由生成式AI推动的人工智能正在成为各行各业智能化变革的驱动力,而要让人工智能在企业中落地,离不开算力、场景、生态的飞轮效应。

华胜天成董事长王维航接受记者采访时表示,在AI+时代,华胜天成以“专注于企业级人工智能应用的AI服务提供商”为定位,致力于通过“生成式AI重塑企业经营场景”,实现企业经营的智能决策和高度自动化。
而要实现这样的愿景,华胜天成以AI+算力、AI+场景、AI+生态为三大抓手,进入AI转型的快车道。
算力催生新的专业服务
算力就是新时代的生产力,而且是新质生产力,在驱动人工智能方面发挥了支柱作用。
王维航表示,凭借丰富的数据中心建设经验和出色的总集及运维运营服务能力,华胜天成以“自主安全可控的人工智能软硬件基础设施”为关键支撑,面向政府、央国企客户提供算力基础设施建设、运营及服务,形成一种新的经济价值。
华胜天成不断推动区域算力中心的建设,承载区域自主可控、架构开放、应用丰富、生态完善的国内领先的智算枢纽,帮助重点城市打造领先的算力基础设施。

华胜天成成功构建了天津智算中心、宿州国创智算中心等标杆案例,推动落地人工智能计算中心。以国创智算中心为例,该项目由华胜天成联合安徽芯智汇建设规划,国创中心运营,三方以技术共调、共研为基础,通过人工智能技术的支撑、大数据服务的优化、运维服务的保障,实现了汽车监测系统实时和准确的处理和分析,保证了新能源智能汽车的安全性、便利性和智能化水平。
围绕数字化基础设施建设和管理,尤其是人工智算中心和超算中心,华胜天成持续深化算力解决方案与服务能力,持续迭代AI+的软件开发能力,满足智能化基础设施的建设需求。
共性问题与大模型的结合
算力只是底座,而大模型如何解决业务问题才是产业真正关注的焦点,落地AI场景需要深入了解客户业务。
AI时代,企业需要从原来的流程为中心转变为以数据为中心,借助数据治理从辅助决策到智能决策。
在过去26年里华胜天成帮助全球16000家客户实现业务创新与管理变革,积累了丰富的应用场景经营与最佳实践。
华胜天成围绕行业头部客户提供AI场景的全链路全流程服务,基于大模型能力重塑企业“运营、产品、服务”三大经营场景,推出以智能数据助手、智能投标大王、智能客服为代表的三大应用产品和服务,并在金融和企业客户取得突破。
过去一年,华胜天成围绕企业的运营、产品和服务场景,构建大量全新AI First应用,其中智能数据助手、智能投标大王、智能知识助手、智能营销机器人等应用都在企业提质增效方面有显著效果。例如,智能投标大王帮助华胜天成内部运营效率提升42%,智能客服系列的智能化应用方案帮助企业的管理复杂度下降7%-23%,服务成本降低10%-30%。
华胜天成CIO王士迪表示,与市面上的类似产品不同,华胜天成依托对目标客户的深度理解,基于AI大模型工具可以提供差异化的服务,兑现客户的数据价值。
依托丰富的客户资源,华胜天成在场景化创新和数据治理方面已经有了坚实的基础,这也为其进行AI与应用场景的融合探索提供了有力支撑。
互补性的生态圈
所谓“孤木不成林”,除了技术创新和场景化的应用探索,生态协作也是必不可少。
华胜天成依托已有的“朋友圈”,围绕算力提供商、AI技术提供商、运营商、数据服务商、软件系统服务商等,聚合百度智能云、华为等各类伙伴力量,积极开展技术适配,共同使能企业智能化落地。

华胜天成与生态伙伴之间具有天然的互补性。大模型适应场景并不简单,需要了解业务场景、拥有数据以及交付和服务能力。这些都是华胜天成所擅长的。
比如2023年4月,华胜天成与百度智能云以智能客服业务合作为起点,开启了合作历程,8月华胜天成成为百度智能云战略级合作伙伴,9月成功在某政策性银行合作落地智能客服项目,2024年3月入围百度智能云ACG交付框架供应商。短短一年华胜天成和百度智能云建立起了全方位、多场景的合作。
2022年华胜天成与华为快速组建了基于华为AICC解决方案的专业技术服务团队。2024年,华胜天成获得了华为ICT服务伙伴证书,认证了其在AICC联合适配与运维服务场景中的“领先级”地位。
生态的关键还是人才,面对千行百业井喷式的需求,人才短缺是共性问题。基于华胜天成公司的技术和人才资源等优势,以及生态合作伙伴在AI、机器人、物联网等领域的技术能力,共同打造华胜天成两大能力中心,招募合作伙伴,依托双方的产品、研发、生产能力,打造共享的解决方案。
通过引进人才与团队、建设人才梯队、提高团队技术能力、提升团队运营效率等方式,华胜天成持续打造业内一流的技术组织。同时,公司积极围绕AI方向开展在售前、售后维度的人员赋能,提升自身专业化能力,覆盖公司80%技术体系。
结语
随着AI技术的不断发展和普及,企业对于数智化升级的需求日益增加,为了更好地适应市场变化,华胜天成开启AI转型之旅,并制定了更加符合时代潮流和客户需求的市场规划。
展望未来,华胜天成将加强技术创新,制定了人工智能发展战略,包括构建人工智能算力生态、聚焦高价值场景持续研发创新产品、推进技术产品化和应用场景的实现。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。