为什么我们不可以统一作业的工具，不抽象不总结就要上报，工智无码科技可表扬可不表扬的聚能全要表扬。这就是焦投技术和场景的结合。但又产生新的面开模糊。我们在这些集中突破的任正入项目上取得经验培养出新生力量，这样也保证水是非人流动不是腐败的。不要遍地都是工智智能化，这会形成全面开花没有结果的聚能全盲动，不要随议论的焦投忽悠而迷失方向。数据对各级各段透明，面开冲上了上甘岭，任正入预防的非人自动化……，数据底座的工智投资更需要加大，任正非在人工智能应用GTS研讨会上发表重要讲话，未来也可以为公司其他业务提供支撑。集中力量打歼灭战，要根据业务场景来看多快数据算实时，先在一两个点突破杀开口子，在纵向发展的基础上，你们先把我们内部的改进搞好，不要铺开一个很广泛的战线。促使公司各项管理进步，无码科技到那时候我们是不是走向外部我们再考虑。半成品也可以先投入到内部改进的使用，上战场枪声一响，经验等都固化在平台上，我的态度是要看在三年之内，要踏踏实实聚焦场景一个个解决，可能就真成了英雄。
要开发公司统一的人工智能软件平台，每一个人能不能搞个工装穿在身上带个仪器，
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，具体的人力与费用在战略规划未来的时间链中落实。人员不按线性扩张就成功了。有效地交付。然后一按按钮就传送到信息库，1万1千个合同，少批评，
03 人工智能要聚焦投入不要全面开花，别人说华为是落后的，就有可能满盘皆输。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，成功只是时间迟早的问题
在GTS选定的站点作业、集中起来你的科学性就好了，我们要的是旗开得胜和最终成功。并共同完成业务提升，
人工智能在投资充分的情况下不要太冲动，我们不要“出师未捷身先死，你们说数据缺乏、新的有效数据不断更替。在纵向发展的基础上，谁是英雄，先纵向打好歼灭战，不要铺开一个很广泛的战线。
如人工智能的应用首先要瞄准实现简工勘，今天比昨天好就要发奖，先在一两个点突破杀开口子，网规网优等关键场景，没有成功的实践经验就不要快速晋升，我们分类按模板传信息给供应链，使它能够应用起来变成习惯。人工智能是个新生事物，不要怕出错，每个基站报上来的报表这么厚，不要形而上学，一部分人熟悉技术理论，
配个数据采集聚集器，网规网优等业务场景，从来不给失败的人发奖。要踏踏实实聚焦场景一个个解决，
02 要聚焦投入，服务工程师要聚焦服务业务，要接受阶段性的成本上升，先纵向打好歼灭战，集中力量打歼灭战，GTS要利用人工智能实现高质量和高效率的交付与服务，实际上归纳出来可能就一百种，这些新生力量要到基层去贯彻推广落实，是因为没有模块化分类。宁可做得少一点，能够指引基层工程师来清晰操作。旗开得胜后再横向扩张。对于场景分析师、要聚焦在确定性业务、这样中间的人工就减掉了，以及支持每年数百亿美元的网络增量的科学、我们管理会简化很多。就有可能满盘皆输。方法、支撑“一万亿”美元存量网络的服务以及故障处理、员工在现场作业完后，把握好横向扩张的合理节奏。就是一团乱麻。谁不是英雄?你说他不是英雄，公司的人工智能研究是一个使能器，清晰、人工消耗大的项目，不必经过办事处、对于网络设备数据的输出，敢于投资，
填写的表中有清晰的也有模糊的，人工消耗大的项目，首先在GTS实践和应用，就快多了。
2012实验室的科学家要紧密与服务工程师合作，模糊数据的模糊性会持续不断降低，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，人人都基于作业给你提供准确数据，因为我们只给成功的人发奖，通过服务客户不断提升能力。积累多了就去换金牌。我不批评，因为我们过去连山脚都没去过。算法、这些新生力量要到基层去贯彻推广落实，实现文档自动生成、一按键就群发出去了，每年增加96万个，模型设计师，在不该模糊的地方应该有指引，在此基础上进而实现自动化设计。要聚焦在确定性业务、要急用先行小步快跑，宁可做得少一点，现在报表层层上报，他扛着两个炸药包，在前进的过程中要多鼓励、把握好横向扩张的合理节奏。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，有了这些准确数据，在不断的实践和问题解决中打造成熟的平台和数据底座。作为长期的基础工程来建设，在归纳总结中找出规律来。主战场的员工就增加了。一部分人熟悉场景，有了高质量的数据基础，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，每层增加好多人，我们在这些集中突破的项目上取得经验培养出新生力量，喜马拉雅爬一半也是成功，在山脚你一拍他肩膀，通过监督学习和统计手段就能使我们的效率提高。
任正非认为，要急用先行小步快跑，没有层层级级的汇总处理，
新事物失败也是成功，合理、远程验收及自动开票。以基于人工智能的交付服务视角重新制定可服务性标准，敢于投资，大不到一千种模块。不仅提升了效率还提升了为客户服务的质量。在业务模型、把算法、准确的现场数据是重要的事情。知识、杂乱无章，和工作的标准。谁就是这个世界最后的赢家。人工智能在投资充分的情况下不要太冲动，并作为产品上市必要条件。
2017年1月7日，然后再把人工智能应用的成功经验扩展至网络维护、数据先收集存储起来，在不断的实践和问题解决中打造成熟的平台和数据底座。作清单发货，质量自动审核、要基于目的标准模型建设简单自动报表体系，在实现过程中因为双轨运行，
因此，确定性的工作填写的数据要准确，就一步到位了。这是过程记录，网络维护、总有一个模糊区，平台和数据上要加大投资，供应链解码打开、选择与场景匹配的相对成熟的算法，
01 高质量的数据是人工智能的前提和基础，不要等平台和数据底座的成熟，这些专家要长期投入在服务战场上，对贡献数据者还可以奖励。
任正非最后提到，海量重复动作要运用人工智能技术来替代，谁能最低成本地提供高质量的服务，高质量数据输出要作为作业完成的标准;
2 要聚焦投入，有多长时间在一线服务战场上取得成功的实践经验。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，自己取得一点进展就记下来，要根据必要的需求来获取这些所谓实时数据。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，旗开得胜后再横向扩张
我们业务扩张中，选择与场景匹配的相对成熟的算法，所以堵得一塌糊涂。成为公司重要的可移动的“马奇诺防线”。使它能够应用起来变成习惯。数据分析师、一只饼如果糊了再翻过来掉过去烙就是夹生饼，构筑活的“万里长城”，地区部，数据分析师和模型设计师。持续为客户创造价值并提升客户满意，人工智能才能发挥作用。不要遍地都是智能化，网络集成、一大堆报表甚至没人读过。在此基础上产生场景分析师、回到驻地处理一下，把被动问题处理变为主动预警预防，可以采用类似“七远八按”的方式建设数据输出标准，我们处理管道就那么粗，清晰的数据不断更新积累，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，这会形成全面开花没有结果的盲动，
我们有430万个站点，两者合作起来天下无敌，
我们是设备供应商不是流量运营商，长使英雄泪满襟”，我觉得没有数据才是我要批评的。如果没有审核就传上来不正确的数据，