由证券之星根据公开信息整理，由算法生成(网信算备310104345710301240019号)，与本站立场无关，如数据存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。
9月19日，在2024 华为 全联接大会期间，全球混合云基础设施峰会上，华为主机上云军团CEO、混合云总裁尚海峰正式发布大模型混合云Top N场景，首批面向5大行业，共计发布20个领域、80多个行业场景基线，加速大模型行业落地。
一年一度的华为全联接大会来了，AI成为了本次大会的“关键词”。
在会上，华为副董事长、轮值董事长徐直军表示，AI技术的持续进步正在推动各行各业智能化的不断深化。他认为，“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。
目前华为在鸿蒙系统、自动驾驶等多个领域都进行了AI应用。而发展AI离不开算力，徐直军表示，立足中国，只有基于实际可获得的芯片制造工艺打造的算力才是长期可持续的。华为看到了挑战，也看到了机会和可能。
“从商业应用角度看，从来没有一项技术进步像AI一样，在如此短的时间内产生如此大的影响。”徐直军表示。
据了解，麦肯锡和斯坦福大学的研究显示，各行业的AI应用目前主要集中在产品开发、营销、业务运营等三个环节。而Gartner的调查研究结果称，CEO们对AI的看法非常积极。
目前，中国已经围绕AI构建起了完整的产业体系。9月13日，工业和信息化部信息技术发展司副司长杨亚俊表示，中国初步构建了较为全面的人工智能产业体系，相关企业超过4500家，核心产业规模已接近6000亿元人民币，产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节。
徐直军认为，AI技术的持续进步正在推动各行各业智能化的不断深化，走向全面智能化时代。而站在全面智能化时代的初期，企业需要先思考清楚智能化时代企业的未来方向，然后以终为始，来思考当下的战略和行动。
智能化是一个长期过程，而算力是智能化的关键基础。根据智研咨询数据，截至2023年底，我国智能算力规模达到414.1EFLOPS（每秒百亿亿次浮点运算），同比增长59.33%，全国智能算力占算力总规模比重超过30%。
“算力是依赖半导体工艺的，但我们必须要面对一个现实，那就是，美国在AI芯片领域对中国的制裁长期不会取消，而中国半导体制造工艺由于也受美国制裁，将在相当长时间处于落后状态，这就意味着我们所能制造的芯片先进性将受到制约。这是我们打造算力解决方案必须面对的挑战。”徐直军表示。
徐直军认为，立足中国，只有基于实际可获得的芯片制造工艺打造的算力才是长期可持续的，否则是不可持续的。因为人工智能正在成为主导性算力需求，促使计算系统发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力。这些结构性变化，为华为通过架构性创新开创出一条自主可持续的计算产业发展道路提供了机遇。
徐直军表示：“我们的战略核心就是：充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造‘超节点+集群’系统算力解决方案，长期持续满足算力需求。”
中商产业研究院预测称，2024年中国AI芯片市场规模将增长至1412亿元。国金证券研报表示，当前我国AI芯片厂商在高端训练芯片产品的集群应用与英伟达仍有一定差距，推理芯片性能与英伟达差距相对较小。国内AI芯片以寒武纪思元系列、华为昇腾系列等为代表，产品性能已达到较高水平。
徐直军表示，大模型的技术突破大大加速了智能化的进程，一段时间以来，各行各业几乎“言必称大模型”，纷纷建设AI算力，纷纷训练大模型。这对于华为这样的算力提供商而言，无疑是重大利好。
但徐直军同时表示，不是每个企业都要建设大规模AI算力。他说：“我们都清楚，AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境。”
徐直军认为，现在业界平均一到两年推出新的AI硬件产品，迭代速度快。相比公有云，企业受限于算力规模小，面对快速变化的大模型，比较难以让每个代际的算力硬件独立完成工作，而是希望多个代际产品混合使用来进行模型训练，由此导致资源调度复杂度高。而且，因为历史代际产品的“木桶短板”效应，会拖累新一代产品性能的充分发挥，影响大模型训练的能力。
最后，企业纷纷建设AI算力，也面对运营维护带来的挑战。徐直军表示，AI技术还处于成长期，技术变化快，多代际产品共存，对技能要求高，导致运营维护困难，对很多只具备传统IT维护能力的企业而言是重大挑战。由于这些挑战在一段时间内将继续存在，因此每个企业都要思考适合自己的获取AI算力的方式，而不仅仅是建设自己的AI算力。
除了AI算力建设呈现“企业一窝蜂涌入”的状态之外，基础大模型领域也是“百家争鸣”。
而徐直军认为，不是每个企业都要训练自己的基础大模型。训练出基础大模型，关键是数据，而准备足够多的高质量数据是很大挑战，基础大模型预训练数据量进入10万亿tokens量级，对于企业来说不仅意味着高成本，同时能否获取到足够的数据量也是挑战。
同时，训练基础大模型的难度也非常大。徐直军表示，基础大模型参数量在持续增大，模型迭代和优化难度大，通常需要数月到数年时间完成模型迭代训练。每个企业都应聚焦自身核心业务，自行训练基础大模型会影响AI尽快赋能核心业务。
最后，整个行业也面临着人才困境。徐直军说：“基础大模型涉及的相关技术每天都在更新，具备实战经验的技术专家少，对于企业来说，建立足够的技术人才资源也是挑战。”
徐直军认为，不是所有的应用都要追求“大”模型。从华为盘古在行业的实践看，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，比如降雨预测、药物分子优化、工艺参数预测，在PC、手机等端侧设备上，十亿参数模型也有广泛应用。而百亿参数模型可以满足面向NLP、CV、多模态等大量特定领域场景的需求，比如知识问答、代码生成、坐席助手、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。
“企业需要的是根据自身不同业务场景需求，选择最合适的模型，通过多模型组合，解决问题，创造价值。”徐直军表示。
值得注意的是，9月19日，在2024 华为 全联接大会期间，全球混合云基础设施峰会上，华为主机上云军团CEO、混合云总裁尚海峰正式发布大模型混合云Top N场景，首批面向5大行业，共计发布20个领域、80多个行业场景基线，加速大模型行业落地。
华为是最早把AI引入到智能手机等终端领域的企业。早在2017年，华为推出的Mate10就内置了AI芯片，并将AI智慧影像、AI翻译等能力首次应用到了手机，开启了“MobileAI”时代。
“而今天，随着AI进入大模型时代，我们基于端、芯、云协同的架构，把AI技术与鸿蒙操作系统深度融合，重新构建了以AI为中心的鸿蒙原生智能，从内核到系统应用实现全面智能化，同时实现更开放的生态协作，以及更可信的隐私安全保护。”徐直军说。
目前，在手机、电脑等各种终端设备中引入AI能力，已经成为行业发展趋势，比如打造AIPhone、AIPC等。关于如何定义AI时代的智能终端，业界也有多种声音。徐直军表示：“我们始终认为，消费者的体验是第一位的，消费者难以理解芯片工艺、算力TFLOPS、模型参数究竟意味着什么，而是更加注重切身的使用体验。”
“我们倡议，终端AI应以体验为中心，而不是以算力为中心。”徐直军表示。基于这一理念，为了让消费者对AI终端的能力有更清晰、更直观的认知，同时也为了让产业界对AI终端的能力演进达成统一的共识，协同产业有序发展，华为和清华大学人工智能产业研究院共同提出AI终端智能化L1到L5分级标准，以消费者体验为牵引，将用户的智能体验进行量化。
徐直军呼吁，期待产业界同仁一起来完善、优化该分级标准，共同促进终端AI的有序发展。
“汽车自动驾驶解决方案也是华为最开始投资AI的重要领域，因为自动驾驶的目标是无人驾驶，是AI应用最为挑战的场景之一。”徐直军表示。
据介绍，目前华为推出的ADS3.0版本，能够让自动驾驶决策更准确，通行更高效，体验更类人，驾驶更安全。并且实现了车位到车位“一键”抵达，从公开道路到园区道路到地下车位的全场景贯通。
“现在，中国消费者对汽车智能驾驶已经非常熟悉了，购买新车时配智能驾驶高阶版本的比例非常高，汽车的智能驾驶能力也已经成为中国消费者购买新车时重点考虑的因素。”徐直军表示。
据中商产业研究院数据，2023年，我国在售新车L3和L4级别自动驾驶的渗透率分别为20%和11%。2023年我国无人驾驶市场规模约为3301亿元，同比增长14.1%，2024年将达到3832亿元。
“下一步怎么配资股票，我们将基于融合感知，持续演进自动驾驶解决方案，逐步实现在高速路：上车即可休息，长途安心睡；在城区和郊区公路，处处都好开，安全稳重比肩老司机；在乡村和山路：上山下乡，全地貌全天候放心开。在泊车场景：实现离车即走、零剐蹭、零卡死；在安全方面要实现全方位全向主动安全，主要是主责碰撞清零，减轻次要责任。在这些关键场景目标达成的基础上，未来最终实现无人驾驶。”徐直军表示。
文章为作者独立观点，不代表在线配资网站_在线配资公司_正规炒股配资公司观点
