華為發佈AI行業落地新路徑:“七步法”、“垂直作戰組織”、“DIMAK”

2026年9月18日 10:14
站內 AI 整理稿

作者 | ZeR0 編輯 | 漠影 9月18日報道,今日,在華為全聯接大會2026上,華為發佈了“AI落地七步法”與“DIMAK工程體系”,依託行業垂直作戰組織,以“新方法、新組織、新工具”破解Agentic AI深度嵌入行業核心場景、規模化應用難題。“AI落地七步法”是面向行業推動場景落地的關鍵步驟路線指南,回答“怎麼走”; “DIMAK”工程體系,則回答“用什麼走“,提供五類工程工具,支撐企業快速用好AI。華為還發布了《Agentic Enterprise 企業智能化白皮書》,並公佈了157個數智化轉型實戰案例,為全球產業智能化升級提供參考。

“企業流程未來將圍繞人和人工智能協同設計,這不是在舊馬車上裝發動機,而是要重新設計一輛汽車。”華為監事會副主席陶景文談道,為此,華為提出以“新方法、新組織、新工具”,搭建算力與場景的“路與橋”,讓AI沿價值業務流實現蓋爾定律式的擴散,完成從單點智能向系統智能升級和跨越,幫助千行百業善用AI。一、新方法:“七步法”讓AI紮根生產系統 對於Agentic AI深度嵌入企業系統的難題,陶景文表示,華為總結了“AI落地七步法”,從核心場景切入,形成“小切口、大縱深”,並沿價值業務流進行擴散,旨在為產業智能化提供一張可複製的路線圖。

該方法涵蓋“洞悉行業商業邏輯、選擇行業核心場景、技術與工程攻堅、核心場景部署投產、沿價值業務流擴散、行業生態發展合作、持續提升行業智能水平”七大步驟,核心體現在三個維度。選準場景:“找到對的場景,就成功了一半。”強調由業務專家與AI技術專家組建聯合團隊,沿價值業務流,運用“場景十二問”方法論精準鎖定高價值生產場景。深度紮根:區別於停留在演示層面的實驗性AI,“七步法”以真實上線、投產運行為目標,要求從MVP(最小可行產品)到投產,需集成到生產系統,部署在企業IT基礎設施上進入常態化運營。在一個場景跑通後,推動沿業務鏈延伸,提升整體價值。

長效佈局:融入行業開發者生態,共建最佳實踐,推動AI技術持續迭代,提升行業智能水平。“場景十二問”是華為在大量行業實踐中總結的一套場景篩選方法論,圍繞業務價值、數據基礎、技術可行性、組織準備度等多個維度,幫助企業判斷哪些場景值得優先投入AI。“從理解場景到紮根生產,從單點到系統,從個體到生態,‘七步法’構成了AI核心場景落地的完整路徑。”陶景文總結。二、新組織:短鏈條運作,與客戶形成夥伴模式 面向技術變革,組織也需要適配。

為此,華為去年強化了行業垂直作戰組織體系,打通“研營銷服”,組建面向10大行業的軍團和系統部,並針對細分行業設立66個子軍團和系統部,要求專家深入客戶生產一線,“腳沾泥土、深耕場景、解真難題”。華為還組建了算力平臺先遣隊和小巧靈突擊隊兩支特戰隊,打造工具鏈、沉澱工程方法,將複雜技術封裝為“即插即用”的服務。現負責指導公司行業垂直作戰的陶景文稱,這一模式打破過去長鏈條的運作方式,“堅持短鏈條運作,以行業客戶需求為錨點,快速響應”,旨在將華為十多年數字化轉型經驗、堅實的“雲算網存”底座與業界開放模型生態,體系化地輸出給客戶。“我們不僅提供工具與方法,更希望幫助客戶建立自循環的內生能力。

”他認為,在新時代下,華為與客戶的關係,從過去簡單的買賣關係,升級為“場景共研、聯合創新”的夥伴模式。三、新工具:DIMAK 工程體系,支撐智能化“三次關鍵轉化” 為推進AI在場景落地,華為發佈了基於實戰打造的DIMAK(Data、Infra、Model、Agent、Knowledge)工程體系,為 AI紮根行業提供技術能力支撐。首先,算力底座開放支持主流模型,讓模型在行業用得上、用得快、用出價值。其次,通過數據工程與知識工程,高效處理核心數據資產,並轉換成AI可用的企業資產,將企業制度、政策、流程、規範等顯性知識和專家的隱性知識,構建成能被人與AI共同理解、共同使用的業務語義基礎。

最後,智能體工程圍繞企業流程,面向未來業務設計和治理智能體,包括權限、責任、人與AI的協同等方面。“離散的Agent,如同一顆顆耀眼的珍珠,各自保持著獨立性和創造性。但如果不能按業務流程和實質的本體編排好,就無法串珠成串並給企業帶來價值,甚至還出現責任和權限衝突矛盾。” 陶景文強調,缺乏流程組織的大量離散智能體,非但不能提效,反而可能放大流程中的問題,導致系統的崩潰。為此,去年華為開源了openJiuwen智能體平臺,支持多智能體協同、全鏈路自演進、企業級高可靠、可治理。“我們也會控制好邊界,在行業做的事情上華為不越位,技術工具的問題上華為不缺位,幫助行業跨越場景落地的鴻溝。”陶景文說。

當前,AI正從邊緣深入企業核心業務,要讓AI真正規模化釋放價值,必須依靠體系化的架構與工程支撐。陶景文談道,華為基於與行業客戶深度共創,依託行業垂直組織和DIMAK工程體系,將推動行業智能化“三次關鍵轉化”: 從“通用智能”到“企業專屬智能”,讓AI真正懂業務。從“專屬智能”到“可信行動”,在治理下確保AI行為可控、可靠。從“分散智能”到“系統級的企業智能”,圍繞企業目標協同,持續創造價值。目前,DIMAK工程體系已在多個行業領域落地。結語:科技公司需破解行業與智能雙向理解難題 “智能演進的速度,遠遠大於人類和行業適應AI的速度。

我們現在不再缺少強大的智能,缺的是人類和行業、員工和組織適應強大智能的方法。”陶景文在演講中談道。在他看來,科技公司不僅要探索與建設強大的智能,更要破解“行業如何適應智能、智能如何理解行業”的雙重難題。

Related

相關文章

IT之家AI Agent

長安汽車首席專家譚歡:未來要用機器人造車、賣車,讓機器人上車、造機器人

作者:清源 責編:清源 評論: 9 月 18 日消息,在今天(18 日)的第 22 屆中國汽車產業發展(泰達)國際論壇“新賽道生態專場:具身智能新賽道”活動中,長安汽車首席專家、長安天樞智能機器人公司總經理譚歡在演講中指出,AI 正推動以物理具身智能為核心的基礎設施革新,汽車未來形態是“汽車機器人”—— 自學習、自組織、自進化的組合智能體。

53 分鐘前
量子位AI Agent

具身智能技術路線尚未定型,基礎設施卻先收斂

具身智能技術路線尚未成形,但基礎設施需求已開始收斂,重點從製造機器人轉向持續迭代機器人能力。百度集團沈抖指出,智能體能力邊界快速擴展,進入規模化部署階段,但機器人學習新任務與跨環境適應性仍待突破。

1 小時前

88小時抵一個人思考4000年,OpenAI核心研究員:除了自我進化,更可怕的是AI正學會“隱藏自己”

AI正在把4000年的人類認知勞動壓縮進88小時,OpenAI研究員Noam Brown坦言連他自己也被進展速度持續震驚。AI正在把過去需要數千年完成的認知勞動壓縮到數天。真正的問題已經不只是模型能否變得更聰明,而是實驗能否跟上、人類能否在模型繼續自我改進前確認它仍然安全。

2 小時前
智東西AI Agent

Agent辦事、花式P圖、動嘴玩電腦……實測Wildcat Lake輕薄本玩AI有多爽

作者 | ZeR0 編輯 | 漠影 桂林依山傍水,連城市的輪廓,都是一座座山勾勒出來的。抬眼一望,便是翰墨丹青般的自然光景,既沉靜婉約,又意境悠遠。這種乾淨的留白之美,早已被古人融入山水畫藝中,幾筆山石,一帶煙雲,餘下的留給水色,也留給看畫的人。 淨,並非空無一物,而是通過剋制的取捨,讓真正重要的東西凸顯出來。這與今年推出的第三代英特爾酷睿處理器(代號Wildcat Lake)的設計理念不謀而合。

8 小時前
AIbaseAI Agent

吳恩達回應AI末日論:別被科幻敘事帶偏,應解決現實工程問題

吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱,科技行業早期曾放大AI潛在災難性風險,以獲取關注並影響監管方向;近兩週相關討論再次升溫,也可能存在類似動機。他認為AI確實存在現實風險,尤其包括網絡安全等領域,但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。

9 小時前
IT之家AI Agent

智譜 GLM-5.3-FlashX 模型上線,更快、更流暢

作者:汪淼 責編:汪淼 評論: 感謝網友 Agent 的線索投遞!9 月 18 日消息,智譜今日宣佈推出 GLM-5.3-FlashX(最高 200 tokens/s),為企業與開發者帶來更快、更流暢的模型體驗。智譜官方表示,GLM-5.3-Flash 此前以“Ox Alpha”之名與全球開發者見面,獲得海內外開發者的廣泛認可,調用量持續攀升。

10 小時前