迈向智能世界白皮书2024——全面智能化

提纲 AI对运营商网络的影响 AI商业落地迎来新一波快速发展企业如何抓住全面智能化机遇 •对全面智能化企业的憧憬•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•以自动驾驶网络，重塑企业网络体验和运维 •Network4AI: AI应用发展对运营商网络提出新需求•AI4Network：开启L4自治网络征程，实现高价值跃升 AI商业落地迎来新一波快速发展 四方面因素推动AI商业落地迎来新一波快速发展 ①大模型基础能力持续提升 •多模态：支持语音、文字、图片等多模态推理，语音互动体验达到人与人交互水平（时延<300ms、合理打断、感知和输出情绪）•强思维：结合多步生成、策略搜索等技术，提升模型高阶推理能力•长记忆：可支持的上下文长度越来越长（1M token）•低幻觉：通过AI治理规范以及RAG等技术手段，降低大模型幻觉率 ②AI Agent框架和技术逐步成熟，实现复杂业务场景感知、规划、决策、行动的自治闭环 ③推理成本大幅度下降，一年时间内推理市场价格平均降低10倍以上 ④各类AI终端涌现，AI手机、AI PC、AI眼镜、AI学习机等一系列终端推出，引入AI能力，加速AI应用落地 ToC：AI APP用户持续快速增长 •从2023年6月到2024年6月，全球AI APP用户数从1.35亿增长到2.33亿，其中中国AI APP用户规模爆发式增长，从820万增长到6170万，同比增长653.3% •面向ToC形成通用助手、内容生成、内容编辑、陪伴、搜索、教育等多种类型AI应用 ToC：各类AI终端涌现，加速AI应用落地 高阶智能驾驶和Robotaxi走进现实 终端厂家纷纷推出一系列AI终端 •2023年10月Ray-Ban&Meta推出第二代智能眼镜•2024年5月微软发布AI PC Surface Pro•2024年6月苹果发布Apple Intelligence•2024年6月华为发布Harmony Intelligence•2024年7月科大讯飞推出新一代AI学习机 •2024年4月华为发布ADS 3.0，实现车位到车位“一键”抵达，从公开道路到园区道路到地下车位的全场景贯通•萝卜快跑Robotaxi已在中国11个运营城市运营，其中武汉成为全球最大规模的Robotaxi运营城市，截至2024年7月有近千辆车在武汉运营 ToB：企业AI采用率快速提升 大模型基础能力持续提升以及AI Agent技术逐步成熟，使得 ①大模型越来越多地替代传统算法完成单点功能，比如CV、预测类②面向各行业各职能领域员工，基于角色的助手类应用成为新常态③基于业务场景的AI Agent成为企业AI落地的新方向 最新调查报告显示企业在最少一个业务功能采用AI的比例从2023年的55%大幅增大到2024年的72% 用大模型替代传统算法，完成单点功能 基于员工角色，用AI大模型构建助手应用或工具 人设定目标，由AI Agent自主完成业务场景闭环 ToB：Copilot模式和AI Agent模式行业实践 Copilot类应用面向企业不同员工角色提供辅助，提升效率。Copilot类应用面向人，有一定的容错率，是当前大模型落地的重要方向，目前在金融、运营商、医疗、电力、政府、矿山、交通等各个行业已开始广泛落地。 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，目前在金融、运营商、制造等行业都在积极探索落地基于场景的AI Agent，比如金融机构提供自主投资AI Agent，运营商提供网络优化AI Agent等。 运营商无线网优AI Agent实践：通过无线网优AI Agent实现了无线网络低速率小区指标减少了20%，网络优化周期从一天减少到一小时。 02 企业如何抓住全面智能化机遇 •对全面智能化企业的憧憬 •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•以自动驾驶网络，重塑企业网络体验和运维 对全面智能化企业的憧憬 •自适应体验：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。比如AI学习机根据学生年龄、学习进度、理解能力以及测试反馈等自动调整教学内容和难度，让每个学生在不同时刻都能获得适合自己的学习体验。 智能时代企业 •Adaptive User Experience，自适应体验•Auto-evolving Products，自演进产品•Autonomous Operation，自治的运营•Augmented Workforce，增强的员工•All-connected Resources，全量全要素全联接•AI-native Infrastructure，智能原生基础设施 •自演进产品：智能化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，比如自动驾驶汽车，越开越好。 •自治的运营：从感知、规划、决策到执行自主闭环，让业务流实现高度自治运营，比如港口通过智能计划平台，自动生成作业计划，通过自动驾驶集卡自动完成集装箱水平运输。 •增强的员工：让每个员工都有“懂我”的智能助手，高效、高质量完成每一件工作。比如运营商基站现场维护人员通过维护助手APP快速获取故障位置，故障根因以及处理建议等信息。 •全量全要素全联接：实现企业的资产、员工、客户、伙伴、生态等全互联，全量全要素全联接与实时反馈，对象/过程/规则数字化，提升信息的量，改善信息的质，构建企业数据飞轮和信息优势。 •智能原生基础设施：一方面适应智能化应用的需要，系统化构建ICT基础设施，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。 价值场景驱动，对准企业价值创造 企业迈向全面智能化，根据企业战略追求和可行性灵活选择价值场景切入和业务路径。以银行业为例：从有一定容错度、可行性较高的客服、营销、办公等日常场景（Everyday AI）切入实现快速商业闭环，逐步走向信贷、风控、投顾、资产管理等容错度低的核心价值场景（Game-Changing AI）。 华为智能化实践 华为智能化实践场景涵盖面向外部客户、面向内部客户、Everyday AI、Game-Changing AI全部四个维度 •产品+AI：如华为智能驾驶方案，竞争力提升•销售+AI：如广告位投放、门店选址、销售陪练等•工程+AI：如供需资源匹配、语音填单、智能EHS检查、自动验收•客服+AI：如降低客户问题解决时间，提升客服效率和体验•制造+AI：如智能化焊接、组装、测试、质检，提升生产效率与体验•财经+AI：如辅助合同验证，识别合同风险条款，提升作业效率 构建可持续满足企业AI应用的基础设施 关键方向 ①高质量、更丰富的训练数据是模型进化、提升企业智能水平的关键。 ②基于云，打造智能原生的算力和数据基础设施，满足企业对算力和数据持续增长的需求。③构建一站式AI模型开发和应用使能平台，满足企业模型和应用开发需求。 产生高质量、更丰富的企业数据 企业可以从以下几个维度思考产生更多高质量数据供企业AI使用 •数据觉醒：激活业务冷数据和唤醒历史归档数据，这些数据通常数据量大，含有丰富的信息，如企业档案、历史记录等。 •全数字化：企业活动全面数字化，包括业务对象数字化、规则数字化、过程数字化等，并在采集数据的频率、格式、清晰度等更多维度充分考虑AI的应用需求，做到“能采尽采”。 •合成数据：通过算法、统计模型或生成式人工智能生成企业需要的数据。合成数据具有无限量生成、隐私保护、减少偏差等优势，Gartner预测在2026年75%的企业将会用到合成数据，而在2023年仅有小于5%的企业用到合成数据。 •数据留存：数据之前被留存主要目的是作为存档以备后续查阅以及法规遵从要求，现在数据需要被留存的周期需要充分考虑AI的发展来重新审视设定，做到“能存久存”。 打造智能原生的企业算力基础设施 构建可持续满足企业AI应用的算力基础设施需考虑以下几方面关键特征 •高扩展性：支持Scaling Law可持续发展，提供规模算力，满足AI算力持续增长需求。 •高可用：面向超大规模集群设计，支持任务稳定、有效的长时间运行。 •高线性度：面向计算事务端到端设计，最小化资源开销，实现超大规模集群有效性能的线性扩展。 •高利用率：各种算力、内存和设备资源池化，统一资源调度和业务处理，支持超大规模集群。 •DC as a Computer：统一网络和总线，采用内存语义通信，做DC级计算机。 •高能效：通过液冷等系统设计，降低算力基础设施能耗。 打造智能原生的企业数据基础设施 构建可持续满足企业AI应用的数据基础设施需考虑以下几方面关键特征 •极致性能：全闪存是提升数据处理效率的最优解，结合架构创新实现大于10倍的性能提升。 •高扩展性：基于存算分离架构，实现EB级的存储容量扩展，性能随容量线性增长。 •数据韧性：通过架构冗余设计以及多层安全保护机制，实现>99.9999%高可用，>99.99%防勒索保护，秒级CKPT数据恢复。 •数据编织：构建全局数据地图，实现海量多源异构数据可视可管可用。 •新数据范式：使能向量、KV-Cache等新的数据范式，优化数据访问语义，为推理提供终生记忆，以及高精度、高性能检索。 •绿色节能：存储介质应用创新和整机硬件创新相结合，实现<1Watt/TB的存储能效，>1PB/U的存储密度。 构建一站式AI模型开发和应用使能平台 考虑业界基础模型在不断快速迭代演进，企业一般通过引入第三方闭源模型、开源模型以及自研模型等多种方式构建基础模型库，然后根据企业不同领域业务场景需求以及数据准备度构建企业/领域大模型；AI Agent是大模型应用的理想形态，基于企业大模型构建AI Agent是当前企业AI落地探索的热点方向，企业应用一般会组合使用这些能力，而实现这些企业需要构建一站式AI模型开发和应用使能平台。 一站式AI模型开发和应用使能平台包括：通过AI开发基础平台使能企业自有模型开发和管理；通过数据工程工具链和大模型开发工具链使能企业基于基础大模型和企业高质量数据快速构建和部署企业/领域大模型，包括微调、二次训练等方式；通过Agent开发工具链使能企业快速地开发各类AI Agent应用。 以自动驾驶网络，重塑企业网络体验和运维 通过引入通信大模型以及网络数字孪生，打造基于企业场景的Agent和基于角色的Copilot，实现： 企业网络面临的挑战 •全无线化办公，应用云化、视频化、协作化、智能化，员工办公体验难以全面保障•企业办公、生产、数据中心、分支及联接多云等网络规模越来越大，设备种类越来越多，日常维护范围和复杂度持续增大•业务部署涉及多个网络域，从设计、集成到验证开通周期长•病毒变种数量指数级增长，攻击智能化，安全运营和未知威胁挑战增大 •任何用户、任何设备、任何应用确定性体验 •全网运行状态实时可视，主动发现和消除网络隐患，非硬件类故障自恢复 网络零中断 •自动生成网络配置和仿真验证，新业务部署实时开通 开通零等待 •持续提升变种病毒和未知威胁检出能力，安全威胁自动处置 安全零风险 03 AI对运营商网络的影响 •Network4AI：AI应用发展对运营商网络提出新需求•AI4Network：开启L4自治网络征程，实现高价值跃升 Network4AI，AI应用发展对网络提出新需求 从人、车、物、企业的联接来看，目前看到的AI应用对网络的需求主要如下： •人的联接：AI助手实时多模态交互要达到“近人级”、”真人级”体验，对网络时延和上行带宽提出新的需求，比如“真人级”极致体