参考

华为陶景文：AI赋能企业数字化转型——深度解读与实践路径

主讲人： 陶景文 (Tao Jingwen)，华为流程IT总裁

在当今瞬息万变的商业环境中，企业IT面临着前所未有的挑战。华为流程IT总裁陶景文在本次演讲中，深入剖析了AI如何从根本上变革企业IT，并分享了华为在AI落地方面的战略思考与实践经验，旨在帮助企业实现数字化与智能化的深度融合。

第一部分：AI是一场深刻变革——华为的“三层五阶八步”落地框架

陶景文总裁开篇即强调，AI不只是一项技术进步，更是一场深远的变革。华为秉持“先胜/总结/再胜”的务实策略，即“抓低垂的果实”，通过小步快跑、持续迭代的方式推进AI落地。

他指出，AI项目需要通过“AI的十二问”评估框架进行价值衡量，并遵循“三层五阶八步”的落地模型。

1.AI是一场变革——华为的“三层五阶八步”落地框架1. AI的“十二问”评估框架（部分展示）：

• ● D1：商业价值： 确保AI应用能带来实实在在的商业价值，避免为技术而技术。
• ● D2：场景成熟度： 评估AI在特定业务场景中的适用性和成熟度。
• ● D3：持续运营： 强调AI解决方案的长期可持续性、迭代改进及价值持续输出。

2. “三层五阶八步”实施模型：
   华为将AI落地分为三个层次、五个阶段、八个步骤，以结构化地推进AI在企业内的应用：

• ● 第一层：重新定义智慧业务对应AI落地的第一、第二阶段：场景与流程、组织。
  ○ 聚焦：战略对齐，核心业务流程和组织模式的转型。
• ● 第二层：AI开发与交付对应AI落地的第三、第四、第五阶段：数据、IT、IT能力与交付。
  ○ 聚焦：AI解决方案的开发、集成与部署，包括数据治理、IT系统改造和AI能力建设。
  ● 第三层：持续运营智能应用聚焦：确保已部署AI应用的持续性能、维护和价值提取，实现AI的长期效益。

第二部分：AI赋能智能制造——多模型系统工程提升生产力

华为将AI视为提升智能制造生产力的关键。通过多模型系统工程，华为旨在实现制造业务的感知、分析和决策自动化，从而全面提升效率。

1. 图2：制造业务三条流，多模型系统工程感知/分析/决策，提升智能制造生产力1. 制造业务“三条业务流”：
   ● 工程数据流： 管理产品研发、生命周期和设计数据。
   ● 商业信息流： 处理客户订单、供应链、市场信息等商业数据。
   ● 生产工艺流： 优化生产线上的实际制造工艺流程。

2. 四大AI融合维度：
   为实现智能制造，AI与企业各个层面深度融合：
   ● AI与Know-How融合： 将AI与深厚的工业知识、技术专长结合，例如形成工业Know-How、AI辅助专家等。
   ● AI与岗位知识融合： AI赋能一线员工，提升其工作效率和岗位知识水平。
   ● AI与应用融合： 将AI嵌入到核心企业应用中，提升IT系统智能化水平（如智能APP、AI/OI引擎）。
   ● AI与装备融合： AI直接与制造设备融合，实现工艺优化、装备自诊断、自学习和自建模。

3. 预期效益（KPI）：
   通过上述融合，华为智能制造预期将带来显著的效率提升：
   ● 产品研发与试制周期：↓20%
   ● 良品率：↑30%
   ● 劳动效率：↑40%
   ● 订单准时交付：↑30%

第三部分：“小切口持续深耕”——以用户为中心解决实际问题

为确保AI真正被企业员工所采纳并发挥价值，华为采取“小切口持续深耕”的策略，聚焦具体、高价值的问题，特别是制造工艺辅助处理。

图3：小切口持续深耕，制造工艺问题辅助处理，以用户真正用起来为目标1. “问·道”两原则：
● “知之为知之，不知为不知”： 明确知道自己知道什么、不知道什么，不搞“胡说八道”。
● 关键是问什么、不问什么以及如何得到一致的回答。

2. “4个1”建设策略：
   华为强调，任何AI项目的落地都应遵循“4个1”的原则：
   ● 1个角色： 定义一个特定角色，如技术员。
   ● 1个活动： 聚焦一个具体活动，如产线问题处理。
   ● 1个助手： 开发一个AI助手来支持该活动。
   ● 1个知识库： 建立一个专属知识库来支撑AI助手。

3. AI实施团队组建：
   为高效推进AI项目，华为组建了协同作战的团队：
   ● 业务“铁三角”： 由业务专家（10年以上经验）、AI数据工程师、AI助手运营工程师组成。
   ● 技术“四人组”： 包括AI工具链解决方案工程师、AI工具链运营工程师、AI工具链产品工程师、AI治理工程师。
   ● 成功案例： 实践证明，一个由7人组成的团队，在4个月内，实现了1万用户的应用落地，体现了“小切口”策略的效率。

第四部分：场景驱动的AI模式——人+AI与事+AI

面对企业中海量、重复、复杂的业务问题，华为通过“场景驱动”的模式，发展出两种核心AI应用范式：“人+AI”和“事+AI”。

图4：场景驱动，人+AI，事+AI，解决企业海量、重复、复杂问题1. “人+AI”模式：
● 定位： AI作为“超级员工助手”，以AI生成、辅助人工，提升效率。
● 核心： 华为的企业模型“华为通”，与公司内部的MetaERP、MetaCRM等系统深度集成。
● 应用场景：代码开发： 辅助代码编写、代码解释、函数生成、代码注释、代码重构。
○ 业务Agent： 作为研发、财经、销售、人力等业务领域的Agent，进行作业任务的规划和执行。
● 成果： 年生成新代码9.8亿行，AI生成代码采纳率达700万行/年。

2. “事+AI”模式：
   ● 定位： AI作为“超级员工”执行，以AI处理、辅助决策，提升准确性并降低风险。
   ● 核心： 同样基于“华为通”模型。
   ● 应用场景：合同管理： 实现合同360审阅、合同条款比对、辅助SDT决策、合同文档翻译、智能风险识别。
   ● 成果： 处理合同量千万级，识别风险条款27万+。

“华为通”： 这是一个经过增强训练的企业模型，它能够真正做到“懂华为，懂业务”，为华为内部的各项业务提供智能支持。

第五部分：构建企业AI数字产线——高质量数据为基石

高质量的数据是AI成功的关键。华为致力于构建“企业AI数字产线”，确保模型“训得好，用得好”。

图5：构建企业AI数字产线，垂域“教科书级”高质量数据，模型训得出，用得好1. 基础模型引入：
● 根据企业需求和成本效益，引入并选择合适的、业界领先的基础大模型（如DeepSeek、盘古、Qwen等）。

2. 企业AI模型增强训练：
   ● 将基础大模型与海量的行业数据和企业专属数据进行结合。

● 通过数据采集、标注、清洗、增强训练，消除模型“幻觉”，形成真正“懂华为”的“企业大模型”，确保数据的“教科书级”质量。

3. 企业AI应用和推理：
   ● 将增强后的企业模型部署到各类应用中（如Prompt+RAG、Agent、MLLM/Search、Copilot Studio）。

● 通过“知识计算池”和“能力目录”提供服务，实现精准问答、准确率提升和知识共享。

第六部分：未来展望——构筑基于数据的作战、经营和决策体系

展望未来，华为的目标是超越历史的重复，构筑一个全面基于数据的作战、经营和决策体系，以支撑公司持续致胜。

图6：未来不是历史的重复，构筑基于数据的作战、经营和决策体系，支持公司打胜仗1. 三大优势：
● 信息优势： 依赖统一模型、统一数据、统一语言，实现高效的信息流动和洞察。
● 决策优势： 通过智能分析和辅助决策，提升决策的科学性和效率。
● 行动优势： 依赖自动化和智能驱动，实现高效的行动和执行。

2. 智能企业数字三维空间：
   ● 面对复杂的企业IT环境（IT、OT、ET），华为正在构建“智能企业数字三维空间”，提供“统一语言”的标准化蓝图。
   ● 这包括“北向应用”层（应对法规和业务需求）、“南向接入”层（整合IT、OT、ET数据）、以及“企业数字化产线（D4D）”作为支撑。
3. 企业数字产线（D4D）：
   ● 涵盖业务优化、企业架构、业务流程、数据管理、IT产品管理、规划与开发、测试、部署与发布、服务发布与订阅、IT产品运营、业务运营等数字化全生命周期管理，确保数字化转型和AI应用的端到端协同。

总结：

陶景文总裁的演讲，不仅为我们描绘了AI如何深刻变革企业IT的蓝图，更提供了华为在AI落地方面的务实方法论。这套以“三层五阶八步”为核心、以“小切口持续深耕”为实践、以“人+AI/事+AI”为模式、以“高质量数据”为基石的AI战略，正在成为华为乃至中国制造业实现数字化与智能化转型升级的“核心密码”。