華爲輪值董事長髮聲！
9月19日，在2024
一年一度的華爲全聯接大會來了，AI成爲了本次大會的“關鍵詞”。
在會上，華爲副董事長、輪值董事長徐直軍表示，AI技術的持續進步正在推動各行各業智能化的不斷深化。他認爲，“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。
華爲副董事長、輪值董事長徐直軍，供圖：華爲
目前華爲在鴻蒙系統、自動駕駛等多個領域都進行了AI應用。而發展AI離不開算力，徐直軍表示，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纔是長期可持續的。華爲看到了挑戰，也看到了機會和可能。
談AI：已成爲對行業“影響最大的技術”
“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。”徐直軍表示。
據瞭解，麥肯錫和斯坦福大學的研究顯示，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。而Gartner的調查研究結果稱，CEO們對AI的看法非常積極。
目前，中國已經圍繞AI構建起了完整的產業體系。9月13日，工業和信息化部信息技術發展司副司長楊亞俊表示，中國初步構建了較爲全面的人工智能產業體系，相關企業超過4500家，核心產業規模已接近6000億元人民幣，產業鏈覆蓋芯片、算法、數據、平臺、應用等上下游關鍵環節。
徐直軍認爲，AI技術的持續進步正在推動各行各業智能化的不斷深化，走向全面智能化時代。而站在全面智能化時代的初期，企業需要先思考清楚智能化時代企業的未來方向，然後以終爲始，來思考當下的戰略和行動。
談算力：算力是關鍵基礎，需要系統算力
智能化是一個長期過程，而算力是智能化的關鍵基礎。根據智研諮詢數據，截至2023年底，我國智能算力規模達到414.1EFLOPS（每秒百億億次浮點運算），同比增長59.33%，全國智能算力佔算力總規模比重超過30%。
“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。”徐直軍表示。
徐直軍認爲，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纔是長期可持續的，否則是不可持續的。因爲人工智能正在成爲主導性算力需求，促使計算系統發生結構性變化，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，爲華爲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。
徐直軍表示：“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。”
中商產業研究院預測稱，2024年中國AI芯片市場規模將增長至1412億元。國金證券研報表示，當前我國AI芯片廠商在高端訓練芯片產品的集羣應用與英偉達仍有一定差距，推理芯片性能與英偉達差距相對較小。國內AI芯片以寒武紀思元系列、華爲昇騰系列等爲代表，產品性能已達到較高水平。
談算力建設：不是每個企業都要自建AI算力
徐直軍表示，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。這對於華爲這樣的算力提供商而言，無疑是重大利好。
但徐直軍同時表示，不是每個企業都要建設大規模AI算力。他說：“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。”
徐直軍認爲，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，因爲歷史代際產品的“木桶短板”效應，會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，企業紛紛建設AI算力，也面對運營維護帶來的挑戰。徐直軍表示，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。
談大模型：不是每個企業都要訓練基礎大模型
除了AI算力建設呈現“企業一窩蜂涌入”的狀態之外，基礎大模型領域也是“百家爭鳴”。
而徐直軍認爲，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，對於企業來說不僅意味着高成本，同時能否獲取到足夠的數據量也是挑戰。
同時，訓練基礎大模型的難度也非常大。徐直軍表示，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，整個行業也面臨着人才困境。徐直軍說：“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，對於企業來說，建立足夠的技術人才資源也是挑戰。”
徐直軍認爲，不是所有的應用都要追求“大”模型。從華爲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。
“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。”徐直軍表示。
值得注意的是，9月19日，在2024
談終端：應該以AI體驗爲中心，而非以算力爲中心
華爲是最早把AI引入到智能手機等終端領域的企業。早在2017年，華爲推出的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“MobileAI”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爲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。”徐直軍說。
目前，在手機、電腦等各種終端設備中引入AI能力，已經成爲行業發展趨勢，比如打造AIPhone、AIPC等。關於如何定義AI時代的智能終端，業界也有多種聲音。徐直軍表示：“我們始終認爲，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、模型參數究竟意味着什麼，而是更加註重切身的使用體驗。”
“我們倡議，終端AI應以體驗爲中心，而不是以算力爲中心。”徐直軍表示。基於這一理念，爲了讓消費者對AI終端的能力有更清晰、更直觀的認知，同時也爲了讓產業界對AI終端的能力演進達成統一的共識，協同產業有序發展，華爲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，以消費者體驗爲牽引，將用戶的智能體驗進行量化。
徐直軍呼籲，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。
談自動駕駛：最終將實現無人駕駛
“汽車自動駕駛解決方案也是華爲最開始投資AI的重要領域，因爲自動駕駛的目標是無人駕駛，是AI應用最爲挑戰的場景之一。”徐直軍表示。
據介紹，目前華爲推出的ADS3.0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。
“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爲中國消費者購買新車時重點考慮的因素。”徐直軍表示。
據中商產業研究院數據，2023年，我國在售新車L3和L4級別自動駕駛的滲透率分別爲20%和11%。2023年我國無人駕駛市場規模約爲3301億元，同比增長14.1%，2024年將達到3832億元。
“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。”徐直軍表示。
責編：葉舒筠
校對：王錦程
版權聲明
證券時報各平臺所有原創內容，未經書面授權，任何單位及個人不得轉載。我社保留追究相關行爲主體法律責任的權利。
轉載與合作可聯繫證券時報小助理，微信ID：SecuritiesTimes
" Type="normal"@@-->
END
" Type="normal"@@-->