" 人類發現地球隻是宇宙一員的時候，也是我們距離群星最遙遠的時候。"
這個來自天文領域的喟歎，今天同樣出現在行業與企業的智能化之路上。在這個時代坐标上，AI 大模型技術極速成熟，AIGC 和 AI Agent 等應用受到了各個行業的巨大期待。
但對絕大多數企業而言，AI 看似近了，其實卻更遠了。當企業耗巨資去追求大模型開發、自建 AI 算力、搭建 AI 平台等智能化方案，往往會發現其帶來的價值并不明顯，消耗的成本卻難以承擔。
如何解決能看到 AI，卻無法獲得智能化價值的時代難題？
華爲在這個過程中，又能夠把握怎樣的新戰略機遇？
（華爲副董事長、輪值董事長徐直軍）
2024 年 9 月 19 日，華爲全聯接大會 2024 在上海召開。華爲副董事長、輪值董事長徐直軍發表了以《擁抱全面智能化時代》爲主題的演講。将這篇演講的内容與當前行業智能化的難題進行對齊，就能發現以上兩個問題的答案。
全面智能化時代與初階智能化階段的區别在于，需要讓 AI 系統像電力、網絡一樣歸于極簡，歸于用戶價值至上。
而讓複雜的技術重回極簡，正是華爲最爲擅長的戰略慣性。
對于大多數行業與企業而言，大模型正在讓智能化變得愈發複雜。參數不斷膨脹的模型，成本持續增長的算力，以及不斷疊加的 AI 系統運維難度，似乎都預示着 AI 将是一條單行道。最終隻有極少部分能夠負擔超大模型、超大算力的企業才擁有智能。
然而從曆史發展的邏輯看，這是絕不可能的。隻有絕大多數企業與行業都能從中獲益，技術革命才有成功的可能。
因此，我們必須換一個視角審視 AI。在 AI 本身的技術脈絡之外，還要看到企業對智能化技術的真實适配與需求。一味追求大模型參數與大規模算力可能并不全面，隻有實現行業與 AI 的雙向對馳，才能最終實現智能變革。
以企業智能化爲例，徐直軍認爲，站在客戶持續成功的立場上，會發現這樣幾個客觀現象：
1. 不是每個企業都要建設大規模 AI 算力。
企業智能化進程中，也伴随着 AI 硬件産品快速叠代、AI 基礎設施快速升級的客觀情況。這樣一來，企業自建 AI 算力很容易跟不上發展節奏，從而産生巨大浪費。而且對于企業來說，混合異構的 AI 算力也會産生巨大的運維成本，往往得不償失。
2. 不是每個企業都要訓練自己的基礎大模型。
企業自訓大模型，意味着需要大量的高質量數據以及龐大的 AI 算力，從而帶來複雜且高昂的綜合成本。加上模型參數擴大，帶來訓練難度的不斷提升，自行訓練模型很可能延誤企業将 AI 與核心業務結合，造成适得其反的效果。
3. 不是所有的應用都要追求 " 大 " 模型。
從華爲雲的産業實踐來看，不同場景的需求可以通過不同參數級别的模型來滿足，而不是一味追求模型的 " 大 "。比如，十億參數模型可以滿足科學計算、預測決策等業務場景的需求；百億參數模型可以滿足知識問答、代碼生成、坐席助手等大量場景的需求；更複雜的 NLP、多模态任務，則通過用千億參數模型來完成。
如果說，智能化的初級階段，是向着參數更大、泛化性更強的模型單向發展，那麽全面智能化階段，必須考慮用戶與 AI 的雙向情況。隻有每家企業，甚至每個人、每台設備、每輛車都以最合适自己，最簡單的方法獲得智能化價值，AI 才能由遠而近，抵達産業核心。
明确了這個邏輯，我們才能理解華爲的戰略機遇何在。
想要實現從單向 AI 到全面智能化的跨越，有一個不可避免的階段，就是回到極簡。
事實上，信息時代、數字時代，甚至更早的工業革命都會經曆這一過程。産業真正成熟的标志，是将看似極其複雜的技術原理與工程化設計進行封裝，最終讓用戶獲得唾手可得的價值。
比如說，今天企業隻需要了解企業網的架設與辦公終端的使用，不必考慮複雜的網絡制式與網絡協議。這就說明原本複雜的企業數據通信，已經實現了極簡的價值回歸。
華爲這家公司所擅長的，正是對複雜的技術進行極簡化處理。從交換機、基站，到服務器，甚至終端，華爲一以貫之的戰略思維，就是在各個領域尋找将複雜技術進行極簡化變革的機遇，從而确立這一領域的競争優勢。這也就是大家聽說過的 " 簡單的留給用戶，複雜的留給自己 "。
在 AI 時代面前，想要再次完成 " 重回極簡 " 的目标，華爲需要找到一系列戰略接駁點。接駁點之下，華爲将複雜的智能化技術封裝完成；接駁點之上，最終用戶可以以最簡單有效的方式獲取智能價值，比如說：
雲，是企業與全面智能化的接駁點。
徐直軍認爲，對于很多不具備自建 AI 算力和自訓基礎大模型能力的企業來講，選擇雲服務是更爲合理的、可持續的選擇。華爲雲也針對這些挑戰，面向 AI，對全棧進行了升級，緻力于讓每個企業都能按需、高效地訓練模型和應用模型推理。
爲了實現爲不同需求、不同類型企業提供智能化價值，華爲雲在 AI 算力、AI 開發工具、大模型本身等一系列價值上進行了長期建設。算力層面，華爲雲持續打造了昇騰雲服務；AI 開發領域，華爲雲升級了 ModelArts 服務，支持業界主流基礎大模型開箱即用，并提供一站式模型調優、部署、測評等工具鏈支持；在大模型層面，華爲雲打造了盤古 5.0，支持包括十億級、百億級、千億級在内的全系列模型，爲企業提供豐富的模型能力選擇。
鴻蒙原生智能，是終端設備與全面智能化的接駁點。
華爲正在基于端、芯、雲協同的架構，将 AI 技術與鴻蒙操作系統深度融合，從而構建以 AI 爲中心的鴻蒙原生智能。通過小藝智能體等應用方式，讓終端設備走向更高水準的智能化。
ADN 網絡，是網絡通信與全面智能化的接駁點。
華爲在 2018 年首次提出了将 AI 用于電信網絡的 ADN 自動駕駛網絡架構。目前，ADN 網絡已經高度融入華爲的運營商業務中，同時開始向企業網絡領域演進。
自動駕駛，是汽車與全面智能化的接駁點。
在汽車領域，華爲已經基于融合感知技術，打造了可以持續演進的自動駕駛解決方案，實現了主動安全、智能化泊車、車庫到車庫智駕等關鍵場景的突破。這些能力的成熟，爲最終實現無人駕駛奠定了基礎。
這些接駁點的背後，展現了華爲在 AI 大勢面前的基礎判斷：隻有用戶價值與技術進步的交彙處，才是值得發力的戰略空間。
至此，我們可以回顧一下，什麽是華爲眼中的全面智能化。它至少包含這樣幾個要素：
1. 全方位挖掘行業需求的智能化。
華爲并不僅僅專注于大模型，而是專注各個行業、各個領域真實的智能化訴求。比如存、算、網的基礎設施革新；比如企業對大模型、AI 開發工具的有效獲取；比如具體行業中的智能化場景落地。隻有實用、有效、符合行業需求的智能化，才是全面智能化。
2. 全領域實現技術高度成熟的智能化。
相比單一維度的模型變大，算力需求增加，華爲更關注技術的成熟性。比如說，汽車裏包含多大的模型，手機裏有多少 AI 算力其實無濟于事，隻有真正提升駕駛體驗的汽車，真正成爲個人助理的手機 AI，才是全面智能化的标志物。
3. 全維度達成生态合作的智能化。
生态發展一直是華爲戰略的重要部分。在智能化戰略的第一周期，華爲先後開啓了華爲雲、昇騰、鲲鵬和鴻蒙生态的構建。接下來，華爲也希望通過生态來牽引智能化戰略的發展，爲世界計算領域提供第二個選擇，爲世界提供第三個移動操作系統。
可以說，在智能化走向極簡，走向易用，走向行業價值與技術價值對馳的必然性下。華爲已經掌握了幾個戰略高點，比如雲 + 行業智能化、鴻蒙原生智能、自動駕駛技術等。将這些時代性的機遇放大，将會成爲華爲接下來的發展重心。
用戶價值的恒定，與 AI 技術的飛速蛻變，二者交集處是一片無人區，也是一個巨大的機遇窗口。
堅定走向這個窗口，就是華爲給全面智能化時代的第一個擁抱。
