华为5分钟审合同的背后:8000万份PDF的累活

华为一年要审上千万份合同，覆盖30多种语言、180多个国家。

你猜做成这件事，最该感谢的是什么？

不是盘古大模型，也不是昇腾算力。

是一群人花了将近半年，把海量历史合同从PDF一份一份转成了计算机能读的格式。

这件事不会出现在任何一场发布会上，听起来甚至有些枯燥。但它是整个AI系统能跑起来的真正门槛。

一

华为做合同智能审阅，对外讲的成绩很亮眼：原来两小时的风险审查，压到几分钟；合同评审通过率大幅提升。

但这个数字背后的工程账，我翻了翻，比成绩单本身有意思得多。

上千万份历史合同，要先从PDF转成结构化文本——光这一步，做了小半年。再往后是海量数据清洗、文档结构化，成千上万份合同和几十万条风险条款，靠资深法务和业务专家一条条标注。

等这些脏活累活全部铺完，模型才接上去。

顺序非常清楚：先有数据，才有模型。先做半年没人看见的苦活，才有那几分钟的效率。

我更愿意给这类工作起个名字，叫「沉默工程」：新闻稿里找不到它的名字，PPT里也没有它的位置。但每个真正跑得通的AI项目，都先付过这笔学费。

二

这不是华为一家的做法。

百威英博的技术负责人在一次公开访谈里自己讲过他们踩的坑：公司第一年招了上百名数据科学家，干了一年发现，这帮人大部分时间不是在做模型，是在清洗乱七八糟的数据。反应过来之后，才回头补招数据工程师。

他复盘的大意是：顺序搞反一年，浪费的不是一百份工资，是一整年的业务机会窗口。

这其实是整个数据行业的老共识了——数据科学家七八成的时间，花在找数据、洗数据、整理数据上，真正建模型的时间不到一成。只不过大多数公司是踩坑之后才承认这一点。

先别急着把百威当成"大公司的弯路"看热闹。能在一年内反应过来、回头补招数据工程师，已经跑赢了大多数至今还在埋头选型大模型的同行。

奔驰是另一个角度。它在全球30多家工厂推的数字化系统MO360，数据平台2022年就和微软云打通了，把工厂的生产、质量、供应链数据全部连起来，让每个一线员工都能看到透明的数据。

而那些真正在工厂里看得见的成效——每天车间站会时间缩短三成、生产问题快速定位、单厂能耗下降——很多都是数据平台跑通之后做出来的。那时候大模型还没影。

说白了，工厂侧数字化成效的大头，是"数据平台先行、让一线员工自己能看数据"做出来的。模型只是最后加上去的那层皮。

三

三家公司，三个行业，做法完全不同。但翻完材料，我发现它们做对的是同一件事：顺序。

大多数企业今天上AI的直觉是反的。听说大模型火了，先选型、先采购、先全公司推Copilot，至于数据散在多少个系统里、主数据脏不脏，等用起来再说。

华为、百威、奔驰不是。它们都先做那件最不起眼的事：把数据收拾干净，把平台搭好，把工程底座打牢。模型是最后一步，不是第一步。

这里面有个我自己觉得被严重低估的判断：

AI项目的失败，极少是模型不行，绝大多数是工程不行。

对绝大多数企业场景来说，今天的模型能力已经够用了。真正稀缺的、真正决定成败的，是「沉默工程」——把散落在PDF、Excel、老系统里的数据变成可用资产的那部分苦活。它不产生发布会素材，不写进PPT，但是它决定了你的AI项目是真落地，还是热闹三个月之后没人再用。

当然，这个判断也要留个边界：不是说模型不重要，而是在今天这个时点，模型能力从「瓶颈」变成了「前提」。前提已经成立，瓶颈挪到了前面的工程——资源就该压在瓶颈上。

四

你可能会说，华为百威奔驰都是万亿级企业，我一个小公司凑什么热闹。

这个顾虑很真实，但逻辑其实一样——不用做到那个量级，顺序错了就是错了。

下次再有人问"我们该上哪个大模型"，你更应该反问的是：你们的数据，收拾干净了吗？合同还躺在共享盘里的PDF里吗？客户信息散在几个Excel里？报表还要不要靠运营手工导？

大厂铺底座花的半年一年，你不用照搬。真正值钱的问题是换一个：不问选哪个大模型，先问自己有多少东西是机器读不进去的。

大厂铺底座花的是半年，但看清这个顺序，不需要半年。难的从来不是懂，是肯把大模型往后放。

那8000万份PDF，你打算花几个月？

（注：文中数据来自公开报道与企业官方发布，具体数字以企业最新披露为准。）