4月19日，在華為2023年全球分析師大會上，本屆大會以“躍升數字生產力，加速邁向智能世界”為主題，闡述了華為對未來的戰略思考。

(相關資料圖)

在此次分析師大會上，孟晚舟發表公開演講。這是她當值華為輪值董事長以來的首次公開亮相。她直言，數字經濟將成為全球關鍵驅動力，華為將在聯接、計算、存儲、云等方面保持投入，助力行業實現數字化轉型。

值得注意的是，在當前AI熱潮下，華為也分享了其對這一熱門賽道的觀點。華為戰略研究院院長周紅認為AI如何實現與人類目標一致，尚存挑戰。不過，華為的盤古大模型已經在包括工業、氣象預測以及分子制藥領域深度學習及應用。

數字經濟成為驅動力

華為年度分析師大會一般在年報之后舉辦，主要面向全球行業分析師和媒體，闡述華為的戰略思考，并由在這期間當值的輪值董事長發表主題演講。在今年的分析師大會中，孟晚舟作為輪值董事長也首次在大會上作出演講。

輪值董事長在當值期間是華為最高領袖，領導公司董事會和常務董事會。從今年4月1日開始，孟晚舟開啟了六個月的輪值期。

孟晚舟在會上給出自己的判斷：數字經濟將成為全球關鍵驅動力。她認為，數字化是全行業的共同機遇，2026年全球數字化轉型支出將達到3.41萬億美元（約23.46萬億元人民幣）。

她在演講中提到，目前有170 多個國家發布了數字化發展報告，預計2025年55%經濟增長來自于數字驅動，這是整個產業鏈的新藍海?！盁o論是正在進行數字化轉型的企業，還是那些支撐數字化轉型的企業，都會面臨巨大的市場空間。”

中國信息通信研究院(CAICT)此前發布的白皮書顯示，2021年全球47個主要國家數字經濟增加值便已經達到38.1萬億美元，較上年同期增長15.6%，占GDP總和的45%。根據中國發展研究院數據，到2025年，中國約55%的增長將由數字經濟推動。

據孟晚舟透露，華為目前企業業務合作伙伴已超過3.5萬家，華為云合作伙伴超過4.1萬家，華為將持續培養數字化人才，目前全球ICT學院達到2200多個。她也提到，華為首先將深化與產業組織的合作，通過硬件開放、軟件開源，來發展產業生態。

孟晚舟表示，華為將在聯接、計算、存儲、云等方面保持投入，助力行業實現數字化轉型的“四化’”，即作業數字化，數字平臺化，平臺智能化，智能實戰化。

在業內看來，數字化幫助行業重新配置流程和自動化運營，以變得更加敏捷和高效。目前，數字化正在從消費服務等信息密集型行業轉向包括能源、制造業、石油和天然氣等在內的傳統和支柱產業。

AI如何與人類目標一致？

在分析師大會上，華為也分享了對AI產業的觀點。孟晚舟預計，到2030年，通用算力將增長10倍，人工智能算力則會增長500倍。在她看來，數據將會成為生產力。

在這種情況下，數據更有了“AI發展的勝負手”之稱——算法、算力和數據是AI發展的三大重要基礎。在AI熱潮下，數據重要性愈發凸顯，以ChatGPT為首的人工智能，由龐大數據集訓練而成。

“過去10年，AI算法的算力需求提升了40萬倍。當前 AI在語言文字的學習理解和生成上所表現出來的能力超出了很多人的想象，” 華為戰略研究院院長周紅表示。他表示，在走向智能社會的過程中，可能有超過百倍、甚至千倍的信息需求增長，現有的很多理論和技術已經遇到瓶頸。

在他看來，在AI能力快速提升的情況下，需要考慮AI的目標如何與人類目標一致、并且正確和高效地執行。

他認為，要達到上述要求，目前還面臨三個重要的挑戰：首先是AI的目標定義問題，目前對智能目標的理解千差萬別，缺乏共識的目標定義；其次是正確性與適應性，AI對圖像組合和噪聲敏感，這一現象目前難以解釋、難以調試；第三則是能源效率和數據效率問題。

同時，他表示，華為將從三大方面開展實踐：其一是AI for Industry，讓行業大模型來降低開發門檻，涵蓋電力、煤礦、交通、制造等領域。

其二是AI for Science，助力科學發現與科學計算，例如氣象預測，用AI推理替代傳統偏微分方程；在制藥靶點計算方面，分子動力學模擬加速新藥研發，可以令新藥研發時間周期從數年到1個月，研發成本降低70%。

其三則是軟件自動生成，定理自動證明、重構基礎計算部件，軟件自動生成與自動優化，提升軟件研發的效率與可靠性。

盤古大模型已適用多個場景

實際上，華為的盤古AI大模型實際上已經在多個場景投入應用。

在傳統的AI開發模式下，一個場景對應一個模型，數據質量差、樣本少，模型精度差，并且應用場景相對單一。不同行業、不同場景對 AI 的需求既復雜且碎片化，每個痛點都需要進行定制化地開發和改造，不同的應用場景往往需要獨立的架構設計與調參，效率相對較低。因此，“小作坊式”的AI開發模式在一定程度上限制了生產力。

華為盤古AI大模型是一種工業化AI開發的新模式，可以解決小模型的定制化難題，使一個模型應用到多個場景中。

據了解，盤古大模型從2020 年啟動研發，2021年4月正式發布，到2022年聚焦行業應用落地，其進化路徑可分為 L0-L1-L2 三個階段，上層是在下層的基礎上演化而來。L0 是指基礎大模型，包括 NLP（中文語言）大模型、CV（視覺）大模型、多模態大模型、科學計算大模型以及Graph（圖網絡）大模型。

國金證券在一份研報中也分析，盤古大模型分為三個訓練階段：一是預訓練，利用海量數據進行預訓練得到通 用基礎模型，二是微調，針對下游行業具體任務，結合行業數據進行微調；三是大模型迭 代，結合不斷產生的新數據和之前訓練使用的數據，實現大模型的終身學習。

責編:王時丹 | 審校:李金雨 | 審核:李震 | 監制:萬軍偉