隨著人工智慧等話題熱度的瘋漲， 這近日一次會議中， 華為董事長任正非表示：不要太衝動， 不能遍地都是智慧化。 早在今年的兩會期間， 很多互聯網大佬就多次提及有關人工智慧的一些看法， 雷軍今年兩會一共提交了三個議案， 包括把人工智慧列入國家戰略在雷軍看來， 去年AlphaGo擊敗了人類的圍棋高手的突破不亞於一次技術革命， 可以預見在10年之內， 人工智慧會取代超過50%的人工。
而李開複在今日也公開表示：最近我見了一個做內衣的， 也說自己是人工智慧的企業， 這是非常不正常的現象。
為什麼我們不可以統一作業的工具， 和工作的標準。 配個資料獲取聚集器， 員工在現場作業完後， 回到駐地處理一下， 一按鍵就群發出去了， 不必經過辦事處、地區部，
我們有430萬個網站， 每年增加96萬個， 1萬1千個合同， 每個基站報上來的報表這麼厚， 是因為沒有模組化分類。 不抽象不總結就要上報， 我們處理管道就那麼粗， 所以堵得一塌糊塗。 實際上歸納出來可能就一百種， 大不到一千種模組。 我們分類按範本傳資訊給供應鏈， 供應鏈解碼打開、作清單發貨， 我們管理會簡化很多。 現在報表層層上報， 每層增加好多人， 一大堆報表甚至沒人讀過。 要基於目的標準模型建設簡單自動報表體系， 這樣中間的人工就減掉了， 主戰場的員工就增加了。 人人都基於作業給你提供準確資料， 集中起來你的科學性就好了，
人工智慧要聚焦投入不能搞浮誇人工智慧在投資充分的情況下不要太衝動， 要急用先行小步快跑， 要聚焦在確定性業務、人工消耗大的專案， 寧可做得少一點，
如人工智慧的應用首先要瞄準實現簡工勘， 在此基礎上進而實現自動化設計。 海量重複動作要運用人工智慧技術來替代， 實現文檔自動生成、品質自動審核、遠端驗收及自動開票。 然後再把人工智慧應用的成功經驗擴展至網路維護、網規網優等業務場景， 把被動問題處理變為主動預警預防， 不僅提升了效率還提升了為客戶服務的品質。
要踏踏實實聚焦場景一個個解決， 選擇與場景匹配的相對成熟的演算法， 不要等平臺和資料底座的成熟， 半成品也可以先投入到內部改進的使用，
人工智慧一定程度上會接管世界李開複說，人工智慧的核心是深度學習技術，而2016年AlphaGo打敗了李世石，就是深度學習技術成熟的標誌。因為原來大家都認為機器不可能比人圍棋下得更好，人類有幾千年的智慧，但是它打敗了世界最好的棋手，這件事情顛覆了大家的思維。
在未來十年，人工智慧不僅能聽、能看，也可以做到能理解、能判斷、能分類、能預測，任何一個以大資料為核心的領域裡面，當一個人的工作是10秒鐘以內能作出判斷的，或者做的是重複性的工作，都將會被機器取代。
李開複說，人工智慧想要發展有四個先決條件，第一是海量的大資料，至少千萬級別以上的；第二是這些資料需要標注，標注不見得是人來標注；第三條件是垂直領域，不可以跨領域，因為一次只能懂一個領域；第四個條件就是頂尖科學家的加入，他們知道怎麼樣去用煉丹的方法，一定要有累計，有經驗。
李開複說，人工智慧的核心是深度學習技術，而2016年AlphaGo打敗了李世石，就是深度學習技術成熟的標誌。因為原來大家都認為機器不可能比人圍棋下得更好，人類有幾千年的智慧，但是它打敗了世界最好的棋手，這件事情顛覆了大家的思維。
在未來十年，人工智慧不僅能聽、能看，也可以做到能理解、能判斷、能分類、能預測，任何一個以大資料為核心的領域裡面，當一個人的工作是10秒鐘以內能作出判斷的，或者做的是重複性的工作，都將會被機器取代。
李開複說，人工智慧想要發展有四個先決條件，第一是海量的大資料，至少千萬級別以上的；第二是這些資料需要標注，標注不見得是人來標注；第三條件是垂直領域，不可以跨領域，因為一次只能懂一個領域；第四個條件就是頂尖科學家的加入，他們知道怎麼樣去用煉丹的方法，一定要有累計，有經驗。