从数字化到智能化，在AI、5G、绿色能源等为代表的数智技术的加持下，人类正在创建一个前所未有的智能世界。而面对全面智能化时代的到来，我们每一个企业，不仅希望今天尽快利用AI创造出价值，同时也希望在未来的智能化竞争中持续发展。那么，企业如何在智能化时代乘风破浪勇立潮头？
　　
　　在2024华为全联接大会上，华为副董事长、轮值董事长徐直军在《拥抱全面智能化时代》主题演讲中说了这样一段话：“全面智能化时代已然来临，给每个人、每个企业带来新的机遇，也有新的挑战。让我们携手共同推进全面智能化，让每个人都有自己专属的智慧助手，让每个企业成为智能化企业，让每辆车都能无人驾驶。”华为在2024华为HC大会上发布了《智能世界2030》（2024年版）报告，报告通过对2030年的“医”、“食”、“住”、“行”、“城市”、“企业”、“能源”、“数字可信”八个维度的展望及对未来行业、产业发展趋势的洞察与探索，描绘了智能世界2030的美好图景。
　　
　　如何实现这美好愿景，华为认为，数智化革命正在重新定义生产、分配、交换和消费等经济活动的全流程，推动数字经济成为全球经济增长的主引擎，而ICT基础设施已成为数字经济发展的坚实基础。同时，先进的算力与存力是人工智能发展的关键，大量数据的分析、学习、推理必须依托强大的算力来快速完成任务，各行业对人工智能的实时性和高效性的要求越来越高，进一步增加了对先进算力和存力的需求。
　　
　　智能化时代的企业应该具备“六个A”特征
　　
　　如何打造智能化企业？徐直军认为智能化时代的企业应该具备“六个A”特征。这些特征旨在帮助企业更好地适应智能化时代的需求，提高服务质量和效率，以及增强企业的竞争力和创新能力。
　　
　　·自适应体验（AdaptiveUserExperience）指的是企业能够感知并理解用户的行为、需求、兴趣、品味和环境变化，主动调整提供最符合用户需求的服务，为海量客户提供极具个性化的服务。
　　
　　·自演进产品（Auto-Evolving Products）强调产品应融入自主学习、持续迭代、适应变化等能力，使之可以自优化、自演进，例如自动驾驶汽车越开越好开。
　　
　　·自治的运营（Autonomous Operation）指的是企业日常运营具有自治能力，从感知、规划、决策到执行实现端到端自主闭环，例如港口自动生成作业计划并控制车辆、机械自动完成集装箱水平运输。
　　
　　·增强的员工（Augmented Workforce）意味着每个员工都拥有一个能干的智能助手，与员工一起高效、高质量完成每一件工作。
　　
　　·全量全要素全联接（All-Connected Resources）强调企业的资产、员工、客户、伙伴、生态等实现全互联，所有业务对象、过程、规则全面数字化，为智能化提供必须的数据和信息基础。
　　
　　·智能原生基础设施（AI-Native Infrastructure）则是指ICT基础设施要重构以适应智能化应用的需要，同时基础设施本身的运维管理、体验保障要充分智能化。
　　
　　应该说，这六个A，是华为自身的智能化实践，以及华为多年支持各行各业智能化的探索的经验总结，既有智能化效果的分析，也有智能化建设的思考，或许对其它企业在智能时代如何发展是一个很好的借鉴。因为这六个A特征不仅是智能化时代企业的未来方向，也为企业提供了实现全面智能化的具体路径。通过在这六个方面的持续努力和创新，企业将能够在智能化时代取得竞争优势，实现可持续发展。
　　
　　大模型技术在企业落地存在难点
　　
　　大模型推动AI发展，但是大模型技术在企业落地仍存在难点，选择合适的AI技术和模型，企业才可能更好地利用AI技术提升业务效率和创新力。
　　
　　难点1.领域化训练——首先是如何将通用的大模型进行领域化训练，使其能够理解和处理特定行业的专业知识。
　　
　　难点2.数据质量和数据安全——数据质量和数据安全是关键问题，大模型需要大量高质量的数据进行训练，但数据的采集、整理和标注需要耗费大量的人力和物力。数据隐私保护也是一个不容忽视的问题，尤其是在涉及到敏感信息处理的情况下。
　　
　　难点3.多模态信息处理的技术壁垒——多模态信息处理技术的需求日益增长，如何高效地将图像、音频、视频等非结构化数据转化为可供大模型理解的信息也是一个技术难题。
　　
　　难点4.系统集成——如何将大模型能无缝集成到现有的企业系统中，实现智能化服务的低成本、平滑过渡，也是现实的难题。
　　
　　徐直军从市场的长远发展角度出发，提出了三个不必要。并指出云服务是大多数企业推进智能化的最佳选择。
　　
　　1.并非所有企业都需盲目追求大规模AI算力建设，建议企业根据自身情况灵活选择AI算力获取方式，比如采用公用AI算力资源。
　　
　　2.训练基础大模型并非企业AI战略的必然选择，训练基础大模型不仅成本高、难度大，还可能影响企业核心业务。可考虑通过合作或购买服务的方式获取大模型能力，而不是自行训练。
　　
　　3.不是所有的应用都要追求大模型，例如，十亿参数模型已能满足某些业务场景需求，而百亿参数模型则适用于更多特定领域。企业应当根据具体业务场景选择最合适的模型，通过多模型组合解决问题。
　　
　　如何拥抱智能化的时代，每个企业都在努力探索和实践。未来，每个企业都可能成为智能化时代的赢家。
　　
　　编辑：Harris