華為輪值董事長徐直軍：通過架構創新，開創自主可持續的計算產業

9月19日，華為全聯接大會2024在上海舉行，華為副董事長、輪值董事長徐直軍發表主題演講。

他表示，智能化必將是一個長期過程，而算力是智能化的關鍵基礎，過去是，未來也是。因此，智能化的可持續，首先是算力的可持續。

“算力是依賴半導體工藝的，但我們必須要面對一個現實，那就是，美國在AI芯片領域對中國的制裁長期不會取消，而中國半導體制造工藝由於也受美國製裁，將在相當長時間處於落後狀態，這就意味着我們所能製造的芯片的先進性將受到制約。這是我們打造算力解決方案必須面對的挑戰。”徐直軍説道。

他坦言，立足中國，只有基於實際可獲得的芯片製造工藝打造的算力才是長期可持續的。

“華為看到了挑戰，也看到了機會和可能，更激發了我們創新的熱情。因為人工智能正在成為主導性算力需求，促使計算系統正在發生結構性變化，需要的是系統算力，而不僅僅是單處理器的算力。這些結構性變化，為我們通過架構性創新，開創出一條自主可持續的計算產業發展道路，提供了機遇。”徐直軍稱。

他表示，華為的戰略核心就是，充分抓住人工智能變革機遇，基於實際可獲得的芯片製造工藝，計算、存儲和網絡技術協同創新，開創計算架構，打造“超節點+集羣”系統算力解決方案，長期持續滿足算力需求。

針對AI產業的發展，徐直軍還提出了幾個觀點。例如他認為，不是每個企業都要建設大規模AI算力；不是每個企業都要訓練自己的基礎大模型；不是所有的應用都要追求“大”模型，“所以我們認為，企業需要的是根據自身不同業務場景需求，選擇最合適的模型，通過多模型組合，解決問題，創造價值。”

華為副董事長、輪值董事長徐直軍發表主題演講

演講全文內容如下：

女士們、先生們，各位老朋友、新朋友，大家上午好！歡迎來參加2024年華為全聯接大會，期望大家在上海有一段愉快的旅程。我在2018年華為全聯接大會上發佈了華為人工智能發展戰略和全棧全場景AI解決方案，並把AI定位為通用目的技術。2021年，我在華為全聯接大會上，講了盤古大模型使能各行各業智能化。從2018年至今，AI的發展日新月異，廣受全球投資界、產業界、政府的高度關注。華為從2018年開始，踏實推進AI發展戰略，並在去年的華為全聯接大會上，進一步明確了公司全面智能化的戰略。對於智能化，每個行業、每個企業都有自己的探索，我聽到取得了很多成果，同時也注意到還有很多困惑。今天，我想利用此機會，來分享一下我們的觀察、思考、戰略和實踐。

AI成為對行業影響最大的技術

首先我們看看AI的商業進展。從商業應用角度看，從來沒有一項技術進步像AI一樣，在如此短的時間內產生如此大的影響。麥肯錫和斯坦福大學的研究表明各行業的AI應用目前主要集中在產品開發、營銷、業務運營等三個環節。其次，從企業高管視角看，Gartner的調查研究結果表明CEO們對AI的看法是非常積極的。所以概括來説，AI技術的持續進步正在推動各行各業智能化的不斷深化，正在走向全面智能化。

憧憬智能時代的企業

站在全面智能化時代的初期，我們每一個企業，不僅希望今天儘快利用AI創造出價值，同時也希望在未來的智能化競爭中實現領先。這也是我們一直在思考的問題，我想，只有先思考清楚智能化時代企業的未來方向，然後以終為始，來思考今天的戰略和行動，是非常重要的。基於這個考慮，結合華為自身的智能化實踐、以及華為多年支持各行各業智能化的探索，我想借此機會分享一下我們對智能化時代企業的憧憬，也就是憧憬智能時代的企業大致是什麼樣子，將會具備哪些特徵。

我們認為智能化時代的企業，應該具備“六個A”特徵。首先的4個A，表徵的是智能化的效果，其中：

第一個A，回答的是企業未來需要如何服務其客户，我們認為是Adaptive User Experience，自適應體驗；是指，智能化企業應該能夠感知並理解用户的行為、需求、興趣、品味和環境變化，主動調整提供最符合用户需求的服務，能夠適時和同時滿足海量個性化獨特需求的產品，需要從一開始就是特別設計的，而不僅僅是裁剪。比如：AI學習機根據學生年齡、學習進度、理解能力以及測試反饋等自動調整教學內容和難度，讓每個學生在不同時刻都能獲得適合自己的學習體驗。為客户提供預設的確定體驗到自適應體驗是一次躍遷，每個企業都需要提供適應智能化時代的客户體驗。

第二個A回答的是企業將需要打造怎樣的產品。我們認為是Auto-Evolving Products，自演進產品；是指：智能化時代的產品將具備自主學習，持續迭代，適應變化的能力，能夠自優化和自演進，比如自動駕駛汽車，越開越好開。產品從產品數字化到產品智能化是一次躍遷，將極大改變競爭，每個企業都需要思考把智能化能力融入自己的產品。

第三個A回答的是企業日常運營的未來，即Autonomous Operation，自治的運營；是指，要實現業務流高度自治運營，從感知、規劃、決策到執行，端到端自主閉環。比如港口通過智能計劃平台，自動生成作業計劃，通過自動駕駛集卡自動完成集裝箱水平運輸。企業運營自動化是多年以來很多企業一直在追求的，運營的自治化是運營效率提升的一次躍遷，每個企業都需要思考在更廣、更深的範圍用AI賦能和改變企業運營。

第四個A回答的是員工工作體驗和工作方式的未來，即Augmented Workforce，增強的員工；是指，要讓每個員工都有一個“懂我”的智能助手，高效、高質量完成每一件工作。比如運營商基站現場維護人員通過維護助手APP快速獲取故障位置，故障根因以及處理建議等信息。讓AI造福於人類是AI存在的意義，讓員工有更好的工作體驗是每個企業在智能化時代競爭力的關鍵基礎。

接下來2個A，表徵的是智能化的基礎。第五個A，即All-Connected Resources，全量全要素全聯接；是指，要實現企業的資產、員工、客户、夥伴、生態等全互聯，所有業務對象、過程、規則實現數字化，不僅要提升信息的量，更要改善信息的質，從而使企業具備智能化必須的數據和信息基礎，也就是深度、全面的數字化。

第六個A，即AI-Native Infrastructure，智能原生基礎設施；是指，一方面，ICT基礎設施要系統化構建，要能適應智能化應用的需要，即ICT for Intelligence，另一方面，基礎設施本身的運維管理和體驗保障要充分智能化，即Intelligence for ICT。

這6個A的特徵，是我們結合自身實踐和理解的初步思考總結，希望對大家思考用好AI有所幫助，供大家參考，希望每個企業都能成為智能化時代的贏家。

推進全面智能化戰略

適應全面智能化時代的到來，華為在2023年的HC大會上提出了全面智能化戰略。全面智能化戰略的涉及面很廣，我今天主要就從七個方面，分享我們的思考。

一、通過架構創新，提供可持續算力解決方案

首先談一下算力，智能化必將是一個長期過程，而算力是智能化的關鍵基礎，過去是，未來也是。因此，智能化的可持續，首先是算力的可持續。而算力是依賴半導體工藝的，但我們必須要面對一個現實，那就是，美國在AI芯片領域對中國的制裁長期不會取消，而中國半導體制造工藝由於也受美國製裁，將在相當長時間處於落後狀態，這就意味着我們所能製造的芯片的先進性將受到制約。這是我們打造算力解決方案必須面對的挑戰。

立足中國，只有基於實際可獲得的芯片製造工藝打造的算力才是長期可持續的，否則是不可持續的。華為看到了挑戰，也看到了機會和可能，更激發了我們創新的熱情。因為人工智能正在成為主導性算力需求，促使計算系統正在發生結構性變化，需要的是系統算力，而不僅僅是單處理器的算力。這些結構性變化，為我們通過架構性創新，開創出一條自主可持續的計算產業發展道路，提供了機遇。

我們的戰略核心就是，充分抓住人工智能變革機遇，基於實際可獲得的芯片製造工藝，計算、存儲和網絡技術協同創新，開創計算架構，打造“超節點+集羣”系統算力解決方案，長期持續滿足算力需求。

大模型的技術突破大大加速了智能化的進程，一段時間以來，各行各業幾乎言必稱大模型，紛紛建設AI算力，紛紛訓練大模型。這對於華為這樣的算力提供商而言，無疑是重大利好。但從長遠發展角度考慮，我們始終相信，只有客户的持續成功，才有華為的持續發展。今天就幾個問題談幾點想法。

第一、不是每個企業都要建設大規模AI算力。我們都清楚，AI服務器，特別是AI算力集羣不同於通用x86服務器，對供電、散熱等數據中心機房環境要求極高，且隨着大模型越來越大，AI算力也將走向更大規模，而且變化節奏快，AI服務器快速升級換代，數據中心機房面臨要麼浪費、要麼滿足不了需求的困境。

其次是，現在業界平均一到兩年推出新的AI硬件產品，迭代速度快，相比公有云，企業受限於算力規模小，面對快速變化的大模型，比較難以讓每個代際的算力硬件獨立完成工作，而是希望多個代際產品混合使用來進行模型訓練，由此導致資源調度複雜度高，而且因為歷史代際產品的“木桶短板”效應，拖累新一代產品性能的充分發揮，影響大模型訓練的能力。

最後是運營維護帶來的挑戰，AI技術還處於成長期，技術變化快，多代際產品共存，對技能要求高，導致運營維護困難，對很多隻具備傳統IT維護能力的企業而言是重大挑戰。由於這些挑戰在一段時間內將繼續存在，因此，我認為，每個企業都要思考適合自己的獲取AI算力的方式，而不僅僅是建設自己的AI算力。

第二、不是每個企業都要訓練自己的基礎大模型。訓練出基礎大模型，關鍵是數據，而準備足夠多的高質量數據是很大挑戰，基礎大模型預訓練數據量進入10萬億tokens量級，這對於企業來説，不僅意味着高成本，同時是否能獲取到足夠的數據量也是挑戰。

其次，模型訓練難，基礎大模型參數量在持續增大，模型迭代和優化難度大，通常需要數月到數年時間完成模型迭代訓練。每個企業都應聚焦自身核心業務，自行訓練基礎大模型會影響AI儘快賦能核心業務。

最後，人才獲取難，基礎大模型涉及的相關技術每天都在更新，具備實戰經驗的技術專家少，對於企業來説，建立足夠的技術人才資源也是挑戰。

第三、不是所有的應用都要追求“大”模型。從華為盤古在行業的實踐看，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，比如降雨預測、藥物分子優化、工藝參數預測，在PC、手機等端側設備上，十億參數模型也有廣泛應用。而百億參數模型可以滿足面向NLP、CV、多模態等大量特定領域場景的需求，比如知識問答、代碼生成、坐席助手、安全檢測。面向NLP、多模態的複雜任務，可以用千億參數模型來完成。

所以我們認為，企業需要的是根據自身不同業務場景需求，選擇最合適的模型，通過多模型組合，解決問題，創造價值。

二、華為雲面向AI全棧升級，賦能千行百業智能化

基於我剛講過的幾點想法，我認為，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。

首先華為雲通過持續打造昇騰雲服務，讓企業一鍵獲取澎湃AI算力，無需改造或自建機房，無需運營維護AI算力基礎設施；同時通過計算、存儲、網絡端到端協同，已經實現千億參數模型雲上訓練40天無中斷。

其次華為雲升級了ModelArts服務，支持業界主流基礎大模型開箱即用，包括盤古、開源、以及第三方大模型，讓企業無需為基礎大模型準備大量數據和迭代訓練，並提供一站式模型調優、部署、測評等工具鏈支持，降低企業模型微調和增量訓練的技術門檻。

同時華為雲在全力打造盤古5.0，支持全系列模型，包括十億級、百億級、千億級等，最佳適配企業不同場景需求，並通過百模千態社區提供100多個大模型，為企業提供更豐富的選擇。概括講，我認為雲服務是很多企業推進智能化的最佳選擇。通過華為雲昇騰雲服務和模型雲服務，我們期望讓每個企業都能實時按需獲取AI算力，以及高效地訓練模型和應用模型推理。

華為雲提供體系化安全能力，保障大模型訓練推理安全

在雲上進行大模型的訓練和推理，帶來新的安全挑戰，華為云為了應對這些新的安全挑戰，大力提升了安全能力，保障大模型訓練推理安全，主要包括：

在安全理念方面，華為雲面向“防禦極限攻擊”的理念來進行安全設計，基於零信任構築了物理、身份、網絡、應用、主機、數據、運維七層防線和一個安全運營中心，每天成功抵禦高達12億次的攻擊，確保業務“攻擊不癱，數據不丟，監管合規”。

在安全機制方面，華為雲提供等級云為客户構建了安全的數字空間，支持物理隔離或邏輯隔離，雲平台的操作透明可審計，確保客户安心用雲。

在安全技術上，華為雲提供端到端的全棧數據安全保護方案，從硬件，軟件，應用對數據全生命週期，以及數據流轉、大模型訓練和推理數據，進行全方位安全防護。同時確保訓練數據、生成內容的端到端安全合規。

在知識產權方面，如果客户使用華為雲大模型服務，生成的內容侵犯了第三方的知識產權，華為將自費為客户辯護，並就最終法院判決或與第三方的和解給您造成的損失、成本和費用進行賠償。具體內容以合同約定為準。

三、構建鴻蒙原生智能，打造全場景智慧體驗

智能時代，終端是不可或缺的一環。在終端領域，華為是最早把AI引入到智能手機的，早在2017年，華為推出的Mate10，就內置了AI芯片，並將AI智慧影像、AI翻譯等能力首次應用到了手機，開啓了Mobile AI時代。而今天，隨着AI進入大模型時代，我們基於端、芯、雲協同的架構，把AI技術與鴻蒙操作系統深度融合，重新構建了以AI為中心的鴻蒙原生智能，從內核到系統應用實現全面智能化，同時實現更開放的生態協作，以及更可信的隱私安全保護。

華為將基於鴻蒙原生智能，將“小藝”升級為智能體，實現更自然的多模態交互，更全方位的融合感知，準確理解用户、數字世界和物理世界，為用户提供全場景智能化、個性化的服務。同時我們將圍繞消費者在工作、學習、生活、娛樂等全場景需求，聯合鴻蒙生態夥伴共同構建面向未來產品的智能能力；並且實現從AI模型能力到AI控件分層全面開放，使能第三方應用，繁榮鴻蒙原生應用生態。

終端AI以體驗為中心，而不是以算力為中心

我們也注意到，在各種終端中引入AI能力已經成為普遍的趨勢，比如打造AI Phone、AI PC等。由此，關於如何定義AI時代的智能終端，業界也有各種聲音。我們始終認為，消費者的體驗是第一位的，消費者難以理解芯片工藝、算力TFLOPS、模型參數量…究竟意味着什麼，而是更加註重切身的使用體驗。因此，我們倡議，終端AI應以體驗為中心，而不是以算力為中心。

基於這一理念，為了讓消費者對AI終端的能力有更清晰、更直觀的認知，同時也為了讓產業界對AI終端的能力演進達成統一的共識，協同產業有序發展，我們和清華大學人工智能產業研究院共同提出AI終端智能化L1到L5 分級標準，以消費者體驗為牽引，將用户的智能體驗進行量化，通過持續提升智能等級帶給用户更好的體驗，期待產業界同仁一起來完善、優化該分級標準。共同促進終端AI的有序發展。

四、以自動駕駛網絡，重塑網絡體驗和運維

在網絡領域，華為自2018年起，華為首先提出把AI用於電信網絡，提出自動駕駛網絡架構。目前我們正在把通信大模型以及網絡數字孿生引入進來，與TM Forum、中國移動等業界夥伴一起，推動基於價值場景的高度自治，使能網絡逐步實現L4高度自治，未來實現完全自治。其中，通過運營商網絡自動駕駛，我們致力於實現零等待、零中斷、零接觸的極致用户體驗，以及自配置、自修復、自優化的極簡網絡運維。

同時，我們也把自動駕駛網絡的理念引入到企業網絡，因為企業網絡同樣面臨着運維的挑戰，首先全無線化辦公，應用雲化、視頻化，員工辦公體驗難以全面保障；同時企業辦公、生產、數據中心、分支及聯接多雲等網絡規模越來越大，設備種類越來越多，日常維護範圍和複雜度持續增大；今天，我們提出，通過企業網絡自動駕駛，我們的目標是實現企業業務零卡頓、網絡零中斷、開通零等待、安全零風險。

五、打造自動駕駛解決方案，以安全和體驗為中心，最終實現無人駕駛

汽車自動駕駛解決方案也是華為最開始投資AI的重要領域，因為自動駕駛的目標是無人駕駛，是AI的應用最為挑戰的場景之一。我們推出的ADS 3.0版本，能夠讓自動駕駛決策更準確，通行更高效，體驗更類人，駕駛更安全。並且實現了車位到車位“一鍵”抵達，從公開道路到園區道路到地下車位的全場景貫通。並且進一步升級全向防碰撞系統，覆蓋更多速度區間，以及實現全向避障。

這些進步讓消費者真正感受到了智能駕駛帶來的安全與體驗提升。現在，中國消費者對汽車智能駕駛已經非常熟悉了，購買新車時配智能駕駛高階版本的比例非常高，汽車的智能駕駛能力也已經成為中國消費者購買新車時重點考慮的因素。下一步，我們將基於融合感知，持續演進自動駕駛解決方案，逐步實現：在高速路，上車即可休息，長途安心睡；在城區和郊區公路，處處都好開，安全穩重比肩老司機；在鄉村和山路：上山下鄉，全地貌全天候放心開。在泊車場景：實現離車即走、零剮蹭、零卡死；在安全方面要實現全方位全向主動安全，主要是主責碰撞清零，減輕次要責任。在這些關鍵場景目標達成的基礎上，未來最終實現無人駕駛。

六、共築生態，打造統一的開發者平台，實現共贏發展

發展生態一直是華為戰略的重要組成。我們始終努力與夥伴一起共築生態，打造統一的開發者平台，實現共贏發展。在2017到2019的三年間，華為先後開啓了華為雲、昇騰、鯤鵬和鴻蒙生態的構建。在2024年及未來五年，華為將強力戰略投資生態的發展，通過生態的發展牽引、促進、帶動計算產業和終端產業的發展，為世界計算領域提供第二個選擇，同時為世界提供第三個移動操作系統。

七、倡導和踐行AI向善，增強人類、社會和環境的福祉

最後，AI的應用將無窮無盡，但歸根結底是要服務於人的。我們堅持倡導和踐行AI向善，我們認為：

AI應服務於人，提高人的工作效率和生活品質；通過AI使能行業數字化，改變行業的生產方式，成為各行業進入智能世界的核心引擎；要降低AI技術的門檻，讓每個人、每個家庭、每個組織擁有平等獲取和使用AI技術的機會。

AI應運用於為社會創造更廣泛的福祉等善意的用途；我們在AI的設計、開發和使用過程中，會審慎評估AI技術對社會帶來的長期和潛在影響，避免AI技術濫用。

AI應運用於生態環境保護和可持續發展，積極運用AI來研究、解決全球關注的問題，如聯合國可持續發展目標。

全面智能化時代已然來臨，給每個人、每個企業帶來新的機遇，也有新的挑戰，讓我們攜手共同推進全面智能化，讓每個人都有自己專屬的智慧助手，讓每個企業成為智能化企業，讓每輛車都能無人駕駛。謝謝！