10月30-31日，2024汽车技术与装备发展论坛在苏州召开，政府领导，院士专家，装备、汽车及产业链企业高层齐聚，围绕“共筑汽车产业新质生产力”年度主题，聚焦新技术、新装备、新生态展开深入研讨，探索装备制造与汽车产业的融合发展路径。论坛由1场闭门会、1场开幕大会、2场特色活动和4场分论坛构成，搭建起国内首个聚焦“汽车技术与装备发展”领域的高端对接平台。其中，在10月30日上午举办的“开幕大会”上，华为技术有限公司智能制造首席智能化专家秦卓发表了精彩演讲。以下内容为现场发言实录：
各位领导专家上午好，我们谈汽车行业的新质生产力，我们认为数字化或者叫智能化是这里面非常核心的内容。华为我们也希望在这个赛道上，为我们汽车行业的高质量发展，能够注入一些新的动能。
我们现在看到，因为华为在智能化来看，我们各行各也都在服务。现在看到整个在智能化的进程上来看，我们汽车行业，特别是我们面向用户的智能汽车产品这个角度看实际上是在各行各业里走的非常靠前的。
像现在互联网，智能化的汽车，包括金融相对来说都是比较靠前的行业。所以这也给我们整个企业行业的智能化，其实带来非常好的机会，非常大的机遇。从整个汽车行业的智能化角度说，我们总结说，有两大类，六个方向。
两大类第一是我们面向用户的，我们的智能汽车产品的智能化；第二大类我们在汽车制造企业内部来讲，我们的研产供销服务，我们自己的全流程里，我们怎么使用智能化的手段，去重塑我们的流程。六个方向就是智能化可以发力的重点六个方向：
我们首先看一下从智能汽车产品，面向用户的智能产品角度我们的智能化。这里我们看到一个数据，智能汽车的销量，年均增长20%，我们的渗透率已经达到了12%，这应该说，不管是智能驾驶、智能座舱，包括我们的智能出行服务，其实在国内看，都在我们身边了，不用多说，大家都能非常真切的感受到。
另外一个角度，从汽车制造企业自身的研产供销服务的整个作业来看，我们可以用智能化的手段去重塑我们的流程。这里面其实华为我们跟国内很多汽车整车，包括零配件公司、企业都有很多合作，在这里也取得很多实际成果。
比如在研发阶段，我们基于AI流水线开发，比如我们在模型外观的辅助平台上，我们可以打幅度提升我们的研发效率，研发效率提升40%以上。在制造上，比如我们现在的智能物流，我们的供应，以及我们的AI质检。现在AI质检我们的误判率低于5%，质检效率提升90%以上。在供应链上，我们整个1.5小时内，现在可以给出一个月的IBS高级排成的计划，我们库存的器套率能提升37%。
在销售角度讲，面对我们实际的用户，我们现在对线上线下的线索进行智能评级，使得我们的销售机会实力准确度大幅度提高。面对客户的社会维度角度讲，我们智能客户机器人，包括我们智能化的主动维护。使得我们整个定位、报修的时间能大幅度缩短。这些都是实际上我们已经产生的一些成果，也通过全流程的重塑和再造，达到我们提制降本增效和减存的效果。
前面跟大家快速汇报了一下我们现在对汽车行业智能化的发展一些分期，接下来，我们也抛下我们对于汽车行业的题，我们要走之内华之路，我们的一些观点。
因为华为自身讲，我们有很多智能化经验，同时，我们业服务了很多企业，下面都是我们的一些观点。第一个观点，我们要聚焦高价值场景来牵引人工智能在汽车行业的快速落地。这句话我们反过来说，实际上人工智能在企业里面，我们现在大水漫灌、全面发力这种方式，目前至少在这个阶段，可能不太可行。
我们一定要找到人工智能在企业里各个环节里真正的高价值场景，或者超级场景。我们看现在模型，大家看到实际上真正在生产场景里能发生的作用模型，我们需要大量研发。同时我们现在真正在汽车企业里人工智能的人才也是稀缺的。
更重要的是，我们现在真正的商业闭环，我们人工智能的钱投在哪里，现在能不能看到商业闭环，看到真正的价值和对线，我们的LW是什么，从这个角度分析，现在还有很长的路要走。
所以在这种情况下，这种前提下，大水漫灌没有用。所以我们要系统性树立，我们的高价值场景在哪里，这里面举两个例子，第一个例子是研发的例子，比如华为在这块，我们在自动驾驶的研发上，我们现在提供八抓鱼这套平台，能帮助针对我们自动驾驶的研发，比如我们全量的数据采集，自动化的标注，以及我们的测试仿真等等。
基于我们的特点，我们有这么一套平台，帮助企业高效的去做自动驾驶研发。另外比如像软件工具链、硬件工具链，我们这里面大量用到AI技术去提升大家开发的效率，这是在研发上的一些场景。
在制造领域讲，在制造环节，比如我们的智能排产、智能物流，包括AI质检等等这些，现在实际上也在汽车产业里发生很大的作用。当然，基础是我们的IT和OT数据的融合要做好。同时，我们在经营角度讲，我们通过AI手段打造同名工厂，做到一体。
这里面举的研发和制造两个典型例子，所以我们第一个观点，要照准场景去发力，第二个观点，我们的架构优先，构建一体化的智算平台来支撑业务全面智能化。
所谓的架构优先，这里面怎么理解，左边的图是我们的智能体架构，是分层解耦的，这里面不去赘述，大家在很多场合都能看到。这里面首先我们看到，现在有一个提法，现在的大模型，是三个月各领风骚，现在已经缩短到三个月是一个轮回，换品牌在领跑。
这里面带来一个现象，实际上在模型侧，在应用侧，现在还远达不到稳定状态，这里面如果我们整个建设，我们的基础算力底座等等都跟模型三个月迭代，去轮回，实际上对投资，对我们的发展都不利的。所以我们说架构优先，这里面一定有稳定的架构，稳定的算力底座和数据底座，支撑我们上面的模型和应用的不确定性。
第二个是先易后难，先易后难就是刚才讲到了我们一定挑高价值的场景，从高价值的场景去切入、培养我们的能力、培养我们的人才，不要大水漫灌。
第三个是化零为整，意味着我们实际上在底座尤其是在数据上一定要平台化地去建设和运营。这里面把数据过去信息化、数字化大家说烟囱、孤岛，一定要把这个基础做好，要把这些数据共享起来，把现在有限的资源把这个壁垒打破，能够化零为整，集中攻坚来突破AI场景应用价值。
第四个是缓进急战，不贪求全，我们稳步推进，但是看到高价值可以商业闭环的场景我们就一定要坚决投入。这是在架构上的观点。
我们认为现在我们进入到智能化的时代，我们谈智能化，但是千万不要犯一个错误类似吃饼，我吃到第三个饼的时候我饱了是不是意味着两个饼不用吃或者没有价值。所以我们的观点是说流程信息化、数字化和智能化是叠加的关系，我们谈智能化不能抛掉过去流程信息化的阶段，我们对于信息化和流程的改造，给企业的运作打下良好的基础。同时更不能抛掉我们的数字化阶段对于关键数据资产的沉淀，我们的数据湖建设、数据标准建设等等这些都是智能化时代去发展智能化的基础。
当然反过来讲也是一个循环，我们现在做的任何智能化的开发、应用一定要融入到流程，反哺回归到我们的流程，回归到企业正常的运作。所以实际上是循序渐进去叠加的关系来实现全面的智能化。
我们也给大家分享下华为自己是怎么做智能化，这里面战略驱动有三层五阶八步法，这个时间关系我简单讲几个观点，在第一阶的场景里我们有一个AI场景的12问，低垂的果子先摘，一个果树里现在先红了最大的苹果，长的最低的苹果。12问就是要从商业价值、业务成熟度、数据成熟度、技术成熟度以及运营准备度的几个维度来回答这个场景是否能够支持我们去发展它。比如说在数据角度来讲，除了要获得能够冷启动的数据，就是这个数据量在业务领域足够去打造我们的模型和AI的应用，同时我们还要看这个数据是否能够持续产生、持续优化和运营，这是12问里其中两问。
刚才也讲到了AI重塑了业务流程，就带来一个非常大的好处，就是作业及标注，AI里数据集都是要标注的，但是过去我们的用户数据在很多行业包括2C，用户业务数据很难拿回来作为我们的训练数据集，因为我们没有办法保证用户的数据是清洁的，是可信的。回来一堆脏数据，用户的操作乱七八糟，反倒会使得我们的模型带入歧途。这里面就强调我们的AI的场景一旦回归到公司正常的流程，那么我们就可以确保我们的日常作业数据是清洁的，是可信的，这时候清洁可信的大量作业数据就可以认为是可以用来做数据集训练的标注数据，这使得我们的数据来形成一个良性循环。
最后就是AI的人才训战，懂AI是工作的基础，在华为现在有基础训、进阶训，培养了几千上万的AI人才，每个作业人员对AI都要有概念，当然我们还有更深的开发人员、运营人员、建设人员等等。人才的培养也是关键。
最后，对华为来讲我们的愿景从AI人工智能视角来讲就打造三个底座来支撑行业的智能化升级。一是解决方案底座，华为有芯片、硬件算力、网络、存储，同时我们还有HCS的平台，有工具链等等有一系列的解决方案，以及上层结合我们汽车行业的场景应用的解决方案，用这个解决方案的底座来支撑发展；二是生态底座，生产里包括我们的标准、规范包括开发者等等，有一个丰富的生态，因为光靠华为一家我们也没有办法去做那么多的应用，我们的聚焦还是在底座上；三是人才底座，华为现在也是赋能开发者，打造以开发者为起点和重点的价值循环，同时在高校现在也在开发这样的课程，未来我们要为国家培养大量的人工智能AI的人才。
我们希望通过这三个底座来使能百模千态共同推进汽车产业的智能化升级。
我今天跟大家的分享和汇报就是这些，谢谢大家！
（注：本文根据现场速记整理，未经演讲嘉宾审阅）
