华为全联接大会2024
2024-09-27 11:54:38 1 举报
AI智能生成
华为全联接大会2024
作者其他创作
大纲/内容
全联接大会2024-共赢行业数智化
主题演讲
09/19
徐直军,拥抱All intelligence时代
六个A
Adaptive User Experience,自适应体验
如何服务客户。智能化企业应该能够感知并理解用户的行为、需求、兴趣、品味和环境变化,主动调整提供最符合用户需求的服务,能够适时和同时满足海量个性化独特需求的产品,需要从一开始就是特别设计的,而不仅仅是裁剪。
Auto-Evolving Products,自演进产品
需要打造怎样的产品。智能化时代的产品将具备自主学习,持续迭代,适应变化的能力,能够自优化和自演进
Autonomous Operation,自治的运营
企业日常如何运营。要实现业务流高度自治运营,从感知、规划、决策到执行,端到端自主闭环。
Augmented Workforce,增强的员工
员工工作体验和工作方式。要让每个员工都有一个“懂我”的智能助手,高效、高质量完成每一件工作。
All-Connected Resources,全量全要素全联接
智能化的基础。要实现企业的资产、员工、客户、伙伴、生态等全互联,所有业务对象、过程、规则实现数字化,不仅要提升信息的量,更要改善信息的质,从而使企业具备智能化必须的数据和信息基础,也就是深度、全面的数字化。
AI-Native Infrastructure,智能原生基础设施
智能原生基础设施。一方面,ICT基础设施要系统化构建,要能适应智能化应用的需要,即ICT for Intelligence,另一方面,基础设施本身的运维管理和体验保障要充分智能化,即Intelligence for ICT。
推进全面智能化战略
通过架构创新,提供可持续算力解决方案
华为云面向AI全栈升级,赋能千行百业智能化
企业需要的是根据自身不同业务场景需求,选择最合适的模型,通过多模型组合,解决问题,创造价值。
构建鸿蒙原生智能,打造全场景智慧体验
以自动驾驶网络,重塑网络体验和运维
打造自动驾驶解决方案,以安全和体验为中心,最终实现无人驾驶
共筑生态,打造统一的开发者平台,实现共赢发展
倡导和践行AI向善,增强人类、社会和环境的福祉
汪涛,共赢行业数智化
概述
人工智能与大数据等数智化技术给行业带来显著的变化,不仅加速了产品的开发进程,缩短了研发周期,而且显著提升了客户体验,改善了工作环境,促进了业务模式的创新。这些进步共同推动了整个产业的升级,为行业的数智化转型注入了强大动力。
行业数智化转型100案例
零售
全渠道零售融合:零售行业正打破线上线下界限,整合多个销售渠道,实现商品、库存、会员
信息的统一管理,为消费者提供无缝购物体验。
信息的统一管理,为消费者提供无缝购物体验。
个性化营销:利用大数据和 AI 技术,零售行业正构建起消费者洞察能力,通过分析消费者历史
购买行为数据,提供个性化购物体验,增加复购率。
购买行为数据,提供个性化购物体验,增加复购率。
智慧供应和物流:零售行业正致力于优化供应链管理,通过门店销量预测、原料订购预测、物流
配送路径优化实现智能补货和商品的高效配送,确保商品及时到达消费者手中,提高客户满意度。
配送路径优化实现智能补货和商品的高效配送,确保商品及时到达消费者手中,提高客户满意度。
智慧运营:利用 AI 大模型技术,基于 AIGC 快速生成营销文案和海报,采用数字人虚拟直播和
基于元宇宙的沉浸式购物体验,帮助商家吸引用户流量,提升企业品牌形象和增加营业额。
基于元宇宙的沉浸式购物体验,帮助商家吸引用户流量,提升企业品牌形象和增加营业额。
行业数智化转型的挑战
传统数智基础设施难以匹配创新需求
行业数智化技术应用场景选择难
行业数智化建设需要开放统一的架构指引
行业数智化安全风险不容忽视
行业数智化可持续发展依赖人才和产业生态建设
行业数智化转型实施建议
行业数智化转型建设模式
基础设施使能
端到端部署 ICT 技术基础设施,极致发挥算存网跨域协同优势,构建全量全要素的
数据联接。
数据联接。
云平台使能
在基础设施使能基础上,构建云平台及弹性、安全、可靠的云服务,使能业务平滑上云,
敏捷高效。
敏捷高效。
数据使能
在云平台使能基础上,湖仓一体,软硬协同,从端到端流程上实现数据的全面采集、整合、
分析和利用,实现数据开放流动与融合共享,数据集中化,更高效地发挥数据价值。
分析和利用,实现数据开放流动与融合共享,数据集中化,更高效地发挥数据价值。
AI 使能
在数据使能基础上,混合 AI 模型技术,通过数据驱动智能,跨组织跨部门的全链路、全
环节、全要素的融合创新,改变传统生产作业手段,支撑业务实现自主决策、自行规划和自动执行,
实现降本增效提安,加速 AI 与场景融合落地。
环节、全要素的融合创新,改变传统生产作业手段,支撑业务实现自主决策、自行规划和自动执行,
实现降本增效提安,加速 AI 与场景融合落地。
行业智能化参考架构
业务智能化成熟度模型
展望
技术进步的无限征程
人才与产业生态
科学治理
09/20
张平安,云上跃迁,AI重塑千行万业
陶景文,数转智改,实现企业持续高质量发展
数字化的深度决定智能化的高度
按三层五阶八步落地
三层,重新定义智能业务,AI开发与交付,持续运营智能应用
五阶,场景,流程,组织,数据,IT
八步,明确目标,场景识别,重置流程,组织变革,数据和知识工程,AI建模与发布,AI融入业务应用,AI持续运营
张宇昕,全线重塑,打造AI Native的云,加速行业智能化
杨超斌,构建新型基础设施,释放数智生产力
09/21
张熙伟,加速原生创新,共赢数智未来
朱勇刚,共建共享鸿蒙新世界
康宁,成就开发者,共赢根生态
专题演讲
中软国际AI全栈全场景产品与服务分论坛
开场致辞
构建政务AI Agent,动态挖掘数据价值
基于盘古构建AI水平能力与行业场景AI解决方案
中软国际鸿蒙软硬一体能力
CTSP云转型服务
场景为核,思想为魂,大模型应用之洞见
审计+大模型,解锁新场景,智领新未来
基于现有数据基础和大模型能力梯度细分重点场景应用
场景识别图,场景智能化等级 & AI技术应用成熟度
智能化时代,智能体与智能陪练基于金融行业的场景应用
提示词工程和RAG都是过渡型技术,未来看智能体
智算中心运营服务助力企业AI全栈智能加速
华为智能世界相关资料
智能世界2030
行业展望
医,食,住,行,城市,企业,能源,数字可信
通信网络2030
产业趋势
未来网络场景
下一代人机交互网络:以人为中心的超现实体验
住行合一网络:相同宽带体验的第三空间
空天地全域立体网:提供全球无缝覆盖的无边界宽带体验
工业互联网:面向智能制造、服务于人机、机机协同的新网络
算力网络:面向机器认知,联接智算中心、海量用户数据与多级
算力服务
算力服务
自智网络:无人值守自进化网络
未来网络关键技术特征
立体超宽、确定性、智能原生、通
信感知融合、安全可信、绿色低碳是通信网络
2030 架构演进的方向。
信感知融合、安全可信、绿色低碳是通信网络
2030 架构演进的方向。
计算2030
宏观趋势
2030 年,AI 成为新质生产力,大模型成为智能底座,使能千行百业
计算将迎来创新的黄金 10 年,软件、算法、架构、材料的创新和突破将开启智能、绿色、安全的计算新时代。
未来计算场景
更聪明的 AI
大模型成为智能时代的基础设施, Scaling law未来几年持续有效,AI将跨过奇点,再次迎来爆发期。
更普惠的 AI
以大模型为代表的 AI 技术全面进入人们的生活,彻底丰富人们的衣食住行,让我们更高效的思考、创作、学习,
让优质稀缺的资源变得更加容易获得,大幅提升生活质量和工作效率。
让优质稀缺的资源变得更加容易获得,大幅提升生活质量和工作效率。
更纵深的感知
预计到2030年,全球联接总数将达到两千亿,传感器的数量达到百万亿级,感知智能让海量数据的采集、分析成为可能,
让更多的行业获得感知自我的能力,并通过云端的数字孪生与物理世界形成协同,驱动行业的数字化创新。
让更多的行业获得感知自我的能力,并通过云端的数字孪生与物理世界形成协同,驱动行业的数字化创新。
超越现实的体验
预基于 VR/AR、元宇宙、生成式 AI 等技术打造的超越现实的体验,将极大改变我们的生活方式、工作方式和娱乐方式,
在沉浸式娱乐、虚拟教育、远程协作、旅游探索、艺术创意等领域产生重大影响,将创造一个更加互联、敏捷和充满活力的未来世界。
在沉浸式娱乐、虚拟教育、远程协作、旅游探索、艺术创意等领域产生重大影响,将创造一个更加互联、敏捷和充满活力的未来世界。
更精确地探索未知
数字世界算力的规模决定了物理世界探索的广度和深度。2030年,计算将在更多的领域帮助科学家解决基础性问题。
更准确地模拟现实
计算能力的不断提升,推动着仿真模型的快速发展,生成式人工智能的爆发,可以更加高效地创建仿真模型,让人类更准确地模拟现实。
数据驱动的业务创新
数据将成为驱动业务创新的核心力量,通过先进算力充分挖掘数据价值,可快速响应变化,
推动高效创新和业务增长,实现独特的竞争优势,塑造未来商业新格局。
推动高效创新和业务增长,实现独特的竞争优势,塑造未来商业新格局。
更高效的运营效率
通过人工智能、大数据、云计算等新技术,可以显著提升运营效率,实现业务快速增长和长期成功。
愿景及关键特征
数据存储2030
未来数据存储场景
愿景及关键特征
云计算2030
宏观趋势
2030年,云将无处不在,预计约 30 亿智能设备端侧算力上云;智能将无所不及,15 亿企业员工将拥有自己的智能助手,
80% 的企业应用基于 AI 开发或重构;物理世界将被重塑,三维空间数据量将是现在的 106 倍,大约 5 亿人进入虚实结合的空间计算世界。
80% 的企业应用基于 AI 开发或重构;物理世界将被重塑,三维空间数据量将是现在的 106 倍,大约 5 亿人进入虚实结合的空间计算世界。
未来行业场景
关键技术特征
ICT服务与软件2030
宏观趋势与展望
新技术、新业务、新范式等带来无限新可能,引发无限新畅想,同时也引入诸多不确定性
服务 +AI:如面向千行百业,万物“智”连,新业务 SLA 带来的不确定性,网络故障爆炸半
径“逐渐变大”,如何实现从面向“网络”走向面向“业务”的运维;数据和知识管理作为
Gen AI 和大模型技术的关键能力将重新改写人类学习和赋能的方式,如何驾驭未来智能人才
发展等等,这些都是服务需要为 AI 做的事情
径“逐渐变大”,如何实现从面向“网络”走向面向“业务”的运维;数据和知识管理作为
Gen AI 和大模型技术的关键能力将重新改写人类学习和赋能的方式,如何驾驭未来智能人才
发展等等,这些都是服务需要为 AI 做的事情
服务 AI+:如大模型,机器人,具身智能体已成为未来服务模式不可分割的一部分,如何通过
Agent+ 工具 + 人的模式改变传统以人 + 平台的模式,提升规建维优营培效率,改善成本和模式,
这些是 AI 需要帮助服务做的事情。
Agent+ 工具 + 人的模式改变传统以人 + 平台的模式,提升规建维优营培效率,改善成本和模式,
这些是 AI 需要帮助服务做的事情。
未来场景
愿景及核心技术
迈向智能世界白皮书2024
AI商业落地迎来新一波快速发展
ToC
AI APP用户持续快速增长
各类AI终端涌现,加速AI应用落地
ToB
企业AI采用率快速提升
Copilot模式和AI Agent模式行业实践
AI Agent是大模型应用的理想形态,它是一个能
够感知环境、做出决策并采取行动的自主智能体,
有自主性、适应性、交互性等特征,是企业走向
高度自治运营的关键
够感知环境、做出决策并采取行动的自主智能体,
有自主性、适应性、交互性等特征,是企业走向
高度自治运营的关键
企业如何抓住全面智能化机遇
对全面智能化企业的憧憬
6A
价值场景驱动,对准企业价值创造
构建可持续满足企业AI应用的基础设施
智能体
研究
甲子光年-中国AI Agent 行业研究报告-202404
12个领域,100+细分AI Agent潜力场景
制造
物流
电商
用户行为分析
AI Agent 能够根据用户的购物历史、浏览行为和偏好,提供个性化的产品推荐。这种推荐不仅能够提
高用户的满意度,还能增加销售额和客户忠诚度。
高用户的满意度,还能增加销售额和客户忠诚度。
个性化推荐系统
AI Agent 能够根据用户的购物历史、浏览行为和偏好,提供个性化的产品推荐。这种推荐不仅能够提
高用户的满意度,还能增加销售额和客户忠诚度。
高用户的满意度,还能增加销售额和客户忠诚度。
智能客服与支持
通过自然语言处理和机器学习技术,AI Agent 可以自动回答用户的咨询,处理订单问题和退货请求。
这不仅提高了客户服务的效率,还能释放客服人员的时间,让他们处理更复杂的任务。
这不仅提高了客户服务的效率,还能释放客服人员的时间,让他们处理更复杂的任务。
语音助手与购物体验
AI Agent 可以集成到智能音箱和手机应用中,让用户通过语音命令进行购物。用户可以询问产品信息、
下单购买,甚至获取促销信息,这种无缝的交互体验极大地提升了购物的便捷性。
下单购买,甚至获取促销信息,这种无缝的交互体验极大地提升了购物的便捷性。
内容生成与营销
AI Agent 可以帮助企业生成吸引人的产品描述、营销文案和社交媒体内容。通过分析市场趋势和用户
反馈,AI Agent 能够创作出符合用户兴趣和需求的内容,提高营销效果。
反馈,AI Agent 能够创作出符合用户兴趣和需求的内容,提高营销效果。
库存管理与需求预测
利用大数据分析和机器学习,AI Agent 能够预测产品需求,帮助企业优化库存水平。这不仅可以减少
库存成本,还能确保产品供应与市场需求相匹配。
库存成本,还能确保产品供应与市场需求相匹配。
价格优化
AI Agent可以分析市场动态、竞争对手定价和用户行为,为电商企业提供动态定价建议。这种实时的
价格调整策略有助于最大化利润和竞争力。
价格调整策略有助于最大化利润和竞争力。
售后服务与反馈分析
AI Agent可以分析市场动态、竞争对手定价和用户行为,为电商企业提供动态定价建议。这种实时的
价格调整策略有助于最大化利润和竞争力。
价格调整策略有助于最大化利润和竞争力。
多渠道营销集成
AI Agent 可以帮助企业在多个营销渠道(如电子邮件、社交媒体、移动应用等)上实现自动化和个性
化的营销活动,提高用户参与度和品牌曝光度。
化的营销活动,提高用户参与度和品牌曝光度。
普林斯顿大学-AI Agents That Matter-20240702
AII智能体的基准测试研究
Roboraction.AI-Levels of AI Agents
L0—无 AI,仅使用工具(具有感知能力)加上行动
L1—使用基于规则的 AI
L2—用基于模仿学习/强化学习(IL/RL)的 AI 替换基于规则的 AI,并增加推理与决策能力
L3—采用基于大语言模型(LLM)的 AI 代替基于 IL/RL 的 AI,并且增设记忆与反思功能
L4—基于 L3 级别,促进自主学习与泛化能力
L5—基于 L4 级别,附加个性(情感 + 性格)以及协作行为(多代理)
应用
通义灵码AI程序员
实现功能
需求自动实现
缺陷自动修复
研发问答
预置了三种服务
用于快速搭建微服务的 SpringBoot
轻量级 Python 框架 Flask
用于构建用户解码的高效且灵活的 JavaScript 库
AI 程序员更像是一个可以在用户指挥下自主工作的开发者。用户本身只需要检查 AI 程序员的生成结果并点击「确认」或提出修改意见即可
架构
一个基于大模型的 AI Agent 系统可以拆分为大模型、规划、记忆与工具使用四个部分。AI Agent通过大模型的思维链能力实现
规划(任务分解),用有限的上下文长度实现更多的记忆,通过调用外部工具实现能力的拓展。
规划(任务分解),用有限的上下文长度实现更多的记忆,通过调用外部工具实现能力的拓展。
可选话题
信息技术2030年发展展望
AI建设方法论,包括场景识别,成熟度评估等
智能体,落地实践与效果评估研究
AI在提升研发效能中的应用
收藏
收藏
0 条评论
下一页