1. 首頁 > 生活百科 > >

華為：AI+制造不是技術秀場，而是全棧新基建革新

人工智能ai5g中國電信

華為：AI+制造不是技術秀場，而是全棧新基建革新

【環球網科技報道 記者 張陽】近日 ， 在2025世界智能產業博覽會同期舉辦的華為中國行2025·重慶AI+制造行業大會上 ， “AI與制造深度融合”成為全場核心議題 。 作為兼具制造基因與數字技術優勢的行業引領者 ， 華為在大會上全面展現了從頂層方法論到基層技術支撐的“AI+制造”落地路徑 。 重慶作為我國重要的現代制造業基地 ， 應用場景豐富、產業生態優良 ， 正大力推進數字重慶建設 ， 構建“產業大腦+未來工廠”新模式 ， 與華為在“AI+制造”領域的合作前景十分廣闊 。
從自身轉型到行業賦能：華為 “懂制造” 的底層邏輯
華為本身是一家強研發屬性的制造型企業 ， 業務覆蓋全球170多個國家和地區 ， 涵蓋5G、云服務、計算、存儲等to B業務以及終端、車BU等to C業務 。 “面對如此龐大復雜的業務體系 ， 如果不通過數字化、智能化的技術和手段來進行管理 ， 結果是不可想象的 。 ”華為中國政企智能制造解決方案部部長馮睿對記者說 ， 據他介紹 ， 華為從2014年開始數字化轉型 ， 2018年啟動全面智能化升級戰略 ， 這個階段有兩大重點 ， 一是將數據和大模型全面引入研、產、供、銷、服各個環節 ， 重構作業模式提升業務效率；二是用 AI 技術升級數據治理體系 ， 以高質量 AI 數據安全、高效地支撐模型訓練與應用 。

華為中國政企智能制造解決方案部部長 馮睿
他回憶說 ， “在研發領域 ， 我們把多篇高價值技術文檔、API技術文檔 ， 幾百億行精選代碼以及幾千萬個開源代碼倉的研發數據導入研發數據平臺 ， 通過研發大模型和軟件AI助手 ， 將華為軟件版本開發周期大幅縮短；在生產領域 ， 我們通過大模型技術和數據治理平臺使能智能工廠建設 ， 把生產環節涉及到的市場數據、研發數據、倉儲物流數據、產線設備數據 ， 通過數據平臺進行數據入湖、數據清洗、數據分析 ， 并把分析結果通過生產大模型進行訓練；在問題診斷環節 ， 基于AI大模型與知識圖譜 ， 實現生產異常大數據預測 ， 根據問題現象實時診斷 ， 智能推薦處理方案 ， 支撐現場問題秒級預警、分鐘級響應 。
正是這些實踐讓華為沉淀出完整的企業數智化轉型與數據治理方法論 ， 并在研發、生產、供應、銷售、運營等7大場景打造了20個解決方案 。 “‘源于制造 ， 更懂制造 ， 服務制造’不是一句口號 ， 而是我們基于多年轉型經驗的總結 。 我們知道制造企業在不同發展階段會遇到哪些坎 ， 也清楚哪些技術能真正解決生產經營中的實際問題 。 ”馮睿如此對記者表示 。
錨定數據全生命周期：構建“四位一體”全棧新基建
當談及AI時代制造業轉型的核心支撐 ， 馮睿直指“數據”這一關鍵生產要素：“企業數智化升級的必備前提 ， 是圍繞數據‘采傳存、算管用’的全生命周期構建新型基礎設施 。 沒有扎實的新基建 ， AI再先進也難以落地到生產核心環節 。 ”為此 ， 華為為客戶提供“智能聯接、智能存儲、智能算力、智能平臺”端到端的全棧新型基礎設施解決方案 ， 覆蓋數據流轉的每一個關鍵節點 。 在馮睿看來 ， 這四大板塊環環相扣 ， 共同構成制造業智能化的“技術底座”：
智能聯接是數據傳輸的“高速公路” 。 針對AI訓練中網絡擁堵導致效率下降20%-30%的痛點 ， 華為與客戶進行聯合創新 ， 率先推出了業界獨家的網絡級負載均衡（NSLB）技術 ， 消除網絡性能瓶頸 ， 將平均訓練時長從34天縮短至25天；同時 ， 在數據采集和制造業各種推理場景上 ， 發布業界首個5射頻Wi-Fi 7 ， 支持60路4K視頻無卡頓 ， 全系列的體驗保障交換機為十萬級“終端x應用”提供了可靠保障 。 馮睿表示 ， 就像我們為賽力斯超級工廠打造的園區生產網 ， 實現毫秒級確定性聯接 ， AGV小車無線漫游0丟包 ， 完美匹配復雜工業環境需求 。
智能存儲是數據資產的“安全金庫” 。 馮睿介紹 ， 企業在轉型中常面臨“數據散、管不好、用不活”的問題 ， AI時代需要構建統一的數據湖 ， 通過打造性能池、容量池、數據保護池 ， 滿足不同應用對數據基礎設施在性能、可靠性、擴展性、安全性等方面的需求 。 華為AI數據湖解決方案可以對不同數據中心的元數據進行統一納管 ， 構筑完整數據湖并呈現數據資產全局視圖；幫助客戶實現企業全域數據資產可視、可管、可流動 。 并且通過訓練加速、推理加速以及全面數據保護三方面助力企業加速智能化轉型 。
智能算力是AI運行的“核心引擎” 。 昇騰AI平臺覆蓋了從DeepSeek 后訓練 再到 推理場景全流程解決方案 ， 同時昇騰以澎湃算力 ， 完美匹配Deepseek智能算法的高效需求；全棧優化的開發工具鏈 ， 大幅度降低大模型訓練與推理的門檻 。 雙方通過融合算子、通信優化等 ， 讓復雜模型運行效率大大提升共同打造算法-算力-場景閉環 。 在生態上 ， 昇騰一直秉持架構開放兼容業界生態的原則 ， 目前業界主流框架 ， 也在積極擁抱昇騰生態 。 馮睿提到 ， “近期vLLM開源社區也官方支持昇騰 ， 共同加速大模型創新的落地” 。
智能平臺是資源協同的“調度中心” 。 華為基于云平臺算力并行調度、高性能緩存等技術 ， 提高算力線性度 ， 確保每一張算力卡“物盡其用”；同時為數據采集、清洗、流通等環節提供全流程安全防護 ， 避免數據泄露或濫用風險 。
馮睿強調 ， “華為將抓住AI機遇 ， 圍繞數據‘采傳存、算管用’提供‘智能聯接、智能存儲、智能算力、智能平臺’端到端的全棧新型基礎設施 ， 同時通過自身實踐＋ICT技術 ， 并與合作伙伴一道深耕業務場景 ， 打造7大場景20個方案助力企業數智化轉型 ， 持續為客戶創造價值 。 ”
深耕細分場景：從汽車到醫藥的“行業定制化”實踐
在技術底座之外 ， “場景落地”是華為賦能制造業的另一核心抓手 。 馮睿介紹 ， 華為中國政企智能制造系統部自2019年底成立以來 ， 定位就是服務于車輛裝備企業、半導體設計和制造企業、家電電子企業、新能源企業、生物醫藥企業、煙草行業、紡織行業、機器人行業等全國31大類制造企業 。
在汽車制造領域 ， 華為與賽力斯的合作堪稱標桿 。 “我們從賽力斯超級工廠建設初期就深度參與 ， 不僅構建了‘一硬+一軟+一網+一平臺’的四位一體架構 ， 還落地智慧安防、產線可視化、數字化運營中心等應用 。 比如通過智能視頻分析替代人工巡檢 ， 實現安防系統數據協同；通過數字化運營中心統管園區態勢 ， 支撐節能減排決策 ， 最終讓工廠實現高效生產與精益運營 。 ”馮睿說 。
在機器人行業 ， 華為幫助頭部機器人企業解決了“研發依賴個人、成本浪費大”的難題 。 “華為公司依據自身的研發變革經驗 ， 幫助企業打造了IPD管理體系 ， 重塑了結構化研發流程 ， 實現了研發質量與生產質量的協同管理 ， 節約了研發制造成本 。 同時在人工智能領域 ， 基于華為盤古大模型 ， 對其新產品-廚師機器人進行高檔餐廳的外觀、材質、風味等維度訓練 。 相信在不久的將來大家可以在某些餐廳就餐的時候就可以享受到這些機器人的服務 。 ”馮睿舉例道 。
而在醫藥行業 ， 華為通過天籌求解器為醫藥流通領軍企業柳州醫藥 ， 建立供應領域數學模型、自動求解算法 ， 形成最優揀貨、調度、排線、采購、運輸策略 。 “通過AI線路規劃+裝載規劃算法 ， 配送效率預估提升15%；通過3D建?？梢暬瘋}庫分區 ， 倉內揀貨效率預估提升18%；通過預測補貨算法 ， 降低倉間調撥 。 目前柳藥集團路徑規劃時間從3小時縮短至30分鐘 ， 年度供應鏈綜合成本降低3% 。 ”
【華為：AI+制造不是技術秀場，而是全棧新基建革新】這些跨行業實踐的背后 ， 是華為“場景牽引、以用促建”的邏輯 。 馮睿表示：“我們不搞‘一刀切’的解決方案 ， 而是聯合伙伴深入了解每個行業的生產流程與核心訴求 ， 把華為的技術能力與伙伴的行業know-how結合 ， 讓AI真正嵌入研發、生產、供應、服務等關鍵環節 ， 從‘效率提升’轉向‘價值創造’ 。 ”
開放協同：與伙伴共建“AI+制造”生態
“制造業智能化升級不是一家企業能完成的事 ， 需要產業鏈上下游協同發力 。 ”談及未來規劃 ， 馮睿多次強調“伙伴生態”的重要性 。 他指出 ， 華為在生態建設中始終秉持“互補共贏”的原則：華為提供算力平臺、大模型及工程化能力 ， 伙伴輸出行業經驗與場景落地能力 ， 雙方圍繞研發設計、生產制造、供應鏈管理等六大環節布局AI應用 ， 構建數據驅動的智能管理體系 。
在重慶 ， 華為已通過“三階六步”合作模式深化本地協同 ， 并依托OpenLab創新實驗室為伙伴提供測試資源與技術支持 ， 還邀請伙伴入駐聯合辦公 ， 重點深耕車輛裝備、半導體等重慶優勢產業 。 “我們希望與重慶及全國的伙伴一起 ， 抓住數字化轉型和智能化升級的窗口期 ， 幫助更多企業提升行業核心競爭力 。 ”
采訪最后 ， 馮睿表示 ， AI與制造業的融合已步入深水區 ， 華為將持續以“自身實踐+ICT技術”為雙輪 ， 以全棧新基建為底座 ， 以場景化方案為抓手 ， 與千行萬業攜手推動制造業從“制造驅動”轉向“數據+AI雙輪驅動” 。 “這不僅是技術落地的路徑 ， 更是驅動產業躍遷、邁向高質量發展的共贏之路 。 華為愿與行業同仁一道 ， 共創智能制造的嶄新未來 。 ”

    推薦閱讀