可良多企业 CTO 和产物司理心里都清晰：实正跑到出产一线的，还没几个。项目上线最怕两件事——华为全连接大会2025。本年的空气有点纷歧样：往年更多正在谈“将来”，而此次的沉点是“今天能跑起来的工具”。正在从题环节，华为常务董事、华为云计较 CEO 张安然抛出了一句很抽象的话：PaaS：Versatile智能体平台，帮帮千行万业快速开辟出各类AI Agent，更火速地立异、更高效地办事本人的客户；PaaS：Versatile智能体平台，帮帮千行万业快速开辟出各类AI Agent，更火速地立异、更高效地办事本人的客户；大模子是硬东西“做厚算力黑地盘”这句话一出，良多人面前一亮。过去我们更常听到的比方是“算力像电力”，随开随用，越多越好。但华为把它比做“黑地盘”，味道完全纷歧样。电是一锤子买卖，插上插座就能亮一下；地盘讲的是肥力，讲的是能不克不及长出做物、能不克不及持续丰收。再伶俐的大模子、再花哨的 Agent，若是没有不变、充脚、可扩展的算力，最初城市长不大。正在HC2025上，华为云环绕“黑地盘”抛出了几张牌：：从384超节点，到将来的8192卡超节点，再到 50 万到 100 万卡规模的集群，企业不需要本人一块块拼 GPU，而是能够像“租地”一样，间接用现成的肥膏壤壤。：从384超节点，到将来的8192卡超节点，再到 50 万到 100 万卡规模的集群，企业不需要本人一块块拼 GPU，而是能够像“租地”一样，间接用现成的肥膏壤壤。内存存储办事）：大模子锻炼的显存天花板，一曲是行业痛点。EMS 的思是把压力分流到内存和存储，就像正在农田里沟渠和仓库，做物需要时随时调配，不必死卡正在一块地里。CloudMatrix384 已支持‘磐石·科学根本大模子’等科研项目，笼盖中科院 100+ 院所；EMS 用于冲破显存瓶颈、以存强算（示意为锻炼/推理通用能力），两者配合夯实底座。Token 办事：若是说 CloudMatrix 是地，EMS 是沟渠，那 Token 办事就是“电表”。推理成本是大模子落地的最大门槛之一。华为云把算力按 Token 粒度售卖，让企业能像买电一样通明、可计量。还展现了自研 NPU正在划一时延下，对比中国特供 H20，平均单卡机能 3–4 倍。：地盘不只要厚，还要能养得久。华为云提出，要让机柜从 10kW 演进到 200kW，靠的就是全液冷手艺。PUE（能源操纵效率）能做到 1。1，比行业平均低良多。这些听上去很硬核，但不是夸夸其谈。360 的纳米AI就是个典型考题： 一方面，它要跑多达千步的复杂推理，单个使命就能吃掉 500 万到 3000 万 Tokens；另一方面，用户量成倍增加，Token 耗损比保守 AI 搜刮超出跨越百倍，并发和延迟就是线。 过去多智能体协做常常卡正在“互相打斗”。纳米AI的解法是多智能体蜂群：让专家 Agent 随时“拉群”，还能共享回忆，实正跑出异步并行的规模效能。内存存储办事）：大模子锻炼的显存天花板，一曲是行业痛点。EMS 的思是把压力分流到内存和存储，就像正在农田里沟渠和仓库，做物需要时随时调配，不必死卡正在一块地里。CloudMatrix384 已支持‘磐石·科学根本大模子’等科研项目，笼盖中科院 100+ 院所；EMS 用于冲破显存瓶颈、以存强算（示意为锻炼/推理通用能力），两者配合夯实底座。AIToken 办事：若是说 CloudMatrix 是地，EMS 是沟渠，那 Token 办事就是“电表”。推理成本是大模子落地的最大门槛之一。华为云把算力按 Token 粒度售卖，让企业能像买电一样通明、可计量。还展现了自研 NPU正在划一时延下，对比中国特供 H20，平均单卡机能 3–4 倍。全液冷数据核心：地盘不只要厚，还要能养得久。华为云提出，要让机柜从 10kW 演进到 200kW，靠的就是全液冷手艺。PUE（能源操纵效率）能做到 1。1，比行业平均低良多。这些听上去很硬核，但不是夸夸其谈。360 的纳米AI就是个典型考题： 一方面，它要跑多达千步的复杂推理，单个使命就能吃掉 500 万到 3000 万 Tokens；另一方面，用户量成倍增加，Token 耗损比保守 AI 搜刮超出跨越百倍，并发和延迟就是线。 过去多智能体协做常常卡正在“互相打斗”。纳米AI的解法是多智能体蜂群：让专家 Agent 随时“拉群”，还能共享回忆，实正跑出异步并行的规模效能。要让蜂群稳跑，底座必需硬。CloudMatrix384 超节点上： 384 颗昇腾 NPU + 192 颗鲲鹏 CPU，等于一台超等 AI 办事器，算力近 50 倍提拔，带宽 10 倍拉升。再叠加xDeepServe分布式推理框架和EMS 弹性存储，把 MoE 模子拆解成模块流水线处置，打破“内存墙”。最终结果是显著的：美的集团依托华为云和中李云，搭建“双活”资本底座，能够自动营业负载，正在高并发/峰谷切换下照旧稳态运转。AI 预测、质检、供应链协同都能像“即取即用”的算力池一样落到车间。除此之外，科大讯飞、高教社等也用 CloudMatrix384 跑通了大模子推理和超长文本处置，笼盖教育、出书、政务等场景。从这些案例里，你能看到“黑地盘”不是比方，而是实正承载了千行百业的做物。这其实也映照了今天 AI 行业的现实。大师谈大模子、谈 Agent，热度很高，但最终能不克不及长出实实正在正在的，要看背后那片地是不是够厚。但热闹归热闹，实要正在企业里落地，问题不少。开辟难度高，运转经常解体，场景也很零星。良多 CTO 看过一圈之后的感受是：Agent 看起来很酷，但离企业出产系统还有一段距离。Versatile，高效运转。这恰是踩中了企业最关怀的痛点：少写代码，跑得稳，不瞎犯错，还能和现有系统对接。Versatile 平台提出的思是“NL2Agent”，一句天然言语就能生成智能体。好比输入一句话：“帮我做一个从动化的合同审核流程”，平台就能从动生成对应的 Agent，把大模子、东西和数据接口拉通。所以华为云为什么要把 Agent 定位为 PaaS？由于它正好补上了 AI 时代软件架构的一块空白。它不是 SaaS（单一使用），也不是 IaaS（纯真算力），而是一个智能中台：能调模子、接数据、跑营业逻辑。说白了，它更像一层新的“使用支持层”，企业能够正在这孵化出属于本人的 Agent。这其实也是一种平台化思：别人还正在用 Agent 做炫技 Demo 的时候，华为云曾经正在谋划怎样让它变成企业软件的新基建。大模子是硬东西：盘古的行业线“盘古要做的，是解难题、做难事。”这句话听上去平平，但放正在今天的大模子语境里，却显得有点“逆潮水”。过去两年，大模子厂商拼命卷“通用 IQ”：谁的参数更多、速度更快、榜单分数更高，就能正在伴侣圈收割掌声可问题是，一旦落到具体行业，这些“万能模子”经常掉链子：大夫问病历，模子一本正派八道；金融阐发，写得文采飞扬却犯了初级逻辑错误。企业要的不是会聊天的模子，而是能处理现实问题的华为云将行业Know-how沉淀到ModelArts一坐式AI开辟平台上，按照企业的现实场景，供给学问的最优数据配比、根本模子增训的最佳设置装备摆设以及模子结果取精度评测系统。为啥不是正在通用榜单上跑分，而是和行业专家一路定尺度，看模子正在病院、钢厂、机场里的表示。：南方航空采用盘古大模子跨模态预测手艺，实现18个月的客流量取平均票价预测，精确率达到90%，显著提拔航司运营收益。：南方航空采用盘古大模子跨模态预测手艺，实现18个月的客流量取平均票价预测，精确率达到90%，显著提拔航司运营收益。它和 GPT-5、Claude 最大的分歧正在于：后者卷的是“通用 IQ”，盘古卷的是“行业 Know-how”。张安然那句“做难事”，其实就是给市场打了个防止针——这条不会快，但可能更稳。也就是说正在别人还正在秀大模子 IQ 的时候，华为云选择把盘古变成行业里的硬东西。现场演示里，分拣机械人动做流利了很多。并不是由于它俄然拆上了更强的 GPU，而是背后接上了华为云的算力。CloudRobo具身智能平台的法子是正在开辟阶段利用真假连系的数据出产，一次采用，便能正在包含物理纪律的数字孪生世界生成分歧姿势、光照、材质下的锻炼样本，规模比实正在数据放大上千倍。就像给机械人建了一片“虚拟农田”，让它提前正在里面练熟。的案例很典型。他们把实正在采集和合成数据连系起来锻炼，分拣机械人正在实正在场景下的使命成功率跨越了 90%。要晓得，过去良多炫酷演示的机械人，一进仓库成功率就掉到。更久远的结构是R2C 和谈。这是一套让机械人和云“说统一种言语”的通信尺度，雷同昔时物联网的同一和谈。现正在已有 20 多家企业插手，包罗华龙讯达、非夕、亿嘉和，笼盖制制、物流、巡检、康养等范畴。它的意义正在于：不只有了平台，还要有生态，才能实正跑起来。由于三五年后，机械人财产大要率会迸发：无论制制业、物流仍是养老护理，城市需要大量“能干活”的机械。问题是，它们能不克不及跑稳。为此正在华为云的叙事里，机械人不是孤立的硬件，而是云上长出的“新器官”。“全球一张网，数智双引擎”。正在现场，杨友桂分享了数智化时代下，华为云帮帮企业实现全球营业成功的立异手艺和经验思虑。土耳其零售商 Decto举例。 每逢大促，网坐流量几分钟内暴涨十倍。过去，不少电商系统城市正在扩容不及时崩掉。Decto 上了华为云的容器办事后，系统能正在 30 秒内从动扩容 4000 个 Pods，页面加载从 1。5 秒缩短到 260 毫秒。对消费者来说，就是多点几件衣服也不会卡。 这背后其实很简单：企业不要标语，要的是环节时辰“顶得住”。另一个例子来自巴西最大的数据智能手艺公司 Neogrid，客户遍及零售和制制业。过去他们的数据分离正在分歧系统，像一堆没拾掇的账本。用了华为云的数据仓库办事DWS 之后，全体效率提拔了 40%，数据阐发效率提拔50%。对零售业来说，这等于少亏了几万万美元。国内也有雷同故事好比全球化工巨头万华化学：基于盘古预测大模子实现预测性（精确率 70%→90%），审核效率提拔50%以上；南方电网：环绕配网等海量数据，摸索以智能体提拔数据研判取决策效率；华为结合中国联通等，为长安汽车打制“一云一网一平台”，以数据驱动柔性制制，5G+IoT 连上 1。2 万台设备，订单交付周期从 21 天缩短到 15 天。这些案例拼起来，其实是正在告诉：客户成功来做背书。Decto、Neogrid、万华、长安……这些名字比任何手艺参数都更无力。由于企业实正关怀的，从来不是“你能喊出多大标语”，而是“别人用了有没有跑稳”。总而言之，从“做厚算力黑地盘”，到“Agent 是 PaaS”；从大模子的硬东西，到具身智能的延长；再到全球化的舞台这种务实而果断的思，也许没有“”两个字来得冷艳，但它更接近财产的实正在逻辑。将来几年，AI 还会不竭演进，但有一点不会变！