華為的AI戰(zhàn)場與戰(zhàn)斗

積小勝，成大勝。

文 | 華商韜略 陳斯文

2026年3月26日，華為發(fā)布了2025年財報。

相比這張營收8809億元的成績單，更引人關(guān)注的，是華為輪值董事長孟晚舟在致辭中傳遞出的定調(diào)。

面對當(dāng)下人工智能的全面爆發(fā)與狂歡，孟晚舟并沒有去勾勒一個宏大的AI愿景，反而反復(fù)在強調(diào)一個理念：“要加強戰(zhàn)略到戰(zhàn)場的轉(zhuǎn)換”。

這關(guān)系到兩個問題：華為的AI戰(zhàn)略是什么？它的戰(zhàn)場，又在哪里？

【01 從戰(zhàn)略到戰(zhàn)場】

當(dāng)下的人工智能產(chǎn)業(yè)，正處在烈火烹油般的繁榮時刻。

然而，科技圈的AI狂熱，大多停留在云端——比拼大模型的參數(shù)量、跑分的速度、生成視頻的華麗程度……

在華為的棋盤上，其AI戰(zhàn)略卻有著截然不同的演進邏輯。它的核心，是打造堅實的AI算力底座，在中國構(gòu)筑絕對優(yōu)勢，形成事實標準，為世界構(gòu)建第二選擇，并最終推動千行百業(yè)的智能化。

這構(gòu)成了一個嚴絲合縫的“基礎(chǔ)+應(yīng)用”閉環(huán)。它的基礎(chǔ)，是由鯤鵬、昇騰、CANN異構(gòu)計算架構(gòu)等軟硬件構(gòu)成的硬核算力底座；而它的應(yīng)用出口，則是千行百業(yè)真實的數(shù)智化轉(zhuǎn)型。

這些行業(yè)的數(shù)智化轉(zhuǎn)型，正是華為眼中最真實的AI戰(zhàn)場，也代表了當(dāng)下中國產(chǎn)業(yè)界最為現(xiàn)實、最為迫切的需求。

無論是制造業(yè)，還是服務(wù)業(yè)，當(dāng)他們面對AI時，關(guān)心的重點并不是模型參數(shù)是千億還是十萬，而是提出直接尖銳的疑問：

AI到底能幫我省多少錢？提升多少效率？能不能解決以前解決不了的隱患？

現(xiàn)實卻并不盡如人意。在許多企業(yè)的數(shù)智化實踐中，存在著一道深深的鴻溝：ICT公司擅長解決技術(shù)問題，比如算力怎么調(diào)度、網(wǎng)絡(luò)怎么低延時；而傳統(tǒng)行業(yè)需要解決的是實際業(yè)務(wù)問題，比如高爐怎么穩(wěn)產(chǎn)、油井怎么找油……兩者之間，隔著一道極高行業(yè)壁壘的“Know-How”門檻。

不懂煉鋼的IT人，寫不出高爐的控制代碼；不懂金融風(fēng)控的算法工程師，也做不出實用的信貸審批模型。因此，傳統(tǒng)行業(yè)不需要AI的炫技，它們只需要“解決實際問題的特效藥”。如果戰(zhàn)略不能轉(zhuǎn)化為戰(zhàn)場的火力，AI就永遠只是掛在墻上的玩具。

這既是千行百業(yè)對華為的要求，也是華為再進一步的要素——科技最終都要落地應(yīng)用。沒有應(yīng)用場景的吞吐，算力底座就無法更好地發(fā)揮效能；沒有一線戰(zhàn)場真實數(shù)據(jù)的反哺與打磨，底座的根基也不會得到更好的構(gòu)筑。

因此，這正是孟晚舟反復(fù)強調(diào)“加強戰(zhàn)略到戰(zhàn)場轉(zhuǎn)換”的原因，解決那些行業(yè)真實場景的實際問題，既是對華為AI戰(zhàn)略落地的終極考驗，是華為AI在中國構(gòu)筑絕對優(yōu)勢、形成事實標準的關(guān)鍵路徑，更是關(guān)乎整個人工智能產(chǎn)業(yè)能否跨越鴻溝、走向正軌的生死題。

面對這道生死題，華為面向千行百業(yè)的數(shù)萬個案例，既是它驗證過自身能力的戰(zhàn)果，也是它通往更多戰(zhàn)場的底氣。

【02 泥土里找神靈】

和充滿硝煙與泥濘的真實戰(zhàn)場相比，產(chǎn)業(yè)戰(zhàn)場同樣是專業(yè)者生存的場景。在千行百業(yè)的場景面前，無論是華為光環(huán)，還是博士頭銜，都不是解決問題的關(guān)鍵鑰匙。

比如制造業(yè)有句俗話：“現(xiàn)場有神靈，魔鬼在細節(jié)”。在嚴謹?shù)墓に嚵鞒堂媲埃瑳]有足夠的經(jīng)驗，沒有對工業(yè)機理的充分理解，解決實際問題就無從談起。

正因深諳此道，當(dāng)華為的行業(yè)軍團踏入鋼鐵這個最硬核的傳統(tǒng)產(chǎn)業(yè)時，他們面對的第一道關(guān)卡，正是如何去現(xiàn)場的泥濘里尋找“神靈”，真正弄懂高爐的“機理”。

作為鋼鐵生產(chǎn)的“心臟”，高爐煉鐵是一個極其復(fù)雜的過程：高爐內(nèi)的溫度、壓力、煤氣流變化、礦石還原進度都無法直接觀測，只能依靠工人通過外部儀表盤數(shù)據(jù)和自身經(jīng)驗推斷。

但經(jīng)驗驅(qū)動，卻有個致命缺陷，人的狀態(tài)有起伏，經(jīng)驗有差異。哪怕一個微小的操作偏差，都可能導(dǎo)致能耗飆升、鐵水質(zhì)量下滑，甚至引發(fā)爐況異常。

走進寶鋼的華為團隊，一頭扎進了一線車間，他們將上千個高精度傳感器布設(shè)在高爐周圍作為“感官”，去捕捉溫度、壓力、煤氣流等上百個維度的微弱信號；同時，將寶鋼多年積累的專家經(jīng)驗、海量歷史數(shù)據(jù)與冶金反應(yīng)機理全部喂給華為的大模型。

這是在產(chǎn)業(yè)一線泥濘中的真正作戰(zhàn)，通過繁瑣的參數(shù)清洗與模型調(diào)優(yōu)，華為與寶鋼聯(lián)合構(gòu)筑的“高爐大模型”，成功撕開了“黑箱”的口子。

這套系統(tǒng)能精準預(yù)測未來1-2個小時內(nèi)的爐溫變化趨勢，1小時爐溫預(yù)測命中率高達95%，鐵水硅含量命中率穩(wěn)定在92%。基于這些預(yù)測，AI大模型會自動計算出最優(yōu)的噴煤量、風(fēng)溫配比，直接給工人下達操作指令。

這不僅是技術(shù)的勝利，當(dāng)這套能力被復(fù)用到南京鋼鐵等企業(yè)后，更帶來了真金白銀的戰(zhàn)果：鐵水一級品率從原本依賴人工時的80%左右，被死死釘在了99%以上，每噸鐵水的生產(chǎn)成本直接下降200元。

在上千度的高爐鐵水面前，任何AI的宏大敘事都變得無力，但“泥濘中打仗”的實干，卻讓數(shù)據(jù)擊敗了經(jīng)驗的不確定性，打贏了這場從“經(jīng)驗煉鐵”到“數(shù)據(jù)煉鐵”的突圍戰(zhàn)。

如果說，高爐煉鐵是在單點上的極限突破，那么，現(xiàn)代汽車制造就是一個面上的復(fù)雜立體協(xié)同。

當(dāng)汽車駛?cè)搿靶潞廊A”與智能化時代，消費者的個性化需要被空前放大。一輛車的選配組合涉及的零部件多達萬個。在傳統(tǒng)制造邏輯里，這幾乎是一場災(zāi)難：一個新的選裝方案，供應(yīng)鏈就要重新找物料，產(chǎn)線就要重新調(diào)設(shè)備，不僅極易出錯，更會拖垮生產(chǎn)效率。

個性化的極致，往往意味著制造成本和效率的失控。這同樣是橫亙在制造業(yè)面前的“世界級泥潭”。要在“極度定制”與“極高效率”之間走鋼絲，靠增加人手或傳統(tǒng)柔性生產(chǎn)線根本行不通。

在這個難題面前，華為與江淮汽車攜手給出的新解法是：拔高維度，構(gòu)建一個真正的“數(shù)字孿生工廠。”

和由機器堆砌出的傳統(tǒng)物理工廠不同，江淮尊界超級工廠在數(shù)字世界里擁有了一個完全映射的“虛擬克隆體”。在這個架構(gòu)下，華為將智能排產(chǎn)系統(tǒng)作為“最強大腦”，將5G融合網(wǎng)絡(luò)作為“神經(jīng)末梢”，徹底重構(gòu)了制造底座。

數(shù)據(jù)由此成為了真正的指揮官。銷售端的一筆訂單、供應(yīng)鏈的一個二維碼、研發(fā)端的一個工藝參數(shù)修改，都能在瞬間穿透部門壁壘，同步到產(chǎn)線。甚至，研發(fā)改一個數(shù)據(jù)，產(chǎn)線設(shè)備的程序能在5分鐘內(nèi)自動更新。

但要讓這個“大腦”不犯錯，依然要遵循“現(xiàn)場有神靈，魔鬼在細節(jié)”的原則。數(shù)字孿生的前提，是物理世界的數(shù)據(jù)必須絕對精準。

比如極其繁瑣的插接件檢測環(huán)節(jié)。過去，業(yè)界靠“小模型堆數(shù)量”，為雙電機車型開發(fā)的檢測模型，遇到三電機車型的新增孔位，準確率會從99.99%暴跌至84%。但通過直接切入CV大模型。工人只需上傳50張新照片，系統(tǒng)用28分鐘就能完成增量訓(xùn)練，精準識別新特征。

目前，這套系統(tǒng)覆蓋了1500多項檢測，漏測率被死死壓在0.001%。從一塊原木切出的18塊木紋飾板，到成千上萬個零部件，所有的質(zhì)量信息都被清洗、規(guī)范，匯入數(shù)字孿生的數(shù)據(jù)湖中。

當(dāng)虛擬世界的算力，與物理世界的能力，在5G網(wǎng)絡(luò)下實現(xiàn)納秒級協(xié)同，車間里的V小車變成了獨立的“移動工位”，機械臂群能根據(jù)每輛車的數(shù)字圖紙，自動切換抓取工具和安裝參數(shù)。

▲圖源：界面新聞

在這個戰(zhàn)場上，華為將“數(shù)字孿生”這項前沿技術(shù)，滲入排產(chǎn)、質(zhì)檢、物料流轉(zhuǎn)的每一個毛細血管里。從而讓上萬種選配組合，在產(chǎn)線上像生產(chǎn)單一型號一樣絲滑流淌。

這場根植于生產(chǎn)一線的硬仗，不僅幫車企打贏了柔性制造的硬仗，更為眾多中國高端制造業(yè)企業(yè)蹚出了一條新路：在人工智能時代，“數(shù)據(jù)驅(qū)動”將很有可能取代“流程驅(qū)動”，成為新時代的工業(yè)規(guī)律。

對于面向千行百業(yè)數(shù)智化改造的華為而言，戰(zhàn)場并不止在轟鳴的車間，也在金融中心安靜的寫字樓里。

普惠金融，是近年來金融業(yè)的高頻詞，但真正落到一線銀行職工頭上，卻是另一番景象：一筆小微企業(yè)貸款申請遞過來，伴隨的是堆積如山的各類影像資料、復(fù)雜繁瑣的房產(chǎn)估值核對，以及動輒需要翻閱大量財報、耗時數(shù)周才能寫完的授信報告。

在金融這個極度依賴數(shù)據(jù)處理的行業(yè)，人肉審核的模式既是對人力的極大消耗，也是阻礙服務(wù)效率的“流程黑箱”。要讓金融服務(wù)真正觸達普惠的毛細血管，靠堆人頭不再行得通，AI由此成為了破局的新思路。

面對這場沒有硝煙的效率戰(zhàn)，華為仍然選擇深扎進交行業(yè)務(wù)流程的“泥巴”里。在與交通銀行的配合中，兩者協(xié)力構(gòu)建了具備強大并行計算能力的“千卡智算底座”，并在前端化身為客戶經(jīng)理的“全智能工作陪伴助手”。

這是一場直擊業(yè)務(wù)痛點的翻身仗：在貸款申請環(huán)節(jié)，系統(tǒng)自動進行各類影像的智能識別和分類，掃描崗因此無需費力勞神；在放款環(huán)節(jié)，AI自動比對各類憑證，杜絕人工疏漏。

更硬核的是，在核心業(yè)務(wù)端，交行的“審貸聯(lián)動助手”實現(xiàn)了放款條件的半自動化校驗，粗分類準確率高達90%；而“授信助手”更是把原本需要3周的授信報告生成周期，硬生生壓縮到了小時級別。

但這套體系要真正發(fā)揮作用，背后還隱藏著一個巨大的技術(shù)暗礁：高并發(fā)。當(dāng)交行3萬多名員工同時調(diào)用這些AI工具時，系統(tǒng)會不會崩潰？時延會不會讓人抓狂？

在這個關(guān)鍵環(huán)節(jié)上，華為展現(xiàn)了其作為“底座構(gòu)建者”的硬核實力。面對金融級的高可用要求，華為與交行聯(lián)合攻關(guān)，落地了大規(guī)模專家并行方案。這一技術(shù)突破，讓系統(tǒng)在輸入輸出場景下的吞吐量實現(xiàn)了3倍增長，時延被死死壓制在50毫秒以內(nèi)。

依靠從底層算力到頂層應(yīng)用的全棧式AI引擎，銀行一線職工得以從繁復(fù)的案頭工作中解放，客戶則收獲了“從天到小時”的“省時省力省心”。這種實打?qū)嵉男受S遷，正是推動金融服務(wù)打破同質(zhì)化內(nèi)卷、真正走向差異化與普惠化的最強底氣。

▲Autopilot智能運維系統(tǒng)架構(gòu)圖

高爐里的智能溫控、產(chǎn)線上的流程優(yōu)化、銀行里的審貸效率……以及發(fā)生在千行百業(yè)的眾多數(shù)智化改造案例，這些看似毫無關(guān)聯(lián)的局部戰(zhàn)役，實則都在驗證同一個底層邏輯：

AI的真正威力，只有在深諳行業(yè)機理的泥土里才能徹底釋放。而華為這種“泥土里打勝仗”的模式，正在千行百業(yè)中快速裂變——截至2025年底，華為已服務(wù)全球80多個國家超5600家金融客戶；在制造領(lǐng)域，攜手1500多家伙伴，為27000家大企業(yè)客戶提供場景化方案，三年客戶規(guī)模增長超過50%。

從數(shù)智化標桿到數(shù)萬家企業(yè)的深度共創(chuàng)，華為在千行百業(yè)的AI戰(zhàn)場，已經(jīng)完成了從“點狀突破”到“規(guī)模化成軍”的跨越。它在幫助華為強化核心競爭力的同時，也讓它對人工浪潮的理解日益深刻：

面對整個中國產(chǎn)業(yè)龐大且迥異的轉(zhuǎn)型需求，越是深入一線，就越是能感受到實體經(jīng)濟的厚重與復(fù)雜。

【03 從小勝到大勝】

實體經(jīng)濟有一條客觀發(fā)展規(guī)律：它的變革，總是建立在精益求精、泰羅制和漸進改良上。它的進步，需要一點一滴實現(xiàn)產(chǎn)業(yè)場景的沉淀、產(chǎn)業(yè)規(guī)律的提煉、專業(yè)技術(shù)的積累。

即使人工智能浪潮來襲，實體經(jīng)濟也同樣需要尊重規(guī)律，通過自身的數(shù)智化轉(zhuǎn)型，有的放矢地實現(xiàn)進步。

因此對于華為而言，一張普適的“AI大網(wǎng)”，其實無法涵蓋工業(yè)、能源、交通、醫(yī)療、金融、教育、零售等各個特征不同、規(guī)律不同的行業(yè)。

這其實意味著華為自身定位的強化——它需要繼續(xù)做堅不可摧的底座，潤物無聲的后臺。

這也帶來了一個新問題：當(dāng)華為的數(shù)智化客戶向更高數(shù)量級發(fā)起沖擊時，如何保證自己的能力邊界足以覆蓋千行百業(yè)。

在年報致辭中，孟晚舟提到了一個關(guān)鍵詞：“大雜燴”。

與互聯(lián)網(wǎng)企業(yè)習(xí)慣于在云端提供通用API不同，華為在千行百業(yè)的打法，本質(zhì)上是做一套復(fù)雜的系統(tǒng)工程。過去三十年，華為在聯(lián)接、計算、云、存儲等領(lǐng)域積累的，不是單一技術(shù)，而是處理海量、復(fù)雜、高并發(fā)工業(yè)級問題的“底層架構(gòu)能力”。

當(dāng)人工智能浪潮來襲，華為開始將這些“大雜燴”能力，降維封裝成了由昇騰算力、CANN架構(gòu)、盤古大模型等軟硬件組成的標準化底座，然后再以“樂高積木”的方式，下放到各個行業(yè)的戰(zhàn)場。

這讓華為實現(xiàn)了一個可復(fù)制的模式：它不是去幫每一家企業(yè)從頭寫代碼，而是在底層把“非標的行業(yè)經(jīng)驗”與“標準的算力架構(gòu)”之間的對接通道打通。

在工業(yè)革命時代，電力接入車間重構(gòu)了生產(chǎn)流水線，如今，融入了AI大模型的算力底座，同樣變成了核心生產(chǎn)要素。

當(dāng)“數(shù)據(jù)計算”成為最高效的決策中樞，當(dāng)產(chǎn)業(yè)從“流程驅(qū)動”轉(zhuǎn)向“數(shù)據(jù)驅(qū)動”，它打破的不僅是人力審核的效率瓶頸，更是打破了傳統(tǒng)科層制管理下的信息孤島與協(xié)同壁壘。這種生產(chǎn)關(guān)系的重塑，才是數(shù)智化改造對傳統(tǒng)產(chǎn)業(yè)最核心的價值。

這正是孟晚舟不斷強調(diào)“戰(zhàn)場”重要性的原因，華為用數(shù)萬個真實項目的投入證明了一點：

作為一場新的產(chǎn)業(yè)革命，人工智能的成功不是在PPT里喊出來的，不是在參數(shù)競賽中跑出來的。它必須在算力底座的建設(shè)上耐住寂寞，在懂行入局的泥濘中經(jīng)受折磨，在一個個高爐、一條條產(chǎn)線、一筆筆審貸的細節(jié)里死磕。

從打透一個場景的小勝，到橫跨80多個國家、數(shù)萬個客戶的大勝，這是一場漫長的戰(zhàn)斗，但當(dāng)中國的千行百業(yè)，都因為這套堅不可摧的底座而完成底層生產(chǎn)要素的置換時，這才是華為AI戰(zhàn)略的全勝，也是“從戰(zhàn)略到戰(zhàn)場”的最澎湃回音。

歡迎關(guān)注【華商韜略】，識風(fēng)云人物，讀韜略傳奇。

版權(quán)所有，禁止私自轉(zhuǎn)載

部分圖片來源于網(wǎng)絡(luò)

如涉及侵權(quán)，請聯(lián)系刪除