2026华为创新数据基础设施论坛：智能体变革下数据架构何去何从？

3000万到22亿的智能体爆发

5月21日, 于巴黎举办的2026华为创新数据基础设施论坛上, 华为公司副总裁袁远公布了一组令人震撼的数据, 当下全球活跃智能体仅有3000万, 然而五年之后, 这个数字将会飙升至22亿。在这72倍的增长背后, 企业形态、商业模式以及社会经济运行逻辑正在经历深刻的变革。袁远做出这样的判断, “未来一个人加上一个智能体便能够成为一家公司”, 这一论断引发了与会者对于AI时代企业生存策略的热烈讨论。

医院案例揭示AI落地痛点

在中国, 有一家顶级医院, 其转型案例成了论坛的焦点。这家医院, 每年有几百万患者, 设有数千张床位, 传统病理医生检查一份组织切片, 所需时间超过40分钟, 效率低成了瓶颈。后来, 医院引入了AI能力, 仅用16张卡搭建了三个模型。其中一个模型用于识别癌细胞, 还有一个连接显微镜, 另外一个大模型负责与患者沟通。这些模型学习了300本医学书籍, 还用100万患者的数字病理数据进行训练。最终, 病理诊断时间从40分钟缩减到了15秒, 并且能准确识别19种常见癌症。

本地部署vs公共AI服务的较量

这家医院作出了选择在本地进行部署AI堆栈的决定, 而不是去依赖公共的AI服务, 这样的一个决策引发了人们深深的思考。袁远在论坛之上强调说道: “医院所具有的病理数据、诊断标准以及患者隐私方面的要求, 决定了这家医院不能够把核心的医疗流程托付给一个通用的公共模型。”这样的一个案例表明了, AI在本地的应用远比单纯采购服务器、安装软件要复杂得多, 企业需要在数据安全、隐私保护以及高效运营这几者之间寻找到一个平衡点。

企业IT架构面临根本性挑战

袁远表明, 企业若要加快AI落地, 那就一定要促使现有的IT架构朝着AI DC数据基础设施迅速演进, 这涵盖了数据湖、知识与记忆平台、算力、模型、Agent框架与数据韧性等关键方向, 有一家立志于2030年推出自动驾驶汽车的公司, 其需要L5级自动驾驶, 这就意味着要管理来自雷达、传感器等的超过1000PB数据, 要跨数据中心达成全局可见性, 要在几秒内从千亿级文件里检索极端场景图片, 而数据湖的功能恰恰是达成容量、可见性以及检索速度的平衡。

记忆与安全成为AI基石

在AI落地这件事情当中, 知识和记忆平台发挥的作用相当关键, 一家金融机构在进行AI编码的阶段内, 察觉到竟然需要15轮甚至200轮的反复推理才行, 而解决这个问题的办法就是用KV缓存, 通过存储来消除那些冗余的KV计算 , 以此节省成本跟时间。袁远比照着说: “人类之所以更加聪明, 是由于我们具备记忆。”当智能体框架、模型层、计算层跟知识与记忆平台叠加起来之后, 企业面临着更为根本的挑战: 究竟要怎样才能够让一切安全运转。任由不加控制的智能体去删除文件、改变规则, 坏人有可能投毒模型、引入恶意代码, 华为于AI DC方案里把数据韧性当作核心能力, 进而形成端到端保护。

下半程在于数据的差异化竞争

袁远所宣称的是, “AI的首个篇章为算力, 此已在全球达成；其第三篇章是智能体, 这极为盛行；然而下半程的关键在于数据。”算力以及模型正渐渐演变成基础设施层面的公用资源, 而真正对企业差异化竞争优势起着决定性作用的乃是高质量、安全且可控的数据资产。华为所发布的AI DC数据基础设施全栈方案里, OceanStor Pacific凭借11PB/2U的高容量密度以及0.25瓦/TB的低功耗来构建AI数据湖, ModelEngine能够实现模型开箱即用以及XPU资源的细粒度切分, ModelEngine Nexent使得智能体开发周期缩短了80%。

全球Token每分钟的消耗量, 从去年的60亿, 增长到了今年的150亿, Token正变成如同空气和水那般的必需品。医院、汽车公司、金融机构的案例显示, 没有任何一家企业能够置身事外。你觉得你的企业准备好了去迎接智能体时代吗? 欢迎点赞并分享, 在评论区谈谈你的看法。

猜你喜欢