夜雨聆风相比这张营收8809亿元的成绩单，更引人关注的，是华为轮值董事长孟晚舟在致辞中传递出的定调。
面对当下人工智能的全面爆发与狂欢，孟晚舟并没有去勾勒一个宏大的AI愿景，反而反复在强调一个理念：“要加强战略到战场的转换”。
这关系到两个问题：华为的AI战略是什么？它的战场，又在哪里？
当下的人工智能产业，正处在烈火烹油般的繁荣时刻。
然而，科技圈的AI狂热，大多停留在云端——比拼大模型的参数量、跑分的速度、生成视频的华丽程度……
在华为的棋盘上，其AI战略却有着截然不同的演进逻辑。它的核心，是打造坚实的AI算力底座，在中国构筑绝对优势，形成事实标准，为世界构建第二选择，并最终推动千行百业的智能化。
这构成了一个严丝合缝的“基础+应用”闭环。它的基础，是由鲲鹏、昇腾、CANN异构计算架构等软硬件构成的硬核算力底座；而它的应用出口，则是千行百业真实的数智化转型。
这些行业的数智化转型，正是华为眼中最真实的AI战场，也代表了当下中国产业界最为现实、最为迫切的需求。
无论是制造业，还是服务业，当他们面对AI时，关心的重点并不是模型参数是千亿还是十万，而是提出直接尖锐的疑问：AI到底能帮我省多少钱？提升多少效率？能不能解决以前解决不了的隐患？
现实却并不尽如人意。在许多企业的数智化实践中，存在着一道深深的鸿沟：ICT公司擅长解决技术问题，比如算力怎么调度、网络怎么低延时；而传统行业需要解决的是实际业务问题，比如高炉怎么稳产、油井怎么找油……两者之间，隔着一道极高行业壁垒的“Know-How”门槛。
不懂炼钢的IT人，写不出高炉的控制代码；不懂金融风控的算法工程师，也做不出实用的信贷审批模型。因此，传统行业不需要AI的炫技，它们只需要“解决实际问题的特效药”。如果战略不能转化为战场的火力，AI就永远只是挂在墙上的玩具。
这既是千行百业对华为的要求，也是华为再进一步的要素——科技最终都要落地应用。没有应用场景的吞吐，算力底座就无法更好地发挥效能；没有一线战场真实数据的反哺与打磨，底座的根基也不会得到更好的构筑。
因此，这正是孟晚舟反复强调“加强战略到战场转换”的原因，解决那些行业真实场景的实际问题，既是对华为AI战略落地的终极考验，是华为AI在中国构筑绝对优势、形成事实标准的关键路径，更是关乎整个人工智能产业能否跨越鸿沟、走向正轨的生死题。
面对这道生死题，华为面向千行百业的数万个案例，既是它验证过自身能力的战果，也是它通往更多战场的底气。
和充满硝烟与泥泞的真实战场相比，产业战场同样是专业者生存的场景。在千行百业的场景面前，无论是华为光环，还是博士头衔，都不是解决问题的关键钥匙。
比如制造业有句俗话：“现场有神灵，魔鬼在细节”。在严谨的工艺流程面前，没有足够的经验，没有对工业机理的充分理解，解决实际问题就无从谈起。
正因深谙此道，当华为的行业军团踏入钢铁这个最硬核的传统产业时，他们面对的第一道关卡，正是如何去现场的泥泞里寻找“神灵”，真正弄懂高炉的“机理”。
作为钢铁生产的“心脏”，高炉炼铁是一个极其复杂的过程：高炉内的温度、压力、煤气流变化、矿石还原进度都无法直接观测，只能依靠工人通过外部仪表盘数据和自身经验推断。
但经验驱动，却有个致命缺陷，人的状态有起伏，经验有差异。哪怕一个微小的操作偏差，都可能导致能耗飙升、铁水质量下滑，甚至引发炉况异常。
走进宝钢的华为团队，一头扎进了一线车间，他们将上千个高精度传感器布设在高炉周围作为“感官”，去捕捉温度、压力、煤气流等上百个维度的微弱信号；同时，将宝钢多年积累的专家经验、海量历史数据与冶金反应机理全部喂给华为的大模型。
这是在产业一线泥泞中的真正作战，通过繁琐的参数清洗与模型调优，华为与宝钢联合构筑的“高炉大模型”，成功撕开了“黑箱”的口子。
这套系统能精准预测未来1-2个小时内的炉温变化趋势，1小时炉温预测命中率高达95%，铁水硅含量命中率稳定在92%。基于这些预测，AI大模型会自动计算出最优的喷煤量、风温配比，直接给工人下达操作指令。
这不仅是技术的胜利，当这套能力被复用到南京钢铁等企业后，更带来了真金白银的战果：铁水一级品率从原本依赖人工时的80%左右，被死死钉在了99%以上，每吨铁水的生产成本直接下降200元。
在上千度的高炉铁水面前，任何AI的宏大叙事都变得无力，但“泥泞中打仗”的实干，却让数据击败了经验的不确定性，打赢了这场从“经验炼铁”到“数据炼铁”的突围战。
如果说，高炉炼铁是在单点上的极限突破，那么，现代汽车制造就是一个面上的复杂立体协同。
当汽车驶入“新豪华”与智能化时代，消费者的个性化需要被空前放大。一辆车的选配组合涉及的零部件多达万个。在传统制造逻辑里，这几乎是一场灾难：一个新的选装方案，供应链就要重新找物料，产线就要重新调设备，不仅极易出错，更会拖垮生产效率。
个性化的极致，往往意味着制造成本和效率的失控。这同样是横亘在制造业面前的“世界级泥潭”。要在“极度定制”与“极高效率”之间走钢丝，靠增加人手或传统柔性生产线根本行不通。
在这个难题面前，华为与江淮汽车携手给出的新解法是：拔高维度，构建一个真正的“数字孪生工厂。”
和由机器堆砌出的传统物理工厂不同，江淮尊界超级工厂在数字世界里拥有了一个完全映射的“虚拟克隆体”。在这个架构下，华为将智能排产系统作为“最强大脑”，将5G融合网络作为“神经末梢”，彻底重构了制造底座。
数据由此成为了真正的指挥官。销售端的一笔订单、供应链的一个二维码、研发端的一个工艺参数修改，都能在瞬间穿透部门壁垒，同步到产线。甚至，研发改一个数据，产线设备的程序能在5分钟内自动更新。
但要让这个“大脑”不犯错，依然要遵循“现场有神灵，魔鬼在细节”的原则。数字孪生的前提，是物理世界的数据必须绝对精准。
比如极其繁琐的插接件检测环节。过去，业界靠“小模型堆数量”，为双电机车型开发的检测模型，遇到三电机车型的新增孔位，准确率会从99.99%暴跌至84%。但通过直接切入CV大模型。工人只需上传50张新照片，系统用28分钟就能完成增量训练，精准识别新特征。
目前，这套系统覆盖了1500多项检测，漏测率被死死压在0.001%。从一块原木切出的18块木纹饰板，到成千上万个零部件，所有的质量信息都被清洗、规范，汇入数字孪生的数据湖中。
当虚拟世界的算力，与物理世界的能力，在5G网络下实现纳秒级协同，车间里的V小车变成了独立的“移动工位”，机械臂群能根据每辆车的数字图纸，自动切换抓取工具和安装参数。
在这个战场上，华为将“数字孪生”这项前沿技术，渗入排产、质检、物料流转的每一个毛细血管里。从而让上万种选配组合，在产线上像生产单一型号一样丝滑流淌。
这场根植于生产一线的硬仗，不仅帮车企打赢了柔性制造的硬仗，更为众多中国高端制造业企业蹚出了一条新路：在人工智能时代，“数据驱动”将很有可能取代“流程驱动”，成为新时代的工业规律。
对于面向千行百业数智化改造的华为而言，战场并不止在轰鸣的车间，也在金融中心安静的写字楼里。
普惠金融，是近年来金融业的高频词，但真正落到一线银行职工头上，却是另一番景象：一笔小微企业贷款申请递过来，伴随的是堆积如山的各类影像资料、复杂繁琐的房产估值核对，以及动辄需要翻阅大量财报、耗时数周才能写完的授信报告。
在金融这个极度依赖数据处理的行业，人肉审核的模式既是对人力的极大消耗，也是阻碍服务效率的“流程黑箱”。要让金融服务真正触达普惠的毛细血管，靠堆人头不再行得通，AI由此成为了破局的新思路。
面对这场没有硝烟的效率战，华为仍然选择深扎进交行业务流程的“泥巴”里。在与交通银行的配合中，两者协力构建了具备强大并行计算能力的“千卡智算底座”，并在前端化身为客户经理的“全智能工作陪伴助手”。
这是一场直击业务痛点的翻身仗：在贷款申请环节，系统自动进行各类影像的智能识别和分类，扫描岗因此无需费力劳神；在放款环节，AI自动比对各类凭证，杜绝人工疏漏。
更硬核的是，在核心业务端，交行的“审贷联动助手”实现了放款条件的半自动化校验，粗分类准确率高达90%；而“授信助手”更是把原本需要3周的授信报告生成周期，硬生生压缩到了小时级别。
但这套体系要真正发挥作用，背后还隐藏着一个巨大的技术暗礁：高并发。当交行3万多名员工同时调用这些AI工具时，系统会不会崩溃？时延会不会让人抓狂？
在这个关键环节上，华为展现了其作为“底座构建者”的硬核实力。面对金融级的高可用要求，华为与交行联合攻关，落地了大规模专家并行方案。这一技术突破，让系统在输入输出场景下的吞吐量实现了3倍增长，时延被死死压制在50毫秒以内。
依靠从底层算力到顶层应用的全栈式AI引擎，银行一线职工得以从繁复的案头工作中解放，客户则收获了“从天到小时”的“省时省力省心”。这种实打实的效率跃迁，正是推动金融服务打破同质化内卷、真正走向差异化与普惠化的最强底气。
高炉里的智能温控、产线上的流程优化、银行里的审贷效率……以及发生在千行百业的众多数智化改造案例，这些看似毫无关联的局部战役，实则都在验证同一个底层逻辑：
AI的真正威力，只有在深谙行业机理的泥土里才能彻底释放。而华为这种“泥土里打胜仗”的模式，正在千行百业中快速裂变——截至2025年底，华为已服务全球80多个国家超5600家金融客户；在制造领域，携手1500多家伙伴，为27000家大企业客户提供场景化方案，三年客户规模增长超过50%。
从数智化标杆到数万家企业的深度共创，华为在千行百业的AI战场，已经完成了从“点状突破”到“规模化成军”的跨越。它在帮助华为强化核心竞争力的同时，也让它对人工浪潮的理解日益深刻：
面对整个中国产业庞大且迥异的转型需求，越是深入一线，就越是能感受到实体经济的厚重与复杂。
实体经济有一条客观发展规律：它的变革，总是建立在精益求精、泰罗制和渐进改良上。它的进步，需要一点一滴实现产业场景的沉淀、产业规律的提炼、专业技术的积累。
即使人工智能浪潮来袭，实体经济也同样需要尊重规律，通过自身的数智化转型，有的放矢地实现进步。
因此对于华为而言，一张普适的“AI大网”，其实无法涵盖工业、能源、交通、医疗、金融、教育、零售等各个特征不同、规律不同的行业。
这其实意味着华为自身定位的强化——它需要继续做坚不可摧的底座，润物无声的后台。
这也带来了一个新问题：当华为的数智化客户向更高数量级发起冲击时，如何保证自己的能力边界足以覆盖千行百业。
在年报致辞中，孟晚舟提到了一个关键词：“大杂烩”。
与互联网企业习惯于在云端提供通用API不同，华为在千行百业的打法，本质上是做一套复杂的系统工程。过去三十年，华为在联接、计算、云、存储等领域积累的，不是单一技术，而是处理海量、复杂、高并发工业级问题的“底层架构能力”。
当人工智能浪潮来袭，华为开始将这些“大杂烩”能力，降维封装成了由昇腾算力、CANN架构、盘古大模型等软硬件组成的标准化底座，然后再以“乐高积木”的方式，下放到各个行业的战场。
这让华为实现了一个可复制的模式：它不是去帮每一家企业从头写代码，而是在底层把“非标的行业经验”与“标准的算力架构”之间的对接通道打通。
在工业革命时代，电力接入车间重构了生产流水线，如今，融入了AI大模型的算力底座，同样变成了核心生产要素。
当“数据计算”成为最高效的决策中枢，当产业从“流程驱动”转向“数据驱动”，它打破的不仅是人力审核的效率瓶颈，更是打破了传统科层制管理下的信息孤岛与协同壁垒。这种生产关系的重塑，才是数智化改造对传统产业最核心的价值。
这正是孟晚舟不断强调“战场”重要性的原因，华为用数万个真实项目的投入证明了一点：
作为一场新的产业革命，人工智能的成功不是在PPT里喊出来的，不是在参数竞赛中跑出来的。它必须在算力底座的建设上耐住寂寞，在懂行入局的泥泞中经受折磨，在一个个高炉、一条条产线、一笔笔审贷的细节里死磕。
从打透一个场景的小胜，到横跨80多个国家、数万个客户的大胜，这是一场漫长的战斗，但当中国的千行百业，都因为这套坚不可摧的底座而完成底层生产要素的置换时，这才是华为AI战略的全胜，也是“从战略到战场”的最澎湃回音。
