出品 | 子弹财经

作者 | 语叔

编辑 | 闪电

美编 | 倩倩

审核 | 颂文

企业，如何将AI与业务真正融合？

刚刚结束的第九届华为全联接大会上，一位传统制造业企业技术负责人，私下问遍了现场能找到的AI研发大拿。但让他想不到的是，每个人给他的回答都不一样。

实际上，他所在公司的董事长在2023年就意识到，AI是下一个企业信息化发展的机遇，把他作为空降高管，从互联网大厂挖过来，就是想利用他在互联网产品研发上的经验，推动企业尽快拥抱AI。

可是，进入到业务环节，这位技术负责人就傻了眼。整个技术团队并不知道该如何在生产业务中引入AI，更别谈如何融合了。最后，只能先使用某国产模型将客服系统升级，远远没有达到董事长最初设想的用AI提质增效目标。这也是他此次参与华为全联接大会的原因。

这家企业遇到的问题，正是中国企业在AI时代的常态。

今年2月，汇丰一项面向全球八大主要市场的企业调查显示，68%的中国内地受访企业表示有意投资人工智能技术，这一比例在全球受访市场中最高。同时，86%的受访企业表示，其财务职能部门的职责正在发生转变，更专注于提供实时数据和相关分析。

东方财富的调研显示，有68%的中国内地受访企业表示，有意向投资AI技术来提升运营效率。同时，超过88%的中国内地受访企业正在加大数字人才的投入。

然而，尽管众多企业纷纷表示出对AI的浓厚兴趣，并迫切希望通过引入AI来重塑自身的业务格局，乃至将其提升至战略高度，但遗憾的是，真正能够将这一愿景落地实施的企业却寥寥无几。

根据德勤的调查，中国企业AI技术普及率只有不到23%，大模型的应用率更是不超过12%。这一数据背后，折射出的是企业在AI应用道路上所面临的种种挑战与困境。

AI，尤其是大模型，这两年一直是企业信息化的热词。

即使在面临不确定性的当下，很多企业为了抢上AI发展的高速列车，也不惜工本投入研发，做好了长期投入的准备。

但不可否认的是，企业对AI需求很大，浪费也不少。很多企业追风盲目投入，并没有让AI真正释放威力。

行业发展的起步阶段，不少企业只是将AI视作与ERP系统等一样的“工具”，认为开发出来几款应用，加到业务中去之后就能推动企业进步。

但事实上，AI的能力远不限于此，挑战也不止于此。根据IDC调研报告，中小企业在发展AI战略时，主要面临数据质量、算力、算法基础能力的限制。60%的中小企业表示在AI项目中遇到数据冗余和管理问题，导致资源浪费；而45%的企业表示数据清洗和预处理工作占据了大量时间和资源，实际效果不佳。

尽管如此，企业普遍认为AI技术能够带来显著的业务提升，特别是在客户关系管理、业务重塑、市场营销、供应链管理和客户服务等方面。

这就产生了庞大的企业需求和AI在实际应用中效力发挥有限的矛盾。

针对上述AI与企业业务融合的问题，华为常务董事、华为云CEO张平安在今年的华为全联接大会演讲中给出了答案。

他认为，企业想解决AI与业务结合问题，就一定要构建AI原生思维，要将AI技术和工具作为核心要素，来重新思考和设计企业流程、IT架构、业务创新，以便充分发挥AI的潜力，提高效率，创新业务模式。

在AI时代，企业领跑的秘密就藏在这句话里。

这种思维方式要求企业从战略高度出发，重新审视自身的业务流程、组织架构以及资源配置。如在流程优化方面，企业可以利用AI算法对海量数据进行深度分析，识别出流程中的瓶颈和冗余环节，进而实现流程的自动化和智能化改造。

这不是将AI技术和工具简单引入企业运营中，而是从根本上重新思考和设计企业的各个层面，包括流程优化、IT架构重构以及业务模式创新，为企业带来前所未有的变革。

以AI原生去思考，企业便拥有了全方位落实AI的可能性。张平安认为，扎实做好三件事情至关重要：算力、数据和模型。

首先，企业融合AI过程中算力非常关键，需要构建与企业需求相匹配的AI原生云基础设施。毕竟，算力，如同心脏一般，是推动AI进化的不竭动力。对于以大模型为核心的AGI时代来说，企业与AI协同，模型是最核心的支撑。而为了推动企业AI能力与业务场景的匹配，大规模的数据训练必不可少。这不仅要求企业拥有强大的计算能力，以支撑起海量数据的处理与分析，更需确保这些计算能力能够灵活扩展，满足企业业务不断发展的需求。

其次，数据质量决定企业应用AI模型的效果。作为人工智能的“粮食”，数据通过训练影响了模型在企业实际业务中的表现。因此，企业需要构建以知识为核心的数据基础架构，使数据能够更有效地服务于人工智能，而不仅仅是局限于传统的商业分析。这意味着企业需要对数据进行深入地挖掘、整理与加工，将其转化为对业务决策有价值的知识资产。

最后，企业应该围绕业务场景，构建合适的AI模型。这意味着对于企业来说，在构建AI模型时，应避免陷入“大而全”的误区。模型并非越大越好，亦非一个大模型能够适用于所有业务场景。相反，企业应围绕具体的业务场景和需求，构建适合的AI模型。这些模型应具备高度的灵活性和可扩展性，能够随着业务的发展而不断优化与升级。

对此，在硬件和软件上都有深厚耕耘的华为云，在这次全联接大会上，发布了针对性的解决方案。

算力方面，华为云构建了多元算力、弹性、高效的AI原生的云基础设施。智能时代，模型参数已由百亿走向千亿、万亿，为满足AI算力爆炸性增长，满足高可靠、高效能的要求，为了进一步提升AI原生基础设施的效能，华为云推出新一代的AI原生云基础设施CloudMatrix，构建分布式对等全互联架构，实现了单体算力向矩阵算力的演进。

据张平安介绍，CloudMatrix将CPU、NPU、DPU、存储和内存等资源全部互联和池化，从单体算力向矩阵算力演进，构建一切可池化、一切皆对等、一切可组合的AI原生云基础设施，为客户提供澎湃的AI算力。

数据方面，为降低企业使用数据的难度，更高效地进行模型训练，华为云全面升级数据治理生产线DataArts，为客户提供面向AI、以知识为中心的数据底座，包括AI和大数据融合引擎、数据开发治理、知识服务和数智应用使能服务，让资源利用率和供数效率显著提升。

模型方面，企业应用场景的多样性，决定云平台必须构建起多模态、多尺寸的模型，实现场景与模型的最优匹配，满足企业对大模型经济性和专业性的需求。

今年6月，华为云发布盘古大模型5.0，具有十亿级、百亿级、千亿级和万亿级不同参数规格的模型，包含NLP、CV、多模态，以及预测大模型和科学计算等基础大模型，以及面向行业的行业大模型，和开箱即用的场景模型，满足企业的全业务场景需求。

面向AI时代的机遇和企业需求，华为云通过基础设施、数据底座、模型系列的构建，贴近企业需求，持续迭代的技术和产品，推动企业更快、更好地拥抱AI。

实际上，华为自身也在积极践行AI与业务融合。以华为自己的话说，华为内部通过“人+AI”“事+AI”，将AI引入工作流程，大幅提升工作效率。

华为董事、质量流程IT总裁陶景文在大会上表示，AI是一场变革，企业要把AI变成一个真正能给业务带来价值的服务，一定要跟企业的流程、组织、IT、数据以及业务场景深度结合。

例如，在合同处理场景，华为通过数字化对象、过程和规则，实现了海量合同的高质量并行处理。此外，通过智能技术提取和比对多语种合同的关键要素，将风险处理时间从2小时缩短至仅需5分钟。

在研发场景，华为为超过11万名研发人员配备了开发助手，利用大型模型自动提取作业上下文信息，实现了代码的行级续写、函数生成、代码解释和注释功能。通过AI技术，每年采纳AI生成代码量达到700万行。

在制造场景，华为采用了多模型“系统工程”方法，结合决策式和生成式AI技术，显著提升了整体生产力，使得订单交付周期缩短了30%以上。

华为结合自身实践，总结了一套“三层五阶八步”方法论，三层分成了重新定义智能业务、AI开发与交付、持续运营智能应用，“五阶八步”就是从业务场景出发，沿着业务流程、组织，公司数据和AI应用指导业务如何一步步落地企业的AI。

陶景文强调，在实施智能化过程中，华为坚持场景驱动，解决企业海量、重复、复杂的高耗能问题。

从华为的经验看，建立AI原生思维，做好三件事，是企业真正从AI时代获得发展动力和优势的关键所在。

而软硬兼备的华为云，基于自身丰富的经验赋能产业，对推动企业业务与AI融合有非同一般的意义。

对于企业管理团队来说，了解AI时代业务的新技术和新策略的重要性毋庸置疑，但践行AI原生的思维方能树立整体的系统性架构，不顾此失彼，也不会只见树木不见森林。只有对自身业务进行最细致分析，找到业务底层的逻辑，才能更好地服务业务，这才是企业拥抱AI应该拥有的逻辑。

*文中配图来自：摄图网，基于VRF协议。