題圖｜視覺中國

　　上個月，埃森哲發(fā)布了2024版《中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》報告，其中有兩組數(shù)據(jù)非常有意思。

　　1，將生成式AI視為機遇，認(rèn)為有機會實現(xiàn)效率提升和營收增長的中國企業(yè)（90%）比例比全球（77%）高20%；

　　2，但在行動上，打算在“人才隊伍”和“組織流程”上變革的中國企業(yè)，只有全球樣本的63%和83%；

　　這種“表面上重視潮流卻不采取行動”的現(xiàn)象，展現(xiàn)出了一個潛在趨勢——許多在互聯(lián)網(wǎng)和移動通信時代憑借基礎(chǔ)數(shù)字化實現(xiàn) “彎道超車” 的中國企業(yè)，如今面對 AI 技術(shù)帶來的新挑戰(zhàn)，依然顯得 “束手無策”。

　　這些公司為什么會“束手無策”？究竟是在哪個環(huán)節(jié)“掉”了鏈子？怎么做才能保持自己的領(lǐng)先？要解答這一系列問題，只能從“找病根”做起。

　　為什么很多企業(yè)用不好AI？

　　很多企業(yè)用不好AI的原因總結(jié)起來無非三點：不相信，沒找準(zhǔn)，無實踐。開篇提到的‘表面上重視潮流卻不采取行動’，就是不相信的行動表現(xiàn)。

　　雖然AI技術(shù)的發(fā)展速度前所未有，從基礎(chǔ)的機器學(xué)習(xí)算法到復(fù)雜的深度學(xué)習(xí)模型，再到自然語言處理（NLP）和多模態(tài)學(xué)習(xí)，突破接連不斷出現(xiàn)，但企業(yè)在決定是否采用AI時，往往會采取觀望態(tài)度。

　　等待背后，不同企業(yè)有自己的考量，但大多數(shù)都希望技術(shù)能夠被進一步驗證，技術(shù)的成本可以進一步降低，行業(yè)內(nèi)出現(xiàn)成熟可用的實踐和開源資源，說白了就是一整套從互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)時代繼承而來的新技術(shù)投入和相關(guān)風(fēng)險控制策略。

　　但很可惜的是，AI帶來的改變注定比前兩個時代大很多。不僅僅是“從線下到線上”、“從固定到無處不在”，而是進一步拓展到了“從人到人+機器”、“從程序到算法”的變化。

　　企業(yè)跟上這波技術(shù)變革所需要做的，也不僅僅是買個軟件系統(tǒng)、上個小程序那么簡單，還需要“梳理企業(yè)內(nèi)部結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)”，“自建模型或應(yīng)用”還有“成立風(fēng)險管控部門”等企業(yè)更深層次架構(gòu)的變革。

　　這個過程必然耗時耗力，且無法像過去一樣，通過后期“補課”來追趕。最終讓“繼續(xù)等待”與“一步慢步步慢”畫上了等號。

　　“沒找準(zhǔn)”要復(fù)雜一些。顯而易見，并非所有的場景都適合人工智能，而企業(yè)應(yīng)用AI首要要做的，就是認(rèn)真地選擇一個適合AI發(fā)揮的、對自己有足夠大價值的“場景”。對此，華為曾專門制作了一套評價體系，名為“AI十二問”。主要包含“價值度”、“成熟度”、“可運營度”三個評估維度。

　　“價值度”所指的，是AI 應(yīng)用在特定場景中能夠創(chuàng)造的價值大小。但跟很多本身身處數(shù)字化行業(yè)的公司不同。那些更偏“線下”、更偏“人力經(jīng)驗”的傳統(tǒng)行業(yè)，他們很多的業(yè)務(wù)場景就連最基礎(chǔ)的數(shù)字化都沒完成，很多場景根本無法計算價值，自然也無法評估AI應(yīng)用的潛在價值。

　　“成熟度”，則重點考察AI 技術(shù)或解決方案在實際應(yīng)用中的穩(wěn)定性、可靠性和完善程度。它涉及到技術(shù)是否已經(jīng)經(jīng)過充分的測試和驗證，是否有足夠的數(shù)據(jù)支持，以及是否能夠適應(yīng)不同的環(huán)境和條件。

　　“可運營度”是指AI應(yīng)用在實際業(yè)務(wù)流程中的可實施性和管理。例如是否有清晰的業(yè)務(wù)模式，是否有足夠的資源（如資金、人才、數(shù)據(jù)）來支持AI應(yīng)用的運行，是否有有效的運營策略和管理體系。

　　最后的“無實踐”最簡單但挑戰(zhàn)也最大。

　　拋開大規(guī)模的AI算力、超大規(guī)模的基礎(chǔ)大模型，這些普通公司的AI發(fā)展“禁區(qū)”不談，在找準(zhǔn)“場景”的基礎(chǔ)上想要推進AI實踐，挑戰(zhàn)依舊不少：如何將這一整套運行AI的基礎(chǔ)設(shè)施搭建起來并保證日常運營？究竟應(yīng)該為具體場景選擇怎樣的模型？如何在運行起來之后，持續(xù)對模型進行調(diào)優(yōu)、部署、測評等一系列操作？

　　以及，還有最普遍也是最大的挑戰(zhàn)——究竟應(yīng)該從何處尋找具備相關(guān)經(jīng)驗的技術(shù)專家，來解決這一系列的問題？

　　謎底藏在謎面上：找到能夠解決這些挑戰(zhàn)的公司，讓他們幫你解決，例如華為云。

　　前幾日舉辦的“華為全聯(lián)接大會2024”上，華為針對上述這些挑戰(zhàn)也給出了解決方案：

　　基于實際可獲得的芯片制造工藝，計算、存儲和網(wǎng)絡(luò)技術(shù)協(xié)同創(chuàng)新，開創(chuàng)計算架構(gòu)，打造 “超節(jié)點+集群” 系統(tǒng)算力解決方案，長期持續(xù)滿足算力需求；

　　升級ModelArts服務(wù)，支持業(yè)界主流基礎(chǔ)大模型開箱即用，包括盤古、開源、以及第三方大模型，讓企業(yè)無需為基礎(chǔ)大模型準(zhǔn)備大量數(shù)據(jù)和迭代訓(xùn)練；

　　提供一站式模型調(diào)優(yōu)、部署、測評等工具鏈支持，降低企業(yè)模型微調(diào)和增量訓(xùn)練的技術(shù)門檻。

　　這些成體系的能力與解決方案，絕大部分早已投入了實際應(yīng)用，也在各行各業(yè)獲得了不錯的效果，成為了數(shù)量眾多的成功案例，挑幾個標(biāo)桿來說。

　　采礦業(yè)是一個典型的高度復(fù)雜傳統(tǒng)制造業(yè)，傳統(tǒng)礦山在運營過程中要面對技術(shù)、數(shù)據(jù)等多重困難。山東能源集團與華為成立聯(lián)合創(chuàng)新中心，構(gòu)建了中心訓(xùn)練、邊緣推理、云邊協(xié)同、邊用邊學(xué)、持續(xù)優(yōu)化的人工智能運行體系，成功搭建了煤炭行業(yè)全球首個礦山大模型 “盤古礦山大模型”，并已在煤礦領(lǐng)域9個專業(yè)40多個場景應(yīng)用實踐。

　　以對底下鉆孔施工情況的監(jiān)測為例，盤古視覺大模型能夠?qū)︺@孔深度自動核驗、孔深不足及時提醒，避免漏檢、遲檢，使人工核檢效率提升80%，保障了現(xiàn)場的施工安全。

　　第二個例子是物流行業(yè)，由于行業(yè)內(nèi)人員崗位多樣，流動性大，相關(guān)的知識經(jīng)驗以文字、語音、圖片、視頻等形式碎片化地分散于各類規(guī)章制度和信息系統(tǒng)中，往往難以挖掘發(fā)揮價值。

　　順豐科技依托華為昇騰AI云服務(wù)自研物流行業(yè)垂域大語言模型 “豐語”，深度融入行業(yè)知識，顯著提升市場營銷、客服、收派等業(yè)務(wù)效率，精準(zhǔn)解決行業(yè)痛點，實現(xiàn)降本增收與客戶體驗升級。以“小哥服務(wù)中心”功能為例，對小哥的物流問題咨詢定位準(zhǔn)確率超過98%，每次會話節(jié)省3分鐘，智能優(yōu)化應(yīng)答，極大提升小哥的問題處理效率和客戶體驗。

　　最后一個例子是高鐵，中國高鐵里程領(lǐng)先全球，也給高鐵列車傳統(tǒng)依靠人力的日常巡檢工作帶來了巨大的壓力。

　　北鐵所與華為云合作，將盤古鐵路大模型融入巡檢機器人，實現(xiàn)智能化檢測，通過多模態(tài)融合技術(shù)將巡檢工人從繁重的勞動中解放出來，還大幅提升了檢測效率和檢測準(zhǔn)確率；高鐵故障識別準(zhǔn)確率大于98%，測量精度誤差小于0.5mm。

　　這幾家非原生數(shù)字化行業(yè)、都是第一次應(yīng)用AI的公司，之所以能取得不錯的成果，完全歸功于華為利用自己的“實踐”為這幾家公司掃平了障礙。

　　探險還需“領(lǐng)路人”

　　事實上，華為早已成為了很多公司AI應(yīng)用的“領(lǐng)路人”：華為云目前整體推進人工智能落地行業(yè)場景的“進度條”，已經(jīng)推進到了30個行業(yè)的400個場景。

　　9月19日，華為全聯(lián)接大會2024”期間華為云AI用戶峰會召開，會議聚焦推進大模型的行業(yè)應(yīng)用之余，也主動聆聽來自客戶的真實聲音。

　　在會上，華為云和信通院都對當(dāng)前企業(yè)應(yīng)用AI大模型給出了自己的看法，包括海亮集團、順豐科技、同方知網(wǎng)、廣汽研究院、云鼎科技在內(nèi)的標(biāo)桿客戶也分享了自己的實踐經(jīng)驗。現(xiàn)場還舉行了華為（長三角）盤古大模型行業(yè)應(yīng)用基地、華知多模態(tài)大模型、云南花卉產(chǎn)業(yè)AI試驗示范區(qū)、智通物流成本分析大模型等一系列新合作的簽約，以及華為云ModelArts Studio合作的啟動儀式。

　　這些新進展，充分展現(xiàn)了華為與客戶與行業(yè)共同探討千行萬業(yè)數(shù)智化轉(zhuǎn)型的真難題、真難事，尋求切實可行的解決方案，推動行業(yè)加速發(fā)展的決心。

　　就拿HC大會上提到的“三層五階八步”工程化方法論為例，就給出了清晰的企業(yè)智能化蛻變之路。例如業(yè)務(wù)場景應(yīng)該按照什么標(biāo)準(zhǔn)選擇；企業(yè)的非結(jié)構(gòu)化數(shù)據(jù)如何轉(zhuǎn)化成知識與大模型結(jié)合；如何運用華為大模型工具鏈，制定模型開發(fā)工作流；最終將大模型的結(jié)果貫穿企業(yè)的研發(fā)、生產(chǎn)、供應(yīng)、銷售、服務(wù)等各個環(huán)節(jié)。

　　這套打法也清晰地展示出了華為實踐的核心結(jié)論——人工智能是一場變革，但這個變革不是“鏡中花”“水中月”。一定要與傳統(tǒng)企業(yè)的流程、組織、技術(shù)人員相結(jié)合，同時企業(yè)的數(shù)據(jù)也要與業(yè)務(wù)場景做深度結(jié)合。只有這樣，才能真正把人工智能變成一個企業(yè)可用、能為企業(yè)帶來價值增長的工具。

　　對于這種“由深到淺”的創(chuàng)新，華為一向“手到擒來”。早在2017年，華為就提出并成立了人工智能使能部，計劃通過數(shù)字化轉(zhuǎn)型和人工智能的賦能，讓華為的效率成為行業(yè)的標(biāo)桿。

　　以華為的盤古大模型為例，今年已經(jīng)更新到5.0，發(fā)布時還喊出了新口號 “不僅要做事，還要做最難的事”。

　　支持全系列模型的盤古大模型5.0，能夠以十億級、百億級、千億級等規(guī)模應(yīng)用，最佳適配企業(yè)不同場景需求，并通過百模千態(tài)社區(qū)提供100多個大模型，為企業(yè)提供更豐富的選擇。例如十億參數(shù)模型可以滿足降雨預(yù)測、藥物分子優(yōu)化、工藝參數(shù)預(yù)測等應(yīng)用；百億參數(shù)模型則可以滿足知識問答、代碼生成、坐席助手、安全檢測等場景的需求；千億參數(shù)則可以應(yīng)對例如生成視頻這樣的更復(fù)雜任務(wù)。

　　為了幫助客戶更好地?fù)肀?AI，華為云還通過覆蓋了數(shù)據(jù)中心、云平臺架構(gòu)和基礎(chǔ)設(shè)施服務(wù)的全棧系統(tǒng)性創(chuàng)新，讓大模型的數(shù)據(jù)準(zhǔn)備、訓(xùn)練、推理、應(yīng)用實現(xiàn)全流程的高效率和高性能，實現(xiàn)為AI開發(fā)提供AI Native的基礎(chǔ)設(shè)施。

　　可以預(yù)見，華為云在技術(shù)、服務(wù)、組織和管理方面的先鋒示范作用，將帶領(lǐng)和激勵越來越多的中國企業(yè)加入到A的變革浪潮中，推動自身和全行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級，最終實現(xiàn)中國企業(yè)整體性的質(zhì)變。

　　本內(nèi)容為作者獨立觀點，不代表虎嗅立場。未經(jīng)允許不得轉(zhuǎn)載，授權(quán)事宜請聯(lián)系 [email protected]

　　正在改變與想要改變世界的人，都在 虎嗅APP