3月31日晚，全球科技圈被華為“炸醒”！2025年報重磅發佈，輪值董事長孟晚舟一席致詞，直接把AI的戰略地位拉到“人類終局”高度——“人工智慧可能是人類歷史上最後一場技術變革，註定跌宕起伏，也必然波瀾壯闊”。更擲地有聲：“這是未來十年最大的發展機會，也是最確定性的戰略機遇”。當行業還在爭論AI是風口還是泡沫時，華為已經用8809億營收、680億淨利潤、1923億研發投入的硬核成績單，和“聯接、計算、雲、終端、智能駕駛、人工智慧”六大關鍵詞，宣告：All in AI，就是華為穿越周期、決勝未來的唯一答案。一、終極判斷！孟晚舟一錘定音：AI不是風口，是人類技術的終章“最後一場技術變革”——這句話，份量遠超任何戰略宣言。孟晚舟在年報裡清晰戳破行業幻象：過去幾十年，網際網路、移動通訊、雲端運算輪番登場，每一次都是階段性浪潮；但AI不同，它是底層重構式的革命——不是在原有技術上疊加功能，而是從生產邏輯、互動方式、產業架構上，徹底改寫一切。這不是跟風炒作，是華為30多年技術沉澱後的篤定判斷。“過去30多年，我們的不懈求索和堅實積累，就是為了抓住這場人類歷史上最大的技術變革。”當其他企業還在“AI+”的表層試水，華為早已把AI刻進戰略基因：不是可選加分項，是必選生存線；不是局部最佳化，是全域重構；不是短期投機，是十年為期的長期主義。更清醒的是：AI時代，不進則退，慢進也是退。孟晚舟用“迷霧中航行”作比——比速度更重要的是羅盤精準。華為的羅盤，就是戰略聚焦：拒絕盲目多元化，不追短期熱點，把所有資源、所有火力，集中砸向AI這條“最確定的主線”。二、1923億！全球最瘋狂研發投入：十年超兆，為AI砸出“技術護城河”沒有空談，只有“真金白銀”的瘋狂投入——這才是華為最大的底氣。2025年，華為研發投入1923億元，佔全年營收21.8%，相當於每收入100元，就敢拿21.8元用於研發。什麼概念？遠超蘋果、三星、英特爾等全球巨頭的研發佔比，國內更是一騎絕塵。近十年累計研發投入超兆，尤其是近五年，更是堅持將每年超1/5的收入，全部砸向未來——晶片、大模型、作業系統、算力底座，每一分錢，都為AI築牢“不可踰越的技術壁壘”。這筆天量資金，精準投向AI核心戰場：●算力底座：昇騰AI晶片、鯤鵬處理器持續突破，“叢集+超節點”構築全球領先的規模算力，讓AI推理、訓練不再有瓶頸；●底層系統：鴻蒙、歐拉雙OS深度植入AI能力，鴻蒙開發者破1000萬，生態跨越“生死線”，成為AI原生的系統根基；●大模型與智能體：盤古大模型持續迭代，小藝智能體全面升級，從語音助手進化為“全場景智能助理”；●行業落地：AI深度嵌入ICT、終端、汽車、能源，把技術轉化為千行百業的真實生產力。1923億，不是揮霍，是“壓強式投入”——不在非戰略點浪費一分力氣，把所有子彈打向AI這個“戰略制高點”。三、六大關鍵詞鎖定全域！AI嵌入每一根血脈，全場景AI帝國成型年報裡，孟晚舟明確六大核心方向：聯接、計算、雲、終端、智能駕駛、人工智慧。看似六大類股，實則一條主線貫穿——AI重構一切。1.聯接+AI：5G-A/6G+智能網路，打造AI時代“資訊高速公路”持續推進5G-A與智能網路建設，將AI融入全網調度與維運，打造AI時代的智能聯接底座——5G-A實現萬兆聯接，網路自我最佳化、自我修復，為AI傳輸提供“低時延、大頻寬、高穩定”的硬核通道，讓資料流動更智能、更高效。2.計算+AI：昇騰+鯤鵬，築牢“矽基黑土地”不再拼單一晶片性能，而是通過系統工程，把成千上萬顆晶片練成“超級算力叢集”。昇騰匯聚3000+夥伴、400萬開發者，鯤鵬擁有6800+夥伴、380萬開發者，讓算力像水電一樣普惠，成為AI落地的“基礎設施”。3.終端+AI：從“智能裝置”到“AI原生終端”，全場景體驗革命手機、PC、平板、可穿戴全面AI化——鴻蒙OS實現跨端智能流轉，小藝智能體理解習慣、主動服務；折疊屏、新形態硬體圍繞AI互動重新設計，終端不再是工具，而是“隨身智能夥伴”。4.雲+AI：華為雲+行業大模型，讓千行百業“一鍵AI化”聚焦核心業務，打造行業專屬AI解決方案。金融、醫療、製造、交通……不用企業從零搭建，華為雲提供“模型+算力+部署”全鏈條服務，把AI門檻降到最低。5.智能駕駛+AI：ADS狂飆突進，領跑行業智能駕駛業務持續高速增長，華為ADS高階智駕方案持續領跑行業，鴻蒙智行生態快速擴容，成為AI落地的重要標竿，重新定義智能汽車的“智能標準”。6.人工智慧：全域核心，一切的“底層作業系統”從產品定義到研發流程，從組織架構到生態合作，AI不是“附加功能”，是底層核心。每一款產品、每一項服務、每一個流程，都以AI為出發點重構——真正的“AI原生”，不是口號，是華為的行動綱領。四、不玩概念！華為的AI：從實驗室走向戰場，落地才是硬道理孟晚舟反覆強調：戰略聚焦，更要落地。華為的AI，從來不是PPT上的概念、實驗室裡的Demo，而是看得見、摸得著、用得上的真實價值：●醫療：聯合瑞金醫院打造病理大模型，切片診斷從小時級縮至秒級；●製造：數字孿生工廠讓裝置全聯接、質檢全智能，效率提升數倍；●金融：AI助手賦能客戶經理，普惠服務更精準、更高效；●交通：AI賦能機場、港口，營運效率大幅提升，成本直線下降。“加強戰略到戰場的轉換，積小勝成大勝”——華為的AI邏輯，從來都是“先落地、再規模化”，用真實場景驗證技術，用客戶價值迭代產品，拒絕虛頭巴腦的概念炒作。1923億研發是底氣，全端技術是實力，生態繁榮是根基，戰略聚焦是方向。十年為期，決勝未來！孟晚舟的目標清晰無比：不做AI的跟風者，要做AI時代的領航者；不做技術的追隨者，要做產業生態的建構者；不做短期的逐利者，要做十年周期的堅守者。 (AI智心)

不是技術越來越複雜，而是技術正在變得越來越像“人”——能聽懂你、主動幫你、替你做事。這一年，AI不再是工具，而是夥伴。有沒有這樣一種感受，這兩年，AI的相關新聞到處都是，可是，總是感覺距離自己稍微有點遠，又或者，雖然聽明白了名詞，然而，卻弄不清楚它究竟意味著啥呢？最近摩根大通發佈了一份報告，這份報告是關於2026年新興技術趨勢的分析，報告裡沒有太多讓人覺得難懂的公式，然而卻把未來幾年科技將會發生怎樣的變化講得十分清楚。今日，我們摒棄晦澀難懂的技術不談，僅僅談論四個當下正在出現、並且將會對我們的工作以及生活產生深刻影響的核心變動。第一章：AI能不能幫上忙，全看它“懂不懂你”往昔我們談及AI，講的是其何等聰慧。然而當下，眾人發覺：AI即便聰慧超乎尋常，倘若對您的特定場景毫無認知、對您究竟是誰一無所知、對您所欲踐行之事全然不解，那麼它所給出的回應內容，僅僅是堆砌而成充斥正確性的無用話語罷了。那麼，首要的一個大趨勢便是，AI是否好用，其關鍵之處在於，它能否獲取到那些“恰當的上下文”。什麼叫做“對的上下文”呢？那便是它明白你當下的角色，清楚你所具有的目標，曉得你手頭現有的資料，知曉你能夠運用的工具。恰似一位新入職的同事，倘若他不熟悉你們公司的業務流程，不曉得項目的背景狀況，不清楚該去跟誰進行對接，那麼即便他再聰慧，也無法把活幹好。為了讓AI真正“懂”這些，報告裡提到了幾個有意思的方向：物理AI：人工智慧走出電腦步入真切實際世界，舉例而言，工廠之中的機器人，並非是被預先編寫程序設定好的那種固定模式動作，而是具備自我學習能力，能夠自行適應，當面對不同形狀的箱子時，它能夠憑藉自身能力判斷如何抓取，以及運用多大的力量來抓取，恰恰是這種物理人工智慧展示出其現實功效。知識圖譜：你可以把它理解成給AI裝了一個“企業大腦”。它將公司內零散的資料、關係以及規則串聯起來，在AI提問時，並非隨意翻閱資料，而是如同一位資深員工，清楚誰是誰，什麼事務該找誰去處理，以及怎樣去執行什麼流程。上下文工程：這是個全新的詞彙，然而其蘊含的道理卻並不複雜；人工智慧一次能夠接納的資訊數量存在著限制，恰似人的注意力存在著侷限一樣；故而當前所注重的並非是“給予它的資訊越多便越好”，而是“怎樣挑選最為關鍵的資訊給予它”；這就如同為人工智慧配備了一位管家，協助它篩選資訊、捋順思路。簡略來講，往後的AI運用，較量因素並非是模型有多厲害強大，而是在於它於合適的時刻，能否獲取到恰當的資訊。第二章：AI用得越多，背後的“基建”就越忙你可曾察覺到，當下開啟任意一款App，皆有可能彈出一位AI助手。這表明AI已然不再是實驗室裡的玩鬧之物，而是被較多地運用到了實際業務當中。但背後有一個問題：算力不夠用了。因此，AI推理的需求，正在推動一場前所未有的基礎設施大升級。這裡所提及的“基礎設施”，並非我們平常所認知的伺服器，而是涵蓋能源的體系，是包含資料中心的體系，是涉及晶片的體系，是關乎網路的全套體系。能源方面，AI運行起來耗電量極為顯著，針對某個大型資料中心而言，其耗電量等同於一座小城市的耗電量，鑑於此，當下眾人都在開展新供電方式的研究工作，諸如小型核反應堆、太陽能以及地熱能等，實施這些研究只有唯一的目的，那便是確保AI能夠獲得電力供應，進而實現正常運行。資料中心，以往建構資料中心時，如同搭建倉庫，現下情況不同，需建成‘高樓’，採用液冷散熱方式，助力支援更高層級密度的晶片堆疊，簡言之，即在更小容量空間內，裝填更多的算力。晶片方面，GPU這一圖形處理器向來是AI的主力，然而當下出現了各類“專用晶片”。其中有專門用於做推理的，還有專門用於做邊緣計算的。這些專用晶片具備更省電的特性，同時價格更為便宜，能夠使AI的成本降下來。雲原生人工智慧，旨在使企業能夠更為便利地管理人工智慧資源，開源社區此刻正在建構一套具備標準化特性的工具。你能夠將其理解為，給人工智慧相關的基礎設施裝置了一套相當於“作業系統”的事物，進而致使開發者以及維運人員無需再為底層硬體問題而感到頭疼不已。這個趨勢向我們傳達出這樣的資訊：AI並非毫無憑藉就自行運行起來的，它的背後存在著整整一套，且這套系統正變得愈發龐大，愈發細緻入微的“後勤系統”，是該“後勤系統”在起著支撐作用。第三章：你不用再“找”App，App會來找你你若計畫去做一件事情，其通常所遵循的流程究竟是怎樣的呢，先是開啟瀏覽器，接著進行搜尋，隨後點開若干網站，再去下載一款App，而後開展註冊操作，跟著實施登錄行為，接著填寫表單，最後予以提交，光是這麼思索一番便已然覺得疲憊不堪了。然而，未來只要你將“我想要去做什麼”這般表述出來，其餘的事項便都交付給人工智慧去進行處理了。這背後的邏輯是互動方式的根本性質的轉變，這種轉變是從“應用切換”轉變為“意圖即介面”。舉個例子：智能體瀏覽器，你無需再開啟十幾個網頁，去進行比價、填表以及下單的操作。你告知瀏覽器“幫我訂一張周五下午前往上海的高鐵票”，它便會自行去查詢時刻表，去比較價格，去下單，去付款，最後向你告知“搞定了”。辦公軟體未來並非Word、Excel那些軟體，變成了一個“智能協作空間”，也就是AI原生工作空間，它能謹記你上周和那個客戶交流，清楚你下周三存在匯報事項，會主動替你規整材料，提示你回覆關鍵消息，甚至在你開會之前，為你生成一份討論提綱。對於生成式使用者體驗而言，當你去打開同一個App，然而和別人所看到的情況或許會全然不一樣，緣何如此呢，是因為它會依據你的習慣。以及你的偏好，甚至還包括你此刻的心情，即時去“生成”一個最為適合你的介面，不再是那種整齊劃一的模式，而是呈現出千人千面的狀況。以前品牌若想聽使用者反饋，就只能去看文字評論，多模態社交聆聽方面，現在呢，AI能夠聽懂播客裡的語氣，還能夠看懂視訊裡產品的露出，甚至還能從圖片中識別情緒，這使得品牌真正“聽見”了消費者的心聲。這個趨勢的核心就是：技術不再讓你去適應它，而是它來適應你。第四章：先在“虛擬世界”裡試一遍，再拿到現實中用先前，若是你打算對一款全新產品以及一個全新流程予以測試，那就只能拿到實際環境中去運行一番。其成本高昂，風險巨大，一旦出現問題還得耗費時間慢慢進行偵錯。但是呢，當下的情形已然有所不同了。運用人工智慧在虛擬世界當中，將全部的種種可能性都逐一進行嘗試，之後呢，把最為可靠的那種方案取出來拿到現實世界裡來。合成使用者：你能夠生成數量達到成千上萬個的“虛擬使用者”用以對你的產品展開測試。這些“虛擬使用者”能夠模擬具有不同年齡、職業以及偏好的人群，從而籍此 assisting 你提前發覺問題。舉例而言，倘若你想要瞭解一款全新的 App 在老年人群體當中是否好用，並非真的需要去尋覓幾百個老年人來進行試用，借助 AI 便能夠幫你模擬出來。網路安全領域，以往是遭受到攻擊之後才去修補漏洞。如今，AI能夠建構企業系統的 “數字孿生”，接下來自身充當駭客，不斷反覆模擬攻擊路徑，進而找出所有有可能被突破的點。直至真正的駭客出現時，漏洞已然被堵住了。這個趨勢的實質，是將風險以及不確定性，放置於虛擬世界當中予以解決，使得真實世界裡的每一回部署，都更為穩妥、更為高效。(TOP行業報告)