AI算力基础设施性能的持续提升，AI大模型深度思考、多模态融合等技术的不断突破，特别是AI推理能力的爆发，为企业核心生产环节使用AI铺平了道路
文 | 施然
“汽车产业正在经历从硬件定义到软件定义，最终迈向人工智能（AI）定义的深刻革命，我们面对的不仅是技术赛道的切换，更是产业生态、用户关系与出行模式的全面革新。”在近期华为全联接大会上的公开演讲中，广汽集团董事长兼总经理冯兴亚拿出了这个判断。
冯兴亚的观点已基本成为一种共识，即AI将重新定义生产力、生产关系和竞争规则，决定着一个行业乃至一个国家在未来格局中的位置，拥抱AI，不是“锦上添花”，而将是“生存必需”。
一个明显的现象是，进入2025年以来，国内外越来越多的企业正将这一共识转化为行动，开始基于AI寻找新生产力甚至新的商业模式。
另一个重要信号则是，中国、美国、日本等主要国家今年也均出台了新的国家级AI战略。中国发布了《关于深入实施“人工智能+”行动的意见》；美国通过《赢得竞赛：美国人工智能行动计划》（Winning the Race: AMERICA'S AI ACTION PLAN）；日本出台《人工智能相关技术研究开发及应用推进法》。这些国家级AI战略核心目标完全一致，即推动AI技术的研究开发和产业应用，确保本国在AI时代的竞争力。
AI算力基础设施性能的持续提升，AI大模型深度思考、多模态融合等技术的不断突破，特别是AI推理能力的爆发，为企业核心生产环节使用AI铺平了道路。
但AI深入行业绝非易事。美国麻省理工学院（MIT）今年7月发布了一份名为《生成式AI鸿沟：2025年AI在商业中的现状》（The GenAI Divide: State of AI in Business 2025）的报告。该报告基于对全球52家机构153名高管的访谈结果，以及300多个已公开AI项目的分析，指出现阶段95%的企业生成式AI试点项目失败，仅约5%的项目实现了可量化的商业回报。
该报告在美国证券市场一度引发英伟达等AI概念股短期下跌，因为投资者担忧“AI泡沫”，但另一种观点认为，问题不在AI技术，而在于企业如何用它。
关于企业如何用好AI，华为公司高级副总裁、企业销售总裁陈雷在全联接大会主题演讲时指出，结合华为多年来助力各行各业数字化建设和智能化升级的经验，这一问题可以拆解为三个核心子问题：如何才能让企业面向AI的投资产生真正的商业价值；如何将企业专业数据资源转化为竞争力；如何让AI行业应用从试点走向规模化落地。
能否答好这三个问题，决定着AI 能否真正跳入到企业核心生产环境，也决定了企业能否完成数字化向智能化升级的 “关键一跃”。
为什么AI项目多为试点？
一个普遍现象是，国内外企业目前部署AI的实践很多，但多停留在试点阶段，能深入企业核心生产环境的少之又少。
上述MIT报告对AI项目为何普遍难以跨越试点阶段进行了分析，指出以ChatGPT为代表的通用AI工具，虽然上手容易、初期见效快，但难以在关键业务流程中实现深度整合与长期应用。也就是说，AI并没有深入到企业核心生产环境。
这一轮企业数智化转型和上一轮企业行业数字化的历史进程有一个惊人的相似：不少企业把钱都花在了“面子”上：足足七成的AI预算砸在了销售、市场这些效益容易被看见的前台部门，而真正能带来高回报的后端流程自动化，却被严重忽视，少有人问津。
企业AI落地面临的最大挑战，并非模型、法规或算力，而是AI系统无法根据企业日常实践自我进化，无法深入理解业务逻辑并有效响应团队反馈。
前述MIT报告披露了一组调研数据：外部合作（采购+定制）模式成功率最高，约为66%；内部自研模式成功率显著偏低，仅为33%。
中国的企业和AI从业人士也有自己的观点和感受。
江淮汽车为其高端车型“尊界”打造了全新数字化工厂。该工厂以智能制造成熟度4级为目标，打造一个集工艺数字化、装备自动化、产线柔性化、制造敏捷化、能源绿色化、管理精益化为一体的标杆工厂。
对于如此高难度数智化项目，第一步也是最重要的一步，就是要找到最合适的合作伙伴，江淮汽车选择的是华为。
据江淮汽车数字化管理中心副总经理刘峰介绍，在华为协助下，江淮汽车构建了“一网一云一平台”工业互联网体系，华为IIOT平台支持26000+点位毫秒级数据采集和全流程数字孪生。再加上共同研发的AI全链条质检（准确率99%）、99%自动化喷涂及自适应装配岛技术，确保尊界作为百万级豪车该有的品质。江淮汽车还驱动了供应链企业实现数字化升级。
刘峰强调，通过质量数据全量全要素实时采集，结合数字孪生技术反映实体工厂全生命周期过程，江淮汽车实现了产品质量追溯和过程追溯。实际上这正是智能制造4级的核心要求，即通过数据贯通与智能算法，实现供应链全链路的动态优化和自主决策。
此外，数智化的运营也十分重要，江汽与华为联手进行工厂数据治理，实现指标体系化构建，支撑数字化运营管理能力持续提升。
在我们的这一轮调研中，有金融企业指出，ICT基础设施“韧性”强弱也影响到企业向数智化转型的速度。韧性可以分为两个维度，一是安全，要能抵御来自AI时代的全新安全威胁；二是高效，即支持高并发、低时延和高可用。以金融行业为例，当远程银行、手机银行智能体大规模面客上线时，对智能体（Agent）平台、智算高并发和低时延提出了更高的要求。
可以预见，企业数智化转型过程中必然面临AI任务负载的指数级增长，企业 ICT基础设施是否足够先进与面向未来非常重要。调查显示，当前约有52%的企业ICT系统无法直接对接智能化平台，最现实的办法是升级换代。
AI深入行业核心的三个可能路径
AI深入企业核心生产环境有哪些可能的路径和挑战？三个华为与汽车制造、电力和金融行业的共同实践提供了可能路径参考。
第一个可能路径，扎得最深最立体。
汽车产业是近年来蝶变程度最高，进化速度最快的制造业。在产品端，辅助驾驶、智能座舱、智能网联将是继新能源车之后撬动全球汽车市场的下一个支点；在生产端，智能制造则成为车企升级转型的主要目标。
成立于1997年的广汽集团，是中国产业链布局最完整的汽车集团之一，也是汽车产业数智化转型的先行者。从数字化战略升级，到工业数字化平台、大模型、桌面云、网络升级，华为的技术与解决方案融入了广汽智能制造的各个层级。
据冯兴亚介绍，2024年底，广汽启动了三年“番禺行动”计划，挑战2027年实现自主品牌200万辆销售目标。为此，广汽将以用户需求、产品价值、服务体验为锚点，联合华为，启动汽车全生命周期业务流程的智能化变革。
传统造车研发慢、质检难、排产乱这些老大难问题正在被一个架构改善和优化。广汽建成“1+3+3+N”统一架构体系。即1个数字基座，打造了AI算力、通用算力、存储、安全等基础能力；3个智能平台，包括IoT云边协同平台、工业大数据平台、工业AI大模型平台；3类场景，涵盖了智能研发、智能生产、智能供应链应用场景的模型开发；以及N个基于AI的具有自主知识产权的汽车智能制造场景化应用，如辅助驾驶仿真、智能故障诊断、智能排产等。仅智能排产一项就将排产时间降低60%，有效缓解供应链压力并降低库存成本。
华为与广汽的合作十分深入，几乎覆盖了汽车制造企业的顶层数字化战略设计、数据与业务中台、具体的数智化基础设施三个层面。只有这三个层面的智能化体系融会贯通，智能制造的价值才能得以最大化实现。
顶层设计负责搭建战略梁柱，确定了战略方向，车企才能确定智能制造的长期发展脉络，避免重复投资与数据孤岛。在这个环节，华为为广汽提供了研发数字化顶设咨询，以及研发安全咨询。这些基于华为数智化转型的真实经验，助力了广汽研发的数智化变革，并保障了广汽的全域数据安全。
数据协同环节的主要任务是构筑业务中台格局。数据底座就像一座房子的房屋格局，标志着这座房子未来如何使用，房屋动线如何规划。面对汽车制造的数据协同需求，广汽与华为进行了云平台搭建的深度合作。广汽在数字化转型的第一阶段，就通过引入华为云工业数字模型驱动引擎（iDME），作为研发体系数字化转型的数字底座和业务中台。
在其帮助下，广汽开发出了全面自主的PDM平台、SPDM平台、MOM平台，以及车身、造型的一站式作业平台，并持续拓展到其他部门。从而实现了研发数据的高效率协同和工业数字化能力的全面提升。
再向前一步，汽车制造还需要实现各个领域的智能化革新。这就需要先进的智能化技术、优秀的基础设施融入到汽车制造的体系中来。研发是汽车制造体系的源头，也是车企决胜智能时代的关键。
通过前瞻性的智能战略塑造，集成以华为为代表的业界先进能力，推进各项智能化基础设施迭代，广汽集团成功实现了六大提升：通过建立虚拟验证环境，达成边设计边验证，实现样车减少30%；完成累计数量上千的数据服务化；将研发系统人效提升30%以上；以及周期显著缩短、研发成本显著降低、研发质量显著提升。
冯兴亚在华为的全联接大会演讲上总结，在AI智能化浪潮下，开放合作是拥抱变革的必然选择，广汽与华为的合作已经深入到技术研发、产业合作及管理创新等多个方面，AI领域则是重中之重。在华为与广汽联合打造全新汽车品牌“启境”之后，AI已成为广汽与华为战略合作的又一全新基石，双方以跨界融合打破行业惯性，实现广汽制造底蕴与华为智能技术“1+1＞2”的协同效应，共同推进智能汽车产品价值和用户体验双提升。
另一个路径是找到需求高地深挖下去。
数字金融行业正经历以人工智能为核心的深刻变革，AI技术已从边缘辅助演进为驱动行业数字化转型的核心力量，深度融合于风控、财富管理、智能交易、客户服务等核心业务场景。
2025年8月，国务院《关于深入实施“人工智能+”行动的意见》首次给出量化指标——到 2027 年金融等行业智能体应用普及率超 70%，要求从“辅助工具”升级为“核心生产力”。
政策落地后，机构响应迅速，中国工商银行、中国农业银行、中国交通银行、招商银行等大行相继发布企业级 AI 中台或行动方案。仅工行2025半年报就宣布在零售、公司、市场三大条线一口气新投AI财富助理、投研助手、智能信贷官等100+场景智能体。2025 年由此成为金融智能体从政策愿景走向业务主战场的关键元年。
9月19日，华为将AI创新方案、生态实践、与伙伴的联合方案、工程化经验沉淀下来，推出FAB（FinAgent Booster）金融智能体加速器，旨在帮助更多的金融机构高效推进智能体落地，并且主打提供开箱易用、开箱随用和开箱畅用的使用体验。
之所以能开箱易用，是因为沉淀了50+的专业场景创新工作流，快速构建起典型场景样板间。以某个客户的审贷联动智能体为例，将开发时间从月级缩短为周级。
开箱随用是因为构建了丰富的MCP（Model Context Protocol，模型上下文协议）生态和领域知识库，让智能体能够灵活组装各种能力，让企业定制的智能体像万能插座一样接口市场中的第三方应用服务。
开箱畅用是因为基于全新的昇腾算力和ModelArts Versatile智能体平台，进一步沉淀智能体工程工艺，解决了复杂的工程化难题，如AI面客90%以上意图识别准确率和毫秒级时延，让智能体应用工程化繁为简。
此外，华为联合交通银行、太平洋保险和国泰海通证券，发布数智金融三大全球样板点，为全球金融机构的数智化转型提供参考蓝图和路径。
第三条路径则落子在首先解决行业的重点问题上。
配电网作为供电系统的“毛细血管”，被称作供电的“最后一公里”，在保障电力供应、支撑经济社会发展、服务改善民生等方面发挥重要作用。
电网系统有不少亟待改善的痛点。比如，电力巡检业务是保障电网安全稳定运行的基础性工作，由于人工巡检存在效率低、成本高、风险大等问题，南方电网希望引入智能巡检，自动识别输电线路的缺陷、故障与风险。
为此，南方电网自主研发了名为“大瓦特（MegaWatt）”的电力行业大模型。该模型基于昇腾算力平台与 MindSpore AI 框架开发，融合了计算机视觉（CV）与自然语言处理技术（NLP）。基于“大瓦特”模型，南方电网开发了巡检智能体，满足巡检任务所要求的精准和高效响应。
南方电网拥有PB级的电力知识文本、数千万张图片、上千小时的视频与语音数据，覆盖调度、输配电、营销等核心场景，这些数据是宝藏，也是挑战。“大瓦特”行业大模型开发过程中，南方电网通过清洗、加工、标注等流程，对电力行业数据进行系统性治理，并引入华为的优化算法，进行训练和模型调优，让模型能够更快地学会识别规律，达到可用状态，从而实现模型精度与行业理解能力的双提升。
当前，众多大型中央企业都在积极推进专属行业大模型的建设，将其视为AI深度融入垂直领域、实现智能化转型升级的必由之路，南方电网的实践无疑具有重要的示范意义和参考价值。
不仅可落地，还要可复制
陈雷总结了进一步推进行业智能化的五个重要发现。
第一，场景选择至关重要。AI的价值不仅仅在于提升效率，更在于与核心生产场景深度融合，从而重塑流程，推动智能产品与服务的交付方式。
第二，垂域数据的质量，决定行业模型的能力。行业智能化的落地，仅依赖开箱即用的通用模型是不够的。企业必须基于自身及所在行业积累的大量高质量数据，对通用模型进行训练和调优，才能形成专属的行业模型，构筑差异化竞争力。
第三，智能体（AI Agents）正在快速规模化。这一趋势将推动各行业每天消耗数十亿个token，从而驱动对大规模推理的旺盛需求。
第四，人机协作正在成为新的组织范式。AI正在从“个人助理”演变为真正的“合作伙伴”。
第五，系统化治理与风险管理是必须守护的底线。AI智能体带来了一些新的风险，例如不受控的自主行为、缺乏可追溯性等，因此，必须建立有效的治理机制，确保AI的应用安全。
在五项发现的基础之上，华为提出行业智能化三步走的“ACT”路径，即评估高价值场景（Assess high-value scenarios）, 结合垂直行业数据对模型进行校准（Calibrate AI models using vertical data）, 规模化部署AI 智能体以重塑关键业务（Transform business operations with scaled AI agents）。
所谓“评估高价值场景”，指从商业价值、场景成熟度，以及业务与技术融合度，三个维度进行综合评估，选取高价值应用场景。
“结合垂直行业数据对模型进行校准”主要是解决数据治理这一难题，华为能够提供完整的工具链，帮助企业将原始数据转化为知识，再将知识转化为模型。
企业流程高度复杂，场景繁多，智能体的开发与部署工作量巨大，规模化部署AI 智能体十分必要。
同时，随着人机协同程度不断加深，真正的业务转型需要业务人员的深度参与。华为的做法是授人以渔，为企业客户建立系统化的AI人才发展体系。
陈雷表示，要实现上述ACT路径，企业需要具备面向AI的ICT基础设施，从数据准备、传输，模型的训练和推理，以及模型开发的全流程，都需要存储、计算、网络等多种产品的持续创新和高效协同。
在数字化时代，华为就是全面的ICT基础设施提供商之一。AI时代，华为更进一步，致力于构建全栈自主的AI计算生态。
具体来说，依托自主研发的昇腾（Ascend）AI芯片和鲲鹏（Kunpeng）通用计算平台，华为打造了从硬件到软件的全栈技术体系，涵盖芯片使能层（CANN）、AI计算框架（MindSpore）、训练与推理平台以及行业应用工具链。其核心目标为聚焦大模型时代的算力底座建设，面向大模型训练、推理及互联网推荐等关键场景，提供高性能、低时延的端到端解决方案。
9月18日，华为轮值董事长徐直军公开表示，算力过去是，未来也将继续是AI产业的关键，更是中国发展AI的关键，华为基于中国可获得的芯片制造工艺，打造“超节点+集群”算力解决方案，来满足持续增长的算力需求。
华为轮值董事长 徐直军
图源/华为
所谓超节点，就是在物理上由多台机器组成，但逻辑上以一台机器学习、思考、推理。9月18日当日，华为发布了最新超节点产品 Atlas 950 SuperPoD和Atlas 960 SuperPoD超节点，分别支持8192及15488张昇腾卡，在卡规模、总算力、内存容量、互联带宽等关键指标上全面领先，华为称其超节点在未来多年都将是全球最强算力的超节点。基于超节点，华为同时发布了超节点集群，分别是Atlas 950 SuperCluster和 Atlas 960 SuperCluster，算力规模分别超过50万卡和达到百万卡，号称全世界最强算力集群。
华为昇腾384超节点Atlas 900 A3 SuperPoD
摄影/周源
此外，华为还发布了全球首个通用计算超节点TaiShan 950 SuperPoD，并推出自主研发的超节点互联协议“灵衢”（UnifiedBus），旨在通过架构创新突破制造工艺限制，构建支撑中国乃至全球AI发展的算力底座。
华为公开了长期路标，且加快了产品迭代节奏，保持几乎一年一代算力翻倍的速度。
某大型互联网公司AI基础设施业务负责人向我们表示，华为越来越像全球AI芯片龙头公司英伟达，以一年一代的节奏快速推新。
他的观点是，受限于芯片制造工艺，包括华为在内的单颗国产AI芯片算力比不上英伟达，但华为有在通信领域数十年的积累，中国也不太缺电力，华为拿更多的昇腾卡联接成超节点集群，来应对美国更小集群但更高性能芯片的算力。
“美国缺电，中国缺高性能芯片，两国走了不同的路线。”他说。
行业跃迁终须生态合力
机器人无疑是当下最热门的科技赛道之一。为构建机器人与云端统一、开放、安全的通信桥梁，华为云制定R2C（Robot to Cloud）协议，以实现智能体的协同思考与高效执行，如今R2C协议的数据采集、数据生成、通讯接口三项国家标准已完成立项，华为云R2C协议首批20家合作伙伴也正式确立。华为云目标是联合伙伴，围绕制造、物流、巡检、康养等领域，基于R2C共同开发云端一体化机器人解决方案。
像华为这般的科技公司，其生态建设方面的能力和举措，对行业智能化速度和深度都会产生影响，反过来，繁荣的生态也是支撑华为长期、高质量增长的战略基石。
华为常务董事汪涛表示，今天的华为，发展生态被提升至前所未有的战略高度。为此，华为需要“四个坚定”，即坚定开源开放、坚定发展人才、坚定全球合作、坚定战略投入。
开源开放是生态建设的核心。徐直军公开强调，华为将坚持硬件变现，软件相关全开源。
在近期的一次媒体采访中，徐直军表示华为开源的目的就是为了吸引开发者，繁荣生态，最终促进硬件销售，所以软件上的开源开放对于华为来说是一个痛苦但必要的决策。
截至目前，生态体系已汇聚6300多家鲲鹏伙伴、2700多家昇腾伙伴、70多家行业咨询伙伴及750家独立软件开发商（ISV）。
此次大会华为还发布了与伙伴共同开发的最新的九大行业智能化解决方案，分别是城市智能中枢&大模型、科技智算实验室、医技数字化2.0、银行AI与大模型、制造研发数智化、智慧物流与仓储SMART、智慧配电、油气智慧勘探开发、钢铁高炉炉温预测。华为将联手伙伴加速方案的复制与落地交付。
未来五年，华为计划每年投入150亿元人民币生态发展费用、1500P开源社区算力，并投入15000人进行生态平台开发与支持。
尽管行业数智化仍处于早期发展阶段，但先行者经验表明，从来不是某一项技术或某一家企业的孤勇前行，而是算力底座、垂域数据、场景深耕与生态协同的同频共振，才能完成AI深入行业核心的 “关键一跃”。
