在AI時代，企業領跑的秘密就藏在這句話裏_風聞

出品 | 子彈財經

作者 | 語叔

編輯 | 閃電

美編 | 倩倩

審核 | 頌文

企業，如何將AI與業務真正融合？

剛剛結束的第九屆華為全聯接大會上，一位傳統制造業企業技術負責人，私下問遍了現場能找到的AI研發大拿。但讓他想不到的是，每個人給他的回答都不一樣。

實際上，他所在公司的董事長在2023年就意識到，AI是下一個企業信息化發展的機遇，把他作為空降高管，從互聯網大廠挖過來，就是想利用他在互聯網產品研發上的經驗，推動企業儘快擁抱AI。

可是，進入到業務環節，這位技術負責人就傻了眼。整個技術團隊並不知道該如何在生產業務中引入AI，更別談如何融合了。最後，只能先使用某國產模型將客服系統升級，遠遠沒有達到董事長最初設想的用AI提質增效目標。這也是他此次參與華為全聯接大會的原因。

這家企業遇到的問題，正是中國企業在AI時代的常態。

今年2月，滙豐一項面向全球八大主要市場的企業調查顯示，68%的中國內地受訪企業表示有意投資人工智能技術，這一比例在全球受訪市場中最高。同時，86%的受訪企業表示，其財務職能部門的職責正在發生轉變，更專注於提供實時數據和相關分析。

東方財富的調研顯示，有68%的中國內地受訪企業表示，有意向投資AI技術來提升運營效率。同時，超過88%的中國內地受訪企業正在加大數字人才的投入。

然而，儘管眾多企業紛紛表示出對AI的濃厚興趣，並迫切希望通過引入AI來重塑自身的業務格局，乃至將其提升至戰略高度，但遺憾的是，真正能夠將這一願景落地實施的企業卻寥寥無幾。

根據德勤的調查，中國企業AI技術普及率只有不到23%，大模型的應用率更是不超過12%。這一數據背後，折射出的是企業在AI應用道路上所面臨的種種挑戰與困境。

1、擁抱AI，企業首先要構建AI原生思維

AI，尤其是大模型，這兩年一直是企業信息化的熱詞。

即使在面臨不確定性的當下，很多企業為了搶上AI發展的高速列車，也不惜工本投入研發，做好了長期投入的準備。

但不可否認的是，企業對AI需求很大，浪費也不少。很多企業追風盲目投入，並沒有讓AI真正釋放威力。

行業發展的起步階段，不少企業只是將AI視作與ERP系統等一樣的“工具”，認為開發出來幾款應用，加到業務中去之後就能推動企業進步。

但事實上，AI的能力遠不限於此，挑戰也不止於此。根據IDC調研報告，中小企業在發展AI戰略時，主要面臨數據質量、算力、算法基礎能力的限制。60%的中小企業表示在AI項目中遇到數據冗餘和管理問題，導致資源浪費；而45%的企業表示數據清洗和預處理工作佔據了大量時間和資源，實際效果不佳。

儘管如此，企業普遍認為AI技術能夠帶來顯著的業務提升，特別是在客户關係管理、業務重塑、市場營銷、供應鏈管理和客户服務等方面。

這就產生了龐大的企業需求和AI在實際應用中效力發揮有限的矛盾。

針對上述AI與企業業務融合的問題，華為常務董事、華為雲CEO張平安在今年的華為全聯接大會演講中給出了答案。

他認為，企業想解決AI與業務結合問題，就一定要構建AI原生思維，要將AI技術和工具作為核心要素，來重新思考和設計企業流程、IT架構、業務創新，以便充分發揮AI的潛力，提高效率，創新業務模式。

在AI時代，企業領跑的秘密就藏在這句話裏。

這種思維方式要求企業從戰略高度出發，重新審視自身的業務流程、組織架構以及資源配置。如在流程優化方面，企業可以利用AI算法對海量數據進行深度分析，識別出流程中的瓶頸和冗餘環節，進而實現流程的自動化和智能化改造。

這不是將AI技術和工具簡單引入企業運營中，而是從根本上重新思考和設計企業的各個層面，包括流程優化、IT架構重構以及業務模式創新，為企業帶來前所未有的變革。

2、擁抱AI企業需要做好三件事

以AI原生去思考，企業便擁有了全方位落實AI的可能性。張平安認為，紮實做好三件事情至關重要：算力、數據和模型。

首先，企業融合AI過程中算力非常關鍵，需要構建與企業需求相匹配的AI原生雲基礎設施。畢竟，算力，如同心臟一般，是推動AI進化的不竭動力。對於以大模型為核心的AGI時代來説，企業與AI協同，模型是最核心的支撐。而為了推動企業AI能力與業務場景的匹配，大規模的數據訓練必不可少。這不僅要求企業擁有強大的計算能力，以支撐起海量數據的處理與分析，更需確保這些計算能力能夠靈活擴展，滿足企業業務不斷發展的需求。

其次，數據質量決定企業應用AI模型的效果。作為人工智能的“糧食”，數據通過訓練影響了模型在企業實際業務中的表現。因此，企業需要構建以知識為核心的數據基礎架構，使數據能夠更有效地服務於人工智能，而不僅僅是侷限於傳統的商業分析。這意味着企業需要對數據進行深入地挖掘、整理與加工，將其轉化為對業務決策有價值的知識資產。

最後，企業應該圍繞業務場景，構建合適的AI模型。這意味着對於企業來説，在構建AI模型時，應避免陷入“大而全”的誤區。模型並非越大越好，亦非一個大模型能夠適用於所有業務場景。相反，企業應圍繞具體的業務場景和需求，構建適合的AI模型。這些模型應具備高度的靈活性和可擴展性，能夠隨着業務的發展而不斷優化與升級。

對此，在硬件和軟件上都有深厚耕耘的華為雲，在這次全聯接大會上，發佈了針對性的解決方案。

算力方面，華為雲構建了多元算力、彈性、高效的AI原生的雲基礎設施。智能時代，模型參數已由百億走向千億、萬億，為滿足AI算力爆炸性增長，滿足高可靠、高效能的要求，為了進一步提升AI原生基礎設施的效能，華為雲推出新一代的AI原生雲基礎設施CloudMatrix，構建分佈式對等全互聯架構，實現了單體算力向矩陣算力的演進。

據張平安介紹，CloudMatrix將CPU、NPU、DPU、存儲和內存等資源全部互聯和池化，從單體算力向矩陣算力演進，構建一切可池化、一切皆對等、一切可組合的AI原生雲基礎設施，為客户提供澎湃的AI算力。

數據方面，為降低企業使用數據的難度，更高效地進行模型訓練，華為雲全面升級數據治理生產線DataArts，為客户提供面向AI、以知識為中心的數據底座，包括AI和大數據融合引擎、數據開發治理、知識服務和數智應用使能服務，讓資源利用率和供數效率顯著提升。

模型方面，企業應用場景的多樣性，決定雲平台必須構建起多模態、多尺寸的模型，實現場景與模型的最優匹配，滿足企業對大模型經濟性和專業性的需求。

今年6月，華為雲發佈盤古大模型5.0，具有十億級、百億級、千億級和萬億級不同參數規格的模型，包含NLP、CV、多模態，以及預測大模型和科學計算等基礎大模型，以及面向行業的行業大模型，和開箱即用的場景模型，滿足企業的全業務場景需求。

面向AI時代的機遇和企業需求，華為雲通過基礎設施、數據底座、模型系列的構建，貼近企業需求，持續迭代的技術和產品，推動企業更快、更好地擁抱AI。

3、向華為學習如何用AI

實際上，華為自身也在積極踐行AI與業務融合。以華為自己的話説，華為內部通過“人+AI”“事+AI”，將AI引入工作流程，大幅提升工作效率。

華為董事、質量流程IT總裁陶景文在大會上表示，AI是一場變革，企業要把AI變成一個真正能給業務帶來價值的服務，一定要跟企業的流程、組織、IT、數據以及業務場景深度結合。

例如，在合同處理場景，華為通過數字化對象、過程和規則，實現了海量合同的高質量並行處理。此外，通過智能技術提取和比對多語種合同的關鍵要素，將風險處理時間從2小時縮短至僅需5分鐘。

在研發場景，華為為超過11萬名研發人員配備了開發助手，利用大型模型自動提取作業上下文信息，實現了代碼的行級續寫、函數生成、代碼解釋和註釋功能。通過AI技術，每年採納AI生成代碼量達到700萬行。

在製造場景，華為採用了多模型“系統工程”方法，結合決策式和生成式AI技術，顯著提升了整體生產力，使得訂單交付週期縮短了30%以上。

華為結合自身實踐，總結了一套“三層五階八步”方法論，三層分成了重新定義智能業務、AI開發與交付、持續運營智能應用，“五階八步”就是從業務場景出發，沿着業務流程、組織，公司數據和AI應用指導業務如何一步步落地企業的AI。

陶景文強調，在實施智能化過程中，華為堅持場景驅動，解決企業海量、重複、複雜的高耗能問題。

從華為的經驗看，建立AI原生思維，做好三件事，是企業真正從AI時代獲得發展動力和優勢的關鍵所在。

而軟硬兼備的華為雲，基於自身豐富的經驗賦能產業，對推動企業業務與AI融合有非同一般的意義。

4、寫在最後

對於企業管理團隊來説，瞭解AI時代業務的新技術和新策略的重要性毋庸置疑，但踐行AI原生的思維方能樹立整體的系統性架構，不顧此失彼，也不會只見樹木不見森林。只有對自身業務進行最細緻分析，找到業務底層的邏輯，才能更好地服務業務，這才是企業擁抱AI應該擁有的邏輯。

*文中配圖來自：攝圖網，基於VRF協議。