大家好，我今天交流的題目是《AI管理革命正向我們走來》。01. 20世紀的管理革命與管理困境（一）第二次工業革命推動了所有權與管理權分離的管理革命AI作為一種技術，正在驅動管理和上層建築的變革。我們知道，第一次工業革命以蒸汽機、鐵路、電報為主導，在鐵路系統中誕生了第一個現代管理系統。第二次工業革命以電力、內燃機、電話為代表，促進了製造業、運輸業、分銷和零售業，以及影視廣告娛樂等產業的繁榮。技術進步以及大規模的併購發生在美國19世紀和20世紀之交，促進了企業規模的擴張和管理複雜性的增加，進而推動了股權的分散，所有權與管理權的分離，以及職業經理階層的形成。正如錢德勒在《看得見的手》中指出，科技的進步完成了第一次管理革命。第一次管理革命的特徵就是我上述的三點：（1）股權的分散化，這是由於大規模併購所推動的；（2）所有權與管理權的分離：創業者不管是到年齡了，還是其他原因，最終要把企業的控制權——即通常所說的管理權——要交到職業經理人手上（ 3 ）職業經理階級（3）開始形成職業經理人。用錢德勒的話來說，美國企業在職業經理人手上獲得了長足的發展。因此，不管是錢德勒的《看得見的手》，還是格林斯潘的《繁榮與衰退》，主要兩個核心觀點：一是股權分散；二是職業經理人階級的形成。（二）第三次工業革命推動了以資訊科技為基礎的管理革命自科學管理運動以來的一百年中，企業的生產力得到了大幅提升，以電腦、互聯網和行動通訊網路為代表的第三次工業革命使得標準化、流程化、自動化大規模客製化以及資訊系統普及，實現了以資訊科技為基礎的管理革命。但我們看到一個現象：阻礙生產力提高的一般性難題在這三次工業革命中都已經被逐一克服了（所謂“一般性難題”，就是可見的這工具和方法能解決的管理問題），生產力的提升越來越集中在最深層的難題，最難啃的骨頭上。（三）產業的難題與傳統技術與管理的困境企業生產力的提升服從帕累托定理：80%的效益成長依賴20%難題的解決。1．鋼鐵業－高爐的穩定性。以寶武集團為例，煉鋼成本裡70%裡煉鐵成本，高爐不穩定是最大的問題，如能提高前端輸入參數，對輸出鐵水溫度及矽含量預測的準確性，就能提升高爐的穩定性。這是一個百年世界難題。而每噸鋼在煉鐵環境省1塊錢，光是寶武一家的產量就能省下幾億元，因為鋼產量已經是1、2億噸。2．電力產業的困擾：中低端配電網管理的複雜性。電力產業業務重點現在逐步轉向中低壓配電網的建設，由此帶來的需求變化主要表現在：（1）數位化改造設備規模大，僅國網就有470萬台區，480萬的充電樁，8000萬開關，4.3億計量表，300GW分佈式太陽能裝機量。 （2）數位化程度低，有三個老大難問題：「貴」(人工逐站運檢，1500元/站/年)、「難」(故障難查，故障位置不清楚)、「慢」(被動回應，平均30分鐘受理時間) 。 （3）新能源的爆發：太陽能和風電介入電網以後，給電網企業帶來了負載增加，不可預測，無法消納的情況。3．水泥產業的硬骨頭：熟料強度的即時精準預測。2024年4月，海螺水泥與華為礦山軍團計畫組從200個水泥生產場景中辨識出「水泥品質預測循優，水泥生產全域優化，安全生產智慧監控，皮帶機無人巡檢，智慧裝備問答」五大核心人工智慧場景。其中最基礎、最關鍵的場景，也是最難啃食的骨頭，就是「熟料強度品質指標的即時預測」。現有的手段和方法在解決此項難題方面已經達到了極限。4．油氣勘探產業的短板：勘探地震資料的處理和解釋。例如，把一個地塊的地震資料處理和解釋，人工需要十幾天的時間，而且嚴重依賴專家的經驗和判斷。再例如中油的FWI (全波形反演，一種高解析度地震成像技術)，儘管中石油東方物探已經佔了全球石油勘探近70%的份額，但這都是石油勘探的苦活、累活、髒活，而在高解析度地震成像數據的處理和解釋上，還需依賴美國等公司的設備，與美國競爭對手存在明顯的差距，嚴重製約了企業的效益。我們幹髒活，累活，苦活，是我們的企業在國際化過程中很普遍的存在，原因是核心技術沒有突破。5．煤礦業的老大難：煤礦的痛點就是安全、減人、提效。煤礦現在下井員工的平均年齡為45歲，50歲以上不再允許下井，整個產業都面臨的問題，就是招不到礦工下井採煤。雖然現在都是用機械化採煤了，但井下作業的環境如粉塵、光線昏暗等一系列工作條件，使得年輕人不願意下井。煤礦井下主要生產業務可概括為採煤-掘進-機電-運輸-通風加排水，煤礦生產的痛點就是「減人、安全、提效」。以運輸為例，指的是主煤流透過皮帶運輸機將礦井下的煤運送到井上。作為煤礦的“大動脈”，運輸一旦出了問題就會導致整個礦井停工，因此每個礦區都配有專人專崗，保障煤流運輸系統的正常運作。類似上述的產業生產力難題已經是現有手段攻不破的難題，我之所以稱之為“硬骨頭”，也是這個道理。科學管理和持續改進經過一個世紀的發展，正面臨邊際效應遞減的困境。這恰恰是基於AI大模型聯合創新的用武之地。02. 21世紀管理的大趨勢是AI驅動的管理革命（一）AI是我們面臨的最重要的一場管理革命，也是最後一場管理革命21世紀的管理挑戰是什麼？解決類似上述提到的產業生產力的難題是21實際管理面臨的最大挑戰。現在看得越來越清楚了，解決上述難題的鑰匙是人工智慧，這是一場AI驅動的管理革命。AI也許是人類最後一個科技革命時代，AI驅動的管理也許是人類最後一場管理革命。為什麼要這麼講？我引用華為總裁任正非的話來說，黃仁勳說AI是這個時代最重要的技術，有人問我他說得對嗎？我說還會有下一個新時代嗎？下一個科技革命時代我是想像不出來了。正如穀德所說，第一台超智慧機器是人類最後一項發明，如果沒有下一個時代，如果談彎道超車？中國企業的機會在那裡呢？AI是我們面臨的最重要的一場管理革命，也是最後一場管理革命。在這場管理革命中要能跟上，不落伍，才是企業長期生存的關鍵。如果這個事情做不好，其他的都免談。（二）數位化和智慧化管理革命有兩個重要的方向第一，面向個人，即ToC領域的革命，把人的視野和智力無限擴大，把人從簡單的、重複的操作中解放出來。這種解放對於不同的人，就產生了不同的命運：勝任者可能處於更優越的地位，不勝任者就被大量裁撤。例如美國港口工人協會的罷工，其訴求是不在港口中採用無人AI自動化裝置，這會導致大量工人失業。華為在天津港做了一個無人的港口，不但效率提升了，品質提升了，而且節省了1200個員工。但天津港局並沒有把員工裁掉，而是把他們重新配置到顧客介面。這做了一個很好的示範，既推動了AI革命，同時又消化了AI革命所帶來的員工裁撤難題。第二， 面向產業，即ToB領域的革命，將針對解決橫亙在產業中的模糊性、不確定性難題，更深刻地改變產業的面貌。這是華為AI的重點。華為也搞ToC人工智慧，例如消費者BG，“BG”直譯是“集團”，也可以翻譯成“業務群”——因為整個企業叫集團，下面只是一個群組。在人工智慧應用領域，美國的人工智慧應用基本上就是ToC這塊很厲害，因為它的製造業已經空心化，而我們的人工智慧應用除了ToC，正是面向ToB領域。中國如果把這一仗打勝，那中國在世界上製造業的地位就不可同日而語了。因此，關鍵在於我們在關鍵技術及產品和軟體方面是不是準備好了？企業的領導人是不是下定決心「壓強投入」了？03. 華為的實踐：用燈塔照亮前進道路華為公司透過軍團等組織形式，在中國做出燈塔項目，向世界拓展，走出了一條非常富有策略性的前進道路。我舉幾個例子來說明。（一）鋼鐵業的成功合作案例華為和寶武集團合作的高爐模型，在這種大時延、高難度情況下把高爐爐溫和矽含量預測的準確率提升到92%以上，每噸鐵水節省10元以上，別小看了這10元的節省，僅寶武的產量，就能省下幾十億元。該計畫獲得國資委高價值場景認可；湘鋼、南鋼、永峰鋼鐵等都已經全面推廣複製。寶鋼高爐專家又結合與華為聯創的預測結果反過來去調整控制高爐輸入的內容。湘鋼AI大模型創新在2024年「人工智慧向善全球高峰會」上獲得國際電信聯盟全球人工智慧優秀創新案例獎。（二）電力產業的成功合作案例華為和陝西國網電力公司合作了六年，解決新能源連接到電網中以後帶來的難題。陝西國網和廣西南網都與華為軍團合作，實施配網數位化、智慧化改造，同時向業界首次發布配電網數位化評估指標標準，包括覆蓋率、線上率、完整率、成功率、辨識率、準確率。管理上有一條規則，叫「不能度量就不能管理」。所以，能夠準確且清楚地測量這個過程和結果，就能推動管理變革的改進。以陝西國網路為例，目標是打造一套可複製、可推廣、可演進的新型智慧配電網端到端解決方案，其核心是一套智慧物聯體系架構三大核心技術，包括雙模+融合終端+人工智慧，以及N個場景應用。實現配電網全要素（包括運作、故障、現損、計量、靈活異常監測、拓撲、運作、消納，以及計算等）透明化，提升供電可靠性和電網安全運行水平，支撐基層用電客戶雙滿意和國家的雙碳戰略。（三）水泥產業的成功合作案例華為在水泥產業和海螺水泥合作創新的成果非常顯著。世界水泥看中國，中國水泥看海螺，海螺是中國水泥中經濟效益、品質最好的企業，被用在國家許多重點項目。早在2024年4月，海螺水泥就與華為礦山軍團合作，從200多個水泥生產場景中辨識出「水泥品質預測尋優、水泥生產全域最佳化、安全生產智慧監控、皮帶機無人巡檢、智慧裝備問答」5大核心人工智慧場景。基於華為的數位轉型諮詢、雲端平台、盤古大模型的工具平台，推動了海螺水泥集團的智慧轉型，進一步優化了成本，發布了首個建材大模型。僅水泥窯爐優化一項，噸熟料煤耗降低了1%，水泥熟料品質預測準確度達到85%以上。由於產量大，效益非常顯著。2025年4月23日，由中國建築材料聯合會、海螺集團、華為聯合舉辦的水泥建材人工智慧大模型成果發布會，會上發布了建材的AI大模型，這是水泥建材行業全球發布的首個大模型，對行業智能化轉型具有里程碑意義。（四）油氣探勘產業的成功合作案例中石油東方物探公司透過與華為油氣軍團的合作，把一個地塊的地震資料處理和解釋從原來的需要十幾天時間，縮短到現在幾個小時就能走完，而且品質得到了專家的一致認可。再例如中油的FWI（一種高解析度的地震成像技術）效率提升了20倍，FWI的創新也是基於華為無線領域的積累，雙方聯創的結果彌補了中石油東方物探與美國競爭對手的差距。現在，此能力已融入他們自研的軟體，再配上華為的鯤鵬晶片，做成一體機，已經可以和西方廠家同台競爭了。（五）煤炭產業的成功案例仍以剛才提到的運輸環節生產過程改善為例，應用華為的視覺分析AI技術，突破了煤礦井下運輸的難題。眾所周知，AI辨識的異常樣本越多，檢測效果越好，但是煤礦井下光線暗，粉塵多，要把皮帶上的異物如錨桿、木頭、工字鋼等多種異常樣本全部收集起來難度很大，他們遇到的是煤礦業做AI設計的共性難題——缺少樣本。最後，專案團隊提出了一個新的解決方向——非正常即異常，沿著這個創新的解決方向，專案工程師們把需求和方案的設計初稿傳遞給雲EI(企業智慧)產品線，EI給他們推薦了盤古大模型技術，該技術主打的“低門檻AI開發和零樣本、小樣本優勢”，非常契合煤礦行業的井下作業場景。最終，專案實現了減少20-30%的井下作業人數、「用機器代替人」的減人目標。上述都是技術含量很高，在解決難題上有所突破、有所進展的典型案例。因此，對產業數位化、智慧化系統應用有著巨大的改造空間，當然還需要經歷很長的聯合創新過程，可能要10年、20年長期的創新過程。產業數位化、智慧化系統性的優化還是非常困難的，需要客戶夥伴和華為的持續努力，還需要很長的聯合創新過程，不是一蹴而就。華為公司從2018年起，已經陸續成立了9個產業數位化智慧化軍團，全面涵蓋油氣鋼泥冶礦、智慧化交通、數位金融、智慧電力、製造與大企業、智慧化公用事業、智慧化政務、網路服務供應商、智慧園區領域。這幾年的重點集中在大企業數位化智慧化的「燈塔」專案上，做出成功的模式，樹立產業標竿。然後與生態合作夥伴一起，將「燈塔」的成功模式向產業推廣，並逐步向國外擴展。04. AI科技驅動的管理革命的特徵第一，AI時代，數據價值發生了本質變化。AI智慧時代，AI的訓練和推理需要資料的高效使能，資料的價值發生了本質的變化，不再是冷資料、沉睡的資料。因此要求特別關注數據的質量，克服數據孤島，建立統一的數據底座。第二，AI是最後一次科技革命，也將帶來徹底的管理革命。古德認為超智慧機器可以設計出更好的機器，而人類的智慧將遠遠落後。因此，曾經的管理定義是同別人一起，或透過別人來實現組織目標的過程。而未來的管理將是與AI一起，或透過AI實現組織目標的過程。管理從定義上都會發生根本性的變化。第三，在人工智慧時代，世界只有第一，沒有第二。任總講，在人工智慧時代，世界只有第一，沒有第二。現在還在混戰的、內捲的領域，將來都會被先進企業的人工智慧橫掃。 「你們可以參考Google的人工智慧如何評估心臟健康，Google是靠千萬次、億次的機器學習才找到標準模型，並將這個心臟模型開放出來，全世界都在使用，世界上不再需要第二個模型了。在AI領域，對任何產業來說，就是突破和解決最尖端的那一點，抓住一個，紮實實實做好這一個，一旦突破，一覽眾山。AI要抓住解決產業難題的牛鼻子，不只是節省人工，關鍵在於提高競爭力。05. 巨大的機會和巨大的挑戰第一，我們在面臨巨大的機會和巨大的挑戰，AI在產業的應用是中國企業的巨大機會，也是巨大的挑戰；第二，減人不是增效的主流，要做就要做最難的。減人只不過是結果；第三，創新的本質不僅是降低成本，更是創造價值。把成本放在第一位，是一種收斂的管理；把創造價值放在第一位，才是一種開放的思考；第四，未來的競爭是生態圈的競爭。對廣大中小企業來說，要長久生存就要進入領導企業的生態圈。要是進不去領導企業的生態圈，被邊緣化，企業就不可能長久生存。AI科技與管理革命正向我們走來。星星點燈，最後點燃浩瀚的星空。謝謝大家！ （華夏基石e洞察）
