智東西模型更新

八問華為雲CEO周躍峰:華為雲MaaS怎麼贏?

2026年6月5日 10:45

重點摘要

智東西 作者 | 李水青 編輯 | 心緣 智東西6月5日報道,在華為雲INSPIRE創想者大會上,華為公司董事、華為雲CEO周躍峰接受了智東西等多家媒體的採訪。 ▲智東西等媒體對周躍峰進行了採訪 就在當天,華為雲一次性推出了靈衢智算集群、分層Agentic記憶存儲、全新雲入口“智果園”、全球首個全流程具身智能開發平臺CloudRobo等十餘款AI新品,覆蓋從AI基礎設施、模型服務到智能體平臺與行業生態的完整鏈路。 同日,華為雲聯合智譜、DeepSeek、Minimax、Kimi、階躍星辰、百度、美團LongCat、訊飛星火、愛詩科技、生數科技等20餘家TOP模型廠商,發佈“百模千態,雲聚共贏”生態合作計劃。 在採訪中,當被問及與阿里雲、火山引擎等廠商的路徑差異時,周躍峰談道:“我們不太在乎Token總量是多少,也不太在乎收入總量是多少。我在乎的是每一個Token背後帶來的健康提升、一度度電的節約、生產力的提升,而不僅僅是情緒價值。” 他認為,華為雲的第一條差異化在於以“AI提升生產力”為根本目標;第二條是堅持公有云與混合雲並重,匹配中國政企對數據安全及本地部署的真實需求;第三條則是堅持自主算力路線,打造“第二個算力平面”。 談及Token經濟,周躍峰稱,不能簡單用日活或萬億Token數量來衡量價值,華為雲更看重每一個Token在To B場景中創造的實際效益。在國產化算力供應相對有限的情況下,他直言“沒有必要去拿規模跟外國牌的算力做比較”,華為雲致力於讓AI有更多的技術路線和生態可選。 而在被寄予厚望的AI編程產品——碼道(CodeArts)上,周躍峰將其定位為“碳基生命與硅基系統的翻譯器”——不僅僅是AI編程工具,更是智能體調用硅基資源的核心能力。 他表示,華為雲將投入“範弗裡特彈藥量”來打造這一能力,這一典故意指指代不計成本、高強度持續投入資源,目標不止於用戶數或Toke

站內 AI 整理稿

智東西 作者 | 李水青 編輯 | 心緣 智東西6月5日報道,在華為雲INSPIRE創想者大會上,華為公司董事、華為雲CEO周躍峰接受了智東西等多家媒體的採訪。 ▲智東西等媒體對周躍峰進行了採訪 就在當天,華為雲一次性推出了靈衢智算集群、分層Agentic記憶存儲、全新雲入口“智果園”、全球首個全流程具身智能開發平臺CloudRobo等十餘款AI新品,覆蓋從AI基礎設施、模型服務到智能體平臺與行業生態的完整鏈路。 同日,華為雲聯合智譜、DeepSeek、Minimax、Kimi、階躍星辰、百度、美團LongCat、訊飛星火、愛詩科技、生數科技等20餘家TOP模型廠商,發佈“百模千態,雲聚共贏”生態合作計劃。 在採訪中,當被問及與阿里雲、火山引擎等廠商的路徑差異時,周躍峰談道:“我們不太在乎Token總量是多少,也不太在乎收入總量是多少。我在乎的是每一個Token背後帶來的健康提升、一度度電的節約、生產力的提升,而不僅僅是情緒價值。” 他認為,華為雲的第一條差異化在於以“AI提升生產力”為根本目標;第二條是堅持公有云與混合雲並重,匹配中國政企對數據安全及本地部署的真實需求;第三條則是堅持自主算力路線,打造“第二個算力平面”。 談及Token經濟,周躍峰稱,不能簡單用日活或萬億Token數量來衡量價值,華為雲更看重每一個Token在To B場景中創造的實際效益。在國產化算力供應相對有限的情況下,他直言“沒有必要去拿規模跟外國牌的算力做比較”,華為雲致力於讓AI有更多的技術路線和生態可選。 而在被寄予厚望的AI編程產品——碼道(CodeArts)上,周躍峰將其定位為“碳基生命與硅基系統的翻譯器”——不僅僅是AI編程工具,更是智能體調用硅基資源的核心能力。 他表示,華為雲將投入“範弗裡特彈藥量”來打造這一能力,這一典故意指指代不計成本、高強度持續投入資源,目標不止於用戶數或Token產出,而是幫助開發者更好地使用工具、讓智能體更精準地理解人類意圖。 最後,周躍峰反覆強調華為雲的開放姿態:從鯤鵬、昇騰到歐拉操作系統,從ModelArts到智能體平臺,到行業生態,華為雲堅持開源開放。 “我希望華為雲能夠成為智能體時代一朵最開放的雲。”周躍峰說。 智東西對本次周躍峰採訪全文進行了不改變原意的編輯: 1、華為雲要做“硅基黑土地”,別人最難模仿的技術優勢是什麼? 周躍峰:在華為雲全棧技術中,我認為最難模仿的有三個方面:第一個方面是基於自主算力芯片的算力集群,這種全國產化的算力硬件系統是獨一無二的。第二方面是華為多年來在ICT的積累,以及在此硬件基礎上的數學、算法、軟件工程積累。包括上午推出的一系列AI新品,與其他雲也不太一樣,華為雲更致力於為企業和行業開發專屬安全的智能體。第三方面是華為雲更加開放,面向行業構建AI和智能體生態。 2、AI雲賽道競爭激烈,阿里雲、火山引擎等互聯網公司有天然的互聯網開發者優勢,華為相比他們走的路一樣嗎? 周躍峰:首先,我們將“AI帶來生產力提升”作為根本性目標。 我們不太在乎Token總量是多少,在當前國產化算力受限情況下,也不太在乎收入總量是多少。但我在乎的是生產出的Token背後帶來的健康提升,一條條鮮活生命。我希望Token代表的是一度度電的節約、生產力的提升,而不僅僅是情緒價值。這是第一條路華為雲與其他雲廠商不同的地方。 同時,我們堅持公有云與混合雲並重,以此踐行第一條提到的目標。考慮中國現實,政府機構、央國企等涉及民生的企業,對數據安全和本地化部署有考慮,華為雲會在各個行業來匹配他們的需求。 第三個不一樣,我們堅持自主自強,打造“第二個算力平面”,讓全球開發者有更多的技術選擇。 3、公共雲是需要多方共建的一個產業,您認為公共雲下一步發展的關鍵是什麼?華為雲將在其中扮演怎麼樣的一個角色? 周躍峰:我覺得公共雲隨著AI的發展將會更加興旺發達。四年前,我們認為做AI就要買一堆算力卡;三年前,我們很多企業認為做AI就意味著要發展自己的大模型;今天,我們看到做AI實際上我們要開發和用好智能體。至於背後的算力和模型技術,都轉到舞臺的背後去了。 同時,我們也可以看到模型和算力技術發展迭代非常快。假設我們僅僅自己買來部署、開發模型的話,很可能部署完已經是落後了,非常尷尬。因此我們說對於很多大行業,能不能構建一個專屬的公共雲?既保證數據的安全,又能保證這AI的算力資源和模型資源能夠快速迭代和共享,避免各自部署造成極大的浪費。 所以我覺得公共雲這一個技術是匹配AI技術發展,而且也可以更大程度利用好我們現有投資的資源,加快利用好快速迭代的AI技術。我個人以及我的團隊非常支持公共雲的發展,公共雲在中國這一片土地上面大有可為。 4、對中小企業用不起、不敢用AI的困境,華為雲有哪些針對性商業模式和案例? 周躍峰:AI作為如此大的一個產業,今天有人說萬億,我看遠遠不止萬億。但是讓這一個萬億的產業不至於泡沫化,那麼AI的產業不能夠僅僅只是匯聚在某幾個大的企業當中,一定是要讓更多中小型的企業也能夠使用AI的技術來發展。 比如中國有300多家大大小小的具身智能創業公司,如果讓他們自建IT系統、算力系統,打造一整條覆蓋數據準備、模型訓練、仿真、部署等流程的系統,壓力就太大了。所以我們這一次就發佈了全球第一個全流程的具身智能開發平臺CloudRobo,部署在公有云上。很多中小企業可以接入到具身智能專區去使用這一個開發平臺,付非常少的錢獲得共享數據、模型、案例等。醫療、製造、科研領域華為雲也推出了專區。 5、從醫療到具身智能,行業之間差距巨大。華為雲如何建立對這些不同行業的深度認知,有哪些經驗可以複製? 周躍峰:AI面向行業去深耕,其實需要更多的耐心、投入。這遠比ToC或者簡單通過App或者問答給個人帶來情緒價值要難得多,但華為雲更願意面向行業去深耕。 對於不同的行業,首先它的算力平臺是一樣的,所以我們更多地去打造算力平臺,就是我說的Agentic Infrastructure;華為ModelArts平臺開放擁抱各個第三方的模型,不僅是華為自研模型;我們也打造智能體工作平臺,在這個平臺上聚合各種生態。通過這三大平臺,在這幾個行業,我們又通過行業AI夢工廠,也就是專區方式,跟更多細分行業的從業者一起通過聯合創新打造好的解決方案,以此來繁榮行業生態。 6、華為提到“硅基黑土地”、“百模千態”概念,華為雲具體是如何聯合算力廠商、模型廠商以及各種行業夥伴來共同建設AI生態? 周躍峰:首先算力,從鯤鵬到昇騰是開放的;然後系統,從操作系統歐拉到智算系統也是開源和開放的。所以從根基上面說,我們是開源開放的。 那麼在構建全棧雲服務的這個過程當中,我們上層的容器等平臺也是開源的,ModelArts所採納的這個工具鏈也是開源開放。我們也是花更多的力氣來對接所有願意跟我們一起合作的模型,為了能夠讓這些模型服務調用得更好,我們今天還發布了全新的模型路由器,提高模型調用效率。 我們的智能體平臺也是開源的,開源的版本叫openjiuwen,這一個內核代碼幾乎和商業版的智果AgentArts相同。包括更多MCP、幾十萬個面向各個行業場景的Skills等,都是面向生態開放的。 面向細分的行業場景,AI落地生態所需要的技術差異化還是蠻大的。所以我們為此還專門開闢了行業AI夢工廠行動,希望能夠針對一個一個重要的細分場景,匯聚解決方案和原子級能力,跟大家共享這一些技術生態。 通過這一系列措施,我希望華為雲能夠成為智能體時代一朵最開放的雲。 7、華為雲將投入多少資源發展碼道(CodeArts),在這方面的具體業務目標是什麼? 周躍峰:碼道(CodeArts)表面上來看是一個用AI編程工具,但它更多是我們碳基生命和硅基系統進行對話的一個翻譯器。因為我們要指揮調用硅基資源的話,實際上要把人的通用語言轉化成硅基世界所能夠理解、聽懂的指令和代碼。所以碼道的意義就不僅是一個AI編程工具了。對於智能體而言,它是一個非常重要的核心能力。只有把這個能力打造好了,智能體才可以更加容易理解意圖,從而產生更加精準的措施和動作。 那麼我們在碼道,一定是投入“範弗裡特彈藥量(意指不計彈藥損耗地投入)”來打造這一個能力。(業務目標上)也不僅僅是從多少人來用這一個工具,或者說用這個工具中產生多少Token來衡量我們的投入產出。 所以我想說的是,華為雲對這一些重要核心的基礎能力,願意投入重兵和重資源在開發上面。還有包括投入資源來幫助我們的開發者,能夠更好來使用這一些工具。 8、今年上半年有一個很明顯的現象,就是阿里雲和火山引擎都不怎麼去看雲基礎三大件的收入了,都在衝MaaS的收入,華為雲內部怎麼看這一塊收入,以及今年MaaS收入有沒有一些具體的目標? 周躍峰:確實是。在通算時代,雲廠商的收入更多的是Infra拉動的資源收入。到了智算階段,大家很清楚,我們已經進入Tokens經濟的時代。所謂Tokens經濟時代,我倒覺得不能簡單的用多少日活、投了多少萬億Tokens來衡量Tokens所產生的價值。我更願意去看我們有多少Tokens是面向To B提升了生產力。 所以我一開始就說,華為雲更看重每一個Tokens背後能夠給生產力、生活水平真正帶來多大的價值。我們聯合各個企業打造了AI基礎設施之後,也不能簡單看產生了多少Tokens、模型被調用了多少次,這是沒有意義的。我們更多的是從案例看,比如我防範了多少金融風險,提升了多少工作效率等。 另外,我們也看到Tokens背後實際是需要大量的基礎設施來做支撐的,要看你對基礎設施的投入大小,這也是有很重要的。對於華為雲而言,我們採納的是國產化算力。在能力和供應相對有限的情況下面,我就不去拿這個規模來跟外國牌的算力規模做比較,沒有必要。 我們致力於發展第二個算力平面,讓AI有更多的技術路線和生態可以選擇,所以我從一開始就說我不太在乎這一些收入的指標,或者說Tokens總量。

Related

相關文章

MarkTechPost AI模型更新

Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages

This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather

1 小時前
MarkTechPost AI模型更新

Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight

Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp

15 小時前

智譜新高,MiniMax承壓,“大模型雙雄”命運殊途

這篇消息聚焦「智譜新高,MiniMax承壓,“大模型雙雄”命運殊途」。原始導語提到:大模型在被市場重新定價 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。

17 小時前