9月19日，华为官网挂出华为副董事长、轮值董事长徐直军在2024华为全联接大会上的讲话，徐直军表示，AI已成为对行业影响最大的技术，华为在去年提出了全面智能化战略，而战略核心就是抓住人工智能变革机遇。

　　徐直军表示，“我们所能制造的芯片的先进性将受到制约，这是我们打造算力解决方案必须面对的挑战。”

　　在他看来，因为人工智能正在成为主导性算力需求，促使计算系统正在发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力。这些结构性变化，为通过架构性创新，开创出一条自主可持续的计算产业发展道路，提供了机遇。

　　但他也表示，大模型的技术突破大大加速了智能化的进程，一段时间以来，各行各业几乎言必称大模型，纷纷建设AI算力，纷纷训练大模型。不过从长远发展角度考虑，不是每个企业都要建设大规模AI算力。

　　“我们都清楚，AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境。”

　　此外，徐直军认为，不是所有的应用都要追求“大”模型。十亿参数模型可以满足科学计算、预测决策等业务场景的需求，而百亿参数模型可以满足面向NLP、CV、多模态等大量特定领域场景的需求，比如知识问答、代码生成、坐席助手、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。

　　以下为演讲全文（有删减）

　　华为副董事长、轮值董事长徐直军：拥抱全面智能化时代

　　欢迎来参加2024年华为全联接大会，期望大家在上海有一段愉快的旅程。我在2018年华为全联接大会上发布了华为人工智能发展战略和全栈全场景AI解决方案，并把AI定位为通用目的技术。2021年，我在华为全联接大会上，讲了盘古大模型使能各行各业智能化。从2018年至今，AI的发展日新月异，广受全球投资界、产业界、政府的高度关注。华为从2018年开始，踏实推进AI发展战略，并在去年的华为全联接大会上，进一步明确了公司全面智能化的战略。对于智能化，每个行业、每个企业都有自己的探索，我听到取得了很多成果，同时也注意到还有很多困惑。今天，我想利用此机会，来分享一下我们的观察、思考、战略和实践。

　　AI成为对行业影响最大的技术

　　首先我们看看AI的商业进展。从商业应用角度看，从来没有一项技术进步像AI一样，在如此短的时间内产生如此大的影响。麦肯锡和斯坦福大学的研究表明各行业的AI应用目前主要集中在产品开发、营销、业务运营等三个环节。其次，从企业高管视角看，Gartner的调查研究结果表明CEO们对AI的看法是非常积极的。所以概括来说，AI技术的持续进步正在推动各行各业智能化的不断深化，正在走向全面智能化。

　　站在全面智能化时代的初期，我们每一个企业，不仅希望今天尽快利用AI创造出价值，同时也希望在未来的智能化竞争中实现领先。这也是我们一直在思考的问题，我想借此机会分享一下我们对智能化时代企业的憧憬，也就是憧憬智能时代的企业大致是什么样子，将会具备哪些特征。

　　我们认为智能化时代的企业，应该具备“六个A” 特征。首先的4个A，表征的是智能化的效果，其中：

　　第一个A，回答的是企业未来需要如何服务其客户，我们认为是Adaptive User Experience，自适应体验；是指，智能化企业应该能够感知并理解用户的行为、需求、兴趣、品味和环境变化，主动调整提供最符合用户需求的服务，能够适时和同时满足海量个性化独特需求的产品，需要从一开始就是特别设计的，而不仅仅是裁剪。比如：AI学习机根据学生年龄、学习进度、理解能力以及测试反馈等自动调整教学内容和难度，让每个学生在不同时刻都能获得适合自己的学习体验。为客户提供预设的确定体验到自适应体验是一次跃迁，每个企业都需要提供适应智能化时代的客户体验。

　　第二个A回答的是企业将需要打造怎样的产品。我们认为是Auto-Evolving Products，自演进产品；是指：智能化时代的产品将具备自主学习，持续迭代，适应变化的能力，能够自优化和自演进，比如自动驾驶汽车，越开越好开。产品从产品数字化到产品智能化是一次跃迁，将极大改变竞争，每个企业都需要思考把智能化能力融入自己的产品。

　　第三个A回答的是企业日常运营的未来，即Autonomous Operation，自治的运营；是指，要实现业务流高度自治运营，从感知、规划、决策到执行，端到端自主闭环。比如港口通过智能计划平台，自动生成作业计划，通过自动驾驶集卡自动完成集装箱水平运输。企业运营自动化是多年以来很多企业一直在追求的，运营的自治化是运营效率提升的一次跃迁，每个企业都需要思考在更广、更深的范围用AI赋能和改变企业运营。

　　第四个A回答的是员工工作体验和工作方式的未来，即Augmented Workforce，增强的员工；是指，要让每个员工都有一个“懂我”的智能助手，高效、高质量完成每一件工作。比如运营商基站现场维护人员通过维护助手APP快速获取故障位置，故障根因以及处理建议等信息。让AI造福于人类是AI存在的意义，让员工有更好的工作体验是每个企业在智能化时代竞争力的关键基础。

　　接下来2个A，表征的是智能化的基础。第五个A，即All-Connected Resources，全量全要素全联接；是指，要实现企业的资产、员工、客户、伙伴、生态等全互联，所有业务对象、过程、规则实现数字化，不仅要提升信息的量，更要改善信息的质，从而使企业具备智能化必须的数据和信息基础，也就是深度、全面的数字化。

　　第六个A，即AI-Native Infrastructure，智能原生基础设施；是指，一方面，ICT基础设施要系统化构建，要能适应智能化应用的需要，即ICT for Intelligence，另一方面，基础设施本身的运维管理和体验保障要充分智能化，即Intelligence for ICT。

　　这6个A的特征，是我们结合自身实践和理解的初步思考总结，希望对大家思考用好AI有所帮助，供大家参考，希望每个企业都能成为智能化时代的赢家。

　　充分抓住人工智能变革机遇

　　华为在2023年的HC大会上提出了全面智能化战略。全面智能化战略的涉及面很广。

　　首先谈一下算力，智能化必将是一个长期过程，而算力是智能化的关键基础，过去是，未来也是。因此，智能化的可持续，首先是算力的可持续。而算力是依赖半导体工艺的，但我们必须要面对一个现实，那就是，美国在AI芯片领域对中国的制裁长期不会取消，而中国半导体制造工艺由于也受美国制裁，将在相当长时间处于落后状态，这就意味着我们所能制造的芯片的先进性将受到制约。这是我们打造算力解决方案必须面对的挑战。

　　立足中国，只有基于实际可获得的芯片制造工艺打造的算力才是长期可持续的，否则是不可持续的。华为看到了挑战，也看到了机会和可能，更激发了我们创新的热情。因为人工智能正在成为主导性算力需求，促使计算系统正在发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力。这些结构性变化，为我们通过架构性创新，开创出一条自主可持续的计算产业发展道路，提供了机遇。

　　我们的战略核心就是，充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造“超节点+集群”系统算力解决方案，长期持续满足算力需求。

　　大模型的技术突破大大加速了智能化的进程，一段时间以来，各行各业几乎言必称大模型，纷纷建设AI算力，纷纷训练大模型。这对于华为这样的算力提供商而言，无疑是重大利好。但从长远发展角度考虑，我们始终相信，只有客户的持续成功，才有华为的持续发展。

　　第一、不是每个企业都要建设大规模AI算力。我们都清楚，AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境。

　　其次是，现在业界平均一到两年推出新的AI硬件产品，迭代速度快，相比公有云，企业受限于算力规模小，面对快速变化的大模型，比较难以让每个代际的算力硬件独立完成工作，而是希望多个代际产品混合使用来进行模型训练，由此导致资源调度复杂度高，而且因为历史代际产品的“木桶短板”效应，拖累新一代产品性能的充分发挥，影响大模型训练的能力。

　　最后是运营维护带来的挑战，AI技术还处于成长期，技术变化快，多代际产品共存，对技能要求高，导致运营维护困难，对很多只具备传统IT维护能力的企业而言是重大挑战。由于这些挑战在一段时间内将继续存在，因此，我认为，每个企业都要思考适合自己的获取AI算力的方式，而不仅仅是建设自己的AI算力。

　　此外，不是每个企业都要训练自己的基础大模型。训练出基础大模型，关键是数据，而准备足够多的高质量数据是很大挑战，基础大模型预训练数据量进入10万亿tokens量级，这对于企业来说，不仅意味着高成本，同时是否能获取到足够的数据量也是挑战。

　　其次，模型训练难，基础大模型参数量在持续增大，模型迭代和优化难度大，通常需要数月到数年时间完成模型迭代训练。每个企业都应聚焦自身核心业务，自行训练基础大模型会影响AI尽快赋能核心业务。

　　最后，人才获取难，基础大模型涉及的相关技术每天都在更新，具备实战经验的技术专家少，对于企业来说，建立足够的技术人才资源也是挑战。

　　不是所有的应用都要追求“大”模型。从华为盘古在行业的实践看，十亿参数模型可以满足科学计算、预测决策等业务场景的需求，比如降雨预测、药物分子优化、工艺参数预测，在PC、手机等端侧设备上，十亿参数模型也有广泛应用。而百亿参数模型可以满足面向NLP、CV、多模态等大量特定领域场景的需求，比如知识问答、代码生成、坐席助手、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。

　　所以我们认为，企业需要的是根据自身不同业务场景需求，选择最合适的模型，通过多模型组合，解决问题，创造价值。

　　终端AI不应以算力为中心

　　智能时代，终端是不可或缺的一环。在终端领域，华为是最早把AI引入到智能手机的，早在2017年，华为推出的Mate10，就内置了AI芯片，并将AI智慧影像、AI翻译等能力首次应用到了手机，开启了Mobile AI时代。而今天，随着AI进入大模型时代，我们基于端、芯、云协同的架构，把AI技术与鸿蒙操作系统深度融合，重新构建了以AI为中心的鸿蒙原生智能，从内核到系统应用实现全面智能化，同时实现更开放的生态协作，以及更可信的隐私安全保护。

　　华为将基于鸿蒙原生智能，将“小艺”升级为智能体，实现更自然的多模态交互，更全方位的融合感知，联合鸿蒙生态伙伴共同构建面向未来产品的智能能力；并且实现从AI模型能力到AI控件分层全面开放，使能第三方应用，繁荣鸿蒙原生应用生态。

　　我们也注意到，在各种终端中引入AI能力已经成为普遍的趋势，比如打造AI Phone、AI PC等。由此，关于如何定义AI时代的智能终端，业界也有各种声音。我们始终认为，消费者的体验是第一位的，消费者难以理解芯片工艺、算力TFLOPS、模型参数量…究竟意味着什么，而是更加注重切身的使用体验。因此，我们倡议，终端AI应以体验为中心，而不是以算力为中心。

　　基于这一理念，我们和清华大学人工智能产业研究院共同提出AI终端智能化L1到L5分级标准，期待产业界同仁一起来完善、优化该分级标准。共同促进终端AI的有序发展。

　　希望2030年左右实现无人驾驶

　　汽车自动驾驶解决方案也是华为最开始投资AI的重要领域，因为自动驾驶的目标是无人驾驶，是AI的应用最为挑战的场景之一。我们推出的ADS 3.0版本，能够让自动驾驶决策更准确，通行更高效，体验更类人，驾驶更安全。并且实现了车位到车位 “一键”抵达，从公开道路到园区道路到地下车位的全场景贯通。并且进一步升级全向防碰撞系统，覆盖更多速度区间，以及实现全向避障。

　　这些进步让消费者真正感受到了智能驾驶带来的安全与体验提升。现在，中国消费者对汽车智能驾驶已经非常熟悉了，购买新车时配智能驾驶高阶版本的比例非常高，汽车的智能驾驶能力也已经成为中国消费者购买新车时重点考虑的因素。下一步，我们将基于融合感知，持续演进自动驾驶解决方案，逐步实现：在高速路，上车即可休息，长途安心睡；在城区和郊区公路，处处都好开，安全稳重比肩老司机；在乡村和山路：上山下乡，全地貌全天候放心开。在泊车场景：实现离车即走、零剐蹭、零卡死；在安全方面要实现全方位全向主动安全，主要是主责碰撞清零，减轻次要责任。在这些关键场景目标达成的基础上，希望在2030年左右实现无人驾驶。

　　打造统一的开发者平台

　　发展生态一直是华为战略的重要组成，在2024年及未来五年，华为将强力战略投资生态的发展，通过生态的发展牵引、促进、带动计算产业和终端产业的发展，为世界计算领域提供第二个选择，同时为世界提供第三个移动操作系统。

　　AI的应用将无穷无尽，但归根结底是要服务于人的。我们坚持倡导和践行AI向善，我们认为：AI应服务于人，提高人的工作效率和生活品质；通过AI使能行业数字化，改变行业的生产方式，成为各行业进入智能世界的核心引擎；要降低AI技术的门槛，让每个人、每个家庭、每个组织拥有平等获取和使用AI技术的机会。

　　AI应运用于为社会创造更广泛的福祉等善意的用途；我们在AI的设计、开发和使用过程中，会审慎评估AI技术对社会带来的长期和潜在影响，避免AI技术滥用。此外，AI应运用于生态环境保护和可持续发展，积极运用AI来研究、解决全球关注的问题，如联合国可持续发展目标。

　　全面智能化时代已然来临，给每个人、每个企业带来新的机遇，也有新的挑战，让我们携手共同推进全面智能化，让每个人都有自己专属的智慧助手，让每个企业成为智能化企业，让每辆车都能无人驾驶。

（文章来源：第一财经）