3月19日,华为中国合作伙伴大会2026首日议程中,央国企AI+论坛顺利落幕。
本次论坛聚焦央国企数智化升级核心诉求,汇聚行业顶尖专家、头部企业代表,围绕AI+技术在办公、生产、研发、监管四大核心领域的实践落地与生态构建展开深度研讨,分享前沿解决方案与标杆案例,为央国企践行AI+专项行动、实现高质量发展凝聚共识与力量。

华为中国政企国资央企系统部总经理黄俊在致辞中表示,当前全球AI竞赛进入深水区,作为中国经济“国家队”的央国企,正将人工智能从技术选项升级为国家战略。这不仅是产业层面的转型,更是关乎未来发展的深刻变革,央国企数智化转型是一场必须打赢的战役。华为愿与所有伙伴携手,共同构建安全、繁荣、自主创新的智能产业新生态,助力央国企实现高质量发展。

华为制造与大企业军团解决方案总监余倬在《释放平台力量,共赢国资央企AI+专项》主题演讲中指出,AI将重塑企业组织与流程,全面提升企业端到端核心竞争力及产品服务竞争力。国资央企AI围绕办公效率、生产效益、生产安全和产品研发4个方面开展人工智能建设,提供大型企业、中型企业以及一体机三种不同模式。华为将加速昇腾AI技术演进,为中国智能产业筑牢自主创新的技术根基,携手合作伙伴深耕业务场景,从场景化灯塔案例走向规模复制,共享AI产业发展机遇。

论坛上,各领域合作伙伴分享了AI赋能央国企转型的实践成果。办公智能化领域,蓝凌智能副总裁刘向华分享了近18个月的客户AI实践经验,聚焦OA、流程、合同等核心场景,详解AI落地成效与趋势。目前蓝凌智能落地的数百个AI项目,覆盖央国企、金融、制造等领域,其AI智能体平台、流程助手、智能问答等功能显著提升办公效率与合规管控水平,推出的LanBots.AI智能业务中台四件套,推动央国企迈入人与智能体协作新阶段。

生产智能化作为转型核心战场,广州赛意信息AI解决方案专家胡杨介绍了基于自研AI中台与华为iDME产品联合打造的供应链AI解决方案。该方案直击旧研发架构影响新业务扩展、物料认证低效等痛点,构建场景化智能体产品,落地后实现研发效率提速、订单全链路可视可管,同时联合华为打造多领域专属大模型,为央国企工业板块转型提供成熟路径。

研发与监管领域的智能化实践同样亮点突出。中软国际副总裁万如意分享了昇腾算力支撑的研发智能体解决方案,通过搭建多维研发知识库、实现多源数据治理,大幅提升研发效率,从小切口切入,推动AI从被动工具转变为主动协作伙伴,通过持续交互迭代让Agent逐步扩展能力边界、融入核心流程。

明源云副总裁汪敬松发表了题为“AI+专项·监管智能化”的主题演讲。针对国务院国资委对“穿透式监管”的最新要求,明源云提出基于“本体论+智能体”的智能监管方案,通过AI赋能投资、建设、采招、资金、债务、资产、三重一大等核心场景,助力国资和央国企构建从政府到企业的全链条、智能化监督治理体系。

主题演讲结束后,华为联合明源云、赛意信息、蓝凌智能、中软国际、滴普科技、泛微网络、英码科技等多家核心伙伴,共同启动《共筑央国企AI+伙伴生态圈》仪式,携手打造覆盖全场景的央国企人工智能解决方案生态圈。
本次论坛搭建了华为与伙伴、央国企的高效交流平台,全面展现了AI技术赋能央国企转型的落地价值。未来,华为将持续携手伙伴,深化AI技术与央国企业务的深度融合,践行AI+专项行动,共建生态繁荣新局面,为央国企高质量发展注入持久AI动能。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。