今天小編分享的科學經驗：華為雲，調出AI原生三原色，歡迎閲讀。
17 世紀，偉大的物理學家艾薩克 · 牛頓，通過三棱鏡将陽光進行了分解，發現世間所有的色彩，都是由紅、綠、藍三種顏色按照不同比例混合產生的。于是，" 三原色原理 " 就此誕生，這也為人類推開了現代光學的大門。
AI 大模型極速發展，行業智能化洶湧而來。在今天，企業和開發者也面臨着 " 色彩過多 " 的困惑。AI 技術本身的多樣性、大模型從訓練到推理的流程復雜性，應用場景的多元性都十分驚人，AI 與企業業務的融合形态更是變化萬千。
如何讓紛繁的 AI 技術化繁為簡，為我所用？這或許已經成為智能化面前最大的難題。
解開這道難題，華為雲的想法與牛頓非常相似，他們想要調出 AI 原生的三原色，并将其提供給企業用户、夥伴與開發者。
所謂 " 萬變不離其宗 "，用 " 三原色 " 構成的 AI 原生思維，各行業就能夠随意畫出真正想要的智能化圖景。
2024 年 9 月 19 至 21 日，第九屆華為全聯接大會（HUAWEI CONNECT 2024）在上海舉辦。其中，在 20 日上午的主題演講中，華為常務董事、華為雲 CEO 張平安發表了題為 " 雲上躍遷，AI 重塑千行萬業 " 的主題演講。他表示，企業要在智能時代抓住機遇，用 AI 構築自身領先優勢，最核心的是要構築起 AI 原生的思維，将 AI 技術和工具作為核心要素，來重新思考和設計企業流程、IT 架構、業務創新，充分發揮 AI 的潛力，提高效率，創新業務模式，解決復雜問題。
（華為常務董事、華為雲 CEO 張平安）
基于此，華為雲圍繞 AI 原生思維帶來了一系列經驗分享與技術發布。将這些發布串聯起來，會發現其核心是" 方法論築基、基礎設施更新、AI 大模型能力适配 " 三要素——這就是 AI 原生思維的三原色。
讓我們走進這個色彩斑斓的智能世界，去理解如何用三原色畫出屬于每個行業、每家企業自己的 AI 旅程。
什麼是 AI 原生思維？以及我們為什麼需要 AI 原生思維？
探讨這個問題，就必須深入 AI 大模型爆發之後，各行業所面臨的智能化局面。在目前階段，AI 的降本增效價值已經顯現無遺，并且加速深入各個行業，以及每個行業的各個生產流程，帶來了顯著的投資回報率與生產力增長。
但在企業親身進行 AI 實踐的時候，卻會發現其困難程度遠超想象。每家企業的業務場景、智能化需求、數字化基礎設施情況，以及對 AI 技術的掌握能力都不相同。引入 AI 大模型會面臨缺乏路徑參照、成效難以評估、技術投資不發揮價值等問題。AI 雖有萬彩，但企業卻畫不出，畫不成，甚至不敢畫。
這類問題出現的核心邏輯差異在于，企業究竟在進行 "+AI" 還是 "AI+"？
所謂 "+AI"，即企業還是以此前的業務邏輯為主，只是疊加上 AI 大模型的新能力。這就會面臨一系列問題，比如大模型是否與業務邏輯相符，對大模型的投資是否真的能夠帶來商業回報等。
舉個例子，在對話框類大模型應用爆火之後，各類互聯網應用都在添加 AI 對話框。但有些應用根本無需對話操作，新的 AI 對話框反而遮擋了用户界面。這類案例中，AI 大模型能力屬于單純的外挂和輔助，甚至為了添加而添加，這就屬于典型的盲目 "+AI"。
而 "AI+"，則是指從業務的出發點就基于 Al 技術進行設計，确保整個業務流程圍繞 AI 進行，系統、應用與服務都基于 AI 原生（AI Native）來打造，最終實現 AI 技術深入企業與業務核心，成為水、電、網絡、人才一樣的企業發展基礎。
想要從 "+AI" 跨越到 "AI+"，必須有完善的理論框架、數字化基礎、AI 能力作為保障。這些 AI 原生要素的綜合體，就是企業踐行智能化前所必須具備的 AI 原生思維。
AI 原生思維的核心，不是僅僅将 AI 視作工具，而是基于 AI 的價值特性來成就業務和流程。想要實現這樣的目标，就必須具備三個前提條件：
首先，企業決策者要擁有完善的 AI 原生方法論，明确智能化的方案、流程與可能性。
接下來，企業需要構建 AI 原生基礎設施，并且構建以 AI 為中心的數據底座，确保企業的基礎設施能夠匹配 AI 創新。
最後，企業還需要獲得充沛的大模型能力，要讓大模型具有多模态、多尺寸的特征，能夠真正融入企業業務，确保大模型能力匹配企業業務需求。
讓所有企業都能滿足這三個條件，就是華為雲調出的 AI 原生思維三原色。
紅色，代表成功、興旺、繁盛與熾熱。在企業智能化的路上，首先需要的是能夠走向成功與興盛的方法論作為牽引。而優秀的 AI 原生方法論，也只能從優秀的 AI 實踐當中來。
為了透視企業業務與 AI 技術之間的深刻關聯，華為決定将自身的 AI 實踐分享出來，秉持華為一貫的 " 自己的降落傘自己先跳 "，給千行萬業帶來走向智能化成功的方法論基石。
華為董事、質量流程 IT 總裁陶景文，在《數轉智改，實現企業持續高質量發展》的分享中，詳細剖析了華為自身的 AI 實踐，以及從實踐中凝結的方法論體系。
（華為董事、質量流程 IT 總裁陶景文）
2018 年，華為正式成立 AI 使能部，計劃通過數字化轉型和 AI 賦能讓華為成為行業企業的标杆。2024 年華為正式啓動 AI 輔助内部業務變革，将 AI 技術與華為的數字化體系結合。這意味着華為推動将自身海量、重復、復雜的業務場景進行了全面的 AI 更新，為 AI 原生思維提供了體量最為龐大，效果最為顯著的樣本。
陶景文認為，AI 是一場變革，企業要把 AI 變成一個真正能給業務帶來價值的服務，一定要跟企業的流程、組織、IT、數據以及業務場景深度結合。
最終，華為将自身的 AI 實踐總結成了一套方法論，叫做 " 三層五階八步 "。三層的價值在于重新定義了智能業務、AI 開發與交付、持續運營智能應用。而五階八步則是從業務場景出發，沿着業務流程、組織，公司數據和 AI 應用，指導企業如何步步推進 AI 落地，完成價值轉化。
從流程來看，華為将推進 AI 與業務融合分為三個階段。首先要定義企業的 AI 場景，明确哪些場景确實能夠進行 AI 更新。為此，華為總結了AI 場景 " 十二問 "，作為企業選擇智能業務場景的關鍵的手段。
接下來，企業需要推動現有作業流程的智能化更新，通過機器輔助人與人輔助機器的種種方式，将 AI 快速融入業務實際業務場景中。
最終，企業需要實現将 AI 作為員工工作的基礎，人人都懂 AI 和用 AI。為此，華為成立了 AI 相關組織，裝載各領網域 AI 專家人才，開展 AI 訓戰和賦能，提升整體 AI 人才濃度，并将 AI 能力融入任職标準。
最終，在 " 三層五階八步 " 的幫助下，華為各個領網域的業務能力都得到了顯著的智能化更新。
比如在合同場景，華為通過對象、過程、規則的數字化，實現海量合同高質量并行處理，多語種合同要素智能提取和比對，風險作業從 2 小時縮短到 5 分鍾。
在研發場景，華為給超過 11 萬研發員工配備了開發助手，利用大模型自動提取作業上下文信息，實現代碼行級續寫、函數生成、代碼解釋和注釋，采納 AI 生成代碼 700 萬行 / 年。
在制造場景，華為采用多模型 " 系統工程 "，組合決策式和生成式 AI，構建了計劃求解器，AI 視覺質檢、裝備預測性維護、制造知識賦能等能力，提升了制造整體生產力，訂單交付周期縮短了 30% 以上。
基于華為自身 AI 實踐，總結出的詳盡可靠方法論。具有業務真實性、場景復雜性、AI 技術前沿性相結合的特點。在目前的智能化探索中可謂獨樹一幟。
方法論是成功的基礎。契合 AI 原生思維的方法論，也是企業智能化成功的 " 第一原色 "。
藍色，代表着包容、純潔、寧靜與和諧。在 AI 基礎設施領網域，企業正需要藍色的包容力量。
大模型，是迄今為止最復雜的軟硬體系統工程，自然也對相應的基礎設施提出了極高的要求。而這種復雜程度不能加諸企業本身，必須将復雜的技術與工程留在前端，讓企業聚焦于 AI 與業務的結合本身。
為了實現 AI 原生雲基礎設施的目标，華為雲已經做出了長期的努力。比如華為雲實現了 AI 雲基礎設施的自維護，千億參數模型能夠達成 40 天無中斷訓練，平均故障恢復時間小于 10 分鍾，遠低于業界 60 分鍾的恢復時間。同時，華為雲提供了多樣化的部署方式，覆蓋從模型開發到應用的各個環節，用户可以選擇公有雲、專屬資源池、混合雲，以及邊緣部署等形式。
為了實現 AI 基礎設施進一步完善，達成實現符合 AI 原生思維的基礎設施建設，華為雲推出了新一代的 AI 原生雲基礎設施 CloudMatrix，通過 " 一切可池化、一切皆對等、一切可組合 "，構建分布式對等全互聯架構，實現了單體算力向矩陣算力的演進，從而在算力規模、擴展模式、使用模式上更加匹配 AI 時代超大規模算力、靈活彈性、高效穩定的需求。
（華為雲 AI 原生雲基礎設施架構 CloudMatrix 正式發布）
所謂 " 一切可池化 " 是指 CloudMatrix 通過分布式 QingTian 的調度能力，實現了 CPU、NPU、DPU、内存、存儲等所有基礎設施硬體資源的池化，讓資源可以随時被按需調用。通過達成超節點矩陣算力架構，算力得到大幅提升。
" 一切皆對等 " 是指通過超高帶寬的 MatrixLink 實現從 " 傳統以太網 " 向 " 共享總線以太網 " 演進，實現池化算力的高速互聯。通過資源全部對等連接打破計算集群線性度的瓶頸，有效提升大模型的訓練效率。
而在 " 一切可組合 " 方面，CloudMatrix 在統一多元算力邏輯池化、高速全對等互聯的基礎上，通過瑤光智能雲腦對雲上超節點算力資源進行統一建模、調度。通過統一的網絡控制器 MatrixLink 實現軟體定義的靈衢邏輯總線，從而提供了軟體定義多元算力鏈接、拓撲、多租户隔離的關鍵能力，讓多元化的算力類型與規模可以靈活組合，覆蓋百 - 千 - 萬億等不同級别的模型訓推場景。
在更加包容、靈活的技術架構幫助下，CloudMatrix 可以實現訓練效率提升 20% 到 70%，推理性能提升 30% 以上。從對企業至關重要的性價比角度來説，通過可組合算力可以為場景化應用提供最佳的算力适配方案，實現多場景差異化算力的訴求互補，減少算力碎片，從而有效提升資源利用率。
可池化、可組合、高效對等的 AI 雲基礎設施，能夠讓大模型與企業真實需求相互适應，高效匹配。對于企業來説，從方法論落地到產業實踐，首先以能夠實現想法，有效利用資源的基礎設施。
而在 AI 原生雲基礎設施對產業現實的包容度層面，華為雲毫無疑問走到了行業之先。
綠色，代表着生長、希望、舒适和平靜。在最終發揮智能化力量的模型層面，企業希望能夠不斷向上生長，不斷适配企業需求的大模型，讓模型能力的種子，在業務體系與生產系統中生根發芽，長成參天大樹。
這裏一個重要的誤區在于，企業所需的大模型不是參數越大越好。在真正的行業智能化場景中，企業必須考慮綜合成本、專業契合度、基礎設施适配等問題。往往企業需要的不是參數最大的模型，而是可以裁剪，能夠符合業務場景的模型。另一方面，在企業的真實應用場景裏，大多數情況也不是一個模型能夠滿足所有需求，而是需要多模态能力來對應多樣化的需求。
大模型，必須不斷成長，不斷适應，才能讓企業如沐春風。
在這一領網域，華為雲已經将盤古大模型 5.0 打造成了多模态、全系列的大模型。在多模态層面，盤古 5.0 不僅能支持文本、圖片、視頻，還支持雷達、紅外、遙感等更多模态，讓 AI 能夠幫助企業精确理解物理世界。在全系列層面，盤古 5.0 包含了同參數規格的模型，以适配不同的業務場景。其中，十億級參數的 Pangu E 系列可支撐手機、PC、車等端側的智能應用；百億級參數的 Pangu P 系列适用于低時延、低成本的推理場景；千億級參數的 Pangu U 系列适用于處理復雜任務；萬億級參數的 Pangu S 系列超級大模型是處理跨領網域多任務的超級大模型。系列化的盤古，能幫助企業真正在復雜的業務場景中應用 AI 技術。
為了進一步實現模型能力的成長，讓大模型适配企業的真實需求，華為雲 CTO 張宇昕最新發布了華為雲盤古智能助手。
（華為雲正式發布 "1+N" 的盤古助手體系）
盤古智能助手推出了 1 加 N 的智能助手產品體系。"1" 指的是統一的華為雲智能助手。它圍繞企業在雲上的規劃、使用、維護、優化全旅程，可以提供知識查詢、信息查詢、操作執行、優化分析等等智能化能力。"N" 是指華為雲針對企業用户工作流程中的高頻共性場景，比如產品研發、數據分析、安全防護、辦公協同等，通過将盤古大模型與各個領網域積累的數據和經驗相結合，通過 AI 賦能這些場景專用的雲服務，提升相關人員的業務效率。比如華為雲 CodeArts 盤古助手，就為郵儲銀行提供了一個企業級的研發專家助手，帶來了智能化的代碼生成能力。
不斷成長，不斷響應千行萬業呼喚的盤古大模型，已經成為 AI 原生思維中不可或缺的最終落點。
方法論築造，基礎設施革新，以及大模型能力的生長，這三大價值構築了華為雲所調制的 AI 原生思維三原色。只有掌握了三原色原理，畫家才能描摹萬物，同樣的道理，企業掌握了方法論、基礎設施與大模型的三原色，才能真正畫出 AI 萬彩，描摹行業智能化的江河山川。
我們可以設想一下，一家企業或者一位開發者，來到華為全聯接大會 2024 将得到什麼？
他能夠得到從華為兼具深度與廣度的 AI 實踐中，總結出完善有效的 AI 實踐方法論。
他能夠了解到 " 一切可池化、一切皆對等、一切可組合 " 的 AI 基礎設施，從而在雲端打造屬于自己的 AI 原生基座。
他能夠找到真正适配行業場景與企業需求，做難事，解難題的大模型能力，通過大模型助手來拓展企業智能化邊界，獲取新質生產力。
這些價值結合在一起，AI 的萬般色彩盡在眼前，山河大地就是畫板。
而最終提筆作畫的，是每一家企業，每一位開發者，是未來的你。
AI 原生時代正滾滾向前。過去幾年，華為雲已經深入到 30 多個行業的 400 多個 AI 應用場景，讓 AI 技術行業長卷上煥發斑斓色彩。
在今天，我們與 AI 時代最好的相處方式，或許就是用 AI 原生的色彩，去畫出屬于你自己的旅程。
