華為中國(guó)政企業(yè)務(wù)副總裁 郭振興

重塑制造業(yè)競(jìng)爭(zhēng)范式

AI吹響數(shù)智化轉(zhuǎn)型“變奏曲”

全球“競(jìng)爭(zhēng)戰(zhàn)略之父”邁克爾·波特在其經(jīng)典理論中指出，企業(yè)構(gòu)建競(jìng)爭(zhēng)優(yōu)勢(shì)的方法之一是成本領(lǐng)先戰(zhàn)略，即通過規(guī)?；a(chǎn)、優(yōu)化流程、控制成本等手段，使自身成本低于行業(yè)平均水平，以價(jià)格優(yōu)勢(shì)占領(lǐng)市場(chǎng)。然而，中國(guó)制造業(yè)發(fā)展至今，單純依賴傳統(tǒng)成本控制的增長(zhǎng)模式已遭遇瓶頸。人力成本攀升、原材料價(jià)格波動(dòng)、環(huán)保合規(guī)壓力加劇等，使得企業(yè)在傳統(tǒng)降本路徑上舉步維艱。與此同時(shí)，消費(fèi)端對(duì)產(chǎn)品個(gè)性化、定制化的需求激增，也導(dǎo)致傳統(tǒng)規(guī)?；a(chǎn)難以滿足市場(chǎng)的快速變化。

這些不斷變化的因素激發(fā)了制造企業(yè)的創(chuàng)新意識(shí)與速度。郭振興表示AI技術(shù)能夠?yàn)橹圃炱髽I(yè)開辟全新賽道，不僅在生產(chǎn)端帶來成本價(jià)值革新，釋放紅利，還能夠以數(shù)據(jù)資產(chǎn)的形式衍生出服務(wù)增值空間，激發(fā)制造企業(yè)更多新的增長(zhǎng)范式。

例如在產(chǎn)品研發(fā)階段，研發(fā)工程師可以憑借生成式設(shè)計(jì)方式，在輸入約束條件的情況下，由AI創(chuàng)造出滿足功能要求的產(chǎn)品；在工廠規(guī)劃階段，生產(chǎn)運(yùn)營(yíng)人員可以借助AI對(duì)工廠進(jìn)行仿真設(shè)計(jì)，完成工藝優(yōu)化，讓生產(chǎn)流程、物流運(yùn)輸更加科學(xué)；在產(chǎn)品服務(wù)階段，通過智能語音助手，可以提升客戶的交互體驗(yàn)，并基于數(shù)據(jù)提供主動(dòng)維護(hù)服務(wù)，快速響應(yīng)客戶的需求。

以廣汽為例，華為通過整合IPD流程重構(gòu)、iDME數(shù)據(jù)治理、大模型與AI技術(shù)，助力廣汽構(gòu)建了“流程-數(shù)據(jù)-智能”三位一體的數(shù)字化轉(zhuǎn)型框架，推動(dòng)廣汽從“制造驅(qū)動(dòng)”轉(zhuǎn)向“數(shù)據(jù)+AI雙輪驅(qū)動(dòng)”，實(shí)現(xiàn)效率、質(zhì)量與商業(yè)模式的全面突破。

可以看出，AI與制造業(yè)的加速融合，已經(jīng)逐漸形成一批智能制造典型場(chǎng)景，為制造企業(yè)數(shù)字化轉(zhuǎn)型、智能化升級(jí)提供有益參考。

從應(yīng)用廣度來看，AI已走向制造業(yè)的千行百業(yè)，覆蓋產(chǎn)品設(shè)計(jì)、計(jì)劃排程、生產(chǎn)過程優(yōu)化、質(zhì)量檢測(cè)、園區(qū)物流、設(shè)備健康管理、營(yíng)銷服務(wù)、供應(yīng)鏈管理等諸多領(lǐng)域。根據(jù)埃森哲發(fā)布的《2024中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》顯示，越來越多的企業(yè)計(jì)劃借助以人工智能為代表的先進(jìn)技術(shù)重塑各項(xiàng)職能，其中制造（48%）、財(cái)務(wù)（45%）和供應(yīng)鏈（42%）成為三大重點(diǎn)關(guān)注領(lǐng)域。

另一方面，從應(yīng)用深度來看，AI與制造場(chǎng)景的融合走向深化，包括智能語音交互、圖像識(shí)別、智能決策、機(jī)器學(xué)習(xí)、大數(shù)據(jù)計(jì)算、數(shù)據(jù)可視化等多種形式。信通院基于統(tǒng)計(jì)的全球典型案例研究表明，小模型為代表的專用智能應(yīng)用，正從工業(yè)視覺識(shí)別等外圍應(yīng)用走向數(shù)據(jù)與機(jī)理融合的深度分析；大模型在對(duì)話交互、代碼生成等方面已有廣泛應(yīng)用。

以用戶為核心

譜寫AI價(jià)值落地“方法論”

縱觀AI的開發(fā)與應(yīng)用現(xiàn)狀，在熱潮的背后，其發(fā)展過程中的痛點(diǎn)也不容忽視。在依托AI技術(shù)釋放價(jià)值層面，很多制造企業(yè)的實(shí)際收益并不理想，有的甚至成效甚微。觀其原因，郭振興總結(jié)很大因素在于沒有梳理清楚自身業(yè)務(wù)需求，找準(zhǔn)AI切入點(diǎn)，并做深做透。例如互聯(lián)互通一直被認(rèn)為是制造企業(yè)走向數(shù)字化的基礎(chǔ)，但實(shí)際上企業(yè)還存在以下“鴻溝”，使AI項(xiàng)目難以達(dá)到預(yù)期目標(biāo)：

??數(shù)據(jù)孤島與整合困難，73%企業(yè)數(shù)據(jù)利用率小于40%。

??80%企業(yè)因老舊系統(tǒng)成本增加30%。

??60%的企業(yè)在AI項(xiàng)目中，技術(shù)與實(shí)際場(chǎng)景需求脫節(jié)。

??僅有25%的AI試點(diǎn)項(xiàng)目能規(guī)?；茝V。

??60%的中型企業(yè)因GPU算力不足或云服務(wù)成本過高，無法支撐AI模型訓(xùn)練。

在郭振興看來，如果管理層將AI停留在淺嘗輒止的表面應(yīng)用，則很難為企業(yè)帶來高價(jià)值回報(bào)。面對(duì)AI浪潮，華為強(qiáng)調(diào)基礎(chǔ)設(shè)施先行，企業(yè)首先需要圍繞數(shù)據(jù)的“采、傳、存、算、管、用”全鏈路構(gòu)建互聯(lián)互通等技術(shù)能力。此外，企業(yè)需要明確數(shù)據(jù)資產(chǎn)價(jià)值定義與挖掘路徑，將技術(shù)能力轉(zhuǎn)化為實(shí)際商業(yè)價(jià)值。這兩大體系猶如企業(yè)智能化轉(zhuǎn)型的“任督二脈”：技術(shù)流解決數(shù)據(jù)流通與處理能力，價(jià)值流激活數(shù)據(jù)要素的生產(chǎn)資料價(jià)值，二者協(xié)同才能為AI價(jià)值釋放奠定好基礎(chǔ)。

其次，數(shù)據(jù)準(zhǔn)備是企業(yè)構(gòu)建優(yōu)質(zhì)AI模型的核心。企業(yè)需要對(duì)“采、傳、存、算、管、用”全鏈路的數(shù)據(jù)精細(xì)化處理，包括對(duì)元數(shù)據(jù)的清洗、結(jié)構(gòu)性和非結(jié)構(gòu)性數(shù)據(jù)的整理等，并制定數(shù)據(jù)資產(chǎn)目錄、質(zhì)量評(píng)估標(biāo)準(zhǔn)等數(shù)據(jù)治理方式，才能高效支撐企業(yè)挖掘數(shù)據(jù)價(jià)值。

最后，場(chǎng)景選擇和創(chuàng)新是AI價(jià)值落地的重要路徑。企業(yè)需要考慮通過AI實(shí)現(xiàn)什么目標(biāo)，并以此為據(jù)找到AI應(yīng)用的切入點(diǎn)。在找準(zhǔn)切入點(diǎn)后，企業(yè)需要遵循“小切口、深迭代”策略，聚焦高頻、剛需且價(jià)值顯著的場(chǎng)景作為試點(diǎn)。郭振興表示在華為內(nèi)部，強(qiáng)調(diào)要將“1厘米的切口做出1公里的深度”，因?yàn)檫@類場(chǎng)景需求明確、應(yīng)用頻次高，易快速釋放商業(yè)價(jià)值，既可以增強(qiáng)團(tuán)隊(duì)信心，又能以商業(yè)驗(yàn)證吸引持續(xù)投入，避免盲目鋪開導(dǎo)致的資源分散。

值得一提的是，郭振興強(qiáng)調(diào)，跨越數(shù)字鴻溝的另外一個(gè)關(guān)鍵點(diǎn)在于構(gòu)建行業(yè)級(jí)確定性架構(gòu)——唯有基于確定性架構(gòu)持續(xù)迭代演進(jìn)，才能實(shí)現(xiàn)產(chǎn)業(yè)智能化的規(guī)模性繁榮。例如華為構(gòu)建的行業(yè)智能體架構(gòu)，涵蓋感知、聯(lián)接、云與計(jì)算基礎(chǔ)設(shè)施、模型及應(yīng)用各個(gè)層面。該架構(gòu)通過分層解耦設(shè)計(jì)，可以促使各個(gè)行業(yè)更好的釋放各層技術(shù)優(yōu)勢(shì)，同時(shí)以開源開放的生態(tài)體系，聯(lián)合行業(yè) ISV（獨(dú)立軟件開發(fā)商）共同迭代場(chǎng)景化應(yīng)用。通過發(fā)揮底層基礎(chǔ)設(shè)施等能力建設(shè)優(yōu)勢(shì)，華為與深耕行業(yè)場(chǎng)景的合作伙伴形成互補(bǔ)，合力推動(dòng)人工智能從技術(shù)落地到商業(yè)變現(xiàn)的價(jià)值閉環(huán)。

構(gòu)建聯(lián)盟生態(tài)

與合作伙伴共同邁過“深水區(qū)”

2025 年初，DeepSeek憑借普惠、優(yōu)質(zhì)、開源的特點(diǎn)受到關(guān)注，眾多制造業(yè)企業(yè)也乘勢(shì)制定了大模型部署計(jì)劃，尋求生產(chǎn)效率突破與核心競(jìng)爭(zhēng)力提升之法。

為支持行業(yè)模型快速落地，華為與DeepSeek深度融合優(yōu)化：在技術(shù)層面，計(jì)算昇騰解決方案完成從預(yù)訓(xùn)練到微調(diào)、強(qiáng)化學(xué)習(xí)、推理場(chǎng)景的全流程適配，并借助昇騰架構(gòu)特性優(yōu)化模型性能；在生態(tài)層面，依托昇騰開源開放的全棧軟件站（如CANN、MindSpore等），華為聯(lián)合100多家制造業(yè)伙伴構(gòu)建了基于昇騰的DeepSeek解決方案。針對(duì)不同客戶需求，提供了輕量級(jí)DCS AI訓(xùn)推一體機(jī)、高性能訓(xùn)推集群等方案，并攜手ISV、OEM、APM等多方伙伴提供端到端的支持，助力企業(yè)高效部署大模型，釋放AI價(jià)值。

為了加速AI技術(shù)從解決方案驅(qū)動(dòng)轉(zhuǎn)向商業(yè)價(jià)值驅(qū)動(dòng)，華為攜手伙伴深耕行業(yè)，共創(chuàng)聯(lián)合解決方案，推動(dòng)央企重工、車輛裝備、半導(dǎo)體電子、新能源等多行業(yè)數(shù)智化升級(jí)。目前，華為與合作伙伴共同深耕7大場(chǎng)景孵化出20個(gè)解決方案，覆蓋工程設(shè)計(jì)仿真、智慧工廠建設(shè)多個(gè)維度，例如廣汽研究院智能化研發(fā)平臺(tái)、賽力斯智慧園區(qū)、長(zhǎng)安汽車智慧工廠等。華為通過與行業(yè)伙伴并肩攜手深入場(chǎng)景，可以更好的實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，共同應(yīng)對(duì)數(shù)智化轉(zhuǎn)型“深水區(qū)”。

2025年，華為計(jì)劃在更多行業(yè)拓展聯(lián)盟級(jí)伙伴合作，通過開放資源、市場(chǎng)機(jī)會(huì)，與伙伴協(xié)同深耕行業(yè)場(chǎng)景。郭振興表示通過與聯(lián)盟級(jí)伙伴開展全業(yè)務(wù)鏈的合作，華為將與伙伴相互促進(jìn)，攜手同行，共同加速各行業(yè)數(shù)字化、智能化轉(zhuǎn)型進(jìn)程。

后記

技術(shù)的成長(zhǎng)與突破，從來不是一蹴而就的。但可以預(yù)見的是，在國(guó)內(nèi)智能制造和培育新質(zhì)生產(chǎn)力的要求下，將實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的動(dòng)態(tài)運(yùn)行數(shù)據(jù)記錄疊加傳統(tǒng)工業(yè)模型，制造企業(yè)基于AI的模型化、軟件化應(yīng)用將進(jìn)一步提速。面對(duì)AI時(shí)代新藍(lán)海，華為正在不斷通過自身實(shí)踐聯(lián)合智能化技術(shù)與ICT能力，攜手合作伙伴共同加速打造制造企業(yè)數(shù)字經(jīng)濟(jì)新優(yōu)勢(shì)，將AI效率優(yōu)勢(shì)和創(chuàng)新優(yōu)勢(shì)兼收并蓄，推動(dòng)實(shí)體產(chǎn)業(yè)創(chuàng)新突破，加速制造企業(yè)轉(zhuǎn)型升級(jí)。

zhupb