来源:数字中国建设峰会
华为中国战略与Marketing部部长
唐小光
尊敬的各位领导、专家,非常高兴能够来到数字经济论坛。现在是智能时代了,华为也参与其中,我很高兴能够分享一下华为参与到AI赋能各行各业中的实践和观察,以及个人的思考建议。
首先,我们可以观察到,人工智能已经推动了全球经济的全面性发展,并迈入了一个新的阶段。众多行业的产业升级过程。我们与商飞合作开发了一款关于工业体流体仿真的大型模型,该模型能够将迭代周期缩短至原来的1/24。其次,一些新的经济模式已经出现,例如深圳数据交易所推出了数据资产化和交易的新模式,以及在可信的数据空间中设立了人工智能产品专区。最后,在社会治理和公共服务领域,人工智能技术的应用也显著提升了效率和服务质量。
在人工智能技术赋能各行各业的进程中,我们面临着艰难的抉择。正如美国学者史密斯所指出的,电力技术从发展到广泛普及,经历了大约二十年的过渡期,人工智能技术的普及也可能遵循类似的路径。在这个过渡阶段,我们必须审慎考虑如何将技术与应用场景相结合,以及如何在成本与效益之间找到平衡点。我们预计这一过程将分为三个阶段。
首先,我们需要实现从无到有的创新,即将人工智能技术与特定场景相结合。例如,北京昌平实验室在蛋白质结构预测方面取得的进展,为生物医药领域引入了人工智能辅助药物设计的新时代,这代表了场景创新的一个新方向。
其次,我们要实现技术的转化,从理论开发转向工程实践的可行性。大连中科的化物所开发的化工领域大型模型,显著提高了生产效率,目前正处于从理论到实践的转化过程中。
最后,人工智能技术将在行业中成熟并实现规模化推广。例如,我们盘古开发的大模型已经在矿山、能源等多个行业中得到了广泛应用。
面向未来AI如何加速数字经济的发展?我们有三个建议。
首先,关于技术创新,春节之后Deepseek的兴起引发了一种普遍误解,即认为我国在人工智能算力方面无需再追赶美国,因为推理成本已降低90%。然而,最近的研究表明,对算力的追求不仅不会减少,反而会进一步增加。这背后存在一个杰文斯悖论,即新技术普及后,对性能的需求会成倍增长。中国在工程创新领域已处于全球领先地位。过去,我们一直跟随美国的脚步,而美国则致力于技术的极限追求,不断使用更强大的算力以获得更优性能。我们认为,在人工智能领域,与传统基础领域不同,不能简单采取跟随策略。在AI领域,一旦落后,将面临极为不利的局面。因此,我们必须采取主动的技术创新策略,不断追求超大规模的集群算力,不可有丝毫懈怠。
其次,构建自主的创新生态系统至关重要。一个完善的创新生态系统至少包含三大组成部分,首先是基于硬件的创新。硬件正逐步从替代品转变为自主创新的产物。华为公司坚持硬件开放、软件开源的策略,目前基于华为芯片已形成了众多供应商和服务器供应商。在软件方面,华为采取开源战略,开源了服务器系统、数据库、AI框架等。我们期望通过软件开源,实现国内软件与硬件自主创新的生态系统。
最终,无论是硬件生态还是软件生态,核心都在于人才。过去,人才多依赖于美国的生态系统培养,现在则应基于自主可控的硬件和软件生态系统进行培育。我们呼吁高校和社会培训机构积极参与,主动构建国家自主可控的创新生态系统。
在科研与工业领域,我国已构建起完善的工业体系,在实体经济的关键领域,我们应共同努力推进人工智能相关的算子、加速库、模型、应用场景的自主创新与开发。传统上,基础设施包括铁路、公路等,而随着人工智能时代的到来,AI的关键要素亦应被视为基础设施的一部分。从短期来看,AI的投入在商业上难以形成自我循环,但我们认为基础设施化至少应涵盖以下四个方面: 首先,构建高质量的数据集至关重要。人工智能的发展极度依赖数据,尽管互联网数据在未来两年内可能面临枯竭,但我国拥有众多行业数据资源。如何将这些数据转化为高质量的数据集,是一个值得深入研究的课题。
其次,关于大模型的发展,过去存在一些争议,现在已明确,未来将存在多个大模型而非单一模型。一个通路无法满足所有需求,必须发展各行各业的专业模型。在这方面,我国拥有坚实的基础,并且众多应用需求将推动行业大模型的开发。
第三,智能时代对网络提出了新的挑战。例如,虽然移动通信已进入5G时代,但5G技术仍需进一步发展至5GA;干兆光网可能也不足以满足需求,数据中心内的网络亦需从400G升级至800G。此外,AI算力的普及亦是关键,需为社会企业提供普惠算力。华为公司愿意与产业伙伴携手,秉持开放创新的合作态度,共同为国家数字经济的发展贡献力量。感谢各位的聆听!
(以上内容根据嘉宾发言速记整理)
【版权声明】
本文/图片用于同步时事新闻,依据《著作权法》第24条合理使用条款。
来源:(
唐小光在第八届数字中国建设峰会数据要素市场化价值化分论坛上的发言_嘉宾观点_数字中国建设峰会 )
发布日期: 2026-5-14
引用内容未替代原作品市场价值,如有侵权请联系删除:deo@deo.org.cn
