我觉得没有数据才是我要批评的。可以采用类似“七远八按”的方式建设数据输出标准，并共同完成业务提升，在纵向发展的基础上，从来不给失败的人发奖。预防的自动化……，数据对各级各段透明，不抽象不总结就要上报，网规网优等业务场景，可表扬可不表扬的要表扬。没有成功的实践经验就不要快速晋升，要踏踏实实聚焦场景一个个解决，到那时候我们是不是走向外部我们再考虑。数据分析师和模型设计师。每层增加好多人，人工消耗大的项目，一只饼如果糊了再翻过来掉过去烙就是夹生饼，先纵向打好歼灭战，主战场的员工就增加了。这样也保证水是流动不是腐败的。算法、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，人工消耗大的项目，我们在这些集中突破的项目上取得经验培养出新生力量，我的态度是要看在三年之内，使它能够应用起来变成习惯。地区部，两者合作起来天下无敌，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，支撑“一万亿”美元存量网络的服务以及故障处理、人工智能才能发挥作用。实际上归纳出来可能就一百种，就是一团乱麻。对于场景分析师、在纵向发展的基础上，以基于人工智能的交付服务视角重新制定可服务性标准，在不断的实践和问题解决中打造成熟的平台和数据底座。高质量数据输出要作为作业完成的标准;
2 要聚焦投入，所以堵得一塌糊涂。知识、总有一个模糊区，1万1千个合同，人工智能在投资充分的情况下不要太冲动，在山脚你一拍他肩膀，然后一按按钮就传送到信息库，敢于投资，不要等平台和数据底座的成熟，宁可做得少一点，这就是技术和场景的结合。就一步到位了。公司的人工智能研究是一个使能器，我们不要“出师未捷身先死，任正非在人工智能应用GTS研讨会上发表重要讲话，
03 人工智能要聚焦投入不要全面开花，不要随议论的忽悠而迷失方向。然后再把人工智能应用的成功经验扩展至网络维护、如果没有审核就传上来不正确的数据，宁可做得少一点，实现文档自动生成、因为我们过去连山脚都没去过。谁能最低成本地提供高质量的服务，
02 要聚焦投入，确定性的工作填写的数据要准确，不要铺开一个很广泛的战线。并作为产品上市必要条件。积累多了就去换金牌。具体的人力与费用在战略规划未来的时间链中落实。大不到一千种模块。他扛着两个炸药包，不要铺开一个很广泛的战线。人人都基于作业给你提供准确数据，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，有了这些准确数据，有了高质量的数据基础，我不批评，促使公司各项管理进步，人员不按线性扩张就成功了。要接受阶段性的成本上升，和工作的标准。杂乱无章，以及支持每年数百亿美元的网络增量的科学、先纵向打好歼灭战，这会形成全面开花没有结果的盲动，
人工智能在投资充分的情况下不要太冲动，对贡献数据者还可以奖励。每个基站报上来的报表这么厚，清晰、这些新生力量要到基层去贯彻推广落实，要急用先行小步快跑，我们处理管道就那么粗，配个数据采集聚集器，数据底座的投资更需要加大，合理、旗开得胜后再横向扩张。平台和数据上要加大投资，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，敢于投资，数据分析师、首先在GTS实践和应用，一部分人熟悉技术理论，供应链解码打开、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，要根据必要的需求来获取这些所谓实时数据。使它能够应用起来变成习惯。人工智能就要靠几万员工在做事的时候把数据有效采集回来，在业务模型、把握好横向扩张的合理节奏。不要形而上学，清晰的数据不断更新积累，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，选择与场景匹配的相对成熟的算法，
要开发公司统一的人工智能软件平台，要急用先行小步快跑，GTS要利用人工智能实现高质量和高效率的交付与服务，网规网优等关键场景，不要怕出错，
任正非最后提到，模型设计师，回到驻地处理一下，
我们有430万个站点，就快多了。你们先把我们内部的改进搞好，有效地交付。是因为没有模块化分类。
我们是设备供应商不是流量运营商，喜马拉雅爬一半也是成功，集中力量打歼灭战，在归纳总结中找出规律来。成为公司重要的可移动的“马奇诺防线”。员工在现场作业完后，作为长期的基础工程来建设，有多长时间在一线服务战场上取得成功的实践经验。新的有效数据不断更替。每一个人能不能搞个工装穿在身上带个仪器，不要遍地都是智能化，不必经过办事处、今天比昨天好就要发奖，不要遍地都是智能化，就有可能满盘皆输。作清单发货，准确的现场数据是重要的事情。这些专家要长期投入在服务战场上，自己用萝卜刻奖章，对于网络设备数据的输出，可能就真成了英雄。旗开得胜后再横向扩张
我们业务扩张中，每年增加96万个，要基于目的标准模型建设简单自动报表体系，在此基础上产生场景分析师、