推进全面智能化。
4月17日，第21届华为分析师大会在深圳开幕。作为全球最大信息通信技术设备提供商，华为分析师大会是华为向业界传递对行业理解洞察的舞台。那么，这届分析师大会透露什么？
全面智能化
据了解，这次大会以“全面智能化，跃升数智生产力”为主题，和全球500多名分析师、智库机构等共同探讨面向智能时代的前沿趋势、产业发展方向、行业数智化创新应用话题。
华为副董事长、轮值董事长徐直军在主题演讲中表示，2024年华为将重点面向 “抓住智能化战略机遇，推进全面智能化”的关键战略落地。全面智能化战略一方面指为人工智能关键技术发展，尤其是大模型训练和推理提供可持续的算力，构建共赢的生态；另一方面是用AI增强华为产品和解决方案的竞争力。
华为副董事长、轮值董事长徐直军表示，2024年华为将重点面向 “抓住智能化战略机遇，推进全面智能化”的关键战略落地。
其中包括，以昇腾云服务与盘古大模型使能行业智能化，打造自动驾驶网络革命性改变通信网络运维模式，打造自动驾驶解决方案最终实现无人驾驶，基于盘古大模型打造超级智慧助手小艺。与此同时，把AI引入华为内部管理持续提升运营效率，投资AI基础研究推动人工智能持续创新，积极参与全球AI治理，在产品设计中、产品发布前做好AI治理，也是战略落地必不可少的重点措施。
徐直军强调，自2018年10月发布华为AI战略及全栈全场景AI解决方案以来，华为一直在坚定地执行战略和打造AI解决方案，持续推进全面智能化。
通用人工智能的挑战与应对
在华为分析师大会上，华为战略研究院院长周红做了题为《面向智能时代的思考和展望》的主题演讲。关于在通往通用人工智能的道路上有哪些重要挑战，周红认为有三个挑战认知偏差、性价比以及如何创造价值。
关于在通往通用人工智能的道路上有哪些重要挑战，华为战略研究院院长周红认为有三个挑战认知偏差、性价比以及如何创造价值。
关于认知偏差。近期有多篇研究论文表明，在传统的学习方法和有限的训练数据下，单纯的大语言模型很难甚至无法真正学会四则运算，这方面还不如计算器。除此之外，大语言模型也很难理解和回答如何用天秤找出假币的问题。为了探索和扩展大语言模型和Scaling Law的极限，人们开始尝试有监督的微调（SFT）、逆向训练（RT）、检索增强生成（RAG）、Q*分步验证、混合专家（MOE）、思维链（COT）、代理和工具调用等新的想法。
关于提升性价比。尽管超级计算机的算力远超人脑，但在能效和成本方面都存在着巨大的挑战。目前，一台2,000万瓦高性能计算机可以提供大约1,000 PFLOPS的算力，而一个20瓦的人脑可以提供30 PFLOPS的算力，能效几乎是前者的30,000倍。在AI应用方面，目前一个大语言模型每天需要消耗近50万度电来回答近2亿个问题。试想一下：如果未来十年，我们需要1,000倍的算力，但无法显著提升能效，那几十座核电站可能都不足以满足这样一个耗电的单一功能大模型的需求。
关于如何创造价值。应用是AI的终极目标。我们需要基于基础模型开发各种基于行业和场景的模型、工具和生态，从而创造更多客户价值和更好的用户、伙伴和开发者体验。周红认为，除了少数几个大型、非常昂贵的训练模型之外，广泛部署高效、低成本的中、小、微型推理模型，对于AI的普及应用更加重要和迫切。
应对这些挑战，周红提出四个建议，以提高准确性、适应性、创造性和效率。首先是发展多种智能；其次是发展基于自治代理的开放智能系统；再次是构建新计算模式、新架构、新部件，提升效率；最后是从系统工程的角度来发展AI。
指导：辛文
采写：党博文
