至顶网网络频道 04月17日 综合消息: 随着人工智能的持续升温,AI进入了很多厂商和组织机构的视野。在今天召开的华为全球分析师大会上,华为给出的公司战略的关键词正是“人工智能”。
华为轮值董事长徐直军在主旨发言中指出,“去年的分析师大会上,我也简单讲了一下人工智能在华为公司的定位。我们把人工智能定位为一个使能技术,希望把人工智能技术和华为公司的产品和解决方案融合起来。经过一年的思考和实践,我们形成了进一步的思考和解决方案。”
“整体来讲,我们希望通过把人工智能的技术引入我们的智能终端、云和网络,使得我们解决方案更具竞争力,带给客户更多体验提升和商业价值。”徐直军说。
华为在大会上发布的全球产业展望GIV 2025(Global Industry Vision 2025)显示,企业对人工智能的使用还处于起步阶段,目前只有5%的企业开始尝试,而真正已经开始使用人工智能的企业,1%都不到。到2025年,华为预计大部分企业的数字化水平将有质的提升:企业应用云化率将达到85%;企业对数据的利用率将达到80%;同时,86%的企业将应用人工智能。
华为董事、华为公司战略Marketing总裁徐文伟在解读GIV 2025时指出,未来企业的核心经营任务之一,就是通过机器学习来提升数据资产的利用率,使数据价值化,实现“+智能”变革。
如何实现“+智能”变革?
徐文伟举例,AI健康应用将与智能终端协同发挥更大的作用,AI辅助医疗相关机器人等智能助手的普及,将让特殊残障人士在智能世界将享受和普通人一样的智能幸福生活。
交通+智能,可以让司机在一年的时间内节省60个小时的堵车时间,交通成本也从每英里66美分降到每英里29美分。
制造+智能,能够加速ICT与OT的融合,推进工业互联网进程。小到消费品定制生产、通过大数据实现智能服务,大到改造企业全流程生产运营管理、实现产业转型升级。
城市+智能,可让每一个市民享受到数字民生带来的安全、便利和幸福。在深圳龙岗,通过一窗受理改革,形成了工程建设审批,商社登记,个人综合三大类事项共计701类政府服务事项综合窗口办理,区大厅实现等候时间缩短50%,窗口数量从92个压缩至59个,即办率提高29%。
而对于华为自身来说,在产品战略上也会发生几个变化。
例如在网络方面,希望通过引入智能技术,构建一个“自动驾驶、永无故障”的网络,用架构性的创新,从根本上解决电信产业的结构性问题,实现电信网络的自动、自治、自愈、自优,从而大幅度提升网络的利用率和运维效率。
在云方面,引入人工智能技术服务,打造了企业智能EI平台。通过EI平台,可以让所有的企业和政府在使用人工智能打造各种各样的产品和服务时,更简单,更便捷,实现企业效率的提升和价值的创造。
华为企业BG 全球Marketing 总裁邱恒谈到华为会提供从端,云到AI使能层各个层面支持AI的产品和解决方案,打造支撑AI应用的完整平台底座。
具体来说,华为会以芯片、算法和架构设计等核心能力为基础,打造数字平台,提供支持AI的芯片/终端、包含计算/存储/通信等强化支持AI的云基础设施和边缘计算、以及包括大数据平台、视频云PaaS、EI等等在内的AI使能平台。这样端云协同的数字平台能够系统性支持将合作伙伴开发的AI应用嵌入企业的供应链、交付、研发、市场、财务、管控等各个企业数字“神经元”。
徐直军透露,华为将在今年10月上海举行的HUAWEI CONNECT大会上,正式发布华为公司人工智能发展战略,以及全栈、全场景的人工智能解决方案。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
杜克大学研究团队开发了MOG-DFM技术,这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题,能够设计出既安全又有效的治疗性分子。实验证明,MOG-DFM在肽类药物和DNA序列设计中都表现优异,有望显著加速药物发现进程并推动个性化医疗发展。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
印度理工学院团队开发REFINE-AF框架,让小型AI模型通过强化学习自动生成训练指令,无需大量人工标注。该方法在119项测试任务中,63-66%的表现超越传统方法,证明了小模型也能通过巧妙设计获得优异效果,为降低AI训练成本提供了新思路。