重回極簡:華為如何走向全面智能化?_風聞
脑极体-脑极体官方账号-从技术协同到产业革命,从智能密钥到已知尽头45分钟前
“人類發現地球只是宇宙一員的時候,也是我們距離羣星最遙遠的時候。”
這個來自天文領域的喟嘆,今天同樣出現在行業與企業的智能化之路上。在這個時代座標上,AI大模型技術極速成熟,AIGC和AI Agent等應用受到了各個行業的巨大期待。
但對絕大多數企業而言,AI看似近了,其實卻更遠了。當企業耗巨資去追求大模型開發、自建AI算力、搭建AI平台等智能化方案,往往會發現其帶來的價值並不明顯,消耗的成本卻難以承擔。
如何解決能看到AI,卻無法獲得智能化價值的時代難題?
華為在這個過程中,又能夠把握怎樣的新戰略機遇?
(華為副董事長、輪值董事長徐直軍)
2024年9月19日,華為全聯接大會2024在上海召開。華為副董事長、輪值董事長徐直軍發表了以《擁抱全面智能化時代》為主題的演講。將這篇演講的內容與當前行業智能化的難題進行對齊,就能發現以上兩個問題的答案。
全面智能化時代與初階智能化階段的區別在於,需要讓AI系統像電力、網絡一樣歸於極簡,歸於用户價值至上。
而讓複雜的技術重回極簡,正是華為最為擅長的戰略慣性。
對於大多數行業與企業而言,大模型正在讓智能化變得愈發複雜。參數不斷膨脹的模型,成本持續增長的算力,以及不斷疊加的AI系統運維難度,似乎都預示着AI將是一條單行道。最終只有極少部分能夠負擔超大模型、超大算力的企業才擁有智能。
然而從歷史發展的邏輯看,這是絕不可能的。只有絕大多數企業與行業都能從中獲益,技術革命才有成功的可能。
因此,我們必須換一個視角審視AI。在AI本身的技術脈絡之外,還要看到企業對智能化技術的真實適配與需求。一味追求大模型參數與大規模算力可能並不全面,只有實現行業與AI的雙向對馳,才能最終實現智能變革。
以企業智能化為例,徐直軍認為,站在客户持續成功的立場上,會發現這樣幾個客觀現象:
1.不是每個企業都要建設大規模AI算力。
企業智能化進程中,也伴隨着AI硬件產品快速迭代、AI基礎設施快速升級的客觀情況。這樣一來,企業自建AI算力很容易跟不上發展節奏,從而產生巨大浪費。而且對於企業來説,混合異構的AI算力也會產生巨大的運維成本,往往得不償失。
2.不是每個企業都要訓練自己的基礎大模型。
企業自訓大模型,意味着需要大量的高質量數據以及龐大的AI算力,從而帶來複雜且高昂的綜合成本。加上模型參數擴大,帶來訓練難度的不斷提升,自行訓練模型很可能延誤企業將AI與核心業務結合,造成適得其反的效果。
3.不是所有的應用都要追求“大”模型。
從華為雲的產業實踐來看,不同場景的需求可以通過不同參數級別的模型來滿足,而不是一味追求模型的“大”。比如,十億參數模型可以滿足科學計算、預測決策等業務場景的需求;百億參數模型可以滿足知識問答、代碼生成、坐席助手等大量場景的需求;更復雜的NLP、多模態任務,則通過用千億參數模型來完成。
如果説,智能化的初級階段,是向着參數更大、泛化性更強的模型單向發展,那麼全面智能化階段,必須考慮用户與AI的雙向情況。只有每家企業,甚至每個人、每台設備、每輛車都以最合適自己,最簡單的方法獲得智能化價值,AI才能由遠而近,抵達產業核心。
明確了這個邏輯,我們才能理解華為的戰略機遇何在。
想要實現從單向AI到全面智能化的跨越,有一個不可避免的階段,就是回到極簡。
事實上,信息時代、數字時代,甚至更早的工業革命都會經歷這一過程。產業真正成熟的標誌,是將看似極其複雜的技術原理與工程化設計進行封裝,最終讓用户獲得唾手可得的價值。
比如説,今天企業只需要瞭解企業網的架設與辦公終端的使用,不必考慮複雜的網絡制式與網絡協議。這就説明原本複雜的企業數據通信,已經實現了極簡的價值迴歸。
華為這家公司所擅長的,正是對複雜的技術進行極簡化處理。從交換機、基站,到服務器,甚至終端,華為一以貫之的戰略思維,就是在各個領域尋找將複雜技術進行極簡化變革的機遇,從而確立這一領域的競爭優勢。這也就是大家聽説過的“簡單的留給用户,複雜的留給自己”。
在AI時代面前,想要再次完成“重回極簡”的目標,華為需要找到一系列戰略接駁點。接駁點之下,華為將複雜的智能化技術封裝完成;接駁點之上,最終用户可以以最簡單有效的方式獲取智能價值,比如説:
雲,是企業與全面智能化的接駁點。
徐直軍認為,對於很多不具備自建AI算力和自訓基礎大模型能力的企業來講,選擇雲服務是更為合理的、可持續的選擇。華為雲也針對這些挑戰,面向AI,對全棧進行了升級,致力於讓每個企業都能按需、高效地訓練模型和應用模型推理。
為了實現為不同需求、不同類型企業提供智能化價值,華為雲在AI算力、AI開發工具、大模型本身等一系列價值上進行了長期建設。算力層面,華為雲持續打造了昇騰雲服務;AI開發領域,華為雲升級了ModelArts服務,支持業界主流基礎大模型開箱即用,並提供一站式模型調優、部署、測評等工具鏈支持;在大模型層面,華為雲打造了盤古5.0,支持包括十億級、百億級、千億級在內的全系列模型,為企業提供豐富的模型能力選擇。
鴻蒙原生智能,是終端設備與全面智能化的接駁點。
華為正在基於端、芯、雲協同的架構,將AI技術與鴻蒙操作系統深度融合,從而構建以AI為中心的鴻蒙原生智能。通過小藝智能體等應用方式,讓終端設備走向更高水準的智能化。
ADN網絡,是網絡通信與全面智能化的接駁點。
華為在2018年首次提出了將AI用於電信網絡的ADN自動駕駛網絡架構。目前,ADN網絡已經高度融入華為的運營商業務中,同時開始向企業網絡領域演進。
自動駕駛,是汽車與全面智能化的接駁點。
在汽車領域,華為已經基於融合感知技術,打造了可以持續演進的自動駕駛解決方案,實現了主動安全、智能化泊車、車庫到車庫智駕等關鍵場景的突破。這些能力的成熟,為最終實現無人駕駛奠定了基礎。
這些接駁點的背後,展現了華為在AI大勢面前的基礎判斷:只有用户價值與技術進步的交匯處,才是值得發力的戰略空間。
至此,我們可以回顧一下,什麼是華為眼中的全面智能化。它至少包含這樣幾個要素:
1.全方位挖掘行業需求的智能化。
華為並不僅僅專注於大模型,而是專注各個行業、各個領域真實的智能化訴求。比如存、算、網的基礎設施革新;比如企業對大模型、AI開發工具的有效獲取;比如具體行業中的智能化場景落地。只有實用、有效、符合行業需求的智能化,才是全面智能化。
2.全領域實現技術高度成熟的智能化。
相比單一維度的模型變大,算力需求增加,華為更關注技術的成熟性。比如説,汽車裏包含多大的模型,手機裏有多少AI算力其實無濟於事,只有真正提升駕駛體驗的汽車,真正成為個人助理的手機AI,才是全面智能化的標誌物。
3.全維度達成生態合作的智能化。
生態發展一直是華為戰略的重要部分。在智能化戰略的第一週期,華為先後開啓了華為雲、昇騰、鯤鵬和鴻蒙生態的構建。接下來,華為也希望通過生態來牽引智能化戰略的發展,為世界計算領域提供第二個選擇,為世界提供第三個移動操作系統。
可以説,在智能化走向極簡,走向易用,走向行業價值與技術價值對馳的必然性下。華為已經掌握了幾個戰略高點,比如雲+行業智能化、鴻蒙原生智能、自動駕駛技術等。將這些時代性的機遇放大,將會成為華為接下來的發展重心。
用户價值的恆定,與AI技術的飛速蜕變,二者交集處是一片無人區,也是一個巨大的機遇窗口。
堅定走向這個窗口,就是華為給全面智能化時代的第一個擁抱。