大模型落地窗口

在談到華為如何看待 AI 時，任正非指出，20 年甚至上千年的影響，“交給社會學家和人類學家去研究”，華為只盯著 未來 3-5 年，盯著工農業(yè)和科技產業(yè)上的實際問題。

例如高爐煉鐵，用大模型分層感知爐溫，推演兩小時后鐵水硅含量，提前調整燃料和礦石配比，把高爐效率提高 1%。

再比如地下 500-700 米無人采煤，利用數(shù)據(jù)采集和拼接重構井下狹長巷道的“實時視頻”，讓礦工在地面遠程操控機械，預測瓦斯爆炸、透水、塌方風險，實現(xiàn)人遠離危險、機器下井挖煤。

洗煤精選、露天礦山和港口這樣在未來可實現(xiàn)無人化作業(yè)的工作都一一被他點名。

在這些場景里，AI 不是抽象的“智能”，而是可以量化的效率、成本和安全系數(shù)。

任正非也花了不少篇幅談醫(yī)療 AI。他特別提到兩類模型：

• 病理大模型：以上海瑞金醫(yī)院為例，用大模型推理切片分析，輔助醫(yī)生提高診斷準確率和效率。

• 眼科模型：以中山醫(yī)科大學的項目為例，用戶可通過手機或專用儀器拍照，模型遠程完成識別和初篩，幫助邊遠地區(qū)醫(yī)生做出更專業(yè)的判斷。

任正非強調，AI + 5G + 光纖網(wǎng)絡，可以把大城市醫(yī)院的能力“拆解”并外溢到偏遠地區(qū)。

而在消費側，自動駕駛模型、智能座艙中的對話助手“小藝”等，也被他視作華為重點聚焦的 AI 方向。

圍繞 ICPC、IOI 等競賽組織者的提問，任正非也談到 AI 時代的教育變革。

在他看來，網(wǎng)絡和 AI 正在打破名校與偏遠地區(qū)之間的“物理鴻溝”。真正的差距在于輔導和引導，這可以通過網(wǎng)絡遠程教學來補上。

在這套邏輯中，ICPC、華為挑戰(zhàn)賽等算法競賽，成為 AI 人才與產業(yè)間的“橋”，也是企業(yè)提前觸摸下一代人才的窗口——但任正非一再強調，華為與 ICPC 的合作，“不是為了搶人”，而是為了認知世界、交朋友。

當被問到中國企業(yè)如何在量子計算領域布局時，任正非的回應同樣現(xiàn)實：量子計算是人類和國家層面的命題，華為不會也無法主導；等量子計算機真正成熟，華為會像采購其他基礎設施一樣買來用。

先把事做好

座談會上，來自北京郵電大學、新加坡國立大學等高校的教練和學生，將問題直接拋向了 AGI。

任正非的回答很直接。他表示，美國是在探索 AGI、ASI，想回答“人是什么、人類社會的未來是什么”；而中國更多在研究怎么把事做好，用 AI 創(chuàng)造價值，解決發(fā)展問題。

AGI 仍然重要，但更像人類文明的長線命題；而中國企業(yè)的當務之急，是用 AI 把基礎設施和傳統(tǒng)工業(yè)“翻新”，讓“新質生產力”落在具體人工、具體產線和具體設備上。

在面對普林斯頓博士生提出的“算力資源有限”問題時，任正非表示：我認為以后是算力過剩，而不是算力不足。

在他看來，大模型數(shù)量上千上萬都不奇怪，線性疊加的算力可以被工程技術解決；真正難預測的是需求是否線性增長——也就是說，大家今天討論的算力短缺，更多是階段性和結構性問題，而非長期瓶頸。

因此，他建議做理論研究的青年學者不要過度為“將來模型怎么商業(yè)化”焦慮。相對“算力焦慮”，任正非更重視的是就業(yè)結構的重構。 他判斷，AI 會大幅提升社會總財富，同時擠出大量崗位，需要通過再教育工程來消化。

他提到，現(xiàn)在大模型和智能體技術已經釋放了約 30% 軟件工程師的工作量，未來可能達到 60%-70%。

這意味著，AI 不僅在擠壓傳統(tǒng)藍領，也會重塑白領結構，尤其是“重復編碼型”的程序員崗位。節(jié)奏不能過快，但方向幾乎不可逆。

最后，任正非指出，人工智能在華為地位重要，但當前最重要的依然是 CT（通信技術）。

沒有穩(wěn)定、強大的網(wǎng)絡，就沒有真實可用的 AI ——算力如果無法被可靠地傳輸、調度，最終只是一個個“信息孤島”。

他把華為未來三到五年的研究方向直接類比為德國提出的“工業(yè) 4.0”：用 AI 改造生產流程、感知與控制系統(tǒng)，而不是單純追逐模型參數(shù)規(guī)模。

縱觀整場座談，任正非談了很多人、很多國家，也談了教育、就業(yè)、青年、性別與文明交流，但所有這些話題，最后都又轉回到一個核心判斷：

“

AI 的真正價值，不在于把自己封神為“萬能大腦”，而在于深入千行百業(yè)，悄無聲息地改變高爐的溫度曲線、礦山的安全系數(shù)、醫(yī)院的診斷路徑，以及偏遠地區(qū)孩子能聽到怎樣的一節(jié)課。

在這套敘事中，AGI 是人類長期的哲學命題。 而華為與其他從業(yè)者的共同任務，是把大模型和大算力從云端拉到地面。

參考資料：

https://www.ithome.com/0/902/626.htm