在 HC2025，華為云沒有喊口號，而是拋出一份行業(yè)路線圖：算力是黑土地，Agent 是 PaaS，大模型是硬工具，機器人接上云大腦，全球化以客戶成功驗證。務(wù)實，卻直指產(chǎn)業(yè)落地。

編輯：前沿在線 編輯部

過去兩年，AI 的節(jié)奏快得讓人眼花。

一個個新名詞接連上場：大模型、AIGC、智能體（AI Agent）。

朋友圈熱鬧非凡，資本市場的熱度一輪接一輪。

可很多企業(yè) CTO 和產(chǎn)品經(jīng)理心里都清楚：真正跑到生產(chǎn)一線的，還沒幾個。項目上線最怕兩件事——成本算不過來，系統(tǒng)跑不穩(wěn)。

于是，AI 行業(yè)正從一度的狂熱，走向一個更現(xiàn)實的問題：怎么落地？

就在這樣的背景下，華為在上海舉辦了華為全聯(lián)接大會2025。今年的氛圍有點不一樣：往年更多在談“未來”，而這次的重點是“今天能跑起來的東西”。

在主題演講環(huán)節(jié)，華為常務(wù)董事、華為云計算 CEO 張平安拋出了一句很形象的話：“做厚算力黑土地?！?/strong>

這句話立刻成了當天的關(guān)鍵詞。

如果說電力的比喻強調(diào)“隨開隨用”，黑土地則更強調(diào)“肥力”和“可持續(xù)”。你要先把土養(yǎng)厚，才能不斷長出作物。

這句話也成了理解華為云此次大會的關(guān)鍵鑰匙。

在接下來的議程里，它拋出了五張牌：

• 算力是黑土地：CloudMatrix、EMS、Token服務(wù)，把底座做厚；

• Agent是PaaS：Versatile智能體平臺，幫助千行萬業(yè)快速開發(fā)出各種AI Agent，更敏捷地創(chuàng)新、更高效地服務(wù)自己的客戶；

• 大模型是硬工具：盤古大模型嵌入行業(yè) Know-how，解難題、做難事；

• 具身智能是延伸：CloudRobo具身智能平臺，把機器人的“腦子”搬到云上；

• 全球化是舞臺：從土耳其到巴西，用客戶成功來驗證路線。

這五大信號，拼在一起，就是華為云版的行業(yè)智能化路線圖。

說實話，AI 行業(yè)的發(fā)布會我們看過不少，“顛覆”“重構(gòu)”“改變世界”這樣的口號也聽過太多。

但這次，華為云給人的感覺更像是一位務(wù)實的農(nóng)夫：先把地翻好，再談豐收。

這種敘事雖然樸素，卻可能更貼近產(chǎn)業(yè)落地的邏輯。

算力是黑土地：AI 生長的前提

在 HC2025大會期間，張平安“做厚算力黑土地”這句話一出，很多人眼前一亮。過去我們更常聽到的比喻是“算力像電力”，隨開隨用，越多越好。但華為把它比作“黑土地”，味道完全不一樣。電是一錘子買賣，插上插座就能亮一下；土地講的是肥力，講的是能不能長出作物、能不能持續(xù)豐收。

這種說法的背后，其實是對今天 AI 行業(yè)的一種冷靜判斷：再聰明的大模型、再花哨的 Agent，如果沒有穩(wěn)定、充足、可擴展的算力，最后都會長不大。

在HC2025上，華為云圍繞“黑土地”拋出了幾張牌：

• CloudMatrix 超節(jié)點：從384超節(jié)點，到未來的8192卡超節(jié)點，再到 50 萬到 100 萬卡規(guī)模的集群，企業(yè)不需要自己一塊塊拼 GPU，而是可以像“租地”一樣，直接用現(xiàn)成的肥沃土壤。

  
  

• EMS（彈性內(nèi)存存儲服務(wù)）：大模型訓(xùn)練的顯存天花板，一直是行業(yè)痛點。EMS 的思路是把壓力分流到內(nèi)存和存儲，就像在農(nóng)田里修好水渠和倉庫，作物需要時隨時調(diào)配，不必死卡在一塊地里。CloudMatrix384 已支撐‘磐石·科學(xué)基礎(chǔ)大模型’等科研項目，覆蓋中科院 100+ 院所；EMS 用于突破顯存瓶頸、以存強算（示意為訓(xùn)練/推理通用能力），兩者共同夯實底座。

• AIToken 服務(wù)：如果說 CloudMatrix 是地，EMS 是水渠，那 Token 服務(wù)就是“電表”。推理成本是大模型落地的最大門檻之一。華為云把算力按 Token 粒度售賣，讓企業(yè)能像買電一樣透明、可計量。官方還展示了自研 NPU在同等時延下，對比中國特供 H20，平均單卡性能 3–4 倍。

• 全液冷數(shù)據(jù)中心：土地不僅要厚，還要能養(yǎng)得久。華為云提出，要讓機柜從 10kW 演進到 200kW，靠的就是全液冷技術(shù)。PUE（能源利用效率）能做到 1.1，比行業(yè)平均低很多。這些聽上去很硬核，但不是紙上談兵。360 的納米AI就是個典型考題： 一方面，它要跑多達千步的復(fù)雜推理，單個任務(wù)就能吃掉 500 萬到 3000 萬 Tokens；另一方面，用戶量成倍增長，Token 消耗比傳統(tǒng) AI 搜索高出百倍，并發(fā)和延遲就是生死線。 過去多智能體協(xié)作常?？ㄔ凇盎ハ啻蚣堋?。納米AI的解法是多智能體蜂群：讓專家 Agent 隨時“拉群”，還能共享記憶，真正跑出異步并行的規(guī)模效能。

要讓蜂群穩(wěn)跑，底座必須硬。華為云把核心模型部署在CloudMatrix384 超節(jié)點上： 384 顆昇騰 NPU + 192 顆鯤鵬 CPU，等于一臺超級 AI 服務(wù)器，算力近 50 倍提升，帶寬 10 倍拉升。再疊加xDeepServe分布式推理框架和EMS 彈性存儲，把 MoE 模型拆解成模塊流水線處理，打破“內(nèi)存墻”。

最終效果是顯著的：納米AI 每天能穩(wěn)定處理上千萬次生成請求，從一個“單一工具”進化成了生態(tài)平臺。

制造業(yè)的故事同樣扎實。美的集團依托華為云和中李云，搭建“雙活”資源底座，可以主動感知業(yè)務(wù)負載，在高并發(fā)/峰谷切換下依舊穩(wěn)態(tài)運行。AI 預(yù)測、質(zhì)檢、供應(yīng)鏈協(xié)同都能像“即取即用”的算力池一樣落到車間。

除此之外，科大訊飛、高教社等也用 CloudMatrix384 跑通了大模型推理和超長文本處理，覆蓋教育、出版、政務(wù)等場景。

從這些案例里，你能看到“黑土地”不是比喻，而是真正承載了千行百業(yè)的作物。算力的厚度，決定了智能化的廣度。

為什么要強調(diào)“黑土地”？因為土地的特性是：要持續(xù)耕耘，才能不斷產(chǎn)出；能長出不同作物，不會局限在單一用途；肥力的高低，決定了整個生態(tài)能不能繁榮。

這其實也映照了今天 AI 行業(yè)的現(xiàn)實。大家談大模型、談 Agent，熱度很高，但最終能不能長出實實在在的成果，要看背后那片地是不是夠厚。

華為云想告訴外界的是，它要做的不是把地“臨時租來種一茬”，而是把土真正養(yǎng)厚，讓上面的大模型、Agent、機器人都能扎根。

Agent 是 PaaS：企業(yè)的新支撐層

如果說“黑土地”是本次大會的底色，那么最熱的“作物”無疑就是Agent。

過去一年，AI 圈子里幾乎沒人沒聽過這個詞：自主智能體，能寫代碼、能跑任務(wù)、能接流程。但熱鬧歸熱鬧，真要在企業(yè)里落地，問題不少。開發(fā)難度高，運行經(jīng)常崩潰，場景也很零散。很多 CTO 看過一圈之后的感覺是：Agent 看起來很酷，但離企業(yè)生產(chǎn)系統(tǒng)還有一段距離。

華為云在大會上的回答是：別把 Agent 當成一個玩具或 Demo，要把它當成企業(yè)的新PaaS。

華為云推出企業(yè)級Agent平臺Versatile，張平安用2個詞來概括：極簡開發(fā)、高效運行。這正是踩中了企業(yè)最關(guān)心的痛點：少寫代碼，跑得穩(wěn)，不瞎出錯，還能和現(xiàn)有系統(tǒng)對接。

最直觀的變化是開發(fā)門檻。以前要寫一個 Agent，工程師得手工寫 Prompt、拼API、調(diào)試無數(shù)次。Versatile 平臺提出的思路是“NL2Agent”，一句自然語言就能生成智能體。比如輸入一句話：“幫我做一個自動化的合同審核流程”，平臺就能自動生成對應(yīng)的 Agent，把大模型、工具和數(shù)據(jù)接口拉通。

這和很多開源框架（像 LangChain、Dify）有點相似，但不同點在于：Versatile 更強調(diào)企業(yè)級穩(wěn)態(tài)。它不是只跑個演示，而是要在沙箱里把執(zhí)行邏輯跑通，讓企業(yè)敢放心接入生產(chǎn)。

案例也都很“接地氣”。比如慧通差旅，用 Agent 自動生成報銷單、處理審批，財務(wù)流程快了不止一倍；中國太保，用 Agent 寫保險方案和理賠文書，客服效率大幅提升；中山眼科醫(yī)院，醫(yī)生有了 Agent 幫忙做病歷摘要和影像報告，每天能省下好幾個小時；南方電網(wǎng)、萬華化工，也都在試著讓 Agent 幫員工做巡檢、生成工單。

這些故事的共同點是：不是秀一段炫酷 Demo，而是真接入了企業(yè)的業(yè)務(wù)流。企業(yè)在意的從來不是“能不能?？帷保恰澳懿荒芘芊€(wěn)”。

所以華為云為什么要把 Agent 定位為 PaaS？因為它正好補上了 AI 時代軟件架構(gòu)的一塊空白。它不是 SaaS（單一應(yīng)用），也不是 IaaS（單純算力），而是一個智能中臺：能調(diào)模型、接數(shù)據(jù)、跑業(yè)務(wù)邏輯。說白了，它更像一層新的“應(yīng)用支撐層”，企業(yè)可以在這上面孵化出屬于自己的 Agent。

這其實也是一種平臺化思路：別人還在用 Agent 做炫技 Demo 的時候，華為云已經(jīng)在謀劃怎么讓它變成企業(yè)軟件的新基建。

大模型是硬工具：盤古的行業(yè)路線

在會場上，張平安說了一句很樸素的話：“盤古要做的，是解難題、做難事。”

這句話聽上去平淡，但放在今天的大模型語境里，卻顯得有點“逆潮流”。

過去兩年，大模型廠商拼命卷“通用 IQ”：誰的參數(shù)更多、速度更快、榜單分數(shù)更高，就能在朋友圈收割掌聲。可問題是，一旦落到具體行業(yè)，這些“全能模型”經(jīng)常掉鏈子：醫(yī)生問病歷，模型一本正經(jīng)胡說八道；金融分析，寫得文采飛揚卻犯了低級邏輯錯誤。

企業(yè)要的不是會聊天的模型，而是能解決實際問題的硬工具。

盤古的打法就是把經(jīng)驗沉淀下來。為讓大模型增訓(xùn)更好地匹配企業(yè)業(yè)務(wù)場景的實際需求，華為云將行業(yè)Know-how沉淀到ModelArts一站式AI開發(fā)平臺上，根據(jù)企業(yè)的實際場景，提供知識的最優(yōu)數(shù)據(jù)配比、基礎(chǔ)模型增訓(xùn)的最佳配置以及模型效果與精度評測系統(tǒng)。

為啥不是在通用榜單上跑分，而是和行業(yè)專家一起定標準，看模型在醫(yī)院、鋼廠、機場里的表現(xiàn)。在全聯(lián)接大會 上的幾個案例，挺能說明問題。

• 南航：南方航空采用盤古大模型跨模態(tài)預(yù)測技術(shù)，實現(xiàn)18個月的客流量與平均票價預(yù)測，準確率達到90%，顯著提升航司運營收益。

  
  

• 中國農(nóng)科院：基于盤古大模型和科學(xué)計算模型，用AI驅(qū)動海量農(nóng)業(yè)知識、百億級生物數(shù)據(jù)，構(gòu)建了農(nóng)業(yè)科學(xué)發(fā)現(xiàn)大模型，研發(fā)周期縮短超過50%。如今盤古大模型已在30多個行業(yè)、500多個場景中落地，在政務(wù)、金融、制造、醫(yī)療、煤礦、鋼鐵、鐵路、自動駕駛、氣象等領(lǐng)域發(fā)揮巨大價值。

這些不是“會聊天”的段子，而是真金白銀的行業(yè)收益。

到目前為止，盤古大模型已經(jīng)在30多個行業(yè)、500 多個場景中落地，從政務(wù)到金融，從制造到醫(yī)療，從鋼鐵到自動駕駛，幾乎都有落地案例。

它和 GPT-5、Claude 最大的不同在于：后者卷的是“通用 IQ”，盤古卷的是“行業(yè) Know-how”。優(yōu)勢是難以復(fù)制，一旦在鋼鐵、農(nóng)業(yè)這種場景沉淀下來，別人想抄都抄不走；挑戰(zhàn)是沒法做成爆款，不會像 ChatGPT 那樣一夜之間吸引幾億用戶。

這也算是華為云的性格：工程化、行業(yè)化，不趕潮流，但愿意啃硬骨頭。張平安那句“做難事”，其實就是給市場打了個預(yù)防針——這條路不會快，但可能更穩(wěn)。

也就是說在別人還在秀大模型 IQ 的時候，華為云選擇把盤古變成行業(yè)里的硬工具。

具身智能是延伸：機器人接上“云大腦”

如果說大模型是“腦子”，那機器人就是“身體”。

問題在于，這副身體一直不夠靈光：要么本體塞滿算力模塊，笨重又貴；要么缺數(shù)據(jù)，動作學(xué)得生硬；再或者，部署成本太高，難以規(guī)?；涞?。

在 全聯(lián)接大會上，華為云給出的答案是：讓機器人不必獨自背著“大腦”，而是把復(fù)雜的感知、規(guī)劃和決策，交給云來算。

現(xiàn)場演示里，分揀機器人動作流暢了許多。并不是因為它突然裝上了更強的 GPU，而是背后接上了華為云的算力。本體更輕，像是只保留了“手腳”；真正的“腦子”，放在云上。

這種思路和手機的發(fā)展很像。早期智能機啥都要本地算，結(jié)果又慢又卡。后來云端越來越強，本地負擔減輕，體驗才真正起來。

另一個難點是數(shù)據(jù)。要教機器人一個動作，通常需要大量真實樣本。但你不可能讓機械臂 24 小時不停搬箱子，幾年才能攢夠數(shù)據(jù)。CloudRobo具身智能平臺的辦法是在開發(fā)階段使用虛實結(jié)合的數(shù)據(jù)生產(chǎn)，一次采用，便能在蘊含物理規(guī)律的數(shù)字孿生世界生成不同姿態(tài)、光照、材質(zhì)下的訓(xùn)練樣本，規(guī)模比真實數(shù)據(jù)放大上千倍。就像給機器人建了一片“虛擬農(nóng)田”，讓它提前在里面練熟。

效果如何？上海國地中心的案例很典型。他們把真實采集和合成數(shù)據(jù)結(jié)合起來訓(xùn)練，分揀機器人在真實場景下的任務(wù)成功率超過了 90%。要知道，過去很多炫酷演示的機器人，一進倉庫成功率就掉到慘不忍睹。

更長遠的布局是R2C 協(xié)議。這是一套讓機器人和云“說同一種語言”的通信標準，類似當年物聯(lián)網(wǎng)的統(tǒng)一協(xié)議?，F(xiàn)在已有 20 多家企業(yè)加入，包括華龍訊達、非夕、億嘉和，覆蓋制造、物流、巡檢、康養(yǎng)等領(lǐng)域。它的意義在于：不僅有了平臺，還要有生態(tài)，才能真正跑起來。

在我看來，CloudRobo具身智能平臺有點像華為云的“延伸戰(zhàn)役”。當大模型和 Agent 已經(jīng)占據(jù)了行業(yè)話題的中心，華為云提前把手伸向了具身智能。因為三五年后，機器人產(chǎn)業(yè)大概率會爆發(fā)：無論制造業(yè)、物流還是養(yǎng)老護理，都會需要大量“能干活”的機器。問題是，它們能不能跑穩(wěn)。

為此在華為云的敘事里，機器人不是孤立的硬件，而是云上長出的“新器官”。

全球化是舞臺：用客戶成功來驗證

本次大會的最后一個重頭戲，不是在 PPT 上，而是在客戶故事里。因為所有算力、大模型、Agent、機器人，如果只停留在國內(nèi)市場，還只是半張地圖。

華為云這次講得很直接，華為高級副總裁、華為云全球Marketing與銷售服務(wù)總裁楊友桂強調(diào)“全球一張網(wǎng)，數(shù)智雙引擎”。

在現(xiàn)場，楊友桂分享了數(shù)智化時代下，華為云幫助企業(yè)實現(xiàn)全球業(yè)務(wù)成功的創(chuàng)新技術(shù)和經(jīng)驗思考。

他以土耳其零售商 Defacto舉例。 每逢大促，網(wǎng)站流量幾分鐘內(nèi)暴漲十倍。過去，不少電商系統(tǒng)都會在擴容不及時崩掉。Defacto 上了華為云的容器服務(wù)后，系統(tǒng)能在 30 秒內(nèi)自動擴容 4000 個 Pods，頁面加載從 1.5 秒縮短到 260 毫秒。對消費者來說，就是多點幾件衣服也不會卡。 這背后其實很簡單：企業(yè)不要口號，要的是關(guān)鍵時刻“頂?shù)米　薄?/strong>

另一個例子來自巴西最大的數(shù)據(jù)智能技術(shù)公司 Neogrid，客戶遍布零售和制造業(yè)。過去他們的數(shù)據(jù)分散在不同系統(tǒng)，像一堆沒整理的賬本。用了華為云的數(shù)據(jù)倉庫服務(wù)DWS 之后，整體效率提升了 40%，數(shù)據(jù)分析效率提升50%。對零售業(yè)來說，這等于少虧了幾千萬美元。

國內(nèi)也有類似故事。比如全球化工巨頭萬華化學(xué)：基于盤古預(yù)測大模型實現(xiàn)預(yù)測性維護（準確率 70%→90%），并在 VersatileAgent開發(fā)平臺上打造 SOP 審核 Agent，審核效率提升50%以上；南方電網(wǎng)：圍繞配網(wǎng)等海量數(shù)據(jù)，探索以智能體提升數(shù)據(jù)研判與決策效率；華為聯(lián)合中國聯(lián)通等，為長安汽車打造“一云一網(wǎng)一平臺”，以數(shù)據(jù)驅(qū)動柔性制造，5G+IoT 連上 1.2 萬臺設(shè)備，訂單交付周期從 21 天縮短到 15 天。

這些案例拼起來，其實是在告訴外界：華為云不只是賣算力，而是要做產(chǎn)業(yè)合伙人。

當然，全球化的挑戰(zhàn)擺在那里：政策和合規(guī)的門檻，市場對中國廠商的敏感，本地生態(tài)的磨合……沒有一個是容易的。但這次華為云打的牌有兩張：

• 全球一張網(wǎng)：強調(diào)網(wǎng)絡(luò)和算力節(jié)點統(tǒng)一調(diào)度，減少跨境延遲；

• 數(shù)智雙引擎：既有算力，也有一站式AI應(yīng)用開發(fā)平臺，讓企業(yè)“一站式”上云用 AI。

此外，深耕行業(yè)30多年的華為在數(shù)字化領(lǐng)域也積累了豐富的經(jīng)驗，還將離散的成功實踐系統(tǒng)化，打造可復(fù)制的 "行業(yè)智能化參考架構(gòu)"，并以云服務(wù)的方式提供給客戶，賦能企業(yè)高質(zhì)量發(fā)展。

和 AWS、Azure 賣算力的打法不同，這更像是用“AI+云”的組合拳切入市場。

在我看來，更關(guān)鍵的是他們用客戶成功來做背書。Defacto、Neogrid、萬華、長安……這些名字比任何技術(shù)參數(shù)都更有說服力。因為企業(yè)真正關(guān)心的，從來不是“你能喊出多大口號”，而是“別人用了有沒有跑穩(wěn)”。

總而言之，全球化，不只是舞臺，也是華為云用來驗證這條路線圖的試金石。

厚土才能長遠

把 全聯(lián)接大會看下來，最大的感受是：這不是一場單純的技術(shù)秀，而是一份面向未來的行業(yè)路線圖。

從“做厚算力黑土地”，到“Agent 是 PaaS”；從大模型的硬工具，到具身智能的延伸；再到全球化的舞臺，每一步都在強調(diào)同一個核心——AI的落地，必須從厚實的基礎(chǔ)走起，才能真正成就行業(yè)先鋒。

在今天的 AI 賽道上，熱鬧不缺，但耐心稀缺。華為云選擇了一條“耕地”的路：先把土地養(yǎng)厚，再讓作物茁壯成長。這種務(wù)實而堅定的思路，也許沒有“顛覆”兩個字來得驚艷，但它更接近產(chǎn)業(yè)的真實邏輯。

未來幾年，AI 還會不斷演進，但有一點不會變：只有厚實的“黑土地”，才能支撐起千行百業(yè)的長久繁榮。

華為云想做的，正是這片黑土地。

前沿動態(tài)前沿大會

前沿人物

點「在看」，給前前加雞腿