1.文章通过华为全联接大会2019三天中通过一系列产业解读和重磅发布，回答了行业AI，从“理论可能”到“实际应用”到底怎么走的问题。提出了一个关于产业AI的公式。
2. 郑叶来提出了AI与产业融合，需要解决四在问题：要有明确定义的商业场景、需要触手可及的强劲算力、提供持续进化的AI服务、满足相关组织与人才的适配。这四大要素，可以基于产业逻辑再拆分成两半。一半处在上游，也就是AI开发工作, 下游的另一半，是AI与行业结合。上游更多的是技术与基础设施的提供，而下游是千万行业具体问题的发现和解决。
3. 商业场景和组织变革，归类为行业对AI的准备。这更多需要不同角色与产业生态的紧密合作，需要与行业智慧和场景的紧密结合，持续进化的AI服务等等条件来解决差异化需求。――华为云针对此问题的行动：EI体系的建立和发展就是针对这一方向。EI工业智能体，就是为了解决AI技术深入行业场景的问题。

4. 产业上游需要的也就是触手可及的算力、持续进化的AI服务、人才生态培养这三大问题。这个逻辑可以这样理解：一个企业想用AI,那么最基本的三个条件就是有人懂AI,懂AI的人能快速达标完成工作，工作有充足的算力支持。于是我们可以推导出产业AI的行业基础，取决于这样的公式：AI人才储备×AI开发服务×AI算力×企业综合成本预期。只有如此AI才能踏出走入企业的第一步。如果说，产业AI的下游是一万个人来解的一万道题，上游则是一个人来解的一道题――核心就是如何实现全周期的AI开发者升级。――这是华为去需要自己解答的问题，这是华为云的产业观察和理解，也是华为云在AI之路上的行动指南。

5. 大量冗余重复的训练数据标注，漫长且低精度的黑盒训练，混乱茫然的模型版本管理，推理部署之后无法落地的种种兼容问题，这些才是AI开发的真关状态，也是AI难以走入产业的最复杂问题。
解决这个问题，需要的就是持续迭代升级的AI服务，用基础设施的进化满足提升开发效率。
AI开发需要经历数据准备、训练、模型管理、推理部署四个阶段。
华为云的AI行动，是拆解之后解决AI开发的所有问题，那么ModelArts2.0就是解决AI开发技术流程中的所有问题