华为首发企业AI白皮书：AI让员工更快了，怎样让整个企业受益？
内容提要
华为发布《Agentic Enterprise：企业智能化白皮书》，提出企业AI建设应从经营目标出发，而非先选模型。其DIMAK工程体系涵盖数据、基础设施、模型、智能体和知识五域，帮助沉淀可复用能力；H型双塔架构连接智能体系与原有IT/OT系统，实现从判断到执行的闭环。白皮书还收录金融、电力等多行业实践，强调企业需结合自身业务持续验证。
延伸解读
从局部提效到全局收益的瓶颈
文章开头的AI商拍案例显示，素材制作速度可达原来的约20倍，但审核、选品、运营等后续环节未打通，仍需人工检查。华为专家指出，局部提效可能导致瓶颈转移，下一个环节成为堵点。因此，企业不能只看单点效率，而要从完整业务流程出发，找到真正制约整体产出的关键环节，再判断AI用在哪里，否则收益难以传导至整个业务链。
DIMAK与H型双塔的协同逻辑
华为白皮书提出DIMAK工程体系，涵盖数据、基础设施、模型、智能体和知识五域，用于沉淀可复用能力；H型双塔架构则连接智能体系与原有IT/OT系统，实现从判断到执行的闭环。两者分工明确：DIMAK解决能力如何建设和沉淀，H型双塔解决能力如何进入企业流程并与现有系统协同。这种设计旨在让AI参与任务执行，同时确保正式操作仍由原有系统完成，权责清晰。
解耦技术迭代与企业能力积累
白皮书强调“解耦技术生命周期与企业能力生命周期”，即模型和框架可以持续更新，但经过验证的数据服务、知识资产和任务方法应成为企业长期能力。DIMAK通过稳定的能力接口、框架适配和版本管理，降低对单一模型或框架的依赖。当底层技术变化时，企业重新验证任务效果和兼容性，使已有积累在必要适配后继续使用，避免重复建设。
行业实践的参考与边界
白皮书收录了金融、电力、汽车、医药等多个领域的实践，如电网设备评价和银行理财到期案例，展示了智能体与原有系统协同的具体形态。但文章也指出，不同行业的经营目标、业务流程、数据条件和风险边界各不相同，这些案例仅提供参考。企业需结合自身业务持续验证和调整，华为AI系统科学家姚骏也强调，业务价值流的最后一公里必须由企业自己建设。
Q&A
华为发布的企业AI白皮书主要提出了哪些核心架构和工程体系？
白皮书提出DIMAK工程体系和H型双塔架构。DIMAK涵盖数据、AI基础设施、模型、智能体和知识五个工程域，用于企业智能能力的建设、供给与持续改进；H型双塔连接智能体系与企业原有IT/OT系统，实现从判断到执行的闭环。
企业AI建设应该从经营目标出发还是从选择模型出发？
白皮书主张从经营目标出发，而非先选模型。企业应先明确要改善什么业务结果，再决定AI能力如何建设及与现有流程连接。业务、财务和技术负责人需共同确认业务基线、改善指标、使用AI的原因及结果负责人。
DIMAK工程体系具体包含哪五个域，各自作用是什么？
DIMAK包含数据、AI基础设施、模型、智能体和知识五个域。数据工程提供可信业务事实；知识工程整理制度、流程和专家经验为可检索规则；模型工程负责模型接入、适配和评测；智能体组织数据、知识、模型、工具及人机协作；AI基础设施保障稳定运行。
H型双塔架构如何实现智能体与企业原有系统的协同？
H型双塔中，智能塔以DIMAK为基础，负责理解目标、分析变化、比较方案和组织任务；现网塔即企业原有IT/OT系统，提供权威业务事实、校验并执行操作、记录正式结果。中间横向连接贯通数据、知识、权限、指令和结果，使任务从判断走到执行并返回结果。
白皮书中银行理财到期案例展示了怎样的AI应用流程？
某大型商业银行从客户到期资金安排切入。手机银行智能体在授权后，结合产品到期状态、账户资金、风险等级和持仓，形成多套方案供客户比较。客户确定方案并完成适当性确认和强认证后，智能体在授权范围内调用资金划转、理财购买等能力，交易校验和账户变更仍由银行原有系统完成。
企业如何应对模型和智能体框架更新导致的能力失效问题？
白皮书提出DIMAK核心是解耦技术生命周期与企业能力生命周期。通过相对稳定的能力接口、框架适配和版本管理，降低业务应用对单一模型和框架的依赖。当底层模型或框架变化后，企业重新验证任务效果和运行兼容性，使已有数据、知识和任务方法在必要适配后继续使用。
