文 观察者网  吕栋

人工智能的浪潮奔涌而至，大模型迭代的新闻日日更新，然而对于寻求智能化转型的多数行业而言，打通技术从实验室到生产线之间的“最后一公里”，仍然存在着难以逾越的鸿沟。

尤其让AI深入到核心生产场景，仍面临诸多现实难题。比如企业斥资搭建的AI系统，如何产生可观的商业价值？如何把沉睡的专有数据，转化为实实在在的竞争力？如何让AI应用走出“试点示范”，实现规模化落地？这些难题不解决，行业智能化将始终是“空中楼阁”。

“在这股剧烈的变革浪潮中，人们已不再问为什么（Why）要用AI来赋能千行万业；现在更多人关心的是，AI技术要如何（How）才能真正为千行万业创造实实在在的价值？”在2025年华为全联接大会上，华为公司高级副总裁、企业销售总裁陈雷指出。

面对行业智能化的各种难题，华为没有止步于理论探讨，而是基于与全球客户、伙伴的大量探索与实践，提出了系统性的解题之道：“五大关键发现”厘清行业迷思，“ACT”三步走实施路径提供方法论，再以领先的ICT基础设施和开源开放的生态合作提供坚实支撑。

把复杂留给自己，把简单留给用户。华为致力于将行业智能化从一道复杂的“多选题”，变成一张清晰可循的“施工图”。与伙伴共同开发的涵盖政务、医疗、银行、制造、物流、电力、油气等在内的九大最新的行业解决方案和经验，将助力千行万业找到最适合的智能化转型路径。

实践出真知，行业智能化的“五大关键发现”

千行万业智能化，早就不是“选择题”，而是“必答题。”

但在技术热潮中，企业发现，真正让AI在业务中扎根、生长并结果，远比想象中艰难。归根结底，AI深入核心生产场景，须直面三大关键问题：商业价值如何体现？专业数据的竞争力如何构建？应用规模化落地如何实现？

实践出真知。华为通过与银行、电力、医疗等行业伙伴的共同探索发现，行业智能化并非单一技术突破，而是一个包含场景、数据、智能体、人机协作与治理的系统工程。结合更广泛的实践，华为归纳出了能够帮助行业智能化进一步推进的“五大关键发现”。

第一，场景选择至关重要。 AI的价值更在于与核心生产场景深度融合，从而重塑流程，推动智能产品与服务的交付方式。 第二，垂域数据的质量，决定行业模型的能力。 行业智能化的落地，仅依赖开箱即用的通用模型是不够的。企业必须基于自身及所在行业积累的大量高质量数据，对通用模型进行训练和调优，才能形成专属的行业模型，构筑差异化竞争力。 第三，智能体（AI Agents）正在快速规模化，驱动对大规模推理的旺盛需求。第四，人机协作正在成为新的组织范式。第五，系统化治理与风险管理是必须守护的底线，必须建立有效的治理机制，确保AI的应用安全、可持续、可信赖。

这些实践与发现表明，行业智能化并不能依赖单点技术，其成功关键在于实现技术架构、业务场景与治理体系的全面融合。华为与伙伴的发现，本质上是将“价值驱动”从抽象理念转化为可落地的行动框架，让企业知道“该往哪里用力”，才能让投入能得到回报。

“ACT”三步走路径，让成功案例可以复制

洞察指明了方向，但企业仍需一套可操作、可复制的方法论。

在“五大关键发现”基础上，华为提出进一步推动行业智能化的“三步走” ACT 路径，即：评估高价值场景（Assess high-value scenarios）, 结合垂直行业数据对模型进行校准（Calibrate AI models using vertical data）, 规模化部署AI 智能体以重塑关键业务（Transform business operations with scaled AI agents）。

首先“评估高价值场景”。 华为提出“AI场景选择评估框架”，从商业价值、场景成熟度、业务与技术融合度三个维度进行综合评估，本质上是为企业提供“筛选器”。迄今，该框架已帮助客户识别并落地了1000多个AI核心生产场景。

其次“结合垂直行业数据对模型进行校准”。 企业核心的关切是，如何把积累的大量高质量数据，从“放着吃灰”变成“拿来即用、天天上岗”。在这方面，华为拥有ModelArts一站式AI开发平台和DataArts数据治理与集成平台，可提供完整的工具链，帮助企业将原始数据转化为知识，再将知识转化为模型。更关键的是，华为还打造了AI立体安全防护体系，覆盖从云、网、边、端到模型与应用，使能AI应用安全、可信。

再次“规模化部署AI智能体以重塑关键业务”。 让AI应用从试点走向规模化，是加速行业智能化的关键。华为“一站式Versatile平台”可自动生成包含100多个步骤的智能体与业务流程，大幅缩短部署周期。同时，随着人机协同程度不断加深，华为建立了系统化的AI人才发展体系，赋能业务专业人员直接参与AI智能体的使用、开发、部署与运营，突破“技术人员懂AI但不懂业务，业务人员懂业务但不懂AI”的专业壁垒。