在這一輪AI浪潮中，“技術(shù)為先”和“產(chǎn)業(yè)為先”的爭論一直存在：前者以通用人工智能為終極目標，追求構(gòu)建更大、更強、更通用的模型；后者認為AI的價值在于解決實際問題，技術(shù)是為場景服務的工具。

“技術(shù)為先”與“產(chǎn)業(yè)為先”并非絕對對立，更像是螺旋式上升的關(guān)系：技術(shù)拓展應用邊界，產(chǎn)業(yè)校準創(chuàng)新方向。

中國擁有全球唯一的全工業(yè)門類、全球最大規(guī)模的金融消費人群以及最大規(guī)模的政務和城市體系，產(chǎn)生了豐富的場景和私有數(shù)據(jù)，大模型又恰恰遵循著“吃什么行業(yè)的數(shù)據(jù)，就更懂什么行業(yè)的知識”的邏輯。

所以，不同于歐美對“技術(shù)為先”的推崇，最適合中國企業(yè)的是“產(chǎn)業(yè)為先”的差異化路線。

01 中國的產(chǎn)業(yè)土壤，為AI提供了天然試煉場

人工智能的發(fā)展路徑，從來都不是單一技術(shù)邏輯的自然延伸，而是結(jié)合戰(zhàn)略定位、產(chǎn)業(yè)結(jié)構(gòu)與資源稟賦的系統(tǒng)性選擇。之所以不應照搬歐美的“技術(shù)為先”模式，在于國內(nèi)有兩個特殊的產(chǎn)業(yè)背景。

第一個是產(chǎn)業(yè)“全、多、廣、深”，為AI訓練和部署提供了最真實的環(huán)境。

比如在工業(yè)領(lǐng)域，國內(nèi)擁有聯(lián)合國產(chǎn)業(yè)分類中的全部工業(yè)門類，500多個工業(yè)品種中，中國有四成以上的產(chǎn)量位居全球第一。只有經(jīng)歷過足夠復雜、足夠真實、足夠有價值的場景淬煉，AI才能走出實驗室走向生產(chǎn)一線。

比如在金融行業(yè)，銀行、保險、證券等機構(gòu)擁有全國最全、最及時的個人與企業(yè)交易數(shù)據(jù)，在風控、反欺詐、投資組合、客戶畫像等方面，對模型的準確性、響應速度、安全性要求極高，是錘煉工程能力的天然試驗場。

再比如政府數(shù)字化改革不斷深入，交通、醫(yī)保、社保、應急、教育等業(yè)務系統(tǒng)加速智能化，高復雜度的公共治理場景，對大模型的泛化能力、決策準確性、安全性提出了嚴苛要求，是AI走向“可用、可管、可信”的關(guān)鍵落點。

第二個是海量數(shù)據(jù)的天然優(yōu)勢，構(gòu)成了AI落地不可替代的基礎(chǔ)資源。

作為全球數(shù)字化發(fā)展最活躍的國家之一，中國長期積累了海量、多源、高價值的數(shù)據(jù)資源，形成了獨特的“數(shù)據(jù)沃土”。

一方面，中國擁有全球最大規(guī)模的互聯(lián)網(wǎng)用戶群體、活躍的數(shù)字經(jīng)濟生態(tài)與高速發(fā)展的信息基礎(chǔ)設(shè)施，帶來了龐大而持續(xù)增長的非結(jié)構(gòu)化數(shù)據(jù)資源。相關(guān)統(tǒng)計數(shù)據(jù)顯示，2023年中國的數(shù)據(jù)產(chǎn)量約占全球數(shù)據(jù)總產(chǎn)量的23%，位居世界第一，預計2025年中國數(shù)據(jù)總產(chǎn)量將達48.6ZB，約占全球的1/3。

另一方面，政府、金融、央國企等關(guān)鍵主體，掌握著覆蓋國計民生、國民經(jīng)濟核心領(lǐng)域的大量結(jié)構(gòu)化數(shù)據(jù)，是訓練和精調(diào)大模型的“優(yōu)質(zhì)燃料”。其中長期深耕于能源、通信、交通、建筑等重點行業(yè)的央國企，沉淀了大量結(jié)構(gòu)化、專業(yè)化、高價值的數(shù)據(jù)資產(chǎn)，擁有AI向產(chǎn)業(yè)縱深發(fā)展的先天優(yōu)勢。

正因如此，在產(chǎn)業(yè)鏈中有著資源統(tǒng)籌能力的政企單位，可以說天生就是AI落地的“產(chǎn)業(yè)鏈組織者”和“生態(tài)統(tǒng)籌者”，在打通數(shù)據(jù)要素流通、推動AI工程化落地方面有著不可或缺的作用。

早在"十四五"規(guī)劃中，就已經(jīng)對政企提出明確要求："加快推動數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化"，并首次將"數(shù)據(jù)要素市場化"納入國家戰(zhàn)略。

國資委兩次召開央企"AI+"專項行動會，強調(diào)推動國資央企在人工智能領(lǐng)域?qū)崿F(xiàn)更好發(fā)展、發(fā)揮更大作用，推動一批高價值行業(yè)應用場景落地，穩(wěn)步推進數(shù)據(jù)集建設(shè)，大模型構(gòu)建加速追趕。

根植中國工業(yè)體系的央國企、走在轉(zhuǎn)型前線的金融和政府機構(gòu)，被推向了數(shù)智化轉(zhuǎn)型的第一線，既是推動者，也是試驗田，正在擔綱起引路者、落地者與示范者的三重角色。

02 從行業(yè)先行者實踐中，透視AI應用落地的關(guān)鍵錨點

根據(jù)德勤的研究數(shù)據(jù)，已經(jīng)有超過70%的央企、超過55%的地方國企啟動了數(shù)智化轉(zhuǎn)型工作，成立了近500家數(shù)字科技類公司。

如果說通往AGI的挑戰(zhàn)主要集中在訓練方法、推理優(yōu)化、對齊技術(shù)、新的學習范式等底層研究上，AI在產(chǎn)業(yè)落地則是更加復雜的系統(tǒng)性工程。在行業(yè)頭部先行者探索AI大模型應用落地的過程中，可以看到四個共性的需求。

一是對安全可控、長期穩(wěn)定、可靠的基本訴求。

政府和金融機構(gòu)、大型央國企通常承擔履行國家戰(zhàn)略安全、引領(lǐng)產(chǎn)業(yè)、支撐國計民生、提供公共服務等責任，數(shù)據(jù)安全和業(yè)務穩(wěn)定運行至關(guān)重要。

邁向智能時代，大模型的訓練和推理通常需要海量算力支撐。以金融行業(yè)為例，據(jù)公開信息顯示，工行、郵儲、招商銀行等金融頭部機構(gòu)，為了滿足萬億參數(shù)大模型的高并發(fā)推理需求，紛紛部署了千卡云算力集群。

如何解決超大規(guī)模算力集群的彈性調(diào)度、長穩(wěn)運行以及異構(gòu)資源的統(tǒng)一管理等問題，也成為政企所面臨的挑戰(zhàn)。特別是在 DeepSeek 發(fā)布后，能否在集群上快速部署并上線，也成了擺在案頭的考驗。

在某大型國有銀行，應用了華為云Stack混合云之后，基于云平臺的動態(tài)調(diào)度，統(tǒng)一管理等能力，實現(xiàn)了算力資源實時監(jiān)控、動態(tài)擴縮容、朝推夜訓等功能，算力利用率提升了30%，千卡集群穩(wěn)定運行時長提高到了40天，故障恢復縮短到了分鐘級。

DeepSeek的能力和價值被市場驗證后，這家國有銀行依托算力云的快速部署能力，僅用2天時間，就在千卡集群上部署106個DeepSeek實例，日調(diào)用量超過15萬人次。

二是解決數(shù)據(jù)治理和流通難題，為大模型高質(zhì)量供數(shù)。

在過去十多年數(shù)字化進程中，央企積累了大量的行業(yè)數(shù)據(jù)，通過對這些數(shù)據(jù)的整合、清洗和共享，能夠為人工智能模型的訓練提供高質(zhì)量的數(shù)據(jù)支持，提升模型的性能和準確性。央企還可以牽頭建立數(shù)據(jù)標準和規(guī)范，促進數(shù)據(jù)的流通和共享，推動數(shù)據(jù)要素市場的健康發(fā)展。

同時也要看到，大型央國企多半是集團型企業(yè)，多層級、多產(chǎn)業(yè)，而且資產(chǎn)在境內(nèi)外均有分布。由于發(fā)展過程中歷經(jīng)多次重組合并，形成了各業(yè)務單元“各自為戰(zhàn)”的局面，導致集團整體的結(jié)構(gòu)性與連接性不足。

在數(shù)據(jù)治理方面，橫向上尚未全面拉通端到端流程，不利于統(tǒng)籌各事業(yè)部、各區(qū)域、各職能形成合力，實現(xiàn)圍繞客戶需求的高效響應和交付；縱向上缺乏組織、流程和數(shù)據(jù)抓手推進數(shù)據(jù)治理落地，不利于自上而下落實數(shù)據(jù)管理規(guī)范，且難以深挖數(shù)據(jù)背后的風險與價值。

徐工集團攜手華為打造了強大的大數(shù)據(jù)平臺和混合云底座，構(gòu)建數(shù)據(jù)治理體系，持續(xù)將數(shù)據(jù)統(tǒng)一入湖。在車聯(lián)網(wǎng)設(shè)備360畫像場景中，徐工集團通過將各類工程機械車輛的運行數(shù)據(jù)匯聚到大數(shù)據(jù)平臺進行價值挖掘，為客戶提供“管用養(yǎng)換”增值服務。

有了高質(zhì)量數(shù)據(jù)集，徐工集團還搭建AI大模型及收集和標注訓練數(shù)據(jù)集，以智能問答、自動駕駛的視覺感知、產(chǎn)品作業(yè)的自動化施工等場景為切入點，讓AI在企業(yè)運營過程中可觀可感。

三是大模型如何從“更聰明”到“更懂行”。

雖然通用大模型在自然語言處理方面展現(xiàn)出了卓越的能力，但在特定行業(yè)理解中仍然存在一定的局限性，難以準確把握復雜的行業(yè)規(guī)范和流程，導致結(jié)果有偏差。這就需要利用工具和平臺對通用大模型進行二次訓練和調(diào)優(yōu)。

現(xiàn)實世界問題總是復雜多樣的，尤其是通常央國企的業(yè)務領(lǐng)域覆蓋產(chǎn)業(yè)鏈上下游核心環(huán)節(jié)，加上工業(yè)制造的生產(chǎn)場景多且復雜，單一的AI模型無法滿足所有場景的需求。

以一家典型的制造企業(yè)為例，既有銷服環(huán)節(jié)的智能問答、知識庫場景，也有生產(chǎn)環(huán)節(jié)的工廠入侵、異常事件預警、生產(chǎn)工藝優(yōu)化等場景，需要自然語言模型、機器視覺模型、預測模型等多個模型協(xié)同運行，怎么調(diào)用不同模型最擅長的能力、怎么提高多模型并存的推理效率……無不是必須要攻克的技術(shù)瓶頸。

湘鋼依托攜手華為等伙伴發(fā)布了全球首個鋼鐵行業(yè)人工智能大模型并在三十多個場景落地。通過建設(shè)統(tǒng)一云基礎(chǔ)設(shè)施、大模型一站式開發(fā)平臺，湘鋼建立起“中心訓練、邊緣推理、云邊協(xié)同、邊用邊學、持續(xù)優(yōu)化”的機制，將模型開發(fā)從傳統(tǒng)的作坊式生產(chǎn)轉(zhuǎn)向現(xiàn)代工業(yè)化流水線生產(chǎn)，將專家經(jīng)驗知識和模型開發(fā)過程以工作流的方式沉淀在大模型平臺上，快速復制推廣到生產(chǎn)過程中，同時還可培養(yǎng)企業(yè)自己的智能化隊伍。

四是AI應用的研發(fā)效率跟不上需求。

建設(shè)算力中心、開展數(shù)據(jù)治理、訓練行業(yè)模型等只是過程，結(jié)果是要讓AI的能力通過實際業(yè)務應用系統(tǒng)來得到應用，最終有效地提高生產(chǎn)效率、降低制造成本、提高質(zhì)量和管理水平，形成投入和產(chǎn)出的正向循環(huán)。在AI時代下，所有應用都值得再做一遍。

現(xiàn)實中存在的問題在于，政企由于軟件開發(fā)能力相對較弱，無法有效地度量軟件的進度、生產(chǎn)率和質(zhì)量，項目管理無法可視化，同時可能面臨上百家乃至更多供應商，如何協(xié)同企業(yè)內(nèi)部的各業(yè)務組織和供應商，找到高效的應用開發(fā)和協(xié)作范式，已然成為央國企在應用開發(fā)上的主要難題。

作為知名的海上油氣生產(chǎn)運營商，中國海洋石油集團有限公司在代碼的研發(fā)過程中，由于缺乏統(tǒng)一的管理工具、規(guī)范和標準，功能、產(chǎn)品迭代的效率不高，中海油3000多軟件開發(fā)人員都受到影響。中海油主動求變，內(nèi)部成立專項軟件工具鏈科研項目，積極探索開發(fā)智能化應用，尋找更有效率的研發(fā)方案。

中海油引入了華為云Stack提供的軟件開發(fā)生產(chǎn)線CodeArts后，中海油已經(jīng)開發(fā)了智能采辦、智能油田二期、應用開發(fā)云平臺等主要業(yè)務系統(tǒng)，構(gòu)建了中海油供應鏈一體化數(shù)字化平臺。研發(fā)工時節(jié)省了30%，智能油田管理系統(tǒng)集成、調(diào)試、部署時間從1周縮短為1天。

上述共性問題的出現(xiàn)，折射了AI應用落地的多元挑戰(zhàn)，更揭示了一個共識，在AI時代的浪潮中，唯有通過云計算找到技術(shù)錨點，才能建立可持續(xù)的競爭壁壘從而駕馭創(chuàng)新。一朵同時具備高韌性和安全合規(guī)，可支撐數(shù)據(jù)+AI+應用開發(fā)的，具備豐富行業(yè)實踐的混合云技術(shù)底座，更能滿足政企數(shù)智化的發(fā)展需求。

03 從經(jīng)驗到解決方案，“產(chǎn)業(yè)為先”的路跑通了

從上述實例中不難看到，央國企直面AI落地挑戰(zhàn)的過程中，少不了懂技術(shù)、懂行業(yè)的“同行者”，其中就包括深耕政企市場十數(shù)年的華為。

早在2008年的時候，華為就開始投入到云計算相關(guān)技術(shù)的研發(fā)，面向政企市場構(gòu)建穩(wěn)定、安全、具備韌性的云平臺。在數(shù)據(jù)基礎(chǔ)設(shè)施領(lǐng)域，圍繞數(shù)據(jù)湖、數(shù)據(jù)工程、數(shù)據(jù)空間可信交換等關(guān)鍵技術(shù)方向不斷深化布局，為大模型訓練與應用提供高質(zhì)量的數(shù)據(jù)支撐；在人工智能領(lǐng)域，逐步完善了從基礎(chǔ)設(shè)施到AI平臺、再到行業(yè)方案的能力體系，持續(xù)增強面向政企場景的AI產(chǎn)品與方案競爭力；同時將自身的IPD流程、工具和經(jīng)驗，都沉淀到軟件開發(fā)生產(chǎn)線，幫助政企客戶加快應用現(xiàn)代化進程。

通過在政企數(shù)智化關(guān)鍵能力領(lǐng)域的不斷持續(xù)投入，再加上長期浸沁政企市場，對政企業(yè)務和發(fā)展訴求理解深刻，華為云Stack逐步形成“智能時代更懂政企”的云服務能力體系。

在華為開發(fā)者大會2025上，華為混合云總裁肖霏提出，在智能時代，理解用戶、為細分用戶群提供具體的軟件與AI能力顯得尤為重要。他認為，主要有四類典型政企用戶：數(shù)據(jù)中心工程師、數(shù)據(jù)工程師、AI算法模型應用工程師、應用開發(fā)工程師。圍繞這四類政企用戶群體，華為云Stack從“建云、上云、用云、管云”全業(yè)務流程視角，構(gòu)建并持續(xù)強化從云平臺到數(shù)智融合，再到各類生產(chǎn)工具鏈等產(chǎn)品和方案，使能政企用戶調(diào)度好資源、治理好數(shù)據(jù)，訓練好模型，開發(fā)好應用。

會上，肖霏還正式宣布，華為云Stack將在下半年率先全面適配CloudMatrix 384超節(jié)點。這也是業(yè)界首個支持超節(jié)點的混合云，屆時，政企客戶將在本地也能建設(shè)和公有云一樣的超節(jié)點算力。

針對數(shù)智化轉(zhuǎn)型中的機遇和挑戰(zhàn)，華為云和大型政企客戶驗證了一條可行的路，那就是政企擔綱頭雁領(lǐng)航，以云+AI為核心，充分發(fā)揮海量數(shù)據(jù)和豐富場景優(yōu)勢，通過應用領(lǐng)航、數(shù)據(jù)賦能和智算筑基，重塑全行業(yè)的競爭力，搶占未來產(chǎn)業(yè)發(fā)展的制高點。

在數(shù)智化轉(zhuǎn)型的過程中，并非所有企業(yè)都有試錯的資本，有場景、有數(shù)據(jù)、有產(chǎn)業(yè)話語權(quán)的大型政企，正在和華為云等代表同行者一起，解難題、做難事，打通AI落地應用的通路。