从“有AI”到“用AI”，华为何以跨越行业智能化落地鸿沟？

如果说过去两年，企业讨论AI更多集中在“大模型能做什么”，那么进入2026年，当算力、模型和智能体逐渐成为企业可以获得的基础能力之后，AI究竟如何真正进入业务流程，并持续创造价值成为焦点。而在华为全联接大会2026期间，华为监事会副主席陶景文发表的《深耕行业场景，跨越数智鸿沟》主题演讲背后则给出了答案。

跨越鸿沟：AI从“辅助场景”迈向“核心生产”仍存挑战

众所周知，伴随大模型技术的演进与基础设施的逐步完善，AI应用的发展呈现出极其显著的扩散趋势。

例如在应用范围上，AI正从少数高IT化、高数字化的先行行业（如金融、互联网等）以及头部梯队企业，大规模渗透至能源、制造、交通、医疗、矿山等传统千行百业。

与此同时，在应用深度上，AI不再仅仅停留在行政办公、图像识别、知识问答等外围辅助场景，而是开始深刻嵌入企业最核心的生产流程。例如制造业的精密质检与工艺优化、能源网格的智能调度以及矿山作业的无人化协同等。

然而，AI走向核心生产场景的过程绝非坦途，企业在从“拥有算力模型”向“形成业务价值”转型的实践中，普遍遭遇多重交错的深层次挑战。

首先，不是所有业务都适合引入AI，至于应该优先选择什么场景，需要从业务价值、技术可行性和推广空间等维度判断；其次，企业真正有价值的数据和知识往往分散在不同系统中，数据没有被有效治理，行业Know-how也没有转化为AI能够理解和调用的能力；第三，AI必须与企业既有应用、生产系统和业务流程打通；最后，AI进入核心生产环节之后，还涉及权限、责任、安全、组织流程以及人与AI如何协同等问题。

因此，AI落地并不是简单地“买算力、上模型、做应用”，而是一项从场景选择到数据治理、知识沉淀、模型开发、系统集成，再到持续运营的系统工程。

陶景文对此的判断更加直接：“智能演进的速度，远远大于人类和行业适应AI的速度。”而这实际上揭示了当前产业智能化的一道“数智化鸿沟”，即一边是快速演进的通用智能；另一边是复杂、具体且高度确定的行业业务，这之间缺少的恰恰是把二者连接起来的方法、组织和工程能力。

华为方案：以“AI落地七步法”与DIMAK工程体系攻克落地难题

面对上述挑战，华为对此给出的答案可以概括为三个关键词：新方法、新组织、新工具。

其中，“AI落地七步法”解决的是AI进入行业之后“怎么走”的问题。这套方法包括洞悉行业商业逻辑、选择行业核心场景、技术与工程攻坚、核心场景部署投产、沿价值业务流扩散、行业生态发展合作以及持续提升行业智能水平七个步骤。其核心并不是从一个宏大的AI平台建设开始，而是强调从真实业务问题切入，以“小切口、大纵深”的方式，先把一个核心场景真正跑通，再沿着价值业务流逐步扩散。而这里面最值得关注的，是华为对“场景”的强调。

在陶景文看来，“找到对的场景，就成功了一半”。因此，华为提出了“场景十二问”，由业务专家与AI技术专家组成联合团队，从业务价值、数据基础、技术可行性、组织准备度等方面筛选真正值得投入的核心场景。而这背后的逻辑其实很简单，即AI行业落地不应该从“我有什么技术”，而是从“业务到底需要解决什么问题”出发。

更重要的是，场景被选出来之后，还必须真正进入生产系统，而这也是“七步法”与普通AI PoC项目的重要区别。在此，华为强调，从MVP走向正式投产，必须完成与生产系统的集成，部署到企业IT基础设施之上，并进入常态化运营。只有一个场景真正跑通之后，才进一步沿着价值业务流向更多环节扩散。

如果说“七步法”解决的是AI落地的路径，那么DIMAK解决的就是“拿什么走”的问题。

提及DIMAK，它是由Data、Infra、Model、Agent、Knowledge五个部分构成，即数据工程、基础设施、模型、智能体和知识工程。其核心是把过去相对分散的算力、数据、知识、模型和智能体重新组织起来，使它们能够围绕企业真实业务流程形成一个完整的工程体系。

其中，Infra提供算力、存储和网络基础；Data负责把企业分散的数据治理成AI可以使用的数据资产；Model提供基础模型和行业模型能力；Knowledge则把企业制度、流程、规范以及专家经验等显性和隐性知识转化为AI能够理解和调用的知识资产；Agent进一步将模型、知识和工具组织起来，执行具体业务任务。

这其中，数据和知识可能是企业从“通用智能”走向“企业专属智能”的关键一环。因为真正决定一个企业AI能不能解决实际问题的，并不只是模型本身有多强，还在于模型是否真正理解这个企业的业务规则、专业经验和工作流程。故华为希望通过DIMAK把企业Know-how沉淀为AI可理解、可调用的知识与工具，缩小模型概率性与行业确定性之间的差距。

对此，陶景文进一步将这一过程概括为AI进入企业之后的“三次关键转化”，即从“通用智能”到“企业专属智能”，让AI真正懂业务；从“专属智能”到“可信行动”，让AI在治理框架下可靠执行；再从“分散智能”到“系统级企业智能”，让多个智能能力围绕企业目标协同起来。而这也是为什么陶景文特别强调，未来企业流程需要围绕“人和人工智能协同”重新设计，而不是简单地把AI外挂在原有流程之上。

与此同时，方法和工具之外，组织本身也需要改变。而华为此次强调的“新组织”，就是通过行业垂直作战组织和短链条运作，让行业专家、研发团队和一线人员围绕客户需求快速协同。其目标不是让技术团队单独解决行业问题，而是让懂业务的人与懂技术的人共同完成场景识别、方案开发、技术验证和项目实施。

换言之，AI进入核心生产场景，本质上是一次企业组织与生产方式的重构。

规模普惠：汇聚SCALE伙伴体系，共建千行百业繁荣生态

如前述，即便一个企业成功跑通了一个核心场景，并非意味着行业智能化已经完成。

究其原因，千行百业的业务流程、专业知识和客户需求高度差异化。毕竟一个企业能够验证的成功经验，需要经过产品化、方案化和工程化之后，才能真正复制到更多企业。而这也是AI产业从“标杆案例”走向“规模普惠”必须跨过的下一道门槛。而从华为此次大会释放的信息来看，其思路并不是试图独自覆盖所有行业，而是进一步强化“华为+伙伴”的协同体系。

具体表现为，华为持续投入ICT基础设施、算力底座、产品和平台能力，而伙伴则更了解具体行业场景、客户需求以及本地化服务。双方通过分工协作，把经过验证的能力变成能够复制的行业方案。

为此，华为推出了SCALE伙伴支持体系，其覆盖场景化解决方案、联合创新、联合营销、本地化服务和高效协同五个维度，目标就是解决伙伴在方案开发、集成验证、市场拓展、服务运维以及业务协同等环节遇到的现实问题。而华为官方也明确将其定位为推动成功经验从“标杆实践”走向“规模普惠”的体系。这之中一个重要变化，是华为不再只是向伙伴提供产品，而是进一步开放经过验证的能力和经验。

例如，在场景化解决方案方面，华为提供企业算力引擎和DCS AI解决方案，降低伙伴构建行业场景化方案的门槛；在研发支持方面，将标杆项目经验沉淀为知识资产，并形成价值场景参考架构；在营销方面，通过联合发布方案、打造样板点等方式，让经过验证的方案能够被更多客户看到和复制。

在服务层面，华为通过O3伙伴服务平台向伙伴开放原厂知识、工具和专家资源，将原厂服务能力进一步延伸到伙伴体系；在作业协同方面，则通过统一的数字化平台和AI工具，提高伙伴从营销、交易到交付、服务的整体效率，而这实际上形成了一条比较完整的产业链路，那就是华为提供底座、产品、工具和方法，伙伴叠加行业Know-how，双方共同完成场景创新和方案交付，再将经过验证的实践沉淀下来，形成可复制的行业能力，对于AI产业而言，这种协同尤其重要。

究其原因，当AI从外围辅助工具进入核心生产系统之后，项目的复杂度已经远远超过单纯的软件部署。为此，它需要理解业务、行业知识、打通数据和系统以及长期运营。而单一技术厂商很难覆盖所有行业的细分需求，但大量深耕行业的伙伴，则恰恰拥有AI规模化落地所需要的最后一公里能力。

值得关注的是，从陶景文演讲释放的信号来看，华为所讨论的已经不只是“如何让AI进入一个企业”，而是如何让AI进入更多企业、更多行业和更多核心生产场景，这也解释了为什么“新方法、新组织、新工具”最终还需要“伙伴生态”来完成闭环的原因。

写在最后：综上，AI正在从少数企业的辅助工具走向千行百业的核心生产力，但从“有算力、有模型”到“真正创造业务价值”仍存在明显鸿沟。针对于此，华为以AI落地七步法解决“怎么落地”，以DIMAK工程体系解决“靠什么落地”，再通过SCALE伙伴支持体系将经过验证的能力复制推广，推动AI从单点标杆走向规模化普惠，真正扎进千行百业核心生产场景。