【CEC觀察】AI+制造業，華為能提供什么？
發布時間：2025-05-08 作者：石林才
當前，全球制造業正面臨多重挑戰：需求個性化加劇、生產效率瓶頸顯現、供應鏈不確定性攀升，傳統依賴規模擴張和成本壓縮的增長模式難以為繼。也恰恰在此時，人工智能技術的突破為制造業開辟了一條變革新賽道。
在這場變革中，作為一家兼具制造基因與ICT（信息與通信技術）優勢的領軍企業，華為如何以自身的技術優勢與創新實踐，為正值深度轉型的“中國智造”鋪路架橋？
在近日舉行的“華為AI+制造行業峰會2025”上，這個問題的答案逐漸清晰：從方法論構建到技術底座支撐、從場景化落地到生態協同，今日的華為正以“源于制造，更懂制造，服務制造”的理念，加速為千行萬業鋪就一條以AI賦能智能化升級的完整路徑。
源于制造，更懂制造
在很多人的眼里，華為扮演的更多是在全球ICT領域“華山論劍”的創新者角色，似乎與制造業關系不大。實際上，華為“源于制造，更懂制造”的企業基因，恰恰是其賦能行業的獨特優勢。作為一家業務范圍覆蓋170多個國家和地區的全球化企業，華為自身便是推進制造業數字化轉型的一個可圈可點的“活樣本”。
從啟動數字化轉型，到全面擁抱AI，華為通過把大模型技術和AI技術完全融入到研產供銷服的各個環節，實現了對全部作業模式和業務模式的重構。這一模式的變革，為整體效率帶來了“脫胎換骨”的改變。
在研發領域，華為將海量技術文檔與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，將軟件版本開發周期大大縮短；在生產領域，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，讓生產環節提質降本增效；在物流供應領域，構建靈鯤數智云腦，將供應商數據、工廠數據、倉儲物流數據、客戶站點數據等進行匯總，通過大模型進行模擬、仿真及優化……
這正是華為以自身的制造流程為樣本，以“躬身入局”的姿態，取得的實實在在的轉型成效。
華為中國政企業務副總裁郭振興指出：“制造業不僅可以利用人工智能技術進行生產流程的優化以及產品質量的提升，還可以進行成本的控制以及對新業態、新模式和新市場的探索。人工智能引入到傳統的制造行業以后，經濟發展的范式會發生深刻的變化。”
華為中國政企業務副總裁 郭振興 “三層五階八步”：AI+制造方法論
在制造業推進智能化轉型的過程中，AI技術的深度融入已經成為了大勢所趨。常言道：“凡事預則立，不預則廢。”在華為看來，在轉型開始之前，企業就需要對轉型的層級、步驟和具體工作內容進行詳細的規劃，避免迷失于復雜的過程、龐大的工作量和紛繁的目標體系當中。
然而，當很多制造業企業真正面臨“實戰”時，往往缺乏足夠的經驗來制定可推進、可落地的“AI+制造”路線圖。這一瓶頸，讓很多對AI躍躍欲試的制造業企業只能望而卻步。
面對這一挑戰，經過多年的實踐與摸索，華為已經形成了一套行之有效推進“AI+制造”轉型的寶貴方法論。在“華為AI+制造行業峰會2025”上，華為將這套經過屢次實戰檢驗的方法論形象地概括為“三層五階八步”，為行業提供了可落地的行動指南。
其中，“三層”是指重新定義智能業務、AI開發與交付、持續運營智能應用，定義了轉型所觸及的層次和深度；“五階”是指場景、流程、組織、數據、IT五大階段，能夠幫助企業在轉型過程中掌握順序、抓住重點；而“八步”則是指明確目標、場景識別、重塑流程、組織變革、數據和知識工程、AI建模與發布、AI融入業務應用、AI持續運營八項具體工作，也是轉型流程深度細化的集中體現。
有了清晰且經過廣泛驗證的方法論，企業借助AI賦能的智能化轉型就找到了明確的發力點。在華為看來，制造企業要用好業界的基礎模型產品，首先應定義好最迫切的業務場景，加上企業自身的高質量垂域數據，透過“小切口”快速交付給業務應用，并通過持續運營的深耕，不斷發揮價值。
郭振興提到：“場景的選擇和創新至關重要，一旦選定場景，1厘米的切口要做出1公里的深度，真正把價值充分地釋放出來。我們建議企業能夠選擇高頻、剛需、高價值的場景作為試點，這樣比較容易發揮商業價值，快速實現商業循環。”
智能化基礎設施為“AI+制造”提供底座
工欲善其事，必先利其器。“AI+制造”的深入推進，依托于AI在各個環節的規模化應用。在這一過程當中，強大的“數字底座”——智能化基礎設施無疑是不可或缺的關鍵支撐要素。
對此，郭振興也明確指出：“企業要跨越數字鴻溝，基礎設施要先行，基礎設施可以說是發展人工智能的一個先決條件。”他談到，2025年華為將抓住AI機遇，圍繞數據的“采傳存、算管用”提供“智能聯接、智能存儲、智能算力、智能平臺”端到端全棧新型基礎設施，同時將自身實踐與ICT技術相結合，與合作伙伴一道深耕業務場景，通過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。
例如，華為一直聚焦于為行業模型訓練打造高吞吐、高可靠的數據中心網絡，其開發的 NLSB（網絡級負載均衡算法）可以將模型訓練效率額外提升10%；而通過華為光模塊的可靠性升級，則可以將AI訓練的可靠性提升10%，實現模型訓練的月級不中斷。
而在打破數據孤島、優化數據供給方面，華為的Omni-Dataverse全局文件系統具備全局可視、高效管理以及按需流動等突出優勢，可以提供70%的性能提升、8倍的容量密度，單卡吞吐率提升超過60%，從而實現“以存強算”的訓練加速、“以存代算”的推理加速以及全面的數據保護，為企業構建強大的AI數據湖提供了可能。
此外，華為打造的昇騰AI計算平臺則堪稱行業的“智能化大腦”，可以同時滿足行業的多場景需求、落地經濟性和業務可閉環等要求，為DeepSeek等大模型在行業的落地提供了“最優解”。
從研發到生產，華為“AI+制造“已全面賦能
有了清晰可落地的方法論和路線圖，構筑了先進而強大的智能化基礎設施，AI驅動的制造業轉型升級方能形成無比澎湃強勁的驅動力。今天，從研發到生產，從重工到輕工，華為的解決方案正在千行萬業落地生根，為制造業創造新價值。
在汽車行業，廣汽在加快推進智能化的過程中，通過與華為進行深度合作，在完成自身IPD流程重構的基礎上，還打造了iDME硬件工具鏈的數據治理體系，并建設了六條數字主線和AI大模型，幫助廣汽在研發范式方面實現了從“經驗驅動”向“數據+AI雙輪驅動”的成功轉型。
方興未艾的機器人行業也面臨著更加激烈的競爭態勢。在這一領域，華為助力位于行業頭部的機器人企業科沃斯打造了整個IPD的管理體系，并重塑了其結構化研發流程，實現了研發質量和生產質量的協同管理，這一舉措使科沃斯的研發和制造成本得到了顯著的節約。
在以高質量發展為要務的醫藥行業，柳州醫藥通過將華為的天籌求解器和人工智能結合，建立了智慧物流解決方案，將整體物流的規劃時間從3小時縮短到30分鐘，其供應鏈的綜合成本也降低了3%。
這些案例，無一例外地印證了華為“源于制造，更懂制造，服務制造”的理念。在一個個生動鮮活的制造業場景當中，AI不再停留于概念，而是轉化為切切實實的降本增效。
現如今，AI與制造業的融合已然步入深水區。華為正與千行萬業的用戶、專家和開發者共繪制造業智能化的轉型圖景。未來，華為將與眾多產學研伙伴開展深入合作，不斷將來自整個生態的點點星光，匯聚成點亮“中國智造”的璀璨星河。