文章核心观点 - 公司创始人任正非在与ICPC（国际大学生程序设计竞赛）优胜者及教练的座谈会上，系统阐述了公司对人工智能发展的核心看法，强调AI应聚焦于未来三至五年的产业应用，以解决工业、医疗等领域的实际问题，推动社会进步 [6][7][10] - 座谈会深入探讨了教育、人才培养、国际合作以及青年发展等议题，核心思想是“教育是教育，商业是商业”，主张学校与企业应各司其职，分别专注于探索未来的“0-1”创新与将理论转化为商业价值的“1-N”应用 [12][13] - 面对技术浪潮，鼓励青年敢于在质疑中前进，选择适合自己的道路，并在开放合作中推动文明交融与技术共进 [18][19][38] 关于人工智能（AI）的发展与应用 - **发展阶段的划分**：将AI与人类的关系分为三个阶段：未来一千年是社会学家研究的范畴；未来十到二十年是大科学家构想的阶段；而公司研究则聚焦于未来三到五年，关注大模型、大数据、大算力在工农业和科技产业的实际应用 [6][7] - **工业领域的应用实例**： - 高炉炼铁：通过大模型优化炉温控制和燃料矿石配比，可将高炉效率提高**1%** [7] - 煤炭开采：在地下**500米-700米**或更深实现无人化开采，通过数据建模预测瓦斯爆炸等风险；洗煤环节利用大模型提高精选精度**0.1%** [7] - 露天矿山、港口：实现数百辆重型矿车、挖掘机完全无人运行；天津港、秘鲁钱凯港实现从装卸、堆垛到通关的全流程无人化 [7] - **医疗健康领域的应用**：瑞金医院的病理大模型已大规模用于分析生理切片，辅助诊断；中山医科大学的眼科模型可通过手机拍照实现远程诊断，帮助边远地区 [8] - **AI的贡献价值**：AI在产业上的贡献将占到**98%**，而IT公司对人类的贡献仅占**2%**，强调AI重在应用而非发明，应用AI能强大一个国家 [31] - **对通用人工智能（AGI）的看法**：指出美国与中国在AI追求方向上不同，美国探索AGI和超级人工智能（ASI），而中国研究如何利用AI创造价值、解决发展问题，如实现矿山、水泥生产无人化等 [22] - **AI对就业的影响与对策**：AI将释放部分岗位，例如AI辅助编程已释放约**30%**的软件工程师工作量，未来可能达到**60%-70%** [23]。应对之策是发展再教育工程，如实行学券制，对富余人员进行职业再教育，将其转化为国家需要的人才 [22][23] - **算力与模型发展的看法**：认为未来将是算力过剩的时代，做模型的人无需过度担心算力不足或模型的社会应用问题，这些应由行业应用工程师来解决 [23][24] 关于教育、人才培养与青年发展 - **教育模式的转变**：社会正从物理性集中式教育模型向逻辑性分散的教育模型转变，网络教学使边远地区学生也能学习世界名校课程，关键在于提供足够的网络辅导 [9][10] - **学校与企业的分工**：学校的属性是探索人类未来，做“0-1”的研究创新并培养人才；企业的属性是创造商业价值，把学校创造的理论变成工业现实 [12][13] - **青年职业发展建议**： - 鼓励青年随着时代潮流冲浪，敢于走在最前面，不要过于在乎金钱、青春牺牲或短期指标，应着眼于造福人类未来 [18] - 选择适合自己的职业努力进取，成功与否并非唯一标准，在不成功的道路上积累的试验经验也是巨大财富 [18] - 鼓励有能力“摸高”的青年走到最高点探索真理，若从高点往下走从事其他行业也更容易成功 [16] - **新时代的“工人”**：一些精密工业生产需要受过高等教育的人员，公司曾招聘三千多名边远地区本科毕业生，培养后授予专科认证，从事芯片生产和精密制造工作，这是高等教育未来的责任之一 [15] - **中国青年创业生态**：中国涌现大量青年创新公司，例如机器人领域有百万青年参与，大量资本投入推动其成长，这为中国各领域现代化培养了中坚力量，中国青年已形成不羡慕他人、自主创业的机制 [16] 关于开放合作、全球化与文明交融 - **开放合作的重要性**：中国通过开放改革引进世界优秀文明成果，实现了经济井喷式发展，文明交融并未产生冲突，而是共同创造了价值 [14][38] - **全球人才流动的积极看法**：认为全球人才到美国创造科技文明有益于世界进步，美国创造的科技文明对世界有益，公司支持其发展 [36][37] - **公司的国际合作实践**：公司通过ICPC等平台与全球建立连接，尊重各国人才与技术，在不同国家设有合作机构，例如在俄罗斯因其深厚的理论科学基础而设立了规模化发展机构 [27][28] - **“新质生产力”与高质量发展**：中国在“富起来”后，需追求有质量的发展，即发展“新质生产力”，提升产品高质量以赢得国际市场 [38] 关于特定技术与领域观点 - **5G与网络的重要性**：强调当前最重要的是CT（通信技术），包括无线电、光通信等，因为AI价值的实现需要先进网络将数据传至数千公里外，没有网络的算力是信息孤岛 [35] - **量子计算**：认为量子科学迟早会突破，量子计算机一定能实现并在特定计算上带来巨大优势，但这是国家层面的命题，公司无法承担研究，未来可能会购买量子计算机 [32] - **女性在科技领域的参与**：在计算机时代，脑力劳动中男女性没有本质区别，鼓励更多女性参与创造性工作 [25][26] - **远程办公与面对面交流**：远程网络办公的潮流不会改变，且对公司生存至关重要，但定期的面对面聚会仍有其价值，两者将共存 [34] 关于竞赛、产学研结合与区域发展 - **ICPC竞赛与产学研结合**：ICPC挑战赛的题目来源于工业界实际应用场景，是校企合作的典范，未来此类挑战赛将更贴近工业场景，并可能引入AI辅助解决 [15][27] - **对不同国家发展AI的建议**：对于如印度尼西亚等国，最紧迫的不是争夺大模型领先，而是强调“应用”领先，适合本国国情，例如发展港口自动化、农业无人化等 [29] - **肯定各国的科技贡献**：在交流中肯定了匈牙利、俄罗斯、罗马尼亚、白俄罗斯、墨西哥等国家在科学理论、技术或文明方面的历史贡献与潜力 [13][25][27][28][30]

华为对人工智能的战略定位与核心观点 - 人工智能在公司的地位重要，但当前最重要的是通信技术，包括无线电、光通信、核心网和数据通信，因为AI的感知与控制需要将数据传到几千公里外，必须依赖先进的网络，没有网络的算力是信息孤岛，孤岛化的AI无法实现真正智能 [2][45] - AI的价值不在于模型本身，而在于产业应用，IT公司对人类的贡献仅占2%，AI在产业上的贡献将占到98% [5][40] - 公司研究着眼于未来3至5年，聚焦于大模型、大数据、大算力在工农业和科技产业上的具体应用，例如提高高炉炼铁效率1%、提高洗煤精度0.1%，以及实现矿山、港口装卸等场景的无人化作业 [9] 人工智能的产业应用与价值创造 - 人工智能的应用已体现在多个领域：在工业上，通过大模型优化高炉控制，可提高效率1%；在煤炭行业，可实现地下500-700米或更深的无人挖煤，并通过大模型提高洗煤精度0.1%；港口如天津港和秘鲁钱凯港已实现无人装卸、堆垛和通关 [9] - 在医疗健康领域，瑞金医院的病理大模型和中山医科大学的眼科模型已投入使用，帮助提高诊断能力，并通过低时延的5G和高宽带光纤网络，实现远程诊断，例如在西藏牧区探测肝包虫 [10][13] - 在软件行业，AI辅助编程已经释放了约30%的软件工程师工作量，未来可能达到60-70% [30] 算力、网络与未来技术趋势 - 未来算力将面临过剩而非稀缺，关键在于连接，公司认为算力过剩的时代一定会到来，做模型的人无需担心算力不足 [30] - 通信网络是AI价值实现的基础，公司当前最重要的任务是筑牢通信网络，因为AI要真正产生价值需要全社会的协作和先进的网络连接 [2][45] - 对于量子计算等前沿技术，公司认为量子计算机的研究是国家和人类的命题，公司自身无法承担，但量子计算机出来后可能会购买，当前仍需在其他方面努力 [41][42] 教育、人才培养与校企合作 - 教育的目的在于探索人类未来，做“0-1”的研究创新，企业的目的是商业，将学校的理论变成工业现实，两者属性不同，不能混淆 [15][17] - 网络教育推动了教育模式从物理集中式向逻辑分散式转变，使边远地区的学生也能接触到世界名牌大学的课程，有利于整个人类社会的进步 [11][12] - 公司需要不同层次的人才，既需要“摸高”探索宇宙和人类未来的顶尖人才，也需要受过高等教育、从事精密制造的“新时代工人”，例如公司曾招聘三千多名边远地区本科毕业生培养为芯片生产和精密制造工人 [19] 青年发展、创新与职业规划 - 鼓励青年随着时代潮流去冲浪，敢于走在潮流最前面，不要在乎金钱、青春牺牲或指标，应看到造福人类未来的重要性 [4][21] - 青年在职业选择上应“因材施教”，有能力“摸高”的应力争走到最高点，如果有一天无法继续攀高，可以从高处转向其他领域创造价值，这同样是贡献 [3][20] - 中国青年创业氛围浓厚，在机器人等领域有百万青年参与，大量创新公司涌现，三五年或五至十年内，中国将发生天翻地覆的进步，青年不再羡慕外部机制，而是专注于自身创造 [20] 全球化合作、开放与文明交融 - 公司渴望与世界交流，知晓全世界的文明和文化，以创造各地需要的东西，与ICPC等国际组织的合作是建立连接、感知世界脉搏的纽带 [7][17][48] - 开放改革使中国富起来，但需要发展“新质生产力”以提高发展质量，公司产品必须高质量才能赢得国际市场 [47] - 美国创造的科技文明对世界有益，公司支持全球化并渴望站在巨人肩膀上，当前的自力更生是被逼无奈，中国需要更加开放，向所有文明国家学习 [45][46][47] 人工智能对社会就业与结构的影响 - 人工智能导致生产无人化后，可能会导致部分人员失业，但从国家角度看，总财富是增加的，例如一个工厂无人化后产量可能从100提升到120 [5][29] - 应对无人化带来的就业挑战，需要发展再教育工程，例如实行学券制，对富余人员进行职业再教育，将其转化为国家需要的人才 [29] - 人工智能带来的社会好处是总财富增加，但如何分享这些财富、重新造就人员上岗是新课题，无人化进展速度需稳步推进，以保持社会结构稳定 [30] 女性参与与特定国家发展机遇 - 在计算机时代，脑力劳动中男性和女性没有本质区别，公司鼓励更多女性参与科学技术领域的创造性工作 [32][33] - 对于印度尼西亚等国家，人工智能发展的重点应是“应用”领先而非技术突破，例如应用于港口自动化、船舶靠港、农业无人化等，这符合其国情 [37][38] - 白俄罗斯在热工理论等技术上非常先进，AI对其同样有用，但重点在于应用，AI在产业上的巨大价值体现在如提高洗煤精度0.1%乘以中国40亿吨煤炭产量等具体效益上 [39][40]

公司战略与AI定位 - 公司在AI领域的战略着眼于未来三到五年，致力于将大模型、大数据、大算力用于解决实际的产业问题，例如工农业和科技产业的应用 [1] - 当前公司最重要的业务是CT（通信技术），包括无线电、光通信、核心网和数据通信，认为没有先进网络的算力是信息孤岛，孤岛化的AI无法实现真正的智能 [1][38] - 公司定位为技术公司而非科学公司，内部将一些人称为“科学家”仅是一种职务分类代号，公司专注于应用科学技术将学校的理论转化为工业现实 [25][9] AI应用与产业实践 - 公司研究聚焦于利用大模型解决生产与消费中的实际问题，例如通过大模型优化高炉炼铁，提高效率1%；在煤炭行业，利用无人化和大模型提高洗煤精度0.1% [5][33] - 在医疗健康领域，公司与医院合作开发生理切片病理大模型和眼科模型，帮助提高诊断能力，并通过5G网络实现远程辅助诊断，例如在西藏牧区进行肝包虫检测 [6][8] - 在交通与物流领域，公司技术已应用于露天矿山无人挖掘、港口无人装卸（如天津港、秘鲁钱凯港）以及铁路系统，国铁正在试验5G-R无线调度系统以支撑时速450公里的高铁和3万吨重载火车 [5][18] 算力与模型发展展望 - 公司认为算力过剩的时代一定会到来，因为未来的算力需求可能是非线性的，这将颠覆现有的线性技术推演 [1][24] - 公司鼓励探索建立数千个或数百个大模型，并认为模型如何对社会有用以及产生商业应用是行业应用工程师需要解决的问题，搞理论研究的科学家不应过度担心社会应用 [24][25] - AI辅助计算机软件编程已经释放了约30%的软件工程师的工作量，未来可能达到60-70% [24] 人才观与教育 - 公司认为未来社会对“工人”的概念将被重新定义，高精度制造和芯片生产需要大量受过高等教育的人员，例如公司三年前招聘了三千多名边远地区本科毕业生，经过三年培养授予专科认证，从事芯片生产和精密制造工作 [2][13] - 公司鼓励具备科学潜力的青年“摸高”，即攀登科学高峰，即便未来从高处下行也能在沿途为社会创造价值，同时认为中国年轻人已不再羡慕海外高薪，大量优秀青年选择自主创业，小团队即可快速崛起 [2][14] - 教育的目的就是教育，企业的目的是商业，两者不能混淆，学校负责“0-1”的研究创新，企业负责将理论变成工业现实 [2][9][11] 国际合作与全球化视野 - 公司认为大量人才到美国成长是好事情，美国创造的科技文明有益于世界进步，美国只是制裁华为，中国大多数公司仍可使用美国的技术、工具和生态 [2][38][39] - 公司通过ICPC等平台与全球学术界和产业界建立连接，认为数学和理论没有国界，并通过“黄大年茶思屋”等网络平台促进全球化的科技交流 [28][41] - 公司在俄罗斯、罗马尼亚等国家设有研究机构或加强合作，认可这些国家在数学、物理等理论科学上的领先基础，并尊重每个国家的人才和技术 [29][30] 行业趋势与社会影响 - 美国和中国在人工智能的追求方向有所不同：美国探索AGI和ASI，旨在解决“人是什么”等根本问题；中国则研究如何利用AI创造更多价值，解决具体的发展问题 [1][22] - 人工智能在产业上的贡献预计将占98%，而IT公司对人类的贡献只占2%，AI应重在应用而非发明，应用AI会强大一个国家 [33] - 人工智能的发展将导致一些岗位人员精简，但国家总财富会增加，需要通过再教育工程对富余人员进行职业再教育，将其转化为国家需要的人才 [23]

公司对人工智能的定位与战略 - 公司研究聚焦于未来3-5年，致力于将大模型、大数据、大算力应用于工农业和科技产业，解决生产与消费中的实际问题[7] - 在工业领域，通过大模型优化高炉炼铁，可提高效率1% 在地下500-700米或更深实现无人挖煤 通过大模型提高洗煤精度0.1% 并在露天矿山、港口（如天津港、秘鲁钱凯港）实现完全无人化作业[7] - 在医疗健康领域，应用病理大模型（如瑞金医院）和眼科模型（如中山医科大学）辅助诊断，并通过5G网络实现远程诊断，例如在西藏牧区通过探头扫描检测肝包虫[8][10] - 公司认为人工智能在产业上的贡献将占98%，而IT公司的贡献占2% AI应重在应用而非发明，应用AI能强大一个国家[35] 人工智能对行业与社会的影响 - AI辅助软件编程已释放约30%软件工程师的工作量，未来可能达到60%-70%[26] - 人工智能推动生产进步，使社会总财富增加，但会导致岗位精简，需要通过再教育工程（如学券制）对富余人员进行职业培训，使其转型再上岗[25] - 通用人工智能（AGI）和超级人工智能（ASI）是美国等国家的探索方向，而中国的研究重点在于利用AI解决具体问题、创造价值，如实现矿山、水泥生产无人化，让工人能在更安全舒适的环境工作[24] - 算力未来将过剩，当前大模型（如华为提及的950、960、970节点）的算力需求是线性技术推演，但实际需求可能是非线性的[26] 人才培养、教育与产学研合作 - 教育的目的在于探索“0-1”的原始创新并培养人才，而企业的责任是将理论转化为工业现实 两者属性不同，不应混淆[11] - 网络教育推动从物理集中式向逻辑分散式教育模型转变，使边远地区学生也能接受世界名校课程，促进了社会整体进步[9] - 公司招收了三千多名边远地区本科毕业生，经过三年培养授予专科认证，使其成为芯片生产和精密制造领域需要的高等教育“工人”[15] - 中国青年创业氛围浓厚，在机器人等领域有百万青年参与，大量资本投入推动其成长，这些青年将成为中国现代化的中坚力量 中国青年更倾向于自主创业而非羡慕他人机制[16] - 公司通过ICPC等竞赛与全球顶尖青年人才建立联系和纽带，旨在开放交流、感知世界脉搏，而非单纯争夺人才[5][42][43] 技术创新与全球合作 - 公司肯定了许多基础理论的原创来自西方（如奥地利、法国、美国），但也指出中国在高压直流输电系统、星闪传输架构等方面有世界级原创 公司内部有22岁年轻人提出了全球领先的气象模型，另有22岁俄罗斯女孩发明了可能改变AI芯片结构的新余数算法[12] - 肯定俄罗斯、法国、美国等国的数学理论领先优势，并基于此在俄罗斯设立研究所进行规模化合作，认为数学等理论科学没有国界[32][43] - 认为美国创造的科技文明对世界有益，全球化有利于共同进步 公司自力更生是被逼无奈，在诸多方面使用的芯片已落后国内其他企业至少一代[42] - 量子计算未来一定会突破并在特定计算领域带来巨大优势，但这是人类和国家的命题，公司目前无法承担相关研究，未来可能选择购买量子计算机[36] 特定技术领域应用展望 - 在交通领域，中国正在试验用于高铁调度的5G-R系统，可支持450公里时速和3万吨重载列车运行 中国铁路网络复杂，未来干线轨道可能达30万-40万公里，其调度、管理等是亟待人工智能和尖端数学解决的复杂问题[20][21] - 人工智能在交通领域具象化为高铁的日常维护、安全监控多模态AI，以及12306票务系统（全球访问量和交易量领先）的运营[22][23] - 对于印度尼西亚等国家，AI发展的重点应是“应用领先”，如船舶自动化、港口自动化、岛间无线电通信以及结合北斗卫星的厘米级定位技术，以促进工业起飞[33][34] - 对于白俄罗斯，AI重在应用而非发明，其在热工理论（如热管、磁流变抛光技术）上的优势对解决芯片散热等尖端工程问题至关重要[34]

文章核心观点 - 公司创始人任正非在与ICPC（国际大学生程序设计竞赛）代表的座谈会上，系统阐述了对青年发展、人工智能战略、公司研发重点以及教育变革的看法，核心思想是鼓励青年勇于探索、强调AI技术应聚焦于实际应用以创造巨大价值，并指出公司作为商业实体，其使命在于将科学理论转化为工业现实 [3][4][6][14] 对青年发展的看法与鼓励 - 青年是时代的希望，发展道路可以不同，“摸高”探索前沿与“摸低”扎根基础都是贡献，鼓励有能力的青年优先选择“摸高”探索真理 [3] - 中国青年创业者的状态令人充满希望，他们能力强，以小型团队合作创业，股权自主，预计未来三到十年中国将取得天翻地覆的进步 [3] - 以某公司机器人为例，赞赏其敢闯敢试、展示真实技术的劲头 [3] - 鼓励青年顺应时代潮流，敢于走在最前面，不要过于在乎金钱、青春牺牲或短期指标，应着眼于造福人类的未来 [6][16] - 青年应选择适合自己的职业道路并努力进取，即使不成功，其过程积累的试验经验也是巨大财富 [6][17] 对人工智能（AI）的战略观点 - AI发展的重点不应是“发明”，而应是“应用”，因为应用能强大一个国家 [4] - 通过具体数据论证AI应用价值：将中国40亿吨煤炭的洗煤精度提高0.1%，或将高炉炼铁效率提升1%，都能产生惊人的经济价值 [4] - 公司自身的AI研究聚焦于未来3-5年，致力于将大模型应用于解决工农业和科技产业的实际问题 [5][10] - 具体应用场景包括：高炉炼铁（通过数据模型预测铁水硅含量，提升效率1%）、矿山无人化（保障安全）、港口自动化、医疗诊断（如瑞金医院病理模型、中山医科大学眼科远程诊断）以及自动驾驶等 [5][10][11] - 认为未来将是算力过剩而非算力不足，支持探索建立数百数千个大模型，但提醒需注意需求可能是非线性结构 [6] - 明确公司定位为技术应用公司，而非科学公司，科学理论探索应由学术界完成 [6] - 不同国家发展AI应有不同侧重点，例如印尼可优先应用于港口自动化，中国则应解决城市安全、生产无人化及高铁调度等实际问题 [5] 公司的研发定位与案例 - 公司研究着眼于未来3-5年，专注于将大模型、大数据、大算力应用于工业和科技领域 [10] - 公司作为企业，其属性是创造商业价值，任务是将学校探索的“0-1”理论转化为工业现实 [14] - 列举了公司的原创性贡献：一名22岁员工提出了全世界最好的气象模型；高压直流输电整个系统是原创；星闪传输架构设计是世界级发明 [14] - 提及公司一名22岁俄罗斯女孩发明了新的余数算法，可能提升AI芯片能力，但因架构更换成本高暂未采用 [15] - 在华为，人工智能地位重要，但当前最重要的是CT（通信技术），因为先进的网络是AI发挥价值、避免成为信息孤岛的基础 [18] 对教育变革与人才培养的看法 - 网络技术使教育从“物理集中”转变为“逻辑分散”，让偏远地区学生也能接触到世界名校课程，促进了社会整体进步和人才涌现 [6][12] - 教育的目的在于探索未来和培养人才，企业的目的是商业，二者属性不应混淆 [14] - 认同中国需要从教育强国发展为科技强国，指出大学应专注于“0-1”的研究创新，即使失败也能培养人才 [13][14] - 通过ICPC、IOI等竞赛平台，并利用网络资源，可以帮助提升全球更多地区在IT和人工智能方面的水平 [11][12]

公司对全球人才流动与科技文明的看法 - 认为美国是适合人才成长的土壤，大量人才赴美参与创造新科技文明对世界有益，例如谷歌创始人（俄罗斯人）创造的安卓被全世界享用 [1] - 指出美国制裁仅针对华为，中国大多数公司仍可使用美国的技术、工具、芯片等，这对中国产业发展有好处 [1] - 强调公司渴望全球化，享受站在巨人肩膀上，自力更生是被逼无奈，完全靠自己无法与全球化竞争，公司在许多方面使用的芯片落后国内企业至少一代 [1] - 认为中国需要更加开放，向所有文明国家学习，容纳世界文明，开放改革使中国富起来，但需要追求有质量的富裕和高质量的产品 [2] 公司对人工智能（AI）的战略聚焦与应用 - 公司将研究重点放在未来3-5年，聚焦于大模型、大数据、大算力在工农业和科技产业的实际应用 [6] - 具体应用案例包括：通过大模型优化高炉炼铁，提高效率1%；实现地下500-700米或更深的无人挖煤；利用大模型提高洗煤精度0.1%；实现露天矿山、港口（如天津港、秘鲁钱凯港）的完全无人化作业 [6] - 在医疗健康领域，应用病理大模型（如瑞金医院）和眼科模型（如中山医科大学）辅助诊断，并通过5G网络实现远程医疗，例如在西藏牧区通过探头扫描并将数据传至3000公里外的深圳进行诊断 [7][10] - 认为AI对生产的促进作用将在三、五年后体现，但更长远的未来（十到二十年后）尚不确定 [10] 公司对教育、人才培养及校企分工的见解 - 认为教育的目的是探索人类未来（“0-1”创新），企业的目的是创造商业价值，将学校创造的理论变为工业现实，两者属性不同，不能混淆 [11][57] - 指出中国在原创发明上相对落后（如水轮发动机、火车、微积分等源自西方），但相信中国会出现原创，并举例公司一名22岁员工提出了全球领先的气象模型，另一名22岁俄罗斯女员工发明了可能改变AI芯片结构的新余数算法 [12][56] - 强调网络教育实现了从物理集中到逻辑分散的转变，使边远地区能接触到世界名校课程，有利于社会进步 [8][9] - 提出高等教育的新责任是培养新时代的“工人”，例如公司招聘了三千多名边远地区本科毕业生，经过三年培养后从事芯片生产和精密制造工作 [15] 公司对青年人才与创新生态的观察 - 观察到中国青年创业氛围浓厚，不羡慕海外高薪机制（如Meta提供上亿美元签约金），国内有大量能力强的小团队创业公司，在机器人等领域有百万青年参与，预计三、五年或五至十年中国将有天翻地覆的进步 [16] - 以“摸高”和“摸低”比喻不同职业道路，鼓励有能力的青年追求最高点（探索真理），即使从高点转向应用领域（“生蛋”）也更容易成功 [15][16] - 建议青年个体应随时代潮流冲浪，敢于走在最前面，不要过于在乎金钱、青春牺牲或短期指标，应关注造福人类未来 [18] - 认为在质疑中前进是正常的，许多科学突破（如傅里叶变换、希格斯玻色子）和公司技术（如5G Polar码）都曾面临质疑，需要敢于创新迎接挑战 [19] 公司对AI与社会发展、就业的宏观观点 - 指出中美AI发展方向不同：美国探索通用人工智能（AGI）和超级人工智能（ASI），中国则聚焦于解决具体问题、创造价值，如实现矿山、港口、水泥生产无人化 [24] - 预见AI将导致部分岗位被取代，但国家总财富会增加，需通过再教育工程（如学券制）对富余人员进行职业培训，使其转岗至国家需要的新领域 [25] - 披露AI辅助编程已释放约30%的软件工程师工作量，未来可能达到60-70%，但无人化进程需稳步推进以保持社会结构稳定 [26] - 认为未来将是算力过剩的时代，大模型建设者无需过度担心算力不足或模型的社会应用问题，应用应由行业应用工程师完成 [26] 公司的国际合作与技术布局 - 强调与ICPC等国际组织的交流是认知世界的窗口，并无特定招聘目的，因为天才需要合适的平台，公司容量有限 [2][30] - 重视与理论基础深厚的国家合作，例如在俄罗斯设立研究所，看重其在数学、物理等理论科学上的领先优势 [31] - 在通信技术（CT）领域，当前最重要的是无线电、光通信、核心网、数据通信等，因为先进的网络是AI实现价值、进行远距离数据传输的基础 [39] - 肯定欧洲文明的历史贡献，并表达在欧洲法律许可下加大在欧洲发展的意愿，例如赞赏罗马尼亚在石油勘探技术发展早期对中国的帮助 [32]

华为对人工智能的战略定位与研发重点 - 公司研究聚焦于未来3-5年，致力于将大模型、大数据、大算力应用于工农业和科技产业，解决生产与消费中的实际问题 [5] - 具体应用场景包括：通过大模型优化高炉炼铁，提高效率1%；实现地下500-700米或更深的无人挖煤；提升洗煤精选精度0.1%；实现露天矿山、港口（如天津港、秘鲁钱凯港）的完全无人化作业 [5] - 在医疗健康领域，与瑞金医院、中山医科大学合作开发生理切片病理大模型和眼科模型，用于远程诊断，提升边远地区医疗水平 [6] - 公司认为人工智能带来的生产性进步将在三、五年后体现，并已通过5G+远程辅助诊断（如西藏牧区肝包虫筛查）等应用展现价值 [8] 华为对人才培养、教育与青年发展的看法 - 公司三年前招聘了三千多名边远地区本科毕业生，经过三年培养后授予专科认证，使其成为芯片生产和精密制造领域的新时代“工人” [12] - 认为教育的目的在于探索人类未来（“0-1”创新），而企业的目的是创造商业价值，将理论变为工业现实，两者属性不应混淆 [9] - 指出发达的网络教育正推动教育模式从物理集中式向逻辑分散式转变，使边远地区学生能接触到世界名校课程，有利于全社会进步 [7] - 鼓励青年敢于走在时代潮流最前沿，选择适合自己的道路努力进取，不必过分在意成功与否，因为探索过程本身就是财富 [14][15] - 认为中国青年创业氛围浓厚，在机器人等领域有百万青年参与，大量创新公司的出现将推动中国在三、五年后取得较大进步 [13] 华为对全球合作、技术交流与产业发展的观点 - 强调与罗马尼亚等东欧国家加强合作，指出罗马尼亚在数学竞赛传统和石油工程技术方面曾对中国工业进步起到极大作用 [1][28] - 表示在欧洲法律许可时，会加大在欧洲的发展 [1] - 认为美国创造的科技文明对世界有益，中国大多数公司仍可使用美国的技术、工具和生态，这对中国产业发展有好处 [36] - 公司通过“黄大年茶思屋”等全球化网络平台与全球科研人员交流，认为数学和理论没有国界 [38] - 对于像印度尼西亚这样的国家，建议其AI发展重点应是“应用领先”，而非争夺基础技术突破，例如将AI用于港口自动化、农业无人化等 [29][30] 华为对特定技术领域的见解与公司定位 - 在通用人工智能（AGI）方面，认为美国与中国追求方向不同：美国探索AGI/ASI以解决人类社会的根本问题，而中国聚焦于利用AI创造价值、解决具体发展问题 [20] - 公司当前最重要的仍是CT（通信技术），包括无线电、光通信、核心网、数据通信等，因为先进的网络是AI发挥价值、实现全社会协作的基础 [35] - 认为未来将是算力过剩的时代，做模型的人不应担心算力不足，而应关注模型如何对社会有用 [22] - 明确公司定位是“华为技术公司”，主要从事应用科学技术，将科学理论转化为工业现实 [23] - 在量子计算领域，认为其突破是必然的，但属于国家和人类层面的命题，公司无法承担主要研究，未来可能选择购买量子计算机 [33] 人工智能对社会与就业的影响及应对 - 人工智能的应用将增加社会总财富，例如洗煤精度提高0.1%乘以中国40亿吨煤炭产量，高炉效率提升1%乘以10亿吨钢产量，都将产生巨大价值 [31] - 无人化会导致岗位精简，但富余人员可通过国家推行的再教育工程（如学券制）进行职业培训，转而从事其他具体化工作 [21] - 目前AI辅助编程已释放约30%的软件工程师工作量，未来可能达到60-70% [22] - 人工智能在产业上的贡献将占98%，而发明AI的IT公司对人类的贡献只占2% [31] 华为与ICPC的合作及对竞赛人才的看法 - 公司与ICPC的合作始于偶然，但通过该组织获得了认知世界的窗口，同时也向竞赛选手展示了产业界的视角 [26] - 肯定俄罗斯在理论研究和数学竞赛上的领先基础，并因此加大了在俄罗斯的合作与规模化发展 [27] - 认为竞赛题目来源于工业界（如本次冠军杯题目取材于大模型AI时代）是校企合作的良好典范 [12] - 公司支持并鼓励女性参与科学技术领域，认为在计算机时代的脑力劳动中，女性与男性没有本质区别 [24][25]

中美人工智能发展路径差异 - 美国探索通用人工智能AGI和超级人工智能ASI，旨在解决“人是什么”及人类社会的未来等根本性问题，这需要一个认识过程 [1][23] - 中国研究重点在于如何利用人工智能做事，以创造更多价值并解决发展问题，例如城市安全、公共卫生及工业无人化 [1][23] - 人工智能在中国正推动具体场景的具像化应用，目标是让煤炭工人等可以“打着领带、穿着西装、戴着戒指上班” [1][23] 人工智能在工业与生产中的应用 - 华为公司研究聚焦未来3-5年，探索大模型、大数据、大算力在工农业和科技产业的应用 [6][48] - 在高炉炼铁中，通过大模型优化控制，可将效率提高**1%** [6][48] - 中国已实现地下**500米-700米**或更深的无人化“挖煤”，通过实时视频数据保障矿工安全并预测事故 [6][48] - 在洗煤环节，大模型可将精选精度提高**0.1%** [6][48] - 露天矿山、港口装卸（如天津港、秘鲁钱凯港）已实现完全无人化作业，涉及数百辆重型矿车和挖掘机 [6][48] 人工智能在医疗健康领域的应用 - 瑞金医院的病理大模型已大规模投入使用，辅助医生进行切片分析诊断 [7][49] - 中山医科大学的眼科模型支持通过手机或专用仪器拍照进行远程诊断，帮助提升边远地区医疗水平 [7][49] 人工智能对就业的影响与再教育 - 人工智能导致生产无人化，可能使部分人员失去工作，但从国家层面看，总财富会增加，例如工厂无人生产时产出从**100**提升至**120** [2][24][44] - 需要发展再教育工程应对岗位精简，例如实行“学券制”，为下岗人员提供补贴，并将空置的学校、工厂转为职业学校进行职业再教育 [1][24][43] - 随着大模型和智能体技术应用，AI辅助编程已释放约**30%**的软件工程师工作量，未来可能达到**60-70%** [2][25][44] 教育模式的转变与人才培养 - 网络教育正推动教育模式从“物理性集中”向“逻辑性分散”转变，使边远地区学生也能学习世界名校课程 [8][50] - 教育的目的是探索人类未来（“0-1”创新），企业的目的是创造商业价值，两者属性应区分 [11][53] - 高等教育需要培养不同类型人才，包括从事精密制造的“工人”（华为曾招聘**三千多名**边远地区本科毕业生培养为芯片生产工人）以及从事前沿探索的科研人员 [15][56] - 中国青年创业氛围浓厚，在机器人等领域有**百万青年**参与，大量创新公司涌现，预计三五年后中国将有较大进步 [16][57] 华为对技术、人才与合作的看法 - 华为定位为技术公司而非科学公司，专注于应用科学技术，将理论创新转化为工业现实 [11][26][53] - 公司认为未来将是算力过剩的时代，当前最重要的是CT（通信技术），因为先进的网络是AI实现价值的基础 [25][38] - 华为与全球学术界（如ICPC）合作是为了建立沟通纽带和认知世界的窗口，而非单纯争夺人才 [29][40] - 公司尊重全球人才与技术，在不同国家设有合作机构，例如在俄罗斯因其强大的数学与理论科学基础而设有规模化发展 [30] - 华为支持全球化与开放，认为吸收世界文明有利于共同创造价值，并致力于提升产品质量以赢得国际市场 [39][41] 人工智能在其他行业与国家的应用前景 - 对于印尼等国家，人工智能发展的重点应是“应用领先”，例如在船舶自动化、港口自动化及农业无人化领域 [31] - 人工智能在产业上的贡献价值巨大，预计将占**98%**，而IT公司对人类的贡献约占**2%** [33] - 以中国钢铁和煤炭产量为例，洗煤精度提高**0.1%**（乘以**40亿吨**）及高炉效率提高**1%**（中国钢产量**10亿吨**）能产生巨大经济效益 [33] - 在交通领域，中国正在试验**450公里**时速高铁的**5G-R**无线调度系统，未来需管理**30-40万公里**的干线轨道网络，这是人工智能与数学结合的复杂应用场景 [19][20][61][62] 对青年人才的建议与展望 - 鼓励青年顺应时代潮流，敢于走在最前面，选择适合自己的道路努力进取，不必过分看重短期成功或他人选择 [17][59] - 在科研中面临质疑是正常的，许多重大科学突破初期都曾受质疑，需要敢于迎接挑战和大胆创新 [18][60] - 青年应关注将学术方向“具像化”，解决实际复杂问题，例如中国庞大的铁路运输网络调度就急需尖端的数学解决方案 [20][21][61][62][63]

华为对人工智能发展的战略定位与行业应用 - 公司研究聚焦于未来3-5年，致力于将大模型、大数据、大算力应用于工农业和科技产业，解决生产与消费中的实际问题 [6] - 人工智能将促使生产性进步，预计三、五年后社会就能体会到其带来的巨大变化 [2][9] - 在华为公司内部，人工智能地位重要，但当前最重要的仍是CT（通信技术），因为先进的网络是AI价值实现的基础，没有网络的算力是信息孤岛 [37] 人工智能在具体行业的应用案例与效益 - 在钢铁行业，通过大模型优化高炉控制，可提高冶炼效率1% [6] - 在矿业，已实现地下500-700米或更深的无人挖煤，并通过大模型提高洗煤精度0.1% [6] - 在医疗健康领域，瑞金医院的病理大模型和中山医科大学的眼科模型已投入使用，帮助提高诊断能力，特别是在边远地区 [7] - 在港口物流，如天津港和秘鲁钱凯港，已实现装卸、堆垛、通关全程无人化作业 [6] - 在交通领域，国铁正在试验5G-R无线调度系统，以支撑上万列时速450公里高铁和3万吨重载货车的运行，12306票务系统已是全球领先的超大型实时系统 [19][58] 对教育模式变革与人才培养的观点 - 发达的网络使教育从“物理性集中”转向“逻辑性分散”，边远地区学生能接触到世界名牌大学课程，促进了教育公平 [1][8] - 教育的目的在于探索未来和培养人才，企业的目的是创造商业价值，两者属性不同，不应混淆 [10][52] - 高等教育需要因材施教，鼓励有能力的青年“摸高”探索真理，同时也认可大学生成为新时代需要高等教育的精密制造“工人” [13][14][54] - 中国青年创业氛围浓厚，在机器人等领域有数百万青年参与，大量创新公司的出现将推动中国未来三、五年或五至十年取得天翻地覆的进步 [15][55] 对全球合作、人才流动与公司角色的看法 - 公司认为与ICPC等组织的合作是认知世界的窗口，并尊重各国人才，在不同国家设有机构进行合作发展 [29][30] - 全球化与开放至关重要，中国需要向所有文明国家学习，通过开放使文明叠加创造价值，从而发展“新质生产力” [38][39] - 美国创造的科技文明对世界有益，公司支持全球人才流动，虽然自身因被制裁而需自力更生，但仍肯定全球化带来的产业进步 [37][38] - 公司通过“黄大年茶思屋”等网络平台促进全球化的科技交流，认为数学与理论没有国界 [39] 对前沿技术（量子计算、通用人工智能）的立场 - 量子计算未来一定会成功并带来巨大优势，但这是人类和国家的命题，作为企业可能选择购买而非主导研究 [34] - 对于通用人工智能，中美发展路径不同：美国探索AGI/ASI以解决根本性问题；中国则更关注解决具体发展问题、创造价值的行业应用 [23][62] - 算力未来将过剩，模型开发者无需过度担心算力不足，应关注模型如何对社会有用，行业应用工程师将负责推动商业化 [26] 对青年个人发展的建议 - 鼓励青年顺应时代潮流，敢于走在最前面，不要过于在乎金钱、青春牺牲或短期指标，应着眼于造福人类未来 [16][56] - 面对质疑是创新过程中的常态，许多重大科学突破和公司技术都曾经历质疑，需要敢于迎接挑战和大胆创新 [17][18][57] - 职业选择应适合自己，不必盲目追随他人，即使不成功，其探索过程积累的假设验证也是巨大财富 [16][56]

机器人大模型是迈向通用具身智能的关键路径 - 机器人大模型通过融合视觉、触觉等多模态信息弥补机器人物理常识不足 是推动产业向通用具身智能发展的重要路径[2][4] - 行业重心已从人形机器人硬件转向小脑+大脑系统研发 投资重点转向通用基础能力构建[2][18] 传统机器人存在专一性瓶颈 - 传统机器人控制存在三专一低特征：任务专一（仅完成1-2种预设任务）、场景专一（离开特定场景性能骤降）、数据专一（依赖人工标注小样本数据）、泛化能力低[10][12] - 传统控制依赖规则编程和模块化算法 难以满足复杂动态环境需求[10] 现有成熟模型应用于机器人存在局限 - 大语言模型虽在自然语言处理成熟 但存在幻觉现象 无法直接解决物理操作问题 主要充当顾问角色而非执行者[4][24][25] - 自动驾驶模型与机器人有技术相通性 但机器人面临更复杂场景和更高通用性要求 难以突破极端场景泛化不足问题[4][29] 机器人大模型解决物理常识缺失问题 - 通过多传感器融合视觉、触觉、力量感应数据 构建物理属性表征 在仿真环境中训练弥补物理常识缺失[17] - 采用仿生学习路径 如RTR框架实现实时模型更新 模仿学习通过人类示范数据初始化策略[17] 商业化路径分化为硬件优先与模型优先 - 硬件优先路径由车企和机器人企业主导 侧重硬件本体研发和运动数据积累[41] - 模型优先路径由AI企业主导 先构建智能大脑再反向定义硬件需求[41] - 2025年上半年国内机器人产业链披露88起融资事件 同比增长近80% 融资规模超50亿元[36] 产业发展趋势与挑战 - 多数企业将聚焦垂直领域实现通用/柔性应用 仅少数全栈能力企业有望定义具身智能标准[5][43] - 产业将向专业化分工模式演进 形成技术层与商业层分工协作体系[46] - 面临数据稀缺问题 真机数据、仿真语句和互联网视频是主要训练数据来源[47] - 存在安全隐患 对抗攻击可导致系统性能下降21.2%-30.2%[49] 技术实现方式与案例 - 海外机器人大模型如谷歌RT-1/RT-2、PaLM-E等已展现端到端控制、对象泛化性和零样本能力[34] - 多模态融合技术整合视觉、语音、触觉信息 提升环境感知与操作精度[27]