🐼Pandaily•較早收集於 32m
Huawei Cloud 策略轉向，從關注 Token 數量轉向工業應用價值
💡Huawei Cloud 正在重新定義 AI 成功指標，將工業實用價值置於原始 Token 數量之上。
⚡ 30-Second TL;DR
有什麼變化
引入「Token 工廠」概念，旨在服務特定的國家重點產業。
為什麼重要
此策略反映了更廣泛的產業趨勢，即企業 AI 的重點正從原始模型效能轉向特定工業領域的可衡量投資報酬率 (ROI)。
下一步行動
重新評估您 AI 專案的成功指標，將重點放在領域特定的實用價值，而非僅僅是總 Token 消耗量。
誰應關注：Enterprise & Security Teams
關鍵要點
- •引入「Token 工廠」概念，旨在服務特定的國家重點產業。
- •明確將總 Token 數量從 AI 模型的成功指標中降級。
- •專注於 AI 與工業工作流程的深度整合，而非單純的通用 LLM 擴展。
🧠 深度解析
Web-grounded analysis with 21 cited sources.
🔑 增強重點摘要
- •華為雲在2026年INSPIRE創想者大會上，正式提出「Agentic Infra」新範式，其核心包含「高效Token工廠、持續學習、通智一體化調度、安全自治」四大要素，旨在重構AI算力底座以適應Agentic AI時代的需求。
- •為實現「Token工廠」目標，華為雲發布了一系列新產品，包括AICS靈衢智算集群（支援10萬卡級集群規模，總算力達200 EFLOPS，Token生成時延低於10毫秒）、AMS Agentic記憶儲存解決方案（提供PB級超大記憶空間，支援KV Cache分層池化）、CCE Volcano Next通智一體化調度引擎及AgentSphere安全自治運行底座。
- •華為雲明確表示，其AI戰略不追求Token總量或收入規模，而是更關注國產化算力系統所產出Token的「健康度」及其對實際生產力的提升，而非僅僅是「情緒價值」。
- •華為雲同時發布了「行業AI夢工廠」的智慧醫療、具身智能、智能製造、科學計算四大專區，旨在降低AI在垂直行業的應用門檻，並已與瑞金醫院等合作，將智慧病理方案落地多家醫院。
- •華為雲的ModelArts Next模型訓推平台升級，提供強化學習服務（RLaaS）、機密推理（依託硬體級可信執行環境，確保高敏感數據「只進不出」）、模型路由（支援成本優先、效果優先、均衡模式）及模型矩陣等核心能力。
📊 競品分析▸ Show
| 特徵/指標 | 華為雲 (Huawei Cloud) | 阿里雲 (Alibaba Cloud) / 火山引擎 (Volcano Engine) / 百度智能雲 (Baidu AI Cloud) / 騰訊雲 (Tencent Cloud) | 其他大模型廠商 (如MiniMax, DeepSeek, 智譜AI) |
|---|---|---|---|
| 戰略重心 | 專注於國家重點產業的AI實用價值、國產化算力、Agentic Infra新範式、提升實際生產力，不追求Token總量或收入規模。 | 強調日均Token調用量、MaaS收入規模，傾向於Token價格戰，用低價模型引流。 | 參與Token價格戰，部分廠商通過開源策略和成本優勢補位，或專注工程級專業場景。 |
| 算力基礎 | 採用全國產化算力軟硬體，基於昇騰、鯤鵬晶片、CANN、歐拉等自研體系，打造「第二個算力平面」。 | 主要依賴主流GPU（如NVIDIA），在算力規模上競爭。 | 依賴主流GPU，部分廠商也在探索與國產算力晶片的深度適配。 |
| 目標客戶 | 重兵壓在政企和國計民生行業，如政府、金融、央國企市場。 | 天然依賴C端流量和開發者生態，也積極拓展企業級市場。 | 服務於廣泛的開發者和企業客戶，部分專注於特定專業場景。 |
| 產品迭代/效率 | 在AI應用層的更新頻率和部分訓練基準上的效率可能低於部分競爭對手，軟體優化和框架適配仍在提升中。 | 應用層更新頻率較高（約兩月一次），在部分訓練基準上效率較高。 | 快速迭代，尤其在模型推理成本優化方面。 |
| 生態策略 | 致力於開放的AI和智能體生態，昇騰CANN、歐拉、CCE Volcano、ModelArts工具鏈均開源。 | 擁有龐大的互聯網開發者優勢和流量優勢，積極構建Agent生態。 | 部分廠商採取開源策略，共同構建生態。 |
🛠️ 技術深入
- Agentic Infra新範式：包含高效Token工廠、持續學習、通智一體化調度、安全自治。
- AICS靈衢智算集群：支援10萬卡級集群規模，總算力高達200 EFLOPS，Token生成時延可降低至10毫秒以內，千卡每秒吞吐量達500萬Tokens，線上服務可用性達99.95%。
- AMS Agentic記憶儲存解決方案：透過NPU直通CMS（上下文記憶儲存）硬體，打造PB級超大記憶空間，並支援KV Cache分層池化，以降低推理成本並支援天級長程任務。
- CCE Volcano Next通智一體化調度引擎：透過「訓推共池+碎片整合」實現通用算力和智能算力的混合調度革新，可將資源利用率提升30%以上。
- AgentSphere：提供安全自治的Agent運行環境，採用羽量級沙箱技術，實現100毫秒級極速啟動與每分鐘十萬級批創能力。
- ModelArts Next模型訓推平台：提供RL強化學習服務、機密推理（依託硬體級可信執行環境，確保數據「只進不出」）、模型路由（支援成本優先、效果優先、均衡模式）與模型矩陣四大核心能力。
- 盤古大模型架構：採用「5+N+X」三層架構，包括L0層的5個基礎大模型（NLP、CV、多模態、預測、科學計算），L1層的N個行業通用大模型，以及L2層供用戶自主訓練的更多細化場景模型，強調分層解耦設計。
- 盤古5.0技術升級：在盤古3.0基礎上全面升級，具備更豐富的多模態和更強的思維能力，引入昇騰親和的Transformer架構（π新架構），並透過數據合成（weak2strong方法）提升數據利用率，合成數據在10T Tokens訓練數據中佔比超過30%。
🔮 前景展望AI analysis grounded in cited sources
華為雲將在中國國家重點產業和政企市場中鞏固其領導地位。
透過明確將「Token工廠」戰略聚焦於國家重點產業，並利用其在政府、金融、央國企市場的既有優勢，華為雲正策略性地深化其在這些關鍵領域的滲透。
中國工業AI應用的發展將加速朝向高度專業化和高價值場景轉型。
華為雲從通用LLM擴展轉向追求特定產業的AI實用價值，將鼓勵開發直接解決行業痛點並顯著提升生產力的AI解決方案。
華為雲對全國產化算力堆棧的強調將進一步提升中國在AI領域的自主可控能力。
其對基於昇騰和鯤鵬晶片的基礎設施的承諾，為全球AI生態提供了另一條技術路線和生態選擇，有助於減少對外部技術的依賴。
⏳ 時間線
2018-10
華為首次發布AI戰略及全棧全場景AI解決方案，包括昇騰系列晶片。
2021
華為發布盤古大模型。
2023-07
華為發布面向行業的盤古大模型3.0（「5+N+X」架構），盤古氣象大模型登上《自然》雜誌。
2024-06
華為雲在華為開發者大會2024上發布盤古大模型5.0，實現從十億級到萬億級參數全覆蓋，並增強多模態和思維能力。
2025-06
華為雲在華為開發者大會2025上發布盤古大模型5.5，並宣布盤古大模型已落地30多個行業、500多個場景。
2026-06-05
華為雲INSPIRE創想者大會召開，正式宣布戰略轉向「Token工廠」和「Agentic Infra」新範式，並發布ModelArts Next、CloudRobo等系列新品及「行業AI夢工廠」專區。
📎 來源 (21)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗