当大模型席卷全球时,所有人都意识到,人工智能真的要来了。
实际上,就商业世界来看,智能化只是现代企业面临的机遇之一,数字化和自主创新,是另外两大机遇。
而当各行各业面临这三大新机遇时,“伙伴+华为”体系又将如何推动产业数智化转型?
在近日的华为中国合作伙伴大会2024上,华为中国政企业务副总裁郭振兴透露了华为对这一问题的思考和答案。
三大历史新机遇
以大模型为代表的人工智能技术异军突起,让互联网企业在2023年成了推动算力增长的生力军,2024年,智能化将会向金融、制造、矿业等行业领域渗透。
这是郭振兴观察到的一个趋势。
相对于以往以“小模型”为代表的人工智能技术,如今大模型的成熟,效率和泛化性得到了极大地提升,人工智能也将从作坊式的开发状态变成工厂式的批量开发状态,泛化性带来的量化可能,让人工智能真正开始深入行业。
郭振兴观察到的另一个趋势是数字化深入产业。
在过去几年里,主流数字化方案主要是在帮助企业进行IT系统转型,这些方案在各类企业的总营收占比中只有1%,随着数字化进程的深入,数字化开始进入到占客户总营收10%-15%的生产系统中。
“这意味着我们的作战空间将增加十倍,”郭振兴如是说。
郭振兴观察到的第三个趋势是自主创新。
国家近年来一直在鼓励企业自主创新,加快建设科技强国,甚至明确提出了,央国企每年要把收入的2%左右投入到真正的自主创新中。
以千亿规模的大型企业来说,每年至少会在自主创新上投入20亿元,并且会优先给予预算支持到自主创新联合项目中。
这就形成了中国数智化转型相关企业所面临的三大趋势,如何把握好这三大趋势,也就成了当下提供数智化解决方案的企业面临的关键问题。
架构转型,智能化升级
自18世纪60年代以来,全球经历了蒸汽化、电气化、信息化三次工业革命,在最近一次的信息化革命中,各类信息化系统的引入极大地提升了社会生产力,与此同时,烟囱式企业架构,也就此成为一个历史遗留问题。
如今,当全社会开始进入到数字化、智能化时代时,由于各类数据被限制在了各个信息系统中,“部门墙”、“数据壁垒”让各个信息系统成了一座座“信息孤岛”。
全局、全域、全流程的数据调用,以及跨子系统的智能化在这时就难以实现。
要突破这样的局面,郭振兴指出,第一步就是企业架构上的重构——从纵向的烟囱式架构转向行业智能化参考架构。
在华为设想的全新架构中,整个架构被划分为五层:智能感知、智能连接、智能底座、智能平台、AI大模型。
其中,智能底座主要提供通用计算、AI计算、数据入湖的能力,智能平台提供各类智能化工具将数据进行建模,最终实现AI对装备自主运行的智能控制,从而进一步释放生产力,实现智能时代新的价值。
郭振兴指出,“在这一体系中,华为主要聚焦在智能连接、智能底座、算力存储和AI大模型技术上,我们希望在智能应用上与合作伙伴合作,由千行万业的合作伙伴在金融、电力、矿业、制造、交通、互联网等行业发挥自己的优势,共赢未来新机遇。”
如何共赢未来新机遇?
郭振兴称,华为要与伙伴共建“看、建、创、拓、用、馈”六大能力:
首先是“看”:看清客户业务架构,帮助客户定义面向未来5年的技术架构;
其次是“建”:要共建数字化、智能化、自主创新的能力;
再次是“创”:要联合客户、伙伴共同打造创新的联合解决方案,创造更多的价值;
第四是“拓”:联合拓展与合作伙伴共同打造的解决方案;
第五是“用”:不仅要做好解决方案,同时要帮助客户用好解决方案,发挥更多的价值;
最后是“馈”:希望客户、伙伴能够给华为持续反馈有价值的需求。
发展“联盟级伙伴”,加速行业数智化转型
在近几年,华为先后建设了多个行业军团,肩负起了与合作伙伴一起打造行业解决方案的历史使命。
在华为中国合作伙伴大会2024上,郭振兴透露,过去三年里,华为行业军团已经针对政务一网通、公共事业、矿业、制造与大企业、数字金融、电力智能化、交通、媒资与互联网等八大行业打造了一系列解决方案。
在矿业行业解决方案中,针对安全生产、降本增效、招工困难三大挑战,华为煤矿军团联合合作伙伴聚焦井工矿、露天矿、油气、冶炼、化工建材五大场景,打造了十三大解决方案;针对露天矿作业环境,“伙伴+华为”通过无人驾驶远程控制等无人化方案,实现了疆纳矿业矿区的无人化运营。
正是通过这样的数智化解决方案,“伙伴+华为”体系正在不断推动数智化技术和解决方案在企业中落地应用。
此外,在这次大会上,郭振兴还重点对外发布了“同舟共济”计划,发展更多“联盟级伙伴”,通过“伙伴+华为”体系将推动数智化深入各行各业。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。