迈向智能世界白皮书2024——全面智能化

03 提纲 01 AI商业落地迎来新一波快速发展 02 企业如何抓住全面智能化机遇 •对全面智能化企业的憧憬 •价值场景驱动，对准企业价值创造 •构建可持续满足企业AI应用的基础设施 •以自动驾驶网络，重塑企业网络体验和运维 AI对运营商网络的影响 •Network4AI:AI应用发展对运 营商网络提出新需求 •AI4Network：开启L4自治网 络征程，实现高价值跃升 2 01 AI商业落地迎来新一波快速发展 3 四方面因素推动AI商业落地迎来新一波快速发展 ③ 推理成本 大模型 基础能力 ② AIAgent ① ④ AI终端 ①大模型基础能力持续提升 •多模态：支持语音、文字、图片等多模态推理，语音互动体验达到人与人交互 水平（时延<300ms、合理打断、感知和输出情绪） •强思维：结合多步生成、策略搜索等技术，提升模型高阶推理能力 •长记忆：可支持的上下文长度越来越长（1Mtoken） •低幻觉：通过AI治理规范以及RAG等技术手段，降低大模型幻觉率 ②AIAgent框架和技术逐步成熟，实现复杂业务场景感知、规划、决策、行动的自治闭环 ③推理成本大幅度下降，一年时间内推理市场价格平均降低10倍以上 端推出，引入AI能力，加速AI应用落地 4 ④各类AI终端涌现，AI手机、AIPC、AI眼镜、AI学习机等一系列终 ToC：AIAPP用户持续快速增长 •从2023年6月到2024年6月，全球AIAPP用户数从1.35亿增长到2.33亿，其中中国AIAPP用户规模爆发式增长， 从820万增长到6170万，同比增长653.3% •面向ToC形成通用助手、内容生成、内容编辑、陪伴、搜索、教育等多种类型AI应用 TheTop50GenAIMobileApps,byMonthlyActiveUsers 中国AIAPP月活用户规模(万) 6170 3015 820 2023/062023/122024/06 来源：Businessofappsanalysis,AppMagic 来源：A16Z来源：QuestMobile 5 ToC：各类AI终端涌现，加速AI应用落地 终端厂家纷纷推出一系列AI终端 •2023年10月Ray-Ban&Meta推出第二代智能眼镜 •2024年5月微软发布AIPCSurfacePro •2024年6月苹果发布AppleIntelligence •2024年6月华为发布HarmonyIntelligence •2024年7月科大讯飞推出新一代AI学习机 高阶智能驾驶和Robotaxi走进现实 •2024年4月华为发布ADS3.0，实现车位到车位“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 •萝卜快跑Robotaxi已在中国11个运营城市运营，其中武汉成为全球最大规模的Robotaxi运营城市，截至2024年7月有近千辆车在武汉运营 6 ToB：企业AI采用率快速提升 最新调查报告显示企业在最少一个业务功能采用AI的比例从2023年的55%大幅增大到2024年的72% 大模型基础能力持续提升以及AIAgent技术逐步成熟，使得 ①大模型越来越多地替代传统算法完成单点功能，比如CV、预测类 ②面向各行业各职能领域员工，基于角色的助手类应用成为新常态 ③基于业务场景的AIAgent成为企业AI落地的新方向 至少在一个业务功能中采用了Al的企业，占受访者的百分比 来源:McKinsey&Company 7 ①Embedded模式 业务流 AI模型 用大模型替代传统算法， 完成单点功能 ②Copilot模式 客服助手 客服人员 开发助手 开发人员 … 基于员工角色，用AI大模 型构建助手应用或工具 ③AIAgent模式 AIAgent自主完成 任务拆分工具选择… 人设定目标，由AIAgent自 主完成业务场景闭环 AIAgent是大模型应用的理想形态，它是一个能 够感知环境、做出决策并采取行动的自主智能体，有自主性、适应性、交互性等特征，是企业走向高度自治运营的关键，目前在金融、运营商、制造等行业都在积极探索落地基于场景的AIAgent，比如金融机构提供自主投资AIAgent，运营商提 供网络优化AIAgent等。 运营商无线网优AIAgent实践：通过无线网优AIAgent实现了无线网络低速率小区指标 减少了20%，网络优化周期从一天减少到一小时。 AS-IS 网络优化范围和目标 网络指标监控 网络异常分析 网络优化 上站操作（可选） 结果评估 TO-BE 8 外线运维人员执行AIAgent提供的优化策略 AIAgent自动完成 AIAgent自动完成 通过专家和工具 基于人工制定的规则产生工单 银行 运营商 医疗 电力 Copilot类应用面向企业不同员工角色提供辅助， 提升效率。Copilot类应用面向人，有一定的容错率，是当前大模型落地的重要方向，目前在金融、运营商、医疗、电力、政府、矿山、交通等 各个行业已开始广泛落地。 • • • • • 客服助手 办公助手 投研助手 信贷风控助手 … • • • • • FME外线维护工 程师助手 家宽装维助手客服助手 代码开发助手 … •辅助诊断助手 •报告生成助手 •… •输配电巡检助手 •客服助手 •电力调度助手 •… ToB：Copilot模式和AIAgent模式行业实践 通过专家和工具 通过专家和工具 外线运维人员执行专家提供的优化策略 02 企业如何抓住全面智能化机遇 •对全面智能化企业的憧憬 •价值场景驱动，对准企业价值创造 •构建可持续满足企业AI应用的基础设施 •以自动驾驶网络，重塑企业网络体验和运维 9 对全面智能化企业的憧憬 智能时代企业 •AdaptiveUserExperience，自适应体验 •Auto-evolvingProducts，自演进产品 •AutonomousOperation，自治的运营 •AugmentedWorkforce，增强的员工 •All-connectedResources，全量全要素全联接 •AI-nativeInfrastructure，智能原生基础设施 •自适应体验：感知并理解用户的行为、需求、兴趣、品味和环境变化，主动调整提供最符合用户需求的服务，能够适时和同时满足海量个性化独特需求的产品需要从一开始就是特别设计的，而不仅仅是裁剪。比如AI学习机根据学生年龄、学习进度、理解能力以及测试反馈等自动调整教学内容和难度，让每个学生在不同时刻都能获得适合自己的学习体验。 •自演进产品：智能化的产品将具备自主学习，持续迭代，适应变化的能力， 能够自优化和自演进，比如自动驾驶汽车，越开越好。 •自治的运营：从感知、规划、决策到执行自主闭环，让业务流实现高度自治运营，比如港口通过智能计划平台，自动生成作业计划，通过自动驾驶集卡自动完成集装箱水平运输。 •增强的员工：让每个员工都有“懂我”的智能助手，高效、高质量完成每一件工作。比如运营商基站现场维护人员通过维护助手APP快速获取故障位置，故障根因以及处理建议等信息。 •全量全要素全联接：实现企业的资产、员工、客户、伙伴、生态等全互联，全量全要素全联接与实时反馈，对象/过程/规则数字化，提升信息的量，改善信息的质，构建企业数据飞轮和信息优势。 •智能原生基础设施：一方面适应智能化应用的需要，系统化构建ICT基础设施，即ICTforIntelligence，另一方面，基础设施本身的运维管理和体验保障要充分智能化，即IntelligenceforICT。 10 价值场景驱动，对准企业价值创造 企业迈向全面智能化，根据企业战略追求和可行性灵活选择价值场景切入和业务路径。以银行业为例：从有一定容错度、可行性较高的客 服、营销、办公等日常场景（EverydayAI）切入实现快速商业闭环，逐步走向信贷、风控、投顾、资产管理等容错度低的核心价值场景 （Game-ChangingAI）。 参考GartnerAIOpportunityRadar银行业-AI应用场景 ExternalCustomer-Facing （面向外部客户） EverydayAI(日常) Game- ChangingAI(颠覆性) InternalOperations (内部运营) 11 营销 •智能精准营销 信贷 •授信报告撰写 •智能信贷风控 •信贷催收助手 零售 •客户关系管理 •智慧财富助手 •零售自动审批 审计 •政策法规检查 •审计报告生成 投顾 •个性化投资建议 •组合资产配置 •市场精准预测 资产管理 •资产负债调度 •资产流动性管理分析 •金融债券投资管理 高 风控 •舆情检测 •客户风险诊断 •经营风险管控 客服 •坐席助手 •远程视频开户 价值维度 人力 •简历筛选 •政策合规审查 •HR智能评价 Low Medium High Feasibility •营销策划文案生成 •智能陪练 办公 •智慧办公 •邮件及文件 •知识问答 研发 •代码生成 •代码测试 •代码发布 •审计风险监控 低 低可行性高 华为智能化实践 D2：场景成熟度 D1：商业价值 华为智能化实践场景涵盖面向外部客户、面向内部客户、EverydayAI、Game-ChangingAI全部四个维度 •产品+AI：如华为智能驾驶方案，竞争力提升 •销售+AI：如广告位投放、门店选址、销售陪 练等 •工程+AI：如供需资源匹配、语音填单、智能 EHS检查、自动验收 •客服+AI：如降低客户问题解决时间，提升客 服效率和体验 •制造+AI：如智能化焊接、组装、测试、质检， 提升生产效率与体验 •财经+AI：如辅助合同验证，识别合同风险条 款，提升作业效率 华为场景识别方法：“十二问” ③业务场景有明确的业务Owner（对投资和结果负责）④业务场景有明确的流程规则（业务说得清）⑤业务场景有明确的用户触点（业务已数字化）⑥业务知识/数据是否足够支撑0~1冷启动（范围清晰、完整、易获得）⑦业务知识/数据是否随作业持续产生、更新和反馈⑧现有技术能力是否能够支撑场景实现（技术可行性）⑨公司内是否有成功经验可以复用/借鉴 ⑩有清晰的业务运营目标 ⑪业务目标有运营数据支撑（可度量） 技术 数据 业务 ②落地后收益评估，多少年ROI为正 ①业务场景是否能清晰度量价值 ⑫有持续运营的组织、资源、机制 D3： 持续运营 12 构建可持续满足企业AI应用的基础设施 ①高质量、更丰富的训练数据是模型进化、提升企业智能水 平的关键。 ②基于云，打造智能原生的算力和数据基础设施，满足企业对算力和数据持续增长的需求。 ③构建一站式AI模型开发和应用使能平台，满足企业模型和 应用开发需求。 企业 业务场景 研发领域财经领域营销服领域采供制领域HR领域办公领域 … 计算 企业大模型 AI模型开发和应用使能平台数据平台 基础算力网络 Agent 存储 云 Scalinglaw在延续，持续提升基础大模型能力关键方向 AI模型参数量 万亿级 亿级 >百万亿级 全球AI算力 201820242030(E) 864ZFLOPS 单位：FP16 6251EFLOPS ~100EFLOPS 2018 2024 2030(E) *华为GIV预测数据 13 产生高质量、更丰富的企业数据 企业可以从以下几个维度思考产生更多高质量数据供企业AI使用 数据觉醒 全数字化 数据留存 数据合成 •数据觉醒：激活业务冷数据和唤醒历史归档数据，这些数据通常数据量 大，含有丰富的信息，如企业档案、历史记录等。 •全数字化：企业活动全面数字化，包括业务对象数字化、规则数字化、过程数字化等，并在采集数据的频率、格式、清晰度等更多维度充分考虑AI的应用需求，做到“能采尽采”。 •合成数据：通过算法、统计模型或生成式人工智能生成企业需要的数据。 合成数据具有无限量生成、隐私保护、减少偏差等优势，Gartner预