華為聯合滴普推數據智能方案,對話周躍峰:今年AI真正找到發展道路

2026年8月12日 15:17
華為聯合滴普推數據智能方案,對話周躍峰:今年AI真正找到發展道路
站內 AI 整理稿

華為雲與滴普科技近日共同宣布推出數據智能解決方案,鎖定智慧製造與零售兩大產業,從數據治理、模型訓練到智能體建構提供一站式服務,協助企業加速數位轉型。這項合作整合雙方在雲端運算與資料分析領域的技術優勢,目標是讓製造業與零售業能更高效地利用數據驅動決策與流程自動化,進一步提升營運效率與競爭力。在發布會上,華為雲CEO周躍峰指出,今年AI真正找到了以智能體為中心的發展路徑,這是一條明確且可行的方向。他強調,華為將採取開放生態策略,與合作夥伴共同推進技術落地,而非試圖包攬所有環節。這樣的做法不僅能加速產業創新,也能讓各領域的專業夥伴發揮所長,形成更完整的解決方案生態。

這套數據智能解決方案的推出,反映了當前企業數位轉型過程中對數據價值的迫切需求。在智慧製造領域,生產線上的感測器、設備與系統持續產生大量數據,但許多企業仍缺乏有效整合與分析的能力。透過華為雲與滴普科技的合作,製造業者可以從數據治理入手,梳理出結構化與非結構化資料,再結合機器學習模型進行預測性維護、品質檢測與供應鏈最佳化,最終建立可自主執行的智能體,實現生產流程的即時調控。零售業方面,消費者在線上線下的行為數據同樣龐大且分散。該方案能協助零售品牌將會員資料、銷售紀錄、庫存動態與外部市場資訊進行彙整,透過模型訓練找出精準行銷與個人化推薦的策略,並藉由智能體自動觸發促銷活動與補貨決策。

周躍峰提到,華為雲在基礎設施與AI平台上的積累,結合滴普科技在數據中台與行業應用的專長,能夠為零售客戶打造更貼近實務的解決方案。滴普科技作為數據智能領域的專業夥伴,一直專注於協助企業構建資料基礎設施。雙方此次聯手,正是看準了市場上對於端到端數據智能服務的缺口。傳統上,企業從數據採集到模型上線往往需要跨越多個供應商,整合成本高且落地週期長。華為雲與滴普共同提出的方案,從底層雲平台到上層的數據治理、模型訓練與智能體部署,皆涵蓋在單一合作框架內,大幅降低導入門檻。

周躍峰在對話中進一步解釋,「以智能體為中心」的發展路徑,意味著AI不再只是單獨的演算法或模型,而是能夠感知環境、執行任務並與其他系統協作的整合單元。這種設計讓AI更容易嵌入業務流程,也讓企業能夠更靈活地因應市場變化。他認為,2024年是AI從技術驗證走向規模落地的關鍵轉折年,而智能體正是推動這股浪潮的核心引擎。華為雲的開放生態策略也在此次合作中具體展現。周躍峰明確表示,華為不會試圖包攬所有環節,而是專注在雲端基礎設施、AI開發平台以及運算資源等核心能力上,其餘行業應用與垂直場景的細部功能,則交由像滴普科技這樣的生態夥伴來補足。

這種分工模式不僅讓各方都能聚焦自身優勢,也有助於整個生態系統的快速演進。從市場角度來看,製造與零售兩大產業的數位轉型需求正在加速成長。根據業界觀察,許多企業已經意識到數據是新的生產要素,但缺乏實務工具與路徑來真正釋放其價值。華為雲與滴普的解決方案,正好填補了這一塊空白,提供從諮詢、導入到維運的完整服務。未來,隨著更多企業導入智能體架構,數據驅動的決策方式可望滲透到更多營運環節。值得注意的是,這場發布會上也透露了華為雲對合作夥伴生態的長期承諾。周躍峰表示,華為將持續投入資源,與滴普科技及其他合作夥伴共同開發行業模型、最佳實踐與培訓計畫,確保方案能夠真正落地並產生效益。

他認為,只有透過緊密的合作與共創,才能讓AI的價值在真實場景中最大化。整體而言,華為雲與滴普科技這次聯手推出的數據智能解決方案,不僅為智慧製造與零售業者提供了一條清晰的數位轉型路徑,也展示了華為在AI時代採取開放而非封閉的戰略思維。隨著以智能體為中心的發展方向逐步被產業接受,企業將能以更低的門檻、更快的速度導入AI應用,從而提升運營效率與創新能力。這項合作也為其他產業樹立了標竿,預示著數據智能服務正從單點工具走向系統性的整合平台。未來,市場將持續關注此方案在實際客戶中的導入成效,以及華為雲如何進一步擴展其生態版圖。

周躍峰在訪談中最後強調,AI的發展需要產業鏈各方共同努力,華為樂於擔任開放平台的角色,與夥伴一同寫下智慧化轉型的新篇章。

Related

相關文章

IT之家AI Agent

消息稱 NVIDIA 考慮向 Perplexity AI 投資“數十億美元”

作者:溯波(實習) 責編:溯波 評論: 8 月 24 日消息,外媒 The Information 稍早前報道稱,NVIDIA(英偉達)考慮在 Perplexity AI 的最新融資輪中向這家人工智能初創企業投資“數十億美元”。雙方正就該交易展開磋商,還可能達成技術授權協議。

剛剛
AIBaseAI Agent

Guidelight評估五大AI實驗室,OpenAI遏制能力排名第一

該評估覆蓋Anthropic、Google、OpenAI、Meta和xAI,僅依據公開信息考察其是否建立監控、異常行為處置、第三方審計及失控模型關閉等機制。在滿分5分的評估中,OpenAI以3分排名最高,Anthropic和Meta得分最低。

8 小時前7400
何夕2077AI Agent

τ_0-VLA長程操控

τ₀-VLA是一種層次化機器人基礎模型,透過世界模型引導的測試時計算來改善長程操控任務。高層策略在決策不確定時會額外分配計算資源,搜尋替代子任務並預測其視覺結果,而低層策略則在40,115小時的異質真實世界數據上訓練。在包含13到25個步驟的真實長程任務中,封閉迴路成功率從27.5%提升至45.0%。

10 小時前
何夕2077AI Agent

智能體技能合集

VoltAgent 的智能體技能庫近期持續擴充,目前收錄的技能規模已突破千項,相關倉庫在開發社群中獲得約 31.3k 的星標關注。這個持續成長的技能庫,正逐步成為開發者快速組合與部署智能體工作流程的重要資源。 該技能庫涵蓋多種類型的 CLI 工作流程,這些流程具備高度可複用性,讓開發者不必從零開始建構每個環節,而是能直接引用既有技能來加速專案進度。隨著技能項目不斷增加,VoltAgent 生態系的應用範圍也隨之擴大,從自動化任務到複雜的指令處理,都能找到對應的現成模組。

10 小時前
何夕2077AI Agent

ruflo蜂群代理

近期在AI資訊日報中受到矚目的「ruflo蜂群代理」,是一款以多智能體框架為核心的代理管理工具。其設計重點在於讓開發者能夠有效管理複雜的代理流,透過系統化的方式協調多個AI代理協同運作,而非僅是單一任務的自動化處理。這種架構特別適合需要分工、接力或平行處理的應用場景,讓整個執行流程更為清晰且可控。 值得注意的是,ruflo導入RAG(檢索增強生成)記憶機制,讓代理在運作過程中能將經驗與知識「沉澱」下來。也就是說,代理不只是每次從頭開始執行,而是可以從過往的互動或任務中提取相關資訊,作為後續決策的參考依據。

10 小時前