當大模型從技術奇點躍遷為產業基座，當智能體從實驗室走進產線診室，人工智能的第三次浪潮正以前所未有的銳度重構全球經濟肌理。

中國在這場變革中展現出雙重稟賦：既是擁有超大規模應用場景的試煉場，又在芯片突圍、算法開源等深水區發起攻堅。從單點技術破壁到生態級創新，從效率工具到新質生產力引擎，一條具有東方特色的AI發展路徑正加速浮現。

7月26日，世界人工智能大會（WAIC 2025）以“智能時代 同球共濟”為主題，匯聚了來自AI領域的科技巨頭、學術先鋒與政策制定者，而這場覆蓋技術、倫理、藝術的超級盛宴，昭示著AI已從“產業變量”進化為“文明常量”。

在這場關于人工智能產業的盛會上，36氪不僅作為產業觀察者，更以產業連接者的角色深度參與，在展館中搭建了“氪星直播間”，以對話的形式，揭秘人工智能產業進階的底層邏輯。

在對談中，華為NCE-數據通信領域總裁王輝表示：以強推理模型為代表的大規模學習還沒有到達天花板，還差得很遠。如果通過多個領域知識的加持，讓一個大模型在一個領域內變得專精，這個是我們未來一段時間主要發力的方向。

以下為對談實錄，經36氪編輯：

36氪：本次WAIC探討的一些問題或者是趨勢，您認為哪一個趨勢是最明顯的?

王輝：這次大會我們看到的最重要的一個趨勢，是AI 現在真正深入到了ToB行業，原來很多技術是承載在PPT上，以及視頻里面，但這次來了之后，我們看到很多AI應用已經進入了生產車間，進入了工廠，從機器人打螺絲到我們現代教學里面，學校通過AI可以輔助教學，甚至有一些AI數字老師，幫助學校去做很多課程，所以我認為最大的變化是在不知不覺之中，AI已經深入到了每個行業，真正變成了生產力工具。

36氪：您認為AI深入行業，對于咱們目前的工作來說產生最大的影響是什么？

王輝：我是在華為負責自動駕駛網絡的，不是那個自動駕駛汽車，而是用 AI 去驅動網絡。很多人可能覺得，網絡需要 AI 驅動嗎啊？確實是這樣的，網絡是非常復雜的，大到運營商電信網絡，小到一個企業的網絡，比如清華大學，會有幾萬臺設備來構成校園網絡，并且承載了幾萬師生的使用，這種情況下，網絡運行、體驗、運營、安全的高度智能化就顯得非常重要，也是非常必要的。

再以網絡安全為例，全球 80% 以上的網絡攻擊其實是由AI發起的，很多勒索攻擊是AI自動去做的，導致AI勒索已經成為走私販毒之外的第三大黑色產業，所以這種情況下用人去對抗AI是不現實的，今年的哈爾濱亞冬會，賽事系統被網絡攻擊累計達到27萬次。

所以我們必須將很多 AI 技術應用到網絡里面，來解決我們網絡的流量問題，再解決網絡攻擊的問題。從這個角度來看，AI深刻地改變了網絡這個行業。

以上提到的是AI for network部分，另外一部分叫Network for AI，也就是我們的網絡怎么為 AI 服務的。

英偉達的網絡業務很值錢，今年應該是超過了100多億的收入，華為公司的規模也很大，這個通信網絡跟原先的相比，發生了很大的變化，它需要高速無阻塞的長時間穩定運行。一個大模型的訓練常常持續45天甚至到60天，如果訓練過程一旦中斷，就需要重新開始，或者至少從上一個時間點開始。OpenAI訓練它的新模型為什么那么慢？很重要的原因就是在不停地中斷，所以說我們必須通過AI來賦能網絡，從而讓整個AI訓練的過程中長時間保持穩定運行。

總結來講，我認為AI深刻地改變了網絡，同時網絡也深刻地改變了AI。

36氪：您能不能舉一個更具體的例子，表現出AI對客戶起到價值提升的作用。

王輝：比如清華大學，其實它的網絡還是非常復雜的，我們日常見到的這種 Wi-Fi 設備都有幾萬臺，整個網絡非常復雜，一個很大的變化是，原來在學校里面，特別是教室里面，網絡其實沒那么重要，很多老師不太希望學生天天在刷手機上網，影響授課的質量，但現在不是這樣子的。

隨著現在智慧教室的發展，在課堂需要學生用 Pad 也好，筆記本也好，這些終端通過網絡去跟老師做互動，你要提交答案，又要看 AI 輔助教學的內容，或者有大量的課件要下載，這對網絡都提出了很多很高的要求。原來在清華大學的智慧教室里面，經常有一兩百個學生在上課，如果大家同時在下載大量的課件的時候，其實網絡是非常繁忙的，而且一旦網絡出現故障，原來可能修復需要一個小時，甚至兩個小時，都已經下課了，這個是不可接受的。

但是我們通過引入AI之后，可以讓整個的網絡信號變得均勻，可以感知到每個學生每個應用的質量。比如在你提交考試答案的時候，保證你的網絡是安全可靠的，在你下載課件的時候，保證是高速流暢的。所以，通過這些AI手段，我們有效地保證了整個智慧教室的平穩運行。無論是AI輔助教學也好，還是智慧教育也好，能夠在AI的加持之下保證每一個學生的良好用網體驗。

36氪：那么你認為現在AI或者人工智能技術面臨的一個最大的技術難點，或者是一個工程性的難點是什么？

王輝：這是ToB行業的一個普遍性問題，最核心的還是準確性的問題。

因為AI 進入工程領域，跟ToC是不一樣的，讓它寫一首詩沒那么準，沒關系，可能寫出來之后覺得更優美，讓它幫你唱一首歌，沒那么準，其實也沒關系。但是進入每個垂直的ToB行業的時候，要求是不同的，比如我們現在也做了很多 AI 輔助醫療，如果診斷出現錯誤，可能影響這個病人一生。現在用的自動駕駛汽車，如果在剎車的時候出現一個誤操作，可能就是人的生命的問題，所以說 AI 進入一個工業領域行業的時候，它的準確性是當前最大的一個挑戰。

36氪：ToB行業從0到99%可能都是很好達成的，但是從99%甚至是99.9%到100%，就是這個0.01的誤差是很難消除的，你認為如果想要真正使AI的準確率達到100%的話，行業還需要付出怎么樣的努力？

王輝：我個人認為，現在的數據可能還有很多水分，實際上達到99%也很難，達到90%以上，甚至95%以上是可接受的，因為我們每個行業都有不同的閾值。比如，汽車行業會設這樣一個指標，10萬公里的故障數，作為個人來講，可能平均10萬公里會出現一次駕駛的事故，但如果說我們用自動駕駛或者 AI 去超過這個閾值，這是可接受的。在其它領域也是一樣的，醫生的診斷也不會達到100%，再有經驗的醫生一生中也會出現誤判，所以說這就是一個閾值問題，我認為在不同領域如果能達到90%，甚至95%，都可以 先去使用，這是 OK 的。

一個很關鍵的要素，是大小模型技術。因為我們現在也用了很多大模型技術，但是客觀講，短期內無論是大規模強化學習也好，還是其它技術也好，很難讓大模型做得那么準確，這是非常非常難的，所以我們在工業領域內積累的很多小模型，或者是細分領域的專有模型就非常重要。就像你讓大模型去算數學題，雖然現在看分數很高，但實際上還是會有錯誤，你讓計算器去算，它的準確率基本上就接近100%。

更核心的是，現在這些 AI 的技術的組合，大模型的AI技術、原來領域的AI模型的技術，以及原來很多沒有AI的激勵模型技術，把這些技術組合起來，才能真正提升它的智能化水平，提升它的泛化性，同時又提升它的準確率，這是當前工程上的一條比較合理的路徑。

36氪：那么您這次來WAIC，發現這次大會向生態伙伴或者咱們自身傳遞了一個什么樣的信息？

王輝：很大一個的變化，在于大模型不再比分數了，而是比商業價值。以前大模型特別喜歡比分數，霸榜的時間從原來的一個月變成一個星期，甚至一天，最后變成只能霸榜一個小時，現在大家已經不太比較這個事了。機器人也不再比表演魔術比表演武術，而是在比誰真正在工廠里打螺絲打的效果更好。

所以從這個現象上來講，我覺得大家不太關心這些所謂的技術指標上的突破，而是轉變成關心它的商業價值，比如 AI真正落地到每個行業里面，最終能夠產生商業價值，這才是大家最關心的問題。

這兩天我跟 AI圈子里很多知名專家，包括很多高校教授，也聊過這個事情，我們從純技術視角來看，從強推理模型，包括 DeepSeek和OpenAI 出來之后這段時間，其實沒有一個革命性的質變，是因為我們沒有找到這個技術變量。以強推理模型為代表的大規模學習，應該還沒有到達天花板，還差得很遠。如果通過多個領域知識的加持，讓一個大模型在一個領域內變得專精，是我們未來一段時間主要發力的方向。

36氪：如果您還來下一屆大會的話，您對 WAIC有什么樣的期待？希望看到一個什么樣的新的一個現象或者趨勢？

王輝：這次 WAIC已經一票難求了，很多人想進都進不來，說明了AI的火爆。WAIC提供了一個很好的平臺，全球AI產業能夠一次性接觸、企業和客戶能夠集中交流，這是非常好的一件事情。

面向未來，一個可見趨勢就是AI和大模型會更深度的走進千行百業。明年看到的可能不僅是機器人能夠在打螺絲了，它可能在工廠里面做一些端到端的工作。WAIC還可以更聚焦，為每個細分行業搭建一個相互交流、促進商業落地的一個平臺。