架构优先、先易后难，华为的制造业生成式AI方法论

【天极网IT新闻频道】文：科技商业于洪涛

从数字化时代到智能化时代，制造业作为实体经济的重中之重，进一步利用先进技术提质增效、转型升级成为明确方向。虽然不同企业之间存在分化，但制造业整体正在走向前列，成为各行各业数智化的引领者之一。

在华为AI+制造行业峰会2024上，华为表示积极拥抱智能化，将自身定位在算力平台，着力用根技术打造坚实的解决方案底座、生态底座、人才底座，赋能千行百业数智化转型。

面对All in AI风险高、投入大的挑战，华为中国政企业务副总裁郭振兴提出了“架构优先、先易后难，化零为整，缓进急战”十六个字原则，加速推进AI与制造行业深度融合的进程。

基于统一平台，将AI大模型应用逐步落地

在向制造强国的迈进过程中，AI的作用至关重要，助推从中国制造到中国智造的升级。我们能够看到，AI正在重塑整个制造业的流程，改变了研发设计、制造执行、资源计划调度、销售管理、售后服务等全业务环节，成为当之无愧的新质生产力。

当下，生成式AI技术又在快速发展，大模型实现了泛化能力的突破，能够覆盖多场景，可以大大缩短开发周期，降低研发成本，很多制造企业已经开始探索大模型的落地应用。

郭振兴表示，这个过程的*步应该是架构先行，建立分层解耦的统一云化平台。华为提出的智能体架构，改变了纵向建子系统的传统模式，实现智能感知、智能连接、智能底座、智能平台(含AI大模型)、智能应用的横向分层解耦。

第二步则是围绕数据和算力构建能力体系。包括数据的采集、存储、计算、管理、使用等技术体系的建立，和数据价值体系的建立，充分发挥数据要素的价值。

第三步是应用场景的先易后难、缓进急战。从高频、刚需、价值大的场景率先入手，快速实现价值闭环，然后再逐步向更难的场景深入，这样才能形成正循环的飞轮效应。

对于AI模型，华为也提出了L0到L2的三层结构，它们都建立在华为AI底座和以ModelArts、ModelMate为代表的AI平台基础之上。

其中，L0基础大模型包括视觉大模型、自然语言大模型、预测大模型、多模态大模型、科学计算大模型等;L1行业大模型是针对汽车、生命医药、电子等行业需求特点而构建的;L2场景模型则面向细分的应用场景，比如传送带异物检测、焊点质量检测、先导药物筛选、智能排产调度等。

郭振兴认为，下一代大模型生产方式应该是“授人以渔”，让行业客户“自己做大厨”。即基于厂商的基础大模型能力和构建工具，行业客户对自身的AI应用做到全面掌控。

c73f705e5f40b80dceede0c02a205895

在云平台基础上，构建智能化ICT基础设施

要实现对实体经济的赋能，数字技术需要在传统产业和中小企业得到更广泛的应用，帮助制造企业实现数智化转型。

在此进程中，企业需要构建强有力的ICT基础设施，尤其是大模型的训练和推理，都对基础设施提出了更高的要求，要实现“存算云网能”的全方位协同。

在算力方面，华为的智能计算芯片和通用计算芯片，正在成为世界算力的第二选择。前者与CANN和Mindspore相结合，成为全场景的人工智能平台，用于大模型的训练和推理;后者与欧拉操作系统和高斯数据库结合，为制造企业提供编程开发平台。

在运力方面，大模型训练对数据中心内部的网络性能提出了更高的要求，华为星河网络利用数据通讯集群技术，将AI训练效率提升了20%，中断则减少80%，从而节省了宝贵的GPU卡资源。华为TSN工业环网采用切片技术，提升了工业承载网的性能，降低时延，提升可靠性。Wi-Fi7和光网络，则实现了园区网的泛在接入。

在存力方面，分布式存储，可以解决数据训练和推理的可靠性和效率问题，同时提升数据的安全性，以确保数据要素价值的*大发挥。

郭振兴强调说，ICT基础设施云化是必然趋势，无论私有云、公有云、混合云，因为云具有高效、快速、灵活、安全等特性，在云上叠加AI基础设施，可以为AI应用构建起坚实底座。

他建议，大型央国企可以自建云算力，中小企业则可以利用地方政府建设的集约化算力资源，以降低初始投资，增强灵活性。

依靠生态力量，实现业务场景智能化

生成式AI之所以受到企业的重视，是由于其能够直接应用到企业的业务场景当中去，带来业务创新，创造业务价值。因此，我们能够看到，大模型的应用需求，往往来自企业的业务部门，而不是IT部门。

从研发，到生产、供应、销售，乃至运营，企业的全业务流程，都在加速智能化步伐。郭振兴分享了制造业的典型业务场景，企业可以先从这些场景入手，逐步将AI应用铺开。

在研发工具链场景，用大模型重构的一站式工作平台，将研发效率提升10倍;在智慧工厂场景，一网一云一平台的架构，实现了车企生产效率的翻倍提升;在工业互联网场景，则赋能数智化升级，打造行业生产数据的高速公路;在数字化营销场景，智能引擎全面触达客户，实现精准营销和精准服务;在智能运营场景，以智能控制替代矿工的危险工作，以整系统智能化实现专家经验的沉淀。

郭振兴表示，上述业务场景只是制造行业智能化的部分实践，在汽车、电子、制药、烟草等行业，还有更多的200+的价值场景需要与客户、ISV来共同探索和开发。因此，全产业链的智能化生态体系，就尤为重要。