中国工业报王珊珊
随着数智化浪潮风起云涌，生成式AI正犹如一台“智慧引擎”，成为数字经济变革的领导力量，并且逐渐渗透至全球经济体系的各个层面。
据IDC的2022-2027全球生成式AI市场预测显示，2023年该市场为194亿美元、2024年将达403亿美元、2027年将达到1510亿美元；从细分项来看，2024年生成式AI基础设施市场将达183亿美元，生成式AI服务市场将达110亿美元，生成式AI应用市场将达63亿美元，生成式AI模型、平台和AD&D（应用开发与部署）市场将达47亿美元。也因此，人工智能赋能千行百业，并被业界称之为：“下一个大事件（TheNextBigThing，TNBT）”。
近日，华为用户顾问委员会暨未来服务畅享会首次会议成功举办。该活动在华为中国政企用户峰会2024的前一天举行。本次会议邀请了来自金融、政府、制造、电力等行业的高管、专家学者、意见领袖共同参与，并授牌成立了华为中国政企用户顾问委员会，为华为中国政企的服务业务发展提建议，指方向。与会嘉宾还在会上共同探讨和投票选择了人工智能（AI）在智能化运维运营中的TOP价值场景。
华为中国地区部副总裁王建晖在授牌环节致辞
在“人工智能在行业智能化运维运营中的价值场景”的研讨环节，华为中国政企CMO邱恒组织与会嘉宾围绕AI在智能化运维运营中的七个价值场景（故障预测和主动感知、故障自愈与智能修复、自动化运维和测试、智能助手与聊天式运维ChatOps、运维知识管理和沉淀、自动生成安全防御策略、运维数据分析及报告智能生成）展开了热烈讨论。
来自金融领域重要嘉宾首先发表了自己的实践与感知。
中国工商银行相关负责人表示，所谓人工智能自动化运维，最重要的就是要实现服务自动、自主完成，故障预测与主动感知，包括故障自愈。也就是说要实现“一分钟发现、一分钟定因，十分钟解决”，让15级员工实现18级员工价值。
人民银行清算中心负责人在讨论中表示，当下智能应用不如预期，需要我们在以下几方面实现突破：一是要在新管理模式下重新思考组织结构与框架；二是要以资源重整实现运维数据打通以及大模型服务创新、价值创新。
兴业银行相关负责人表示，AI工具+智能化结合目前看来最被需要，但大量数据如何使用，运维平台和产品如何打通，智能化运维如何实现，让目前的工作效率再提高10倍才是当下银行业最关切的部分。
来自政务体系的相关管理人员也表达了自己对于人工智能应用的期待。
深圳信息行业协会负责人表示，在人工智能运维应用方面，一是对于人才的期待。目前各种故障难以统计，智能化运维很难，企业需要配置具备智能化专业能力的人，同时也具备对数据库运维的专业知识；二是对智能运维应用的需求在提高。传统运维简单说就是上下架的问题，单点智能化就可以做到；但场景化运维就需要对于场景进行智能化的判断，以及完成任务，这在目前仍面临挑战；三是不同厂家有不同标准，运维需要一体化的智能才能更好实现。
国家信息中心相关负责人表示，对于人工智能的应用，政府层面更关注安全，是否有日志功能，是否具备专业知识、是否可以对数据进行提取和分析，这些都非常重要。另外，不同系统和组件之间运行的关系是什么？大模型应该更该发挥的作用？这些也需要进一步明确；可以想见，在运维应用方面，AI还有很多潜力待挖掘。
来自制造行业的的代表企业，重庆长安汽车相关负责人表示，长安汽车渝北工厂已经引入智能化云微模型。我们重构了数据底座，驱动了40多类算法，但由于数据量不足，只能应用小模型，因此运行的精准度不高，质量问题栏截率仅为95%以下。接下来，如何实现大模型应用，提高工作精准度，对企业来说，仍需要寻找到新的解决方案。
从电力行业运维应用角度，国家电网河南电子公司负责人表示，电力行业AI应用场景更倾向于专业，比如自动运维，自动检测和观测，以及知识传承等。现实问题是，不同数据用户之间不打通，如何建立通用人工智能，是否未来服务商既可以提供“通用化运维能力”，同时也可以提供“差异化运维能力”很关键。
近期，IDC联合百度智能院发布《2204AI原生应用生态白皮书》显示，AI应用正面临以下挑战：
底层算力制约:作为AI应用的基石，计算能力的瓶颈显著阻碍了AI技术的快速迭代和广泛应用。随着数据规模和模型复杂度的增长，现有的计算资源难以满足需求，尤其是在处理大规模数据集和复杂的深度学习模型时，算力不足的问题尤为突出。
此外，能效比也是亟待解决的关键问题，高算力需求往往伴随着巨大的能源消耗，导致成本增加并可能对环境造成压力。分布式计算和边缘计算场景下的延迟、稳定性问题则影响了AI应用的实时响应。
中层模型投入困境:传统的模型训练过程耗时耗力，效率低下且成本高昂。日益复杂的AI模型结构加大了对高质量数据和强大计算资源的需求，数据量激增则会导致模型训练时间成本增加。同时，模型泛化能力是决定其在实际应用场景中表现优劣的关键因素，而当前许多模型在面对新场景时普遍表现出适应性不足，需要进行微调和优化工作以提升泛化性能。
数据难题:数据量和质量问题也是构成AI应用发展的重大障碍。非结构化、标注不准确或包含噪声的数据严重影响模型训练效果及最终应用性能。与此同时，数据标注的成本不容忽视，特别是在监督学习中，数据标注是一项必不可少却极其耗费人力和时间的任务。此外，在获取合适的数据集并实现有效共享方面，也面临着诸多困难。
除了上述挑战外，IDC中国企业级分析师钱静表示，AI原生应用还面临诸如技术集成与兼容性、伦理法规遵从，确保AI应用的安全性和合规性也是需要重点关注的领域、数据安全性与隐私保护是生成式AI技术面临的核心，以及用户接受等多元挑战。
IDC表示，为了克服这些挑战，并促进技术与实体经济深度融合与联动发展，行业正在积极倡导从单一的AI原生应用转向建设全面的AI原生应用生态体系。这一转型的核心战略在于搭建统一的技术标准。共享的数据资源、开放的合作平台和协同创新机制，把散落的AI技术和应用场景有机结合，形成打通基础硬件设施、中间层模型开发与优化、顶层多样化应用服务，乃至跨行业跨领域的完整生态系统。
最后研讨会投票选出了“未来3-5年最值得关注的AI在运维运营服务中的TOP3应用”：故障预测和主动感知、故障自愈与智能修复、以及自动化运维和测试。这些应用能显著提升企业运维效率，降低运维成本，为企业的数智化转型提供有力保障。
与会嘉宾的现场投票结果
如果把人工智能运维运营落地场景选择看做是一个坐标的话，横轴代表能力，纵轴代表需求价值，“在华为看来，求助问答、信息摘要属于一般性任务，而任务规划、事件分析则属于更高级别的人工智能运维任务。”华为中国政企cmo邱恒认为，“人工智能从副驾驶（copilot）角色，即赋能员工，工单处理、沉淀老员工的经验；到触达客户，实现基于场景的人工智能，包括客户满意度调查、价值场景保障、网络隐患预测预防；再整个网络优化、年/季网络优化、高危复杂志网络操作等复杂所场景，这些仍需要在应用与进化中不断深化与调整。”
在用户顾问委员会授牌环节，华为中国地区部副总裁王建晖表示，华为携手行业专家、技术领袖、企业高管成立用户顾问委员会，并依托顾问委员会例行讨论服务热点话题，洞察数智化服务发展趋势和关键挑战，探索有效的应对策略与方案，加速行业数智化转型发展。首批顾问委员会授牌只是开始，华为将围绕数智化转型挑战，紧密联合客户和伙伴，群策群力，助力各行业数智化转型和高质量快速发展。
华为中国政企业务副总裁何振为金融、政府、制造和电力行业客户和伙伴授予首批用户顾问委员会证书。华为中国政企业务客户服务部部长路永超详细介绍了顾问委员会的成立背景、作用及运作方式。
请输入验证码