AI已成為確定的方向。而以云為基礎的數智躍遷，才能走得更遠。

文｜牛慧

編｜趙艷秋

進入華為全聯接大會2024，無論峰會、論壇還是展館，“行業”和“數智化”無處不在。“人工智能已成為一個確定的方向。”一位與會者說，“但今年比去年要向前邁了一大步。”去年，他所在的金融業，對大模型還處于“探索狀態”，今年像客服助手、柜臺助手已在大范圍推廣，大模型在嘗試進入更多生產環節，開源節流。

除了金融，汽車、電力、政府、醫療等的數智技術也已進入深水區，場景更為豐富多元。即便大會本身，從翻譯耳機中單辟出的數字人同傳頻道、再到大會的數字人主持、演講嘉賓數字分身......從商業應用角度看，從來沒有一項技術進步像AI一樣，在如此短的時間內產生如此大的影響。

“先鋒企業們的共性是，擁抱新變化，擁抱創新科技。企業要堅定不移地做好以云為基礎的數智躍遷，才能走得更遠、更穩、更快。”華為云全球Marketing與銷售服務總裁石冀琳在以“加速企業數智躍遷，以卓越成就卓越”為主題的華為云高峰論壇中說。

在本屆大會上，華為向與會者傳遞了這樣的理念：企業要構筑好AI原生的思維，而企業獲得AI最好的方式是云。同時，華為云宣布全棧重塑，打造AI原生的云，發布華為云盤古助手，加速行業數智化。

華為云從云的伙伴，轉向企業數智躍遷、AI轉型的戰略伙伴。

石冀琳表示，跟懂行的人同行，勇敢地邁出第一步，才能發現新的機遇、創造新的價值、實現新的成長。華為云將繼續攜手全球客戶，將領先的技術與行業知識相結合，共赴數字化之旅，實現智能躍遷。

01

企業數智轉型大潮來了

企業數智轉型的大潮已經到來。華為全聯接大會期間公布的第三方機構對企業CEO的訪談，AI已成為對行業影響最大的技術。華為云也透露，今年底企業對AI算力的需求，將超過通用算力。

一個現象是今年大模型中標項目在逐月遞增。根據公開渠道的統計，1月大模型中標數為16個，6月為74個，8月已達101個。一些領先央國企龍頭，在Q3完成了大模型平臺和項目的階段性招采工作。從行業分布來看，運營商、教育、能源、政務、金融走在前列。“即便一些今年面臨經濟壓力較大的行業，也期望借助大模型，解決行業急迫的問題，并進行技術沉淀。”一位AI人士告訴。

“我們看到行業用戶，把AI作為升級或創新的催化劑。”IDC中國副總裁兼首席分析師武連峰說。從2022到2027年，AI相關投資復合增長率為31.1%，是IT總投資增速的4~5倍。“不少企業從戰略角度投資。”一位行業AI資深人士說。AI已成為企業發展的必然選擇，誰能用好AI，誰就更能獲得領先優勢。

實際上，很多企業正在利用以大模型為代表的AI技術，把傳統的業務、流程、產品和服務重新做一遍。

在最具代表性的汽車行業，今年在卷“大模型上車”。“我所知道的車廠，基本上都在深入研究大模型，或者已經把大模型應用到研產供銷服中的某一個環節。”四維圖新高級副總裁蔣晟告訴。他觀察，除了造車新勢力，傳統大車企也不甘人后，像某國產車企很早就成立了專門的實驗室，做的工作也較為激進。

四維圖新也在這一輪數智大潮中，從傳統地圖廠商，向以智駕為龍頭的汽車智能化新型Tier1供應商轉型，核心產品“駕艙云芯”緊緊圍繞數智化。以座艙為例，蔣晟認為，無論從技術積累還是投資角度，現階段都是自研座艙模型“特別好的時機”，四維圖新的一些服務也已經上車。四維圖新也在做艙駕合一方案，目標是在這輪汽車智能化大潮中，通過最優化的成本，爭奪中低端普惠市場。

會議期間，比亞迪、廣汽、長安等車企成為分享數智轉型實踐的重要代表。例如，長安稱借助昇騰AI云服務，目前進行每天3500萬公里里程的智駕模型訓練。

辦公軟件行業也是這輪大模型在全球最先引發變革的領域，是各行業最早接觸嘗試的落地方向。創立36年的金山辦公轉身動作很快，去年4月即推出了基于大語言模型的智能辦公助手WPS AI，嵌入表格、文字、演示、PDF常用辦公組件。今年升級的WPS AI 2.0，不僅為個人用戶提供更多功能，也為組織級用戶提供了WPS AI企業版及WPS AI政務版。“AI是產業革命，現在產品如果沒有AI能力，基本上都要下架。”金山辦公高級副總裁姜志強對說。

姜志強觀察，用戶現在能省的費用就省了，但如果AI能幫助用戶賺錢或省錢，就變成了必不可少的投資。他們的一家金融客戶，以往服務團隊的新員工，通常需要3~6個月的培訓，這是企業付出的剛性成本。現在通過AI助手和Agent應用，每個員工身邊相當于有了一個助手，培訓一個月就能上崗，降本增效明顯。

有趣的是，在投資生成式AI的企業中，接近30%的企業表示，一年之內看到相關回報；近80%的企業在18~24個月看到回報。相較而言，一個傳統IT項目，投資回報周期通常是3到5年。生成式AI是與業務相連的，容易產生效果。而企業每花費1美元投入，平均可得到3.5倍回報率。

觀察，最近幾個月，越來越多的行業龍頭已將大模型等AI技術，從通用辦公助手拓展到核心業務場景。如在電力行業，國家電網等在探索電力調度；中石油在探索油氣勘探、開發、生產環節；寶鋼已應用AI技術解決高爐煉鐵和熱軋鋼帶難題。其中，高爐被認為是“AI落地最難的應用場景”。

02

企業落地AI，當下核心解決哪些問題

不過，即便龍頭企業的數智轉型，當下也遇到了不少挑戰，包括數據準備、算力資源獲取、人才積累、安全隱私，以及各種不確定性。而且，企業轉型不僅僅是一場技術革命，更是一場管理革命、思維革命。

針對上述諸多挑戰，當下企業正在解決一些焦點問題。

不少傳統客戶目前正處于規劃階段。客戶管理層問的最多的問題是，大模型對企業的作業生產會有怎樣的影響？是花架子還是實在的東西？在大模型的能力邊界上，大家還未達成共識。“這是我們要著手解決的。”一位AI服務商說。華為云也提出“AI場景十二問”的方法論，這是華為內部實踐而來，從價值、準備度以及持續運營維度，考察哪些場景適合引入AI。

而在規劃中，根據IDC的統計，74%的AI工作負載運行在云上，要選對云的合作伙伴，這是第一步。過去，只要有錢、有人，企業自己也能搞一個小型云計算中心。但智算設施投資高，供應鏈有不確定性，從規劃、建設到運營的每一個環節都極其復雜，遠不是堆一堆GPU服務器就完事了。”圍繞基礎設施、算法模型、海量數據存儲、處理和分析、部署調優，云公司在升級并提升全棧服務。

數據也是企業正在著手解決的核心問題。“我發現很多企業沒準備好數據，相當于只有發動機沒有燃料，上AI就等于上了一個空架子。”姜志強打了一個比方。過去數字化涉及較多的是結構化數據，但企業有大量文檔、圖片、表格等非結構化數據——這也是目前人類最主要的知識載體。但是很多企業的數據本身沒有打通，存在嚴重的數據孤島問題，而大模型又需要高質量數據集才能發揮實際效用，這就導致現實與理想間存在差距。

“我們目前在為企業上AI準備燃料。”金山辦公幫用戶管理的大量文檔等非結構化數據，是企業的知識沉淀。如何將它們調動起來？姜志強他們發現，在AI的實際落地中，WPS AI加上企業的業務數據，結合企業的業務場景，幫企業解決實際問題，是一條可行的路徑。這就是金山辦公提出的“企業大腦”概念，目前正與企業進行共創。業內也認為，這一輪大模型將極大激發非結構化數據的應用。

在行業中，數據應用還涉及不出域等安全合規問題。以地理位置信息為例，現在車端感測能力越來越強，能把周邊區域還原成高精度、三維模型，對國家安全、生產安全提出挑戰。各國政府正在逐步制定政策。企業在應用開發之初，需要考慮監督治理體系，防止未來發生法律或政策的風險。

“車上智能化，需要在過程中做數據分析。車端算力畢竟是有限的，一旦涉及敏感類數據出車，就需要一整套安全合規能力。”蔣晟說。去年7月，四維圖新與華為在烏蘭察布聯合發布了專屬云。“我們按照國家對測繪數據的管理要求，形成了合規方案，數據的流入流出嚴格受控，在分類分級下，部署了不同的物理區域對數據進行脫敏和處理。”四維圖新蔣晟說，“這是我們與云廠商合作中比較重要的環節。”

有了這樣的合規方案，車上的隱私數據和周邊的環境數據，才能與其他數據聯合起來，進行空間分析、渲染展現，數據的邊界得到了拓展。

目前，金山辦公也利用華為專屬云，來推進WPS 365華為云專屬版的探索合作，WPS 365是金山辦公推出的全新產品，打通了文檔、AI、協作三大能力。

03

云公司的進化

這一輪大模型的技術創新，也在倒逼云公司，從云的合作伙伴，轉向企業數智轉型、AI轉型的戰略伙伴，向業界提供一站式服務。

大會主題演講中，華為云宣布全棧重塑，打造AI原生的云，推出云基礎設施架構CloudMatrix，底層的算力可以按照模型參數量自動匹配，上層的盤古助手可全方位服務企業各崗位，每個員工都有了一個助手。

自己造的降落傘自己先跳。獲悉，這些助手已在華為內部試點或推廣。比如，代碼助手過去12個月服務了通信、鴻蒙等多條產線，700多萬行代碼進入生產應用。

在峰會期間，華為云也全面介紹了自己的全棧能力。華為云對外提供了從昇騰AI云服務、盤古大模型到盤古助手的全棧服務，服務千行萬業。

華為云公有云業務部總裁高江海指出，對于各企業來說，誰能用好AI誰就更能獲得領先優勢，而云就是AI基礎設施的必然選擇。為了支持企業加速上云，用好AI，基礎設施全球化、技術持續創新、運營運維的精益化是三個關鍵因素。

數智化是全球企業當下的共性需求，云的設施要遍布全球。華為云已構建了全球存算網KooVerse，開通33個Region、93個可用區，打造了50ms時延體驗圈，幫助10000+客戶實現業務全球化。

為了滿足企業用戶的網絡體驗，華為云與全球運營商實現了2400個Peer連接，骨干網之間通過全光互，實現業務一跳入云，全球觸達。值得關注的是，過去一年，華為云保持了0重大事件，業界最低，背后是華為云全球SRE體系的運維支撐。

在技術創新方面，通過算力升級、數智融合和應用創新，滿足企業用戶多元化業務場景的需求。比如，對新的、彈性要求高的業務，企業可直接使用華為云中心Region；對時延敏感的業務，可用智能邊緣云；時延要求極低且有專屬隔離的業務，可使用CloudPond部署在生產現場。針對想保留自己的技術棧和專屬算力資源的客戶，華為云發布了數據中心云化解決方案Data Center-to-Cloud。

今年全球大模型大模型跨入十萬億參數時代，昇騰AI云服務今年已完成了超 100 個主流AI模型適配。同時，業界預測，2026年推理算力需求將超過訓練。高江海介紹，推理業務對時延更敏感，彈性更靈活。華為云已把貴州、內蒙、安徽三大核心樞紐之間的昇騰云服務，用高速光纖網絡直連，形成了推理一張網，再利用跨Region調度等技術，應對突發流量洪峰。

目前，昇騰AI云服務已有150多家客戶的400多推理場景應用。

華為云與合作伙伴，在持續優化昇騰AI云服務。騰訊音樂娛樂集團天琴實驗室與華為云合作，將自研MUSELight大模型推理加速技術遷移到昇騰AI云上。MUSELight是什么技術？此前，騰訊微信輸入法在MUSELight技術協助下，解決了微信輸入法的文本潤色速度慢、成本高的難題，該功能提速到百毫秒級別，成本下降一半以上，確保功能的順利上線。

據悉，MUSELight首階段完成了對Stable Diffusion系列視覺大模型加速的昇騰遷移適配。“跟行業同級別AI算力相比，性價比已超出35%，實現了AI算力的自主創新和突破。”這將對消費級和行業端的應用產生關鍵影響，用戶可以使用更大參數的模型，以更低的成本實現更好、更快的視覺生成效果。騰訊音樂娛樂集團天琴實驗室AI大模型負責人吳斌博士介紹，雙方預計第四個季度，將把大語言模型等更多大模型的昇騰版加速方案，在昇騰AI云上聯合發布。

伴隨AI技術走向更多元化的行業，特別是工業大賽道等實體行業，對生態的需求更豐富和深入，這是當下全球競爭的焦點，對昇騰AI云服務也提出更高要求。

在企業IT精益化方面，華為云的精益化治理方案已在600多家企業得到了應用。

為了更加有效的幫助客戶實現卓越，華為云對PRIME框架-卓越架構進行升級，將分布式云、AI和數智融合、應用智能化、精益運營等新技術創新，融入到最新的卓越架構中，讓客戶可以更好的擁抱AI，加速AI應用落地，同時正式發布卓越企業PRIME模型白皮書。