2023年,我国数字经济规模超过56万亿元,GDP占比达到44%左右。
数字化、智能化转型已经成了现代化企业发展的大势所趋,如何更好地帮助企业实现数智化转型,就成了一个时代命题。
作为在数字化、智能化技术领域投入巨大且拥有丰富经验的华为,也在2023年发布了华为中国政企业务全新的品牌形象——数智世界,一触即达。
为什么会有这样一个全新的品牌形象?
这其实是在向全社会释放“选择华为,让您的企业轻松数智化”的信号。
这也是华为中国政企业务对外提供数智化服务的目标。
而关于华为数智化转型的经验,还要从华为自身数智化转型经验说起。
华为数智方法论
从历史发展来看,华为自身数智化转型分为两个阶段——IT化阶段和数智化阶段。
华为是在1998年开启企业IT化的,当时是由于随着企业业务不断发展壮大,企业规模也在不断扩张,必须引入先进的管理流程,才能进行高效的业务管理。
到2015年,华为构建起了16个一级流程,公司实现了从成立之初的功能型组织转向了流程型组织关键转变,与此同时,华为的数智化转型也正式开始。
由IT技术支撑的流程型组织,虽然符合当时华为的需求,但还算不上最优解,尤其是内部部门间的壁垒导致的数据孤岛问题,成了企业管理上面临的又一个难题。
云计算技术的发展,数据入湖,以及围绕企业流程和运营规则的一系列端到端的数字化变革,最终解决了这一难题。
华为由此也从ICT企业转向了数智化企业。
在这个过程中,华为一直在数智化技术研发和攻关上投入大量资源,例如,在包括操作系统、数据库、芯片领域的持续研发投入。
华为中国政企业务总裁吴辉在接受媒体采访时就曾指出,“持续保持领先性是走向数智世界的必要条件,技术越先进,产品功能越多,企业效率越高,能创造出的价值也就越高。”
正因如此,尽管大环境很严峻,但华为在数通、光网络、无线通信领域的研发投入不但没有减少,反而在不断增加。
仅仅是在分销市场,华为在2023年就上市了89款新产品,如今,华为面向这一市场的坤灵品牌下的产品,更是达到了380款。
2023年上半年,华为全公司在技术研发上的投入就高达826亿元。
关于华为数智化转型的方法论,吴辉将其总结为六步:愿景牵引、场景切入、目标导向、组织适配、技术内化、应用外挂。
华为也正是在用这样的技术投入和转型经验服务于更多企业数智化转型。
“伙伴+华为”体系,释放数智潜能
在2023年的华为合作伙伴大会上,“伙伴+华为”成了被提及最多的关键词。
什么是“伙伴+华为”?
吴辉在大会上解释称:
1、华为是伙伴的伙伴,伙伴也是华为的伙伴,我们是一个开放的体系;
2、伙伴在华为前面,是因为我们将更加以伙伴为中心来进行业务设计。
也是在这场大会上,华为对中国政企市场的三类市场进行了再次梳理和布局:
面向NA市场,华为梳理了888家典型行业头部客户,通过拓展与这些客户的合作,将数字化经验在上百个业务场景中进行不断复制;
面向商业市场,华为将销售管理与秩序管理分离,大手笔投入了3500+人力资源投入,在拓展、配置、报价、投标各个环节来及时响应合作伙伴的需求;
面向分销市场,华为更是搭建起了系统化的平台和体系,并首次面向分销市场发布了独立品牌——华为坤灵。
经过过去一年高速发展,华为在三大市场已经取得了显著成效。
例如,华为在商业市场获得了超过50%的增长,伙伴数和获客数实现了超30%的增长。在分销市场,华为的分销精英数量更是实现了300%的增长。
如今,“伙伴+华为”体系规模已经超过3.5万家。
吴辉称,当伙伴遍天下后,企业找到了“伙伴”,也就找到了“华为”。
数智世界,一触即达
2023年11月,华为面向大中小微企业发布了中国区政企业务全新的品牌形象——数智世界,一触即达。
什么是“数智世界,一触即达”?
这实际上是指包括大中小微在内的所有希望数智化转型的企业,通过“按下”“伙伴+华为”这个按钮,就能够轻松到达数智世界。
华为如何实现“数智世界,一触即达”?
首先是基于“伙伴+华为”这一角色互补、能力强大、覆盖广泛的体系,其次是基于华为自主技术创新构建的坚实智能底座,然后是依托华为八大军团打造的大量适销解决方案,最后是基于“伙伴+华为”体系提供的高品质数智化服务。
而更多关于今年“伙伴+华为”的新政策,以及如何加速推动“数智世界,一触即达”,华为将在即将到来的【华为中国合作伙伴大会2024】上对外公布。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。