摘要：女士们、先生们，大家早上好。欢迎来到华为全联接大会2025（Huawei Connect）的第二天。通过本次大会上的各类分享，我们发现，一个共识已十分明确：AI（人工智能）正以前所未有的速度发展。

华为全联接大会2025期间，华为公司高级副总裁、企业销售总裁陈雷做主题演讲，以下为演讲主要内容：

华为公司高级副总裁、企业销售总裁 陈雷

女士们、先生们，大家早上好。欢迎来到华为全联接大会2025（Huawei Connect）的第二天。通过本次大会上的各类分享，我们发现，一个共识已十分明确：AI（人工智能）正以前所未有的速度发展。

在这股剧烈的变革浪潮中，人们已不再问“为什么（Why）”要用AI来赋能千行万业；现在，更多人关心的是，AI技术要如何（How）才能真正为千行万业创造实实在在的价值？围绕这一点，三个子问题值得探讨：

第一，如何才能让企业面向AI的投资，产生真正的商业价值？

第二，如何将企业的专有数据资源，转化为竞争力？

第三，如何让AI行业应用，从试点走向规模化落地？

中国有句古话：“实践出真知。”围绕这三大问题，我们与全球客户、合作伙伴一起，进行了大量探索与实践。接下来，我想分享三个案例。

第一个案例来自于银行业。当前，AI Agent正在帮助银行重塑关键业务与客户体验。一个案例是，我们支持某领先的银行客户，开发了“智能外呼”“手机银行”“财富管理顾问”等多智能体应用。这些智能体能够通过自然、“拟人化”的对话与客户进行互动，支持实时完成理财产品的推荐与交易。

要将实现上述场景，挑战很大。首先是要满足高并发需求，一般而言需要支持500–1000路的高并发交互。其次是，要实现超低时延，因为哪怕2秒的交互延迟，也会导致大量用户流失。此外，还需要长上下文的理解能力，因为系统与客户的交互，需完成身份验证、意图识别、产品咨询和交易确认等多个步骤，通常需要跨越10轮以上的对话。

为此，华为首创了“主从动态智能体（Agent）架构”，主智能体用于识别客户意图，各从属智能体分别封装了不同的银行服务。系统可根据客户在多轮对话中的实时意图，动态调度不同智能体，实现灵活、准确的任务响应。同时，华为还通过系统工程化能力，深入客户各个业务环节，将语音识别、意图理解和插件调用等流程的整体时延压缩至1.5秒以内。这一解决方案得到部署后，银行用户的“问题一次性解决率”提升了10%，电话营销产品的转化率提升了8%。

在此基础上，我们还正在和银行客户试点手机银行智能体，让过去手机银行导航页面的“单步引导，客户手动跳转”的模式，转变为“主动建议与一站式服务”的模式。与此同时，在风控领域，我们也与客户正在进行利用AI Agent的联合创新。

值得一提的是，这些先进的应用案例，都能由昇腾算力集群提供支撑。这一算力集群可支持50多个主流基础模型，结合其“训推共池”等特性，能够让客户能够按需选择最合适的模型，并且在无需重复部署的情况下，进行推理和训练，从而大幅提升效率。

第二个案例来自电力行业。南方电网拥有PB级的电力知识文本、数千万张图片、上千小时的视频与语音数据，覆盖调度、输配电、营销等核心场景。在业务上，南方电网面临的一个关键挑战是，如何高效地利用现有数据，在巡检中，需要巡检智能体帮助识别输电线路的缺陷、故障与风险。

为此，南方电网自主研发了名为“大瓦特（MegaWatt）”的电力行业的大模型。该模型基于昇腾算力平台与MindSpore AI 框架开发，融合了计算机视觉（CV）与自然语言处理技术（NLP）。模型开发过程中，通过清洗、加工、标注等流程，对原始数据进行系统性治理，并引入华为的优化算子，进行训练和模型调优，让模型能够更快地学会识别规律、达到可用状态，从而实现模型精度与行业理解能力的双提升。南网电网基于大瓦特模型开发了巡检智能体，满足巡检任务所要求的精准和高效响应。

这一模型部署在昇腾大规模专家并行（大EP）集群上。大EP集群专为高实时性任务设计，其“单卡吞吐性能”相比传统方案提升3.3倍，显著降低了推理时延。

自部署以来，大瓦特的缺陷识别效率提升了5倍，准确率提高到90%以上，并实现了从图像识别到报告生成的全流程自动化。

这一案例表明，只靠通用大模型无法直接解决垂直行业问题。只有通过系统化工程手段，对企业自身的高质量数据进行调优，打造行业模型，才能真正帮助企业应对业务挑战，并让企业形成长期竞争优势。

上述两个案例，都是AI从实验室走向行业规模化应用的范例，而第三个案例则体现了AI规模化应用的另一个侧面——惠及每个普通民众的普惠应用。这一案例来自医疗行业，聚焦于病历生成这一诊疗活动中的关键一环。

华为支持伙伴润达，基于昇腾推理服务器，开发了AI病历一体机方案。该方案采用昇腾的单机高效支持双模型推理技术，降低部署成本同时，双模型精度压缩损失小于1%。通过开源模型执行通用任务，并结合行业专用模型以理解临床语境。它能够自动识别医患对话，准确提炼患者主诉；同时还能理解医生的诊断意见，并生成符合医院规范的高质量病历文本。

AI生成式病历在华西医院的实际部署显示，最快仅需1秒就能生成一份病历。联动预问诊智能体和内涵质控智能体，实现效率和质量兼顾。支持医生个性化配置调优，在医生审核阶段平均不超过4处修改，支持一键回写到HIS系统(Hospital Information System,医院信息系统)，极大提升了诊疗效率。

结合上述三个案例，和我们其他的广泛实践，我们可以归纳出，能够帮助进一步推进行业智能化的五大关键发现：

第一，场景选择至关重要。AI的价值不仅仅在于提升效率，更在于与核心生产场景深度融合，从而重塑流程，推动智能产品与服务的交付方式。

第二，垂域数据的质量，决定行业模型的能力。行业智能化的落地，仅依赖开箱即用的通用模型是不够的。企业必须基于自身及所在行业积累的大量高质量数据，对通用模型进行训练和调优，才能形成专属的行业模型，构筑差异化竞争力。

第三，智能体（AI Agents）正在快速规模化。这一趋势将推动各行业每天消耗数十亿个token，从而驱动对大规模推理的旺盛需求。

第四，人机协作正在成为新的组织范式。AI正在从“个人助理”演变为真正的“合作伙伴”。

第五，系统化治理与风险管理是必须守护的底线。AI Agents带来了一些新的风险，例如不受控的自主行为、缺乏可追溯性等。因此，必须建立有效的治理机制，确保AI的应用安全、可持续、可信赖。

在这五个关键发现的基础上，结合华为广泛的行业实践经验，华为在此提出进一步推动行业智能化的“三步走”ACT路径，即：评估高价值场景（Assess high-value scenarios），结合垂直行业数据对模型进行校准（Calibrate AI models using vertical data），规模化部署AI智能体以重塑关键业务（Transform business operations with scaled AI agents）。

首先，在“评估高价值场景”方面，华为公司提出了“AI场景选择评估框架”，从商业价值、场景成熟度，以及业务与技术融合度，三个维度进行综合评估，选取高价值应用场景。迄今，该框架已帮助客户识别，并落地了1000多个AI核心生产场景。

其次，在“结合垂直行业数据对模型进行校准”方面，要训练出高质量的模型首先要解决数据治理这一难题。在这方面，华为能够提供完整的工具链，帮助企业将原始数据转化为知识，再将知识转化为模型。我们的ModelArts一站式AI开发平台和DataArts数据治理与集成平台支持多模态数据采集、智能处理与知识图谱集成，从而能够大幅提升效率。此外，通过华为统一的“湖仓一体”平台MRS，企业可以将海量原始数据导入“数据湖”，再转换为结构化的“数据仓库”资产，让数据从“放着吃灰”变成“拿来即用、天天上岗”。

此外，在AI安全方面，华为依托多年经验，打造了全面的AI 立体安全防护体系。该体系覆盖从云、网、边、端到模型与应用的多层次环节；同时涵盖从数据准备、模型训练到部署、推理与应用的全生命周期，使能AI应用安全、可信。

再次，在“规模化部署AI智能体以重塑关键业务”方面，企业流程高度复杂，场景繁多，智能体的开发与部署工作量巨大。华为的一站式Versatile平台能够自动生成包含100多个步骤的智能体与业务流程，大幅加快部署速度。

同时，随着人机协同程度不断加深，真正的业务转型需要业务人员的深度参与。为此，华为建立了系统化的AI人才发展体系，赋能业务专业人员直接参与AI智能体的使用、开发、部署与运营。

要实现上述ACT路径，企业需要具备面向AI的ICT基础设施——从数据准备、传输，模型的训练和推理，以及模型开发的全流程，都需要存算网多种产品的持续创新和高效协同。

在数据准备和存储领域，华为创新性通过AI存储和UCM（Unified Cache Manger）插件，帮助大模型记忆从分钟级跃升为终生记忆，让AI Agent成为终生伴侣。通过以查代算方式，首Token时延缩短90%提升用户体验，Token吞吐率翻倍，帮助企业优化推理成本。

在数据流通，高速算力互联领域，高性能的智算中心需要实现更大规模的算卡互联、更高效的数据流通和更稳定的训练能力。华为端到端的800GE高速网络方案，支持4倍于业界的集群规模；通过独家的负载均衡（NSLB，network scale load balance）算法，将整网负载从业界的80%提升到98%，训推效率提升10%。华为自研的高可靠星联光模块，支持通道级故障隔离，网络可靠性提升10倍，实现智算集群 “月级训练不中断”。

在模型训推领域，面向万亿/十万亿MoE、超长序列、多模态等大模型训练和推理场景，昇腾超节点通过业界最大规模384卡高速总线互联，同时整合192颗鲲鹏最新一代高性能CPU处理能力，实现集群训练性能3倍提升。

面向推理场景，为了实现大模型推理的极限计算，昇腾针对MoE架构，通过大规模专家并行方案，实现在相同卡数下获得更大的收益，相比业界常规服务器堆叠方式，大规模专家并行方案可实现4倍的单卡吞吐提升，降低50%系统时延。

要推动行业智能化落地，离不开与各类合作伙伴的同心协力。华为秉持开放、合作的理念，通过几大行动，不断推进“华为+伙伴”合作体系的走实向深：

第一，坚持开源开放。除了我们自研的CANN与Mind系列工具套件外，华为还全面支持Megatron、DeepSpeed、vLLM、SGLang等主流框架，为伙伴在昇腾算力平台上进行优化与创新提供更大自由度。

第二，通过平台与工具赋能活动。华为还提供自研的训推框架、Agent框架、DataArts等平台和工具链，覆盖数据治理、模型训练和部署、训推加速、应用开发全流程，供伙伴按需调用。

第三，通过分享行业经验推动行业智能化成功案例的快速复制。华为携手伙伴开展联合研发与联合市场推广，已打造出 200多个行业解决方案，帮助伙伴加速方案的复制与落地交付。

截至目前，生态体系已汇聚6300多家鲲鹏伙伴、2700多家昇腾伙伴、70多家行业咨询伙伴及750家独立软件开发商（ISV）。

在此，我们今天也非常荣幸地正式发布，与伙伴共同开发的，9大行业智能化解决方案。

女士们、先生们，面对AI所带来的深刻变革，我们共同推进行业智能化的共同努力，将不仅将决定千行万业能否在AI时代保持竞争力，也将决定AI能否真正抵达其价值创造的“最后一公里”——真正将AI技术的突破转化现实世界的福祉。在这个意义上，我们每个人既是探路者，也是领路人。华为将始终与各方携手共进，共赴面向智能化未来的新航程。谢谢大家！

来源：魔法科技君