重回极简：华为如何走向全面智能化？

“人类发现地球只是宇宙一员的时候，也是我们距离群星最遥远的时候。”

这个来自天文领域的喟叹，今天同样出现在行业与企业的智能化之路上。在这个时代坐标上，AI 大模型技术极速成熟，AIGC 和 AI Agent 等应用受到了各个行业的巨大期待。

但对绝大多数企业而言，AI 看似近了，其实却更远了。当企业耗巨资去追求大模型开发、自建 AI 算力、搭建 AI 平台等智能化方案，往往会发现其带来的价值并不明显，消耗的成本却难以承担。

如何解决能看到 AI，却无法获得智能化价值的时代难题？

华为在这个过程中，又能够把握怎样的新战略机遇？

（华为副董事长、轮值董事长徐直军）

2024 年 9 月 19 日，华为全联接大会 2024 在上海召开。华为副董事长、轮值董事长徐直军发表了以《拥抱全面智能化时代》为主题的演讲。将这篇演讲的内容与当前行业智能化的难题进行对齐，就能发现以上两个问题的答案。

全面智能化时代与初阶智能化阶段的区别在于，需要让 AI 系统像电力、网络一样归于极简，归于用户价值至上。

而让复杂的技术重回极简，正是华为最为擅长的战略惯性。

对于大多数行业与企业而言，大模型正在让智能化变得愈发复杂。参数不断膨胀的模型，成本持续增长的算力，以及不断叠加的 AI 系统运维难度，似乎都预示着 AI 将是一条单行道。最终只有极少部分能够负担超大模型、超大算力的企业才拥有智能。

然而从历史发展的逻辑看，这是绝不可能的。只有绝大多数企业与行业都能从中获益，技术革命才有成功的可能。

因此，我们必须换一个视角审视 AI。在 AI 本身的技术脉络之外，还要看到企业对智能化技术的真实适配与需求。一味追求大模型参数与大规模算力可能并不全面，只有实现行业与 AI 的双向对驰，才能最终实现智能变革。

以企业智能化为例，徐直军认为，站在客户持续成功的立场上，会发现这样几个客观现象：

1.不是每个企业都要建设大规模 AI 算力。

企业智能化进程中，也伴随着 AI 硬件产品快速迭代、AI 基础设施快速升级的客观情况。这样一来，企业自建 AI 算力很容易跟不上发展节奏，从而产生巨大浪费。而且对于企业来说，混合异构的 AI 算力也会产生巨大的运维成本，往往得不偿失。

2.不是每个企业都要训练自己的基础大模型。

企业自训大模型，意味着需要大量的高质量数据以及庞大的 AI 算力，从而带来复杂且高昂的综合成本。加上模型参数扩大，带来训练难度的不断提升，自行训练模型很可能延误企业将 AI 与核心业务结合，造成适得其反的效果。

3.不是所有的应用都要追求“大”模型。

从华为云的产业实践来看，不同场景的需求可以通过不同参数级别的模型来满足，而不是一味追求模型的“大”。比如，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；百亿参数模型可以满足知识问答、代码生成、坐席助手等大量场景的需求；更复杂的 NLP、多模态任务，则通过用千亿参数模型来完成。

如果说，智能化的初级阶段，是向着参数更大、泛化性更强的模型单向发展，那么全面智能化阶段，必须考虑用户与 AI 的双向情况。只有每家企业，甚至每个人、每台设备、每辆车都以最合适自己，最简单的方法获得智能化价值，AI 才能由远而近，抵达产业核心。

明确了这个逻辑，我们才能理解华为的战略机遇何在。

想要实现从单向 AI 到全面智能化的跨越，有一个不可避免的阶段，就是回到极简。

事实上，信息时代、数字时代，甚至更早的工业革命都会经历这一过程。产业真正成熟的标志，是将看似极其复杂的技术原理与工程化设计进行封装，最终让用户获得唾手可得的价值。

比如说，今天企业只需要了解企业网的架设与办公终端的使用，不必考虑复杂的网络制式与网络协议。这就说明原本复杂的企业数据通信，已经实现了极简的价值回归。

华为这家公司所擅长的，正是对复杂的技术进行极简化处理。从交换机、基站，到服务器，甚至终端，华为一以贯之的战略思维，就是在各个领域寻找将复杂技术进行极简化变革的机遇，从而确立这一领域的竞争优势。这也就是大家听说过的“简单的留给用户，复杂的留给自己”。

在 AI 时代面前，想要再次完成“重回极简”的目标，华为需要找到一系列战略接驳点。接驳点之下，华为将复杂的智能化技术封装完成；接驳点之上，最终用户可以以最简单有效的方式获取智能价值，比如说：

云，是企业与全面智能化的接驳点。

徐直军认为，对于很多不具备自建 AI 算力和自训基础大模型能力的企业来讲，选择云服务是更为合理的、可持续的选择。华为云也针对这些挑战，面向 AI，对全栈进行了升级，致力于让每个企业都能按需、高效地训练模型和应用模型推理。

为了实现为不同需求、不同类型企业提供智能化价值，华为云在 AI 算力、AI 开发工具、大模型本身等一系列价值上进行了长期建设。算力层面，华为云持续打造了昇腾云服务；AI 开发领域，华为云升级了 ModelArts 服务，支持业界主流基础大模型开箱即用，并提供一站式模型调优、部署、测评等工具链支持；在大模型层面，华为云打造了盘古 5.0，支持包括十亿级、百亿级、千亿级在内的全系列模型，为企业提供丰富的模型能力选择。

鸿蒙原生智能，是终端设备与全面智能化的接驳点。

华为正在基于端、芯、云协同的架构，将 AI 技术与鸿蒙操作系统深度融合，从而构建以 AI 为中心的鸿蒙原生智能。通过小艺智能体等应用方式，让终端设备走向更高水准的智能化。

ADN 网络，是网络通信与全面智能化的接驳点。

华为在 2018 年首次提出了将 AI 用于电信网络的 ADN 自动驾驶网络架构。目前，ADN 网络已经高度融入华为的运营商业务中，同时开始向企业网络领域演进。

自动驾驶，是汽车与全面智能化的接驳点。

在汽车领域，华为已经基于融合感知技术，打造了可以持续演进的自动驾驶解决方案，实现了主动安全、智能化泊车、车库到车库智驾等关键场景的突破。这些能力的成熟，为最终实现无人驾驶奠定了基础。

这些接驳点的背后，展现了华为在 AI 大势面前的基础判断：只有用户价值与技术进步的交汇处，才是值得发力的战略空间。

至此，我们可以回顾一下，什么是华为眼中的全面智能化。它至少包含这样几个要素：

1.全方位挖掘行业需求的智能化。

华为并不仅仅专注于大模型，而是专注各个行业、各个领域真实的智能化诉求。比如存、算、网的基础设施革新；比如企业对大模型、AI 开发工具的有效获取；比如具体行业中的智能化场景落地。只有实用、有效、符合行业需求的智能化，才是全面智能化。

2.全领域实现技术高度成熟的智能化。

相比单一维度的模型变大，算力需求增加，华为更关注技术的成熟性。比如说，汽车里包含多大的模型，手机里有多少 AI 算力其实无济于事，只有真正提升驾驶体验的汽车，真正成为个人助理的手机 AI，才是全面智能化的标志物。

3.全维度达成生态合作的智能化。

生态发展一直是华为战略的重要部分。在智能化战略的第一周期，华为先后开启了华为云、昇腾、鲲鹏和鸿蒙生态的构建。接下来，华为也希望通过生态来牵引智能化战略的发展，为世界计算领域提供第二个选择，为世界提供第三个移动操作系统。

可以说，在智能化走向极简，走向易用，走向行业价值与技术价值对驰的必然性下。华为已经掌握了几个战略高点，比如云+行业智能化、鸿蒙原生智能、自动驾驶技术等。将这些时代性的机遇放大，将会成为华为接下来的发展重心。

用户价值的恒定，与 AI 技术的飞速蜕变，二者交集处是一片无人区，也是一个巨大的机遇窗口。

坚定走向这个窗口，就是华为给全面智能化时代的第一个拥抱。