AI落地Best Practice · 企业与业务成品 · 2026-06-10

“工业+AI”的旧世界与新世界 智能制造的华为范式与愿景

AI正重塑制造业,华为的工业智能平台总经理丘水平带来冷静思考,助你跨越认知壁垒,看清未来方向。

核心内容:

  1. AI时代制造业的范式转变与关键挑战
  2. 华为工业智能平台的实践与“具身认知”
  3. 从个人到企业,如何跨越认知壁垒实现智能化

AI的出现,会让制造业的工程范式发生变化,产业范式发生变化。“产业+技术”,最终会帮助整个社会资源实现最优化配置。但其中最难的部分,不是技术,而是人。

AI引发了这个时代最致命的集体高烧,让人们既狂热又混乱。

狂热在于不断涌现的各种新鲜体验,让人上头;混乱在于其中很多悖论与复杂关系,难以理清。这些悖论与复杂关系,既有哲学层面的:AI到底会将人类带往何方?在强大的、飞速进化的AI面前,人到底应该是怎样的存在?也有很多是日常工作中具体又迫切的选择:个人层面,哪些技能对我而言是重要的、哪些不再重要;企业层面,该以怎样的方向、速度,投入AI;产业层面,资金与人才会流向何处,竞争格局将如何演变。

华为工业智能平台总经理丘水平,大约是我这几年遇到的最清晰、冷静的人之一。至少在工业领域,从最底层的技术逻辑与范式转移;到中国企业从数字时代走到AI时代,内部盘根错节的复杂现实,老板与员工拥抱AI的不同姿势;再到产业内、企业间竞争格局的变化;以及自己团队的角色,与整个制造业生态的演变趋势——丘水平有一套通透、完整的思路。他头脑里似乎有一张高清的AI时代的工业蓝图。

丘水平的思路和蓝图,来自他所在团队——从华为工业软件平台到今天的华为工业智能平台——这些年来的“具身认知”:海量、异构的数据如何被打通、以最佳方式管理和使用;最佳数据管理范式和最优模型使用方式如何在企业内部扎根和生长,变成企业真正的价值与护城河,同时让老板和员工各得其所。

丘水平的一些观点,并非主流,听起来颇有点刺耳和警醒。但其中很多观点,已有学术验证。哈佛商学院教授琳达·希尔(Linda Hill)和她的团队,自2022年至今,对超过8000家公司的持续跟踪、调研、访谈,也得出一些相同结论:一把手个人投入精力越少,数字化/智能化成功的概率越小;大部分企业在技术上的投入远超对员工的投入,而那些关注员工技能、工作方式与体验的企业,数字化/智能化的效果通常更好;因技术投入而迅速大规模裁员的企业,很多遭遇了巨大的失败与反弹(有家公司不得不把裁掉的上千名客服员工全部重新招回来)。

从个人到组织,甚至产业,丘水平反复强调认知先行,认知到位并不确保后续工作一路坦途,但认知不到位,则绝无敞亮未来。安踏COO(首席运营官)陈科先生新书《无限游戏》,也围绕企业穿越周期与各种内外部挑战需要翻越的三大壁垒:认知壁垒、资源壁垒、组织壁垒。

本文基于2025年12月与2026年4月,两次对丘水平先生的访谈。文中观点并非真理,仅供参考。希望帮助更多中国企业家在AI高烧中,获得些许清凉,跨越一些认知壁垒,少走一些弯路。更希望智能制造时代的中国企业与制造业,迎来更高质量的发展,更繁荣、共赢的生态。

01

龙虾火爆,工业缓慢

HBRC:2025年12月,我们聊到AI智能体时,你说“蚂蚁军团”——海量AI智能体即将进入工业领域。结果,2026年初,龙虾(OpenClaw)先来了。龙虾火爆,可见C端普通用户对AI的热情之高。我想知道,为何工业领域的AI进展很慢?互联网公司总是说“天下武功,唯快不破”。B端企业应用AI比较慢,是卡在了哪里?还是工业领域要求的精确度很高,所以就是应该慢一些、更谨慎地部署AI?

丘水平:整个B端应用AI智能体、推进AI战略确实是不容易的。它跟C端很不一样,C端决策很多时候是感性主导,而且成本也不高,龙虾养成养不成,无非千把块钱的投资,人们觉得,你有我也要有,我不能落后,跟买新款手机、买车是同样心理。但是B端是理性的,决策周期比较长,在决策过程中,从企业的一把手、二把手,到落地的工程团队,必须达成共识,有统一的认知,这是很不容易的,所以B端必然是慢的。

我觉得企业可以先做一些先导项目,这样,在慢当中又可以稍微快一些。首先就是企业对AI的认知,不能把它简单理解成又一次技术升级,而是要认识到,它是一次企业级的智能化转型,要认识到AI战略是一次企业级的变革。如果只当它是技术升级,大概率会发现技术引入只带来了局部优化和一点效能提升,或者让员工工作体验变好了一点,就会觉得它的投入产出比是不划算的,它没有带来一把手想要的收入和利润的飞速增长,企业也没有焕发青春,AI战略也就注定失败了。所以首先一定是认知上,要把AI战略当作公司内部的智能化转型变革。

然后就是要做一系列决策,这些决策势必关系到公司的方方面面,比如AI战略要清晰地描绘出来,要有对这次改革的业务目标的核心定义,要匹配对应的组织形态等等,也包括从外部引入一些新的范式和方法论,比如引入我们提供的,以本体论为核心的工业增强知识图谱,最后落实为一整套支撑公司AI战略的平台或者工程化体系。

但现实是,很多企业要构建这样的认知、形成共识,这一步就很不容易。有些企业很迷信华为,觉得华为说的就是对的,他自己并没有一个清晰的想法和独立判断。当然大部分企业是理性的,但是他们内部很难达成共识。

HBRC:B端真的比C端更理性吗?我看到很多CEO都非常焦虑,有位CEO跟我说,为了跟上技术趋势,他现在每天读Nature(《自然》杂志)、Science(《科学》杂志)。硅谷大厂的竞争被称为AI军备竞赛,《人类简史》的作者尤瓦尔说,他发现硅谷科技公司的CEO不关心AI会给人类带来什么风险,他们只担心自己被同行超越。

丘水平:AI焦虑确实是普遍的。

HBRC:你焦虑吗?

丘水平:我还好。但确实,我跟很多董事长、总经理、CXO(高管)级别的人交流,能明显感觉到他们的AI焦虑,恨它不来,又恨它来得太快,又担心对手,怕自己没抓住机会。因为确实这一次,对AI的判断和选择,会成为很多公司未来很多年发展状况的一个分水岭,不焦虑是很难的。未受他人苦,莫劝他人善。不在那个位置的人说不要焦虑,是没用的。

焦虑的消减,从底层逻辑上来说,核心是要自己看清楚,并且做出自信的判断。如何做出判断?对于工业企业而言,就是刚才讲的,企业如果能够有一个非常快的先导项目,在这个过程中形成自己的一套方法论、体系和对事物发展的研判,获得清醒的认知和自信的判断,凝聚了共识,那AI焦虑自然就消除了,就可以有节奏地推进自己的AI战略了。

HBRC:先导项目是指实验项目?

丘水平:实验项目失败就失败了,只是试一下,我说的“先导项目”,是要选出特定的场景,真正干起来,要追求一个相对确定的结果。就像改革开放选择深圳市作为先导,要非常坚定。企业可以选择一两个先导项目,在不损伤主体经营的情况下,拿出一笔钱、一些人,选出一个产品形态真正跑起来。围绕先导项目,目标怎么定、团队怎么组、未来的业务形态怎么做、平台可能是什么样子,先用一年时间跑下来,这样有助于公司内部建立认知、凝聚共识,这样比光说不练要好,也比全面练起来要稳妥。

HBRC:龙虾这么火爆,对B端企业推进AI有影响吗?AI在C端和B端的发展,会是两条平行线吗?

丘水平:OpenClaw(龙虾)之所以能够火,因为它切中了绝大多数普通人能够使用它的一些日常生活场景,比如办公、出行。但是,它在生活场景胜任的方向,在B端反而是不胜任的,它在生活场景的经验和知识,使得它在B端场景下特别难用。我也在养小龙虾,我也在试,跟它聊聊天,让它在出行和基本办公场景做简单的任务。但是在B端,你让它做一点专业的事情,它立刻就特别傻。从技术上来看,C端小龙虾和B端小龙虾是完全不一样的。在专业领域,你可能需要喂它物理公式、化学公式、机理模型,这些专业知识,对大多数人而言,自己都理不清楚,怎么喂给龙虾?所以C端和B端一定是两个不同的赛道。

02

工业>AI

HBRC:你们团队最初是华为内部的数字化变革团队,如何走到今天成为华为工业智能平台?

丘水平:华为工业智能平台,前身是华为工业软件平台,最早源于华为内部的产品数字化改革项目。2016年,公司给我们7个亿的立项,我们团队的目标就是想尽一切办法把公司所有系统的数据拉通。这个过程是非常难的,其中最难,或者说数字化最核心的部分,就是把底层数据集成都打通,这个我们花了很大力气,也有非常多的创新点,其中最大的创新,我认为是对数据管理范式的重新定义。

我们认为有三种数据管理范式,第一种是面向结果,第二种是面向过程,第三种是面向对象。前两种是很多企业在使用的数据管理的范式,但是这两种范式都有很大的弊端。我们选择的是第三种:面向对象。

从一开始,我们就认为所有数据都应该是面向工业的对象本体进行建模,我们把华为内部所有的业务对象都梳理出来,最后抽象为用“2类模型+6类元关系”,这是最底层的逻辑、最高的抽象,它可以“一生二,二生三,三生万物”,你既可以用它来定义汽车,也可以定义飞机,定义万物,这个逻辑适用于绝大多数场景,一切都可以用它去生成。这就是我们说的,华为原创的“面向对象、元模型驱动”的数据管理新范式。

HBRC:这两年关于企业应用AI,我听到最多的一句话就是“企业AI应用的第一步是AI data ready,数据要先准备好”。你说的数据管理范式的选择,就是data ready这一步吗?

丘水平:三种数据管理范式,本质我认为就是两种类型,一种是“乱而后治”,就像是娃生下来再认亲,数据产生之后再给它贴标签,这是谁家孩子。这种“乱而后治”的数据管理范式,在企业未来的发展中会成本越来越高。现在工业界大部分企业都是这个路线,因为它是过去几十年很多企业使用的路线。这种方式确实能解决很多问题,但是它不能解决根本问题,它遗留的事情非常多,它就像一个老世界,就是那个样子了。

我们做的是构建一个新世界,新世界按照“面向对象”的范式去管理数据,然后让老世界的业务量逐渐削减,融入新世界的业务。这样,新世界做的越来越强大,旧世界也慢慢日落了,这就是底层逻辑。华为自己就是这么做的,我们认为别的企业也可以如法炮制,也有不少客户已经按这个方式来做。但我们也发现,很多企业的数据管理,还是在旧世界里打转,因为没有构建一个新世界,所以他费尽力气,发现始终走不出那个村子,陷在那样一个数据困境里。

HBRC:我这几年在企业调研采访时,总会问他们数字化的进展:“如果数字化转型一共10步,你们公司走到第几步了?”很奇怪,不同行业、不同企业,基本都是行业头部企业,好些企业说,大概4步、5步吧。我不懂为何大家都在4~5步这里。以你在工作中的观察,大部分中国企业的数字化处在哪个阶段?

丘水平:我认为大多数企业做数字化,包括以后准备去做智能化的,更多是方向错了。

HBRC:这么严重?!

丘水平:这个方向错误,并不是南辕北辙的错误,而是方向偏了,要向北走,结果走了东北方向。不能说是很大的错误,但是因为方向偏了,很容易造成走到尽头的可能性很小,它需要很大一个力量来矫正。就是我刚才说的,因为它还在旧世界里做治理,在旧世界里使劲折腾不是没用,但是用处很有限,这是其一。

第二,数字化的终局,是百米半于九十。你前面做的所有工作希望得到的结果,到真实工业场景使用的时候,会发现天花板太矮了。企业想要真正达到业务效果,甚至面向AI时代,充分释放AI的价值,就会发现旧世界的范式有非常大的局限,让企业在AI时代智能化的效果非常差,它就不得不回去补上数据管理的功课。大部分企业无疑都在很努力地做数字化,但是努力的方式方向如果错了,后面就还得修正。所以我只能说,大部分企业的数字化转型,做了肯定比没做好,但是距离它最终向智能化演进,差距非常大。

HBRC:你觉得大部分中国企业认知到这一点了吗?数字化的方向如果偏了,很难走到智能化。

丘水平:这个不容易认知。企业家有自己做生意的想法,他也听到各种各样的声音,但说服教育他们的成本很高。我们团队也还在能力外溢的路上。首先,华为自己的优秀实践,并不是所有都能拿给别人看。其次,也有很多企业觉得,华为我学不了,华为能干成的事,不见得我能干成。所以我们也还在布道的路上。

HBRC:业内有人说,数字化是一个特别庞大复杂系统的工程,推进起来很慢,但是AI应用可以很快,选一个场景做起来,可以快速见效果,所以他们建议可以在AI应用上行动快一些,不必纠结数字化完成再做智能化。你怎么看二者的关系?

丘水平:其实数字化也好,智能化也好,要在局部取得一些效果,都可以很快,没有太大的差别。但是,数字化和智能化,一旦加上转型两个字之后,它的意义就不再局限于只是梳理一个场景、上一个IT、做一个应用、产生一点效果,觉得这就是数字化或者智能化转型了,那是非常错误的认知。数字化和智能化,是CTO(首席技术官)的事。数字化转型和智能化转型,是CEO的事。

所谓的数字化转型或者智能化转型,一定是在某种范式上、某种运营形态上发生根本性的变化,要么是商业模式的创新,要么是研发范式的变革,它是一种质变。如果有人说,数…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/AIgongye/2026061004379.html