【华为】迈向智能世界白皮书2024-全面智能化_24页_2mb

AI商业落地迎来新一波快速发展

企业如何抓住全面智能化机遇

企业需通过价值场景驱动，构建可持续满足AI应用的基础设施，推动智能化转型。具体方向包括：

1. AI应用与网络运维：通过自动驾驶网络技术优化网络体验，实现网络故障自恢复、配置自动生成、运维自动化，提升网络效率与安全性。
2. AIAgent与Copilot模式：AIAgent作为大模型应用的理想形态，具备自主感知、决策与行动能力，可应用于金融、运营商、制造等领域，如网络优化AIAgent、投资Copilot等。Copilot类应用则面向员工角色提供辅助，例如客服助手、代码开发工具等，提升效率。
3. 行业场景落地：银行业通过客服、营销等日常场景（EverydayAI）切入，逐步扩展至信贷、风控等核心场景（Game-ChangingAI）；运营商聚焦网络优化、维护等高价值场景，借助AI技术实现运维效率跃升；制造、医疗等领域则通过智能焊接、辅助诊断等应用探索价值创造。

AI对运营商网络的影响

AI应用对运营商网络提出新需求，并推动技术革新：

1. Network4AI：AI生成内容（如高清视频、3D模型）及多模态交互需求（如语音、图像实时处理），对网络时延、带宽、流量等指标提出更高要求，例如实现“真人级”交互需时延<70ms，8K视频传输需下行带宽>100Mbps。
2. AI4Network：通过L4自治网络技术（如自动驾驶网络、网络数字孪生）提升网络智能化水平，实现故障自动处置、配置智能生成，缩短网络优化周期至1小时。
3. 5G与网络升级：55G商用推动移动、家庭、园区“三个万兆”接入网络，通过IP+光技术实现城域、骨干网超高速与智能弹性联接，保障AI应用体验。

构建可持续满足企业AI应用的基础设施

AI基础设施需具备以下关键特征：

1. 算力与数据平台：基于云构建智能原生算力和数据基础设施，支持超大规模集群与多模态训练需求，如企业训练样本数据传输需专线带宽达万兆级。
2. 数据治理与合成：合成数据技术（如算法生成、隐私保护）显著提升数据可用性，预计2026年75%企业将采用合成数据；同时，激活冷数据、历史档案数据，全面数字化业务对象与规则。
3. 高扩展性与高效能：算力基础设施需满足Scaling Law要求，支持规模扩展与资源池化，例如高线性度设计实现超大规模集群性能线性增长；绿色节能技术（如液冷）降低能耗。
4. 智能原生架构：通过内存语义通信构建DC级计算机，提升数据处理效率；采用全闪存架构实现存储性能倍增，支持TB级数据存储低能耗运行。

AI商业落地推动因素

1. 大模型能力提升：支持多模态推理、长期记忆、低幻觉等，结合RAG技术降低模型偏差，提升高阶任务处理能力。
2. AIAgent与Copilot成熟：实现业务闭环，例如金融领域自主投资AIAgent、运营商网络优化AIAgent，快速完成策略规划与执行。
3. 推理成本下降：一年间推理市场价格平均降低10倍以上，推动大规模应用落地。
4. AI终端普及：AI手机、AIPC、智能眼镜等终端加速AI场景渗透，增强用户交互体验。

市场数据与趋势

• 全球AIAPP用户增长：2023年6月至2024年6月，全球AIAPP用户数从135亿增至233亿，中国用户规模激增6533%，达6170万。
• 行业采用率提升：2023年仅55%企业采用AI，2024年增至72%，主要集中于客服、营销、办公等低容错场景，逐步向高价值核心场景渗透。
• 网络流量增长：Omdia预测AI驱动下，全球网络流量年复合增长率达25%，包括Netnew AI与AI-upgraded应用带来的流量需求。

挑战与解决方案

• 网络挑战：超大规模智算中心面临电力供应及网络丢包问题，高突发流量（如万卡集群）需优化链路负载均衡，减少丢包率对训练效率的影响。
• 技术应对：通过数据中心互联（DCI）强化网络可靠性，结合网络数字孪生与通信大模型优化资源调度，实现网络零中断与高效能。

未来方向

企业需以价值场景为驱动，灵活选择智能化切入路径，并构建支持全要素联接的智能基础设施，推动从EverydayAI向Game-ChangingAI演进，最终实现高度自治运营。