重回极简:华为如何走向全面智能化?

db2e9beb5ced3001bbb962dce62b8ad6.gif

d548af4d295b0f1e65c91af38d7bac26.png

“人类发现地球只是宇宙一员的时候,也是我们距离群星最遥远的时候。”

这个来自天文领域的喟叹,今天同样出现在行业与企业的智能化之路上。在这个时代坐标上,AI大模型技术极速成熟,AIGC和AI Agent等应用受到了各个行业的巨大期待。

但对绝大多数企业而言,AI看似近了,其实却更远了。当企业耗巨资去追求大模型开发、自建AI算力、搭建AI平台等智能化方案,往往会发现其带来的价值并不明显,消耗的成本却难以承担。

如何解决能看到AI,却无法获得智能化价值的时代难题?

华为在这个过程中,又能够把握怎样的新战略机遇?

001d220ad043e797c9c09c4d89548bb7.png

(华为副董事长、轮值董事长徐直军)

2024年9月19日,华为全联接大会2024在上海召开。华为副董事长、轮值董事长徐直军发表了以《拥抱全面智能化时代》为主题的演讲。将这篇演讲的内容与当前行业智能化的难题进行对齐,就能发现以上两个问题的答案。

全面智能化时代与初阶智能化阶段的区别在于,需要让AI系统像电力、网络一样归于极简,归于用户价值至上。

而让复杂的技术重回极简,正是华为最为擅长的战略惯性。

702497bc79c3fef50ccabb491789be37.png

对于大多数行业与企业而言,大模型正在让智能化变得愈发复杂。参数不断膨胀的模型,成本持续增长的算力,以及不断叠加的AI系统运维难度,似乎都预示着AI将是一条单行道。最终只有极少部分能够负担超大模型、超大算力的企业才拥有智能。

然而从历史发展的逻辑看,这是绝不可能的。只有绝大多数企业与行业都能从中获益,技术革命才有成功的可能。

87ca15f6a4e70448f92876c60623a8bb.png

因此,我们必须换一个视角审视AI。在AI本身的技术脉络之外,还要看到企业对智能化技术的真实适配与需求。一味追求大模型参数与大规模算力可能并不全面,只有实现行业与AI的双向对驰,才能最终实现智能变革。

以企业智能化为例,徐直军认为,站在客户持续成功的立场上,会发现这样几个客观现象:

1.不是每个企业都要建设大规模AI算力。

企业智能化进程中,也伴随着AI硬件产品快速迭代、AI基础设施快速升级的客观情况。这样一来,企业自建AI算力很容易跟不上发展节奏,从而产生巨大浪费。而且对于企业来说,混合异构的AI算力也会产生巨大的运维成本,往往得不偿失。

2.不是每个企业都要训练自己的基础大模型。

企业自训大模型,意味着需要大量的高质量数据以及庞大的AI算力,从而带来复杂且高昂的综合成本。加上模型参数扩大,带来训练难度的不断提升,自行训练模型很可能延误企业将AI与核心业务结合,造成适得其反的效果。

ad85d58b7a613d33b83059f68f72b6c9.png

3.不是所有的应用都要追求“大”模型。

从华为云的产业实践来看,不同场景的需求可以通过不同参数级别的模型来满足,而不是一味追求模型的“大”。比如,十亿参数模型可以满足科学计算、预测决策等业务场景的需求;百亿参数模型可以满足知识问答、代码生成、坐席助手等大量场景的需求;更复杂的NLP、多模态任务,则通过用千亿参数模型来完成。

如果说,智能化的初级阶段,是向着参数更大、泛化性更强的模型单向发展,那么全面智能化阶段,必须考虑用户与AI的双向情况。只有每家企业,甚至每个人、每台设备、每辆车都以最合适自己,最简单的方法获得智能化价值,AI才能由远而近,抵达产业核心。

明确了这个逻辑,我们才能理解华为的战略机遇何在。

5cf7436636aa7bbf89cf4892c818c877.png

想要实现从单向AI到全面智能化的跨越,有一个不可避免的阶段,就是回到极简。

事实上,信息时代、数字时代,甚至更早的工业革命都会经历这一过程。产业真正成熟的标志,是将看似极其复杂的技术原理与工程化设计进行封装,最终让用户获得唾手可得的价值。

比如说,今天企业只需要了解企业网的架设与办公终端的使用,不必考虑复杂的网络制式与网络协议。这就说明原本复杂的企业数据通信,已经实现了极简的价值回归。

华为这家公司所擅长的,正是对复杂的技术进行极简化处理。从交换机、基站,到服务器,甚至终端,华为一以贯之的战略思维,就是在各个领域寻找将复杂技术进行极简化变革的机遇,从而确立这一领域的竞争优势。这也就是大家听说过的“简单的留给用户,复杂的留给自己”。

在AI时代面前,想要再次完成“重回极简”的目标,华为需要找到一系列战略接驳点。接驳点之下,华为将复杂的智能化技术封装完成;接驳点之上,最终用户可以以最简单有效的方式获取智能价值,比如说:

云,是企业与全面智能化的接驳点。

徐直军认为,对于很多不具备自建AI算力和自训基础大模型能力的企业来讲,选择云服务是更为合理的、可持续的选择。华为云也针对这些挑战,面向AI,对全栈进行了升级,致力于让每个企业都能按需、高效地训练模型和应用模型推理。

0a357976df249598afc01013df510361.png

为了实现为不同需求、不同类型企业提供智能化价值,华为云在AI算力、AI开发工具、大模型本身等一系列价值上进行了长期建设。算力层面,华为云持续打造了昇腾云服务;AI开发领域,华为云升级了ModelArts服务,支持业界主流基础大模型开箱即用,并提供一站式模型调优、部署、测评等工具链支持;在大模型层面,华为云打造了盘古5.0,支持包括十亿级、百亿级、千亿级在内的全系列模型,为企业提供丰富的模型能力选择。

鸿蒙原生智能,是终端设备与全面智能化的接驳点。

华为正在基于端、芯、云协同的架构,将AI技术与鸿蒙操作系统深度融合,从而构建以AI为中心的鸿蒙原生智能。通过小艺智能体等应用方式,让终端设备走向更高水准的智能化。

ADN网络,是网络通信与全面智能化的接驳点。

华为在2018年首次提出了将AI用于电信网络的ADN自动驾驶网络架构。目前,ADN网络已经高度融入华为的运营商业务中,同时开始向企业网络领域演进。

自动驾驶,是汽车与全面智能化的接驳点。

在汽车领域,华为已经基于融合感知技术,打造了可以持续演进的自动驾驶解决方案,实现了主动安全、智能化泊车、车库到车库智驾等关键场景的突破。这些能力的成熟,为最终实现无人驾驶奠定了基础。

a7a83c5e31bd634f4eab885e44d2426c.png

这些接驳点的背后,展现了华为在AI大势面前的基础判断:只有用户价值与技术进步的交汇处,才是值得发力的战略空间。

0ce079fb625614901e2846b7b991b29e.png

至此,我们可以回顾一下,什么是华为眼中的全面智能化。它至少包含这样几个要素:

1.全方位挖掘行业需求的智能化。

华为并不仅仅专注于大模型,而是专注各个行业、各个领域真实的智能化诉求。比如存、算、网的基础设施革新;比如企业对大模型、AI开发工具的有效获取;比如具体行业中的智能化场景落地。只有实用、有效、符合行业需求的智能化,才是全面智能化。

2.全领域实现技术高度成熟的智能化。

相比单一维度的模型变大,算力需求增加,华为更关注技术的成熟性。比如说,汽车里包含多大的模型,手机里有多少AI算力其实无济于事,只有真正提升驾驶体验的汽车,真正成为个人助理的手机AI,才是全面智能化的标志物。

a663893face6c32f5c621ef351cc0935.png

3.全维度达成生态合作的智能化。

生态发展一直是华为战略的重要部分。在智能化战略的第一周期,华为先后开启了华为云、昇腾、鲲鹏和鸿蒙生态的构建。接下来,华为也希望通过生态来牵引智能化战略的发展,为世界计算领域提供第二个选择,为世界提供第三个移动操作系统。

可以说,在智能化走向极简,走向易用,走向行业价值与技术价值对驰的必然性下。华为已经掌握了几个战略高点,比如云+行业智能化、鸿蒙原生智能、自动驾驶技术等。将这些时代性的机遇放大,将会成为华为接下来的发展重心。

用户价值的恒定,与AI技术的飞速蜕变,二者交集处是一片无人区,也是一个巨大的机遇窗口。

坚定走向这个窗口,就是华为给全面智能化时代的第一个拥抱。

9e50d4dd690fd4bbe034afa42b8daa11.png

·

·

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/428183.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

昇腾大模型推理解决方案MindIE部署

MindIE大模型推理套件 MindIE(Mind Inference Engine,昇腾推理引擎)是华为公司针对AI全场景推出的整体解决方案,包含丰富的推理加速套件。通过开放各层次AI能力,支撑客户多样化的AI业务需求,使能百模千态&a…

存储 NFS

目录 1.存储的应用场景 2.存储分类 3.NFS服务组成 4.环境说明 ​编辑 5.服务端部署 6.NFS服务端的配置 7.NFS服务端本地进行测试 1.存储的应用场景 存储一般用于上传网站数据(内容),一般用于在网站集群中。使用存储的话用户上传的…

成型的程序

加一个提示信息 加上python 常用的包 整个程序打包完 250M 安装 960MB matplot numpy pandas scapy pysearial 常用的包 (pyvisa)… … 啥都有 Python 解释器组件构建 要比 lua 容易的多 (C/Rust 的组件库)

JavaSE--集合总览02:单列集合Collection的体系之一:List

Collection体系的特点 分为 list 和set集合,这篇文章主要讲述List,下篇讲述Set。 简单认识单列集合collection集合的特点 : list集合的特点: 有序 可重复 有索引 set集合的特点:无序 不重复 无索引 其中LinkedHashSet有序 TreeS…

微服务架构陷阱与挑战

微服务架构6大陷阱 现在微服务的基础设施还是越来越完善了,现在基础设施缺乏的问题逐渐被解决了。 拆分粒度太细,服务关系复杂 拆分降低了服务的内部复杂度,但是提升了系统的外部复杂度,服务越多,服务和服务之间的连接…

from tqdm.auto import tqdm用法详细介绍

tqdm 是一个 Python 库,用于在长时间运行的任务中显示进度条。tqdm.auto 是 tqdm 的一个版本,能够自动适配输出环境(如 Jupyter Notebook、命令行等),以确保进度条在各种环境下显示正确。下面是 tqdm.auto 的详细用法介…

每天五分钟计算机视觉:将人脸识别问题转换为二分类问题

本文重点 在前面的课程中,我们学习了两种人脸识别的网络模型,这两种人脸识别网络不能算是基于距离或者Triplet loss等等完成的神经网络参数的学习。我们比较熟悉的是分类任务,那么人脸识别是否可以转变为分类任务呢? 本节课程我们将介绍一种全新的方法来学习神经网络的参…

用友U8二次开发工具KK-FULL-*****-EFWeb使用方法

1、安装: 下一步,下一步即可。弹出黑框不要关闭,让其自动执行并关闭。 2、服务配置: 输入服务器IP地址,选择U8数据源,输入U8用户名及账号,U8登录日期勾选系统日期。测试参数有效性,提示测试通过…

利用 FastAPI 和 Jinja2 模板引擎快速构建 Web 应用

FastAPI 是一个现代、快速(高性能)的 Web 框架,用于构建 API,它基于标准 Python 类型提示。FastAPI 支持异步编程,使得开发高性能的 Web 应用变得简单快捷。在本文中,我们将探讨如何使用 FastAPI 结合 Jinj…

VS code 查看 ${workspaceFolder} 目录指代路径

VS code 查看 ${workspaceFolder} 目录指代路径 引言正文 引言 在 VS code 创建与运行 task.json 文件 一文中我们已经介绍了如何创建属于自己的 .json 文件。在 VS code 中,有时候我们需要添加一些文件路径供我们导入自定义包使用,此时,我们…

OpenCV系列教程二:基本图像增强(数值运算)、滤波器(去噪、边缘检测)

文章目录 一、基本图像增强(数值运算)1.1 加法 (cv2.add)1.1.1 图像与标量相加(调节亮度)1.1.2 图像与图像相加(两个图像shape要相同)1.1.3 图像的加权加法(渐变切换&…

基于SpringBoot+Vue+MySQL的网上租赁系统

系统展示 用户前台界面 管理员后台界面 系统背景 在当前共享经济蓬勃发展的背景下,网上租赁系统作为连接租赁双方的重要平台,正逐步改变着人们的消费观念和生活方式。通过构建一个基于SpringBoot、Vue.js与MySQL的网上租赁系统,我们旨在为用户…

python线程(python threading模块、python多线程)(守护线程与非守护线程)

文章目录 Python多线程入门1. Python多线程概述2. threading模块基础- Thread 类: 这是一个代表线程的类。可以通过创建Thread类的实例来新建一个线程。- Lock 类: 在多线程环境中,为了防止数据错乱,通常需要用到锁机制。Lock类提供了基本的锁功能&#…

本地搭建我的世界服务器(JAVA)简单记录

网上参考教程挺多的,踩了不少坑,简单记录一下,我做的是一个私人服务器,就是和朋友3、4个人玩。 笨蛋 MC 开服教程 先放一个比较系统和完整的教程,萌新可用,这个教程很详细,我只是记录一下自己的…

【C++】list容器的基本使用

一、list是什么 list的底层结构是带头双向循环链表。 相较于 vector 的连续线性空间,list 就显得复杂很多,它是由一个个结点构成,每个结点申请的空间并不是连续的,它的好处是每次插入或删除一个数据,就配置或释放一个…

禁忌搜索算法(TS算法)求解实例---旅行商问题 (TSP)

目录 一、采用TS求解 TSP二、 旅行商问题2.1 实际例子:求解 6 个城市的 TSP2.2 **求解该问题的代码**2.3 代码运行过程截屏2.4 代码运行结果截屏(后续和其他算法进行对比) 三、 如何修改代码?3.1 减少城市坐标,如下&am…

游戏如何对抗定制挂

近年来,游戏安全对抗强度相比以往更加激烈,具体表现在“定制挂”趋势显著。在近期收集的近万款外挂样本中,定制挂约占比78%,常见的内存修改器、变速器等通用作弊手段占比正在下降。 所谓定制挂,是指针对某款游戏单独开…

初写MySQL四张表:(2/4)

今天,我们来写第二张表。因着这四张表以及后续有相应的拓展,这四张环环相扣,所以还未写出第一张表的同学,可以看完第一张表,再来此处: 初写MySQL四张表:(1/4)-CSDN博客 好,今日表格有三张&…

easy-es动态索引支持

背景 很多项目目前都引入了es,由于es弥补了mysql存储及搜索查询的局限性,随着技术的不断迭代,原生的es客户端使用比较繁琐不直观,上手代价有点大,所以easy-es框架就面世了,学习成本很低,有空大…

记忆化搜索专题——算法简介力扣实战应用

目录 1、记忆化搜索算法简介 1.1 什么是记忆化搜索 1.2 如何实现记忆化搜索 1.3 记忆化搜索与动态规划的区别 2、算法应用【leetcode】 2.1 题一:斐波那契数 2.1.1 递归暴搜解法代码 2.1.2 记忆化搜索解法代码 2.1.3 动态规划解法代码 2.2 题二&#xff1…