AI“拐點”“奇點”齊至，華為汪濤詳解行業智能化最新“打法”

極客網·極客觀察（朱飛）9月22日 “科技發展往往不是線性的，而更多是跳躍式，一經突破便會迅速展開，另辟蹊徑進入一個新的世界?！庇眠@句話描述如今火熱的人工智能領域，可謂再合適不過。由AIGC及其背后大模型引發的新一輪AI變革，正在全世界引發“千模大戰”，成為打開智能世界的“金鑰匙”。

在9月20日舉行的華為全聯接大會2023（HUAWEI CONNECT 2023）上，華為常務董事、ICT基礎設施業務管理委員會主任、企業BG總裁汪濤也表示，今年以來人工智能取得了突破性進展，大模型呈現出百模千態的繁榮局面。一方面，人工智能技術迎來拐點，正在從專用走向通用；另一方面，人工智能應用迎來奇點，正在加速進入行業生產系統。

當AI“拐點”“奇點”齊至，原本大家認為尚需時日的智能世界，正在呼嘯而來。擁抱AI加速智能化，旋即成為千行萬業的核心命題。站在智能變革的前夜，如何擁抱充滿光明的明天？汪濤在會上以“加速行業智能化”主題分享了華為“使能百模千態，賦能千行萬業”的最新“打法”，引發熱烈反響，頗具參考意義。

審題：行業智能化面臨數據、算力、算法、應用部署四大挑戰

智能化是一個很寬泛的概念，小到一款互聯網應用、一個閉環控制系統，大到一套汽車無人駕駛方案、一個無人化制造工廠，都在智能化的范疇。但無論怎樣，智能化過程無不涉及對大量數據的采集、傳輸、存儲和使用。AI大模型這種智能化新業態新模式，更是其中的典型。

為此汪濤開篇明義指出，“在智能化進程中，數據是燃料，算力是引擎，算法是加速器，應用部署是發射裝置，這四方面都面臨著諸多挑戰?！焙翢o疑問，當需要以海量數據為燃料、以超級算力為引擎、以先進算法為突破的AI大模型時代到來時，這些挑戰都已被進一步放大。

具體而言，首先，行業數據難采、難傳、難用；其次，大模型訓練需要大算力，同時企業需要靈活的算力供給，滿足多樣化的業務需求；第三，基礎大模型難以滿足企業的準確度要求，還需要大量的行業大模型和場景大模型；最后，企業的業務流程和業務場景非常復雜，需要思考如何讓AI與企業業務深度融合。

破題：智聯、智算、智賦協同使能百模千態，加速行業智能化

何以破題？迎著這四大挑戰，華為的解決之道是逐個擊破，從智聯、智算、智賦三個方面著手，協同推進，使能百模千態以加速行業智能化。特別地，面向眾望所歸的大模型時代，這三個方面的能力需要融會貫通，使能百模千態，才能讓每一個行業企業都能用上適合自己場景的大模型，加速業務智能化升級。

首先是智聯萬物，即通過智能的感知和聯接，實現行業數據的廣泛采集和高效傳送。這部分包含感知和聯接兩個動作，一個采集數據，一個傳輸數據，緊密聯系缺一不可。

感知是數據的源頭。對大多數行業來說，過去面臨的問題一是感知設備少，大量數據從未被采集；二來傳統感知系統協議不統一，采集的數據“七國八制”不互通，以至于大多處于“沉默”狀態。面向智能化時代的智能感知系統，要能夠采得上、采得全、讀得懂，從而實現多維泛在、開放互聯、智能交互、易用智維。

華為在這方面的“殺手锏”之一是鴻蒙物聯操作系統，其通過分布式軟總線實現數據協同，統一了感知設備語言，實現了開放互聯，同時具備超安全、易用易維等特點。如今該系統已逐步應用于行業，發展出用于礦山行業的“礦鴻”，用于電力行業的“電鴻”，以及城市鴻蒙等行業物聯操作系統。

聯接是數據流動的“高鐵”。面向大數據、AI時代，數據流動的速度往往決定“用數賦智”的效率和高度。要想數據聯得廣、傳得快，就需要高品質的聯接，實現萬物智聯、彈性超寬、智能無損、自智自馭。

這方面更是華為的老本行。在網絡匯聚和骨干層，華為400G/800G的城域網絡可以讓企業快速聯云、聯算、聯智，使能“東數西算”、“東數西訓”、“東數西存”；在園區，華為高品質萬兆園區網絡可以一網承載辦公、生產、物聯等需求，實現辦公、生產一網統管，打通IT域和OT域。

其次是智算萬數，即依托強大的算力底座，挖掘行業數據價值，使能百模千態。這方面華為很早便看到AI算力的爆發式需求，攜手伙伴打造了開放領先的AI基礎軟硬件平臺，并持續升級為行業智能化構筑堅實的算力底座。

硬件層面，華為基于昇騰，聯合伙伴打造了模組、板卡、訓推一體機、服務器、PoD、集群等全系列人工智能產品，覆蓋“云、邊、端”全場景。軟件層面，華為打造了AI框架MindSpore、云平臺、硬件使能CANN、應用使能ModelArts等AI計算全棧關鍵組件。這套全棧全場景的組合，一開始便為行業數智化而生。

人工智能進入大模型時代后，大算力集群正在成為人工智能發展的制高點和核心引擎，華為的前瞻布局價值凸顯。本次大會，面向萬億參數大模型時代，華為重磅推出了全新架構的昇騰AI計算集群Atlas 900 SuperCluster，通過改變傳統的服務器堆疊模式，以系統架構創新實現算力、運力、存力的一體化設計，再次突破大算力瓶頸。

突破性的Atlas 900 SuperCluster采用全新的華為星河AI智算交換機CloudEngine XH16800，借助其高密的800GE端口能力，兩層交換網絡即可實現2250節點（等效于18000張卡）超大規模無收斂集群組網。由于使用創新的超節點架構，新集群大大提升了大模型訓練能力。同時得益于華為在計算、網絡、存儲、能源等領域的綜合優勢，新集群的系統可靠性也大幅提升，可以將大模型訓練的穩定性從天級提升到了月級。

此外，華為在軟件層面也發布了最新的CANN7.0版本，升級了Ascend C編程語言，通過開放底層能力使能開發者自定義高性能算子，同時以更高效的編程方式簡化算子實現邏輯，進一步釋放算力極致性能，讓大模型開發提質增效。

第三是智賦萬業，即解決AI在行業場景落地難的問題，實現百模千態與行業場景深度融合，賦能千行萬業。這方面華為的舉措是打造大模型超級流水線，全流程使能大模型創新落地，同時提供靈活的算力供給，滿足客戶差異化算力需求。

毋庸諱言，對大多數非互聯網行業來說，大模型創新涉及多個階段，是個復雜的系統工程，獨自從零開發不太現實。為此華為專門打造了全流程大模型使能平臺，通過大模型超級流水線，幫助行業客戶加速大模型的腳本開發、訓練、微調、推理部署等全流程。

與此同時，在大算力的基礎上，華為還面向千行萬業對算力成本、數據安全的不同需求，提供算力模式、專屬云部署模式、云算力模式和MaaS模式等多種算力供給模式，滿足行業的差異化需求，加速客戶智能應用上線。

如此種種，憑借在AI基礎軟硬件平臺領域的深厚積累和持續耕耘，華為在使能百模千態的道路上走在了前列。資料顯示，昇騰迄今已支持業界50多個大模型，包括訊飛星火、紫東太初、華為盤古、GLM等基礎大模型，以及金融、遙感、醫療、能源、制造等行業大模型與場景大模型。

解題：攜手伙伴深耕行業深入場景，助力行業智能化走深走實

在識別行業智能化主要挑戰，使能百模千態蓬勃發展之際，華為還意識到加速行業智能化不僅依賴百模千態的繁榮，也要深入行業場景精耕細作。為此華為再向前一步，攜手伙伴聯合創新，將先進技術與行業Know-How深度融合，助力行業智能化走深走實。

過去三年，華為成立了行業軍團，深耕行業、深入場景，通過縱向縮短管理鏈條，橫向快速整合研發資源，更好地響應客戶智能化需求，全力支持千行萬業的智能化轉型。華為通過廣泛聯合業內伙伴，已經面向政府、金融、交通、制造等20多個行業打造了200多個智能化解決方案，并在一系列智能化項目中成功應用，取得了豐碩成果。

比如，華為助力西部機場集團制定全面的智能化戰略，基于高性能的算力、開放的智能平臺、業界先進的算法，在安全、運行、服務等場景孵化了35個智能化方案。其中在運行場景，通過數智地勤方案對航班、旅客、資源的實時狀態進行預測、預警，提供智能化的派工和調度，將保障效率提升20%，地面保障時長縮短17%。而像這樣的大集團，每一個場景的提質增效，往往都意味著巨大的社會和經濟效益。

以行踐言，本次大會上，華為又發布了金融、政務、制造、電力、鐵路、公路等九大行業智能化解決方案，攜手伙伴推動AI與行業場景深度融合，賦能千行萬業智能化轉型升級。

與此同時，華為還結合與大量客戶及伙伴的實踐，以及面向智能世界2030的展望，正式發布了《加速行業智能化》白皮書。該白皮書凝聚了各方經驗與智慧——包括人工智能發展趨勢和最新動態、16個行業63個場景的人工智能應用探索、精選的18個行業智能化創新實踐，可以對千行萬業智能化轉型的實施和落地提供更具體的幫助和參考。

一言以蔽之，華為不僅“授人魚”，還“授人以漁”，攜手伙伴“從客戶中來，到客戶中去”，真正將AI大模型及相應的行業智能化解決方案做深做透，助力行業智能化走深走實。

寫在最后：

業界通常認為，智能經濟是數字經濟發展的新階段，其將融合5G+、AI、物聯網多種前沿技術，通過創新型的智能解決方案來提高生產力、提升社會福利和改善環境效益，促進虛實產業的融合發展，帶動新一輪經濟高速增長。有報告預測，到2030年，全球智能經濟的價值將達到18.8萬億美元！

而在那些影響智能經濟發展的關鍵技術中，業界也已基本達成共識：AI大模型將決定智能經濟的高度，數據價值挖掘決定智能經濟的深度，而運力、算力和存力協同發展則將決定智能經濟的厚度。從中清晰可見，AI大模型這種讓AI技術“拐點”和應用“奇點”齊至的新業態新模式，已經成為決定智能經濟發展上限的核心中的核心、關鍵中的關鍵。

如此便不難理解，華為行業智能化的最新“打法”，為什么一定要把“使能百模千態，賦能千行萬業”置于C位！正如汪濤所總結的那樣，“智能化已經掀開新篇章，對于智能化的發展前景，任何假設都可能是保守的。預測未來最好的方式就是創造未來，讓我們攜手奮進，使能百模千態，賦能千行萬業，加速行業智能化！”

免責聲明：本網站內容主要來自原創、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。