徐晓仪《智能化AI建设方法与AI创新场景应用实践》

课程背景:

当前,AI技术正加速从“作坊式开发”迈向“工业化生产”新阶段,成为驱动企业数字化转型、构筑核心竞争力的关键引擎。作为全球AI落地实践的先行者，华为积淀20年技术探索与行业实战经验,总结形成了一套经过千行百业验证的“三层五阶八步”AI建设方法论。该方法论不仅支撑华为自身AI战略的深度落地，更在制造、金融等重点行业的规模化应用中得到充分检验，具备极强的行业适配性与可复制性。

然而在实际转型过程中,多数企业普遍面临诸多痛点:缺乏系统的AI建设方法论指引,导致项目盲目启动、重复投入;数据治理混乱、知识沉淀不足，难以支撑AI模型的有效训练与迭代;AI技术与业务场景脱节，落地效果不及预期;缺乏成熟的行业案例参考，转型路径不清晰，陷入“投入大、回报慢”的困境。

本课程以华为官方权威信息为核心蓝本,系统还原华为AI技术与应用的进化历程,深度拆解LO-L2大模型架构体系,解析“数据x知识”双轮驱动的AI工程化实现原理。课程创新性引入美的、平安等行业标杆案例,通过“方法论拆解+跨行业案例复盘+实战场景演练”三位一体的教学模式，将抽象的AI建设逻辑转化为可落地的实践路径。助力企业管理者、技术负责人及核心骨干精准把握AI工业化转型的核心规律，快速构建贴合自身业务的AI转型路线图，高效推动AI技术在实际场景中的创新应用与价值变现。

课程收益:

1. 掌握核心方法:精通华为“三层五阶八步”方法论,掌握从场景识别、流程重塑到持续运营的标准动作。
2. 洞察技术架构:透彻理解“LO-L1-L2”三层大模型架构与“数据x知识”的工程化原理(RAG/向量库/Agent)。
3. 对标行业场景:解析华为(研发/供应)、美的(智能制造)、平安(智慧金融)的AI创新场景。
4. 输出落地成果:通过沙盘推演，输出企业自身的《AI高价值场景清单》与《AI实施八步法画布》。

课程时间:

2天，6小时/天

课程对象:

企业CEO及业务管理层、CIO/CTO、数字化转型负责人、业务总监、AI项目经理

课程方式:

理论讲授+互动研讨+实战演练+案例分析

配套工具包:

课程大纲

第一部分:华为AI之道与建设方法论一一解决“怎么看”与“怎么建”

第一讲:华为AI发展历程与技术架构

一、华为AI进化的五个阶段

1. 阶段一(2005-2010):商业智能(BI)
2. 阶段二(2010-2015):数据挖掘
3. 阶段三(2015-2018):领域级AI(图像/语音识别)
4. 阶段四(2018-2023):企业级普惠AI
5. 阶段五(2023-至今):大模型AI2.0

二、智能化的三层核心架构

1. LO-基础大模型:通用的智能底座(NLP/CV/多模态/预测)
2. L1-行业大模型:注入行业知识(矿山/气象/金融/电力)
3. L2-场景大模型:针对细分场景微调

互动:企业AI阶段诊断使用《企业AI成熟度五级评估表》,勾选企业当前所处的AI阶段及断层点。

第二讲:顶层设计一一华为“三层五阶八步”方法论

一、三层五阶:转型的深度与要素

1. 三层(Layers)
   1. 智能业务层(价值闭环)
   2. AI开发与交付层(MLOps)
   3. 持续运营层(生命周期管理)
2. 五阶(Stages) 场景-流程-组织-数据-IT

二、八步法:标准化的落地路径

1. Step1:明确目标
2. Step 2:场景捕捉
3. Step 3:重塑流程
4. Step4:组织变革
5. Step 5:数据和知识工程
6. Step 6: AI建模与发布
7. Step 7: AI融入业务应用
8. Step 8: AI持续运营

案例分析:“八步法”找茬给出三个典型的AI失败案例描述，使用《八步法诊断卡》指出其缺失的关键步骤(如“缺流程重塑”或“缺持续运营”)。

第三讲:关键技术逻辑一一数据x知识=智能

一、工业AI的核心公式重构

1. 从“大数据”到“有效知识”的范式转移
2. 知识工程落地的“三阶”路径
   1. “萃取”:将老师傅隐性经验显性化，形成结构化文档(FAQ/案例库)
   2. “转译”:利用Embedding技术将文档转化为向量，存入“向量数据库”
   3. “进化”:通过“RLHF”(人类反馈强化学习)机制，让模型越用越懂业务

二、解决大模型落地的三大技术支柱

1. RAG(检索增强生成)
   1. 核心原理
   2. 价值锚点
2. Knowledge Graph(知识图谱)
   1. 实体关系构建
   2. 图谱与大模型融合
3. Agent(智能体)
   1. 规划能力(Planning)
   2. 工具调用(Tool Use)

案例:华为GTS(全球技术服务部)的“故障根因定位”变革

互动演练:“知识向量化”模拟沙盘，选取一条复杂的企业业务规则(如“特殊合同审批规定”)，分组模拟AI的处理过程。

第二部分:跨行业场景实践与演练解决“怎么用”与“怎么干”

第一讲:华为内部场景实践一

一、研发域:代码与设计革命

1. 代码辅助生成 基于代码大模型实现自动补全、单测生成、代码转译
2. 创成式设计 -PCB版图设计:AI自动布局布线
3. 结构散热设计 -AI生成最优散热拓扑结构

案例:华为消费者BG的“手机结构设计”

二、供应域:知识图谱应用

1. 风险预警 构建N级供应商知识图谱
2. 智能排产 采用运筹优化(OR)算法

互动讨论:“痛点迁移”头脑风暴。参考华为研发的“代码自动补全”和供应链的“风险预警”两个场景逻辑。结合自身行业，进行“场景迁移”。

第二讲:外部标杆场景实践一

一、制造行业标杆

标杆案例:美的集团Midea

1. AI视觉质检(Computer Vision)
   1. 方案:云边协同架构，边缘侧小模型快检，云端大模型复判难例
   2. 效果:漏检率接近0，大幅降低人工复判成本
2. 智能排产(APS)
   1. 方案:强化学习+运筹优化
   2. 效果:实现T+3模式下的极速响应

二、金融行业标杆

1. AI极速理赔
   1. 方案:图片识别大模型，用户拍照-AI定损-秒级赔付
   2. 变革:去掉了现场查勘环节,彻底重塑理赔流程

标杆案例:中国平安

1. AI财富顾问 方案:基于RAG的大模型助手，实时赋能客户经理，提供专业话术与研报分析

标杆案例:招商银行

互动练习:跨界创新矩阵一一填写《跨行业创新借鉴表》，将金融的风控逻辑迁移至供应链，将研发的生成逻辑迁移至工艺配方。

第三讲:沙盘演练企业AI落地实战

一、场景孵化工作坊

1. 场景筛选 使用《AI场景价值筛选漏斗》，从企业真实痛点中筛选出Top1场景维度:业务痛点度、数据准备度、技术成熟度
2. 路径推演 使用《AI实施八步法画布》进行全流程设计定义目标:设定可量化的AI价值指标
3. 盘点资产 列出所需的结构化数据与非结构化知识(文档)
4. 设计协同 一定义该场景下“人”与“AI”的分工边界

二、成果展示与落地建议

1. 各小组展示《八步法画布》方案
2. 针对共性问题(如数据质量差、知识萃取难)提供通用解决方案

授课老师

徐晓仪 EXIN VeriSM 数字化转型与创新管理认证专家

常驻地：深圳
邀请老师授课：13911448898 谷老师

邀请授课

主讲课程：数智化转型、企业架构（EA）、数据与知识治理、AI建设与场景应用、流程管理与变革等