华为发布企业智能化白皮书：如何走出AI单点提效陷阱

过去一年，AI正在从解答疑问的辅助工具，逐步深入到企业的真实业务流程中。

在电商领域，AI生图、换装及换背景等功能已被广泛接入商品上架链路。一位电商AI解决方案负责人透露，系统能将商品素材处理和上架速度提升近20倍。然而，局部的几十倍提速并不等同于全链路自动化，生成的素材仍需人工复核，且与后续的选品、运营流程尚未完全打通。

AI虽已帮助单个岗位节省时间，但这种效率收益如何传导至整个业务线，仍是普遍痛点。若企业盲目训练专属模型或自建完整AI团队，没有足够的业务规模摊薄Token与研发成本，极易陷入亏损。

企业AI落地的核心，在于厘清哪些能力应当自建、哪些适合采购，以及如何将跑通的单点场景沉淀为长期可复用的资产。在华为全联接大会2026上，华为正式发布《Agentic Enterprise：企业智能化白皮书》，系统性提出了应对方案。

让经营定义技术，打破局部提效瓶颈

企业推进AI建设，首要任务不是选模型，而是明确业务目标。许多技术项目往往“拿着锤子找钉子”，而真正产生价值的应用必须以终为始。

华为AI应用首席专家李宏恺指出，单点环节提效有时反而会导致瓶颈转移，使下一个环节变成业务堵点。例如前端素材生成再快，若后端审核与上架能力未能匹配，全局吞吐量并未提升。

白皮书主张“让经营定义技术”。业务、财务与技术负责人需共同锚定业务基线、明确核心经营指标与责任归属，再以此规划数据、模型和智能体的建设方向。

DIMAK工程体系：把智能转化为沉淀资产

要在场景跑通后沉淀经验，企业需组织好AI决策所需的业务事实、行业规则与隐性经验。华为提出了DIMAK工程体系，涵盖五个协同领域：

• 数据（Data）：提供可信的客观业务事实。
• 知识（Knowledge）：将规范、制度与专家经验转化为结构化规则。
• 模型（Model）：负责基础模型的适配、微调与性能评测。
• 智能体（Agent）：协调数据、知识、工具以及人机协作。
• AI基础设施（Infra）：提供底层算力与运行保障。

DIMAK旨在实现技术生命周期与企业能力生命周期的解耦。大语言模型和Agent框架迭代迅速，但企业沉淀的数据资产与任务方法不应随之失效。通过标准接口与版本管理，当底层模型更换时，既有业务资产经轻量适配后仍可继续运行。

以电网设备巡检为例，企业将复杂的专业导则转化为明确的知识资产。智能体结合监测数据输出分析建议，人工审核后的修订与处置结果反哺知识库，形成类似递归自进化（RSI）的数据飞轮。

H型双塔：连接智能判断与正式业务系统

智能体输出方案后，往往还需跨系统操作。若仍需人工逐项录入，全流程耗时并未缩短。为此，华为提出了“H型双塔”架构：

• 智能塔（企业AI体系）：依托DIMAK工程，负责需求理解、数据分析与方案生成。
• 现网塔（企业原有IT/OT系统）：提供权威业务数据，负责规则校验、正式交易执行与状态记录。
• 横向通道：实现数据、指令、权限和执行反馈的双向流动。

在银行理财到期提醒场景中，智能塔负责分析客户资产情况并生成配置组合供挑选；涉及转账、申购等实质性动作时，则由现网塔进行合规校验与强身份认证。即便智能体发出指令，交易是否成功仍由业务底座说了算，异常情况下及时转交人工复核，保障系统安全与权责清晰。

华为AI系统科学家姚骏强调，业务价值流的最后一公里始终由企业主导。华为的角色在于抽象出通用的工程框架，协助企业在模型与工具的快速演进中，将前沿AI稳定转化为可持续的经营成果。