2016年，深度學習的商業價值在全球范圍爆發，其后各大科技公司紛紛踏上了自己的AI之路。有人以算法突破聞名于世，有人以算力底座收割市場，當然也有更多公司鎩羽而歸，淪為AI泡沫的一個組成單位。

在全球科技企業的AI競逐中，有一家公司的模式是非常特殊的，那就是華為。

如果我們把華為各個BG、各個業務線視為一個整體，會發現華為的AI布局極其廣泛。涉及從AI大模型本身，到AI算力、自動駕駛、手機AI語音助手，再到煤礦智能化、港口智能化、醫療智能化等，甚至對華為業務很熟悉的媒體與分析師，都很難描述清楚華為的AI布局。

為什么AI技術在華為，會發展成今天這樣復雜的局面？

華為對AI有怎樣的戰略規劃？又或者說，AI帶來的智能化演變機遇，在華為的整體戰略中扮演著怎樣的角色？

從2018年提出全棧全場景AI到今天，華為的智能化戰略是否發生了階段性變化？如果有的話，變化的內核是什么？

我們來嘗試回答一下這些問題。

4月17日，華為在深圳舉行了第21屆分析師大會。期間，華為輪值董事長、副董事長徐直軍在大會上發表了主題為《全面智能化之路》的演講，闡釋了華為“抓住智能化戰略機遇，推進全面智能化”的一系列舉措。

我們可以以此為基底，橫向對比華為與全球其他科技公司在AI技術上的戰略差異，從而推導出“華為智能化模式”的影響與意義。

在印度加爾各答，有一棵名為Thimmamma Marrimanu的榕樹。它是吉尼斯紀錄認證的世界最大榕樹，占地面積約1.4公頃，由410多個氣根組成。

用一個比喻來形容的話，華為的AI之路，就是要成為一棵這樣的榕樹。

榕與杉：不同模式的AI路線

“技術作為人類的力量就存在于起源之中，或者說技術就是起源本身。”

——貝爾納·斯蒂格勒《技術與時間》

一家足夠大的公司應該如何做AI，或者說如何將龐大的業務體量與AI機遇對齊？

面對這個問題，不同企業必然需要結合自身的技術優勢、供應鏈區位來進行不同的選擇。橫向對比來看，我們可以將不同的AI路線類比成三種模式：杉樹模式、灌木模式，以及華為在做的榕樹模式。

想要理解華為的AI戰略，必須將其與另兩種模式進行對比。

所謂杉樹模式，是指追求算法核心突破的“向上模式”。就像杉樹不停向上生長，這種模式下的企業，追求以極大的代價完成AI模式算法的領先，繼而以算法這棵樹的“高度”，來覆蓋整個生態叢林。

無論是收購DeepMind，推廣AlphaGO的谷歌，還是重金支持OpenAI的微軟，都采取了杉樹模式來強化自身的算法中心化，進而希望以模型領導力，換取對整體業務的加持。

而另一種較為成功，甚至可以在AI浪潮中攫取更直觀利益的模式，是灌木模式。

灌木棲息在樹木之下，為其看守土壤與水分，也讓自身旺盛生長。這類企業選擇為AI算法的突破服務，提供基礎設施、開發平臺、可搭載設備等。AI算法會不斷進化，而基礎設施需要預先做好準備。這就給算力、存儲、網絡等廠商以供應鏈上的卡位機會。在今天的局面下，英偉達就是最大的“AI灌木”。近乎任何AI樹木想要生長，都離不開英偉達在底層的算力供應。

但無論是杉木模式還是灌木模式，都呈現出一個共性：頭部通吃。

只有最強的算法，最大的基礎設施供應商能獲得生存空間，以及絕對的AI行業話語權，而處在追趕期的腰部玩家就很難趕超。比如Meta、X，甚至蘋果，都在AI競賽中被拉開了身位。

在華為開始做AI時，就面臨著這樣的局面：做算法，不會有谷歌、微軟的優勢；做算力，不會有英偉達的實力。并且選擇任何一條單一路線，都無法發揮出華為最大的優勢：華為是一家全產業鏈公司。

在全球科技格局中，沒有任何一家企業像華為一樣布局了如此廣泛的產業鏈。產業鏈的龐大，意味著業務場景的多元與復雜。在AI競賽里，華為很難讓某一項AI能力特別強，更不可能成為全球AI產業鏈不可剝離的部分。但華為可以讓每一個業務場景都應用AI，充斥AI，從而以AI覆蓋的廣度，換取單一算法或者硬件的高度。

這很像榕樹的生長方式，在到達一定高度之后，榕樹不是向上生長，而是橫向拓展。每一條氣根延伸出去，就會長出一棵新的榕樹。以此類推，最終榕樹可以“獨木成林”。

外界環境的壓力，以及華為自身的產業特性，都決定著華為在AI技術上必須走榕樹路線。一條讓AI之根，布滿所有業務場景的路線。

四面生根：華為給AI生態帶來的變化

“一種范式通過革命向另一種范式的過渡，便是成熟科學通常的發展模式。”

——托馬斯·庫恩《科學革命的結構》

華為是一家非常擅于橫向拓寬的企業。歷史上，華為的發展路線就是沿著云、管、端的邏輯，持續以商業機會作為錨點，以研發能力為根基，不斷橫向開拓新市場。從運營商到企業業務，是抓住企業網絡的錨點；從企業到終端業務，是抓住運營商代工機的錨點。

而當AI作為一種輔助工具，一種通用技術出現在眼前，華為看到了一種全面擴大每一種業務邊界，同時孵化出新戰略空間的契機。

2018年4月，華為在分析師大會中預告了將要推進AI戰略。這一戰略的廬山真面目，在這一年10月的全聯接大會正式公布。以昇騰算力為基礎，華為發布了全棧全場景AI解決方案。到2023年9月，華為宣布將進一步執行全面智能化戰略。期間的五年，可以看作是華為以AI為核心戰略的第一階段。

在這個階段里，華為的做法是以昇騰AI計算為基礎，同步發展AI算法、AI開發平臺等軟件，再把這些軟硬件能力，融合到華為各個業務體系中。從通信到IT，從云計算到消費終端，從能源到汽車，只要有華為業務布局的地方，就將AI作為變量推動行業創新。

所以我們能夠看到，這五年中所有華為的業務，前面幾乎都加上了“智能”兩個字。AI變成了華為這棵榕樹新的氣根，開始向四面八方落地，而AI作為一種全新的技術機理，也在華為的橫向業務拓展中得到了快速普及和發展。

如果說，算法更優，算力更大，是AI發展的傳統范式，那么華為選擇了業務場景為牽引，把AI與自身體系結合的發展戰略，至少可以說是構成了一種新范式的雛形。

在這個范式里，華為也做大模型，也做底層AI算力，但并不要求其中某一項必須大于全球頂尖水平，而是以AI業務廣度和新機遇的挖掘能力來評判AI的價值。

所以我們提起華為的AI技術，不會像提到OpenAI或者英偉達一樣醒目，但同時又覺得它無處不在，很容易就能夠找到很多。而回過頭來看華為智能化戰略的第一階段，會發現在潛移默化間，它已經推動了不同領域的智能化水準，甚至在很多領域開始扮演難以替代的角色。

比如說，我們可以思考一個問題。如果沒有華為打造的昇騰生態，那么在近兩年面對英偉達GPU供應持續收緊，地緣壓力不斷加大的情況下，中國的AI產業會出現怎樣的焦慮感？要知道，目前昇騰近乎是自主AI算力中唯一可以大規模出貨，并且占據固定市場份額的選項。有10%左右的中國AI算力需求，已經順利遷移到昇騰生態中。在進一步加劇的AI技術博弈面前，中國AI生態因為昇騰體系的存在而獲得了戰略空間。

再比如，華為在具有傳統優勢的通信領域當中，積極引入了AI技術與網絡技術融合的自動駕駛網絡ADN。這種可以極大緩解復雜網絡運維壓力的技術能力，在今天已經得到了整個通信產業的認可與效仿，進而引發了無線、數通等通信產業的設備迭代熱潮。

在終端領域，端側大模型是如今最火熱的話題。而華為早在2017年就推動了端側AI能力的建設。由華為開始，整個產業鏈產業都將端側AI算力作為核心競爭模塊，進而還將端側AI的風潮，釋放到了PC、電視等終端行業。

在企業AI領域，華為在2017年提出了EI企業智能服務概念。隨后在2018年推出了AI開發平臺ModelArts，在2021年推出了專注于行業智能化的盤古大模型。在這一領域，華為一方面是云計算、企業ICT等市場向智能化演進的先鋒官，推動了兩大行業全面轉向AI技術路線與智能化發展方向。更為關鍵的是，華為在幾個關鍵行業積累了重要的智能化經驗。在金融、工業、礦山等領域，華為的智能化經驗最為豐富，方案最為成熟。在普惠期待行業智能化方向，但缺乏具體實操路徑的背景下，華為的行業智能方案會成為更多變革的導火索。

以上列舉的幾個方向中可以看到，華為扔出去的AI氣根，很多已經生根發芽，并且改變了相關領域的AI生態格局。

華為做AI的核心邏輯，是讓這種新技術在優勢業務側構成領先性，在非優勢業務側構成獨特性，以此全面拓展業務邊界。同時華為還有一個AI業務邏輯，是看AI技術發展本身需要哪些配套設施，找到了機會，就通過原本的業務布局+研發能力來進行具有廣度的供應。比如華為提出面向AI大模型的算力、存力、運力綜合發展。

華為的榕樹模式，可以說汲取了杉樹模式與灌木模式不同的業務內核。但這種覆蓋面廣泛，是建立在華為自身的業務覆蓋廣泛基礎上的。AI氣根向外延伸，與華為本身就是一棵巨大的榕樹，二者呈現緊密的正相關關系。

而當AI氣根向外發展、成長到一定階段，就該讓它們聯接起來，通過業務組合、技術融合獲得新的樹林。

這就是華為從智能化戰略，向第二階段全面智能化戰略的轉變。

八方成林：步入智能化第二階段

“對于理解充滿不確定性的創新過程，個人經濟激勵的解釋完全無法替代從戰略、組織和技術創新等領域去理解行動及其后果的理論。”

——路風《新火：走向自主創新2》

推動智能化戰略五年之后，華為并不張揚地進行了戰略升級。這種變化的原因是多方面的，首先是外部環境出現了變化。AI大模型技術的出現與成熟，強化了外部市場對AI的期待，同時也極大程度拓展了AI技術的價值可能性。很多企業都在這一階段調整了自身的智能化戰略，華為也不例外。

從內部來看，華為在智能化第一階段布局的很多業務板塊都已經成熟，可以開始從單點落地，變成點與點之間的聯接。期待從這些多點聯接里收獲由價值傳導帶來的巨大機會，是華為推動智能化戰略向第二階段深化的主要考量。

繼續用榕樹的比喻，第一階段是讓氣根生長出去，第二階段就是讓生長的氣根聯接成新的樹林，持續壯大整棵榕樹的覆蓋范圍。

在新階段，華為的智能化戰略也將表現出新的變化。就目前情況來看，至少可以將其總結為三點：

1.通過AI能力，打造更加牢固的生態底座。

在地緣等問題的巨大壓力下，做生態是華為的第一優先事項。而AI計算生態，本身就是華為生態布局中關鍵的一項。與此同時，在終端操作系統、物聯網操作系統等軟件生態方面，AI技術也是關鍵的加持項，是讓開發者認可鴻蒙、歐拉生態有機會、有潛力的關鍵支撐點。

未來，華為將持續打造CANN和MindSpore，鞏固昇騰生態的穩定性與活力。

與此同時，華為還希望基于華為云打造統一的開發者入口，讓開發者可以在鯤鵬、昇騰和鴻蒙生態之間自由移動。智能化的撬點，是華為實現計算第二選擇，移動終端第三代操作系統的關鍵。

2.通過AI能力，不斷將華為內部能力向外轉化。

在“自己的降落傘自己先跳”傳統下，在ICT領域，我們知道今天很多行業主流標準與方案，最早都來自華為內部。而接下來的“降落傘”，很多都將與智能化能力緊密相關。在華為內部，AI解決方案已經廣泛用于研發、生產、供應鏈、銷售與服務、用戶體驗、質量管理、企業管理等流程。這些內部能力的外化，也是智能化戰略升級的發力點之一。

華為戰略研究院院長周紅，在這屆分析師大會中《面向智能時代的思考和展望》的主題演講中提到，下一步華為會基于盤古大模型以及企業高質量數據構建企業大模型，通過大模型重構業務模式。一方面把AI大模型與人結合起來，使得每個員工都有“懂我”的智能助手；另一方面把AI大模型跟事情結合起來，將大模型全面引入到研發、銷售等各領域，重構作業模式，提升業務效率。

從華為內部到市場環境的AI流速，將在新戰略階段中被重視和加速。

3.通過AI能力，開拓重點業務的新機遇。

通過AI能力拓寬業務邊界的路線，在華為新的智能化戰略周期中將得到保留和加強。在通信、IT、終端以及新的機遇點，比如汽車、能源等方面，都會看到AI技術，尤其是AI大模型的加入與釋放。

比如說，在企業智能化領域，華為云將持續發力盤古大模型以及昇騰云服務，打造AI Native云基礎設施，并通過挖掘重點行業的智能化解決方案，進而實現規模化復制的方式，在行業智能化方面獲取更廣泛價值。

在通信領域，華為希望將AI大模型的能力與ADN自動駕駛網絡進行進一步結合，實現高度自治的自動駕駛網絡。華為已經將目標定義在了“零等待、零中斷、零接觸”為標志的通信業務體驗。與此同時，通信大模型也將成為華為主要的業務發力點。

在終端領域，華為希望基于盤古大模型，打造“小藝”超級智能體，讓大模型為用戶配備智能助手。同時將HarmonyOS Next打造成原生智能的操作系統，構筑統一的AI能力底座。

在外界非常關注的汽車領域，華為希望持續發力高階智駕能力，最終實現無人駕駛。不久之前，華為剛發布了以智能駕駛為核心的全新智能汽車解決方案品牌華為乾崑，帶來了全新升級的乾崑ADS 3.0等能力升級。汽車領域正在逐漸成為華為智能化戰略的主要落地點。

綜合來看，華為智能化戰略的第二階段，既要捕捉AI大模型帶來的技術機遇，同時在集成華為以往的智能化業務布局同時，也要打開新的機遇空間。云、車、數字能源，這三個領域是華為智能化戰略新增長點的三駕馬車，而打造生態的任務，在這個階段也將從“0到1”，變成“1到N”。AI帶來的差異化能力，在華為打造的計算、操作系統等生態中將扮演更重要，也更復雜的角色。

華為對AI的期待開始變多，對AI的價值回饋要求更加具體，同時華為手中的AI底牌也在增長。以多對多，形成了華為全面智能化戰略階段新的發展境況。

傳導：“華為智能化戰略”帶來的思考

“技性科學在本體論層面深刻改變了科學研究的對象。今天的科學已經幾乎不討論與人類無關的實體與過程了，而是更關注那些我們手中技術造物所帶來的影響與副作用。”

——馬丁·卡里爾《如何捕捉科學與技性科學的聯系》

在討論企業的AI戰略時，我們經常會陷入一種簡單化的邏輯。通常會問，你有人才嗎？有人才就有算法；你有卡嗎？有卡就有算力。

但華為的智能化戰略卻告訴我們，AI戰略遠不是如此簡單的二元論斷。AI不是數據與算力的暴力堆疊，它是一種靈活性很強，適用面很廣的技術。它本身會不斷發展，同時可以適配企業的不同階段，不同業務，不同發展訴求。

這也是我們為什么需要去理解華為AI戰略這個新范式。這個范式中，企業的資源與業務不是為AI服務的。相反，AI技術是為企業業務布局與發展目標服務的，成功與否的標志，不僅取決于“你能做到怎樣的AI”，更在于“AI可以幫助怎樣的你”。

誠然，華為的AI之路很難復制，近乎無法復制。因為它與華為的全產業鏈布局、全棧技術研發投入緊密相關。但其中的戰略內核卻是可以借鑒和推廣的。華為在AI上的戰略特殊性，關鍵詞在于：傳導。

我們可以發現，在推動AI技術賦能業務，構筑差異化的過程里，華為始終在多個領域進行價值傳導，其中包括：

1.華為自身原有的產業鏈布局，業務場景。比如通信、IT、終端三大業務端口。

2.華為的人工智能區位優勢，比如昇騰、盤古大模型、端側AI等技術能力。

3.AI技術本身的進步，比如捕捉大模型的新應用邊界與新需求。

4.華為需要挖掘的新機遇，比如汽車、能源等。

華為的做法，是不斷將這四層價值進行組合乃至融合，從而實現價值傳導。比如在汽車領域，就集成了華為自身的ICT業務優勢，昇騰AI算力等AI技術優勢，并且融合了大模型等AI進化，最終實現三個方向的優勢向一個新機遇進行機制輸出。

不斷地排列組合，釋放聯接之間的傳導價值，是華為智能化戰略的核心。而未來五年，伴隨著華為AI基礎能力的成熟，智能化戰略將從奠基期進一步走向聯接期。

這個戰略的邏輯，讓我想到一個故事。

有人說，某地發現了金礦，富起來的不是礦工就是賣鏟子的。但事實上，可能還有第三種商業模式，比如組織更加靈活的服務隊伍，需要鏟子就賣鏟子，礦工不夠就挖礦，其他時候可以賣服裝，賣食品，搞交通運輸等。

一個機遇被點亮之后，能夠長期從中獲益的，或許是能夠靈活完成機遇轉化的人。

對于很多希望捕捉AI發展機遇，同時自身產業鏈優勢明顯的企業，可以借鑒華為智能化戰略的演進方案與內在邏輯。華為的策略確實更加復雜，但帶來的價值增長點也更多元。

智能化，可以選擇從窄門進，向寬處行。