华为首发AI白皮书：员工更快了，怎样受益？

过去一年，AI正在从回答问题的工具，逐渐走进企业的真实业务。

从办公助手、代码生成，到营销内容制作、供应链分析，越来越多工作开始有AI参与。

一位为电商商家提供AI方案的彭经理告诉量子位，他们已经将AI生图、换模特、换背景等能力接入到商品上架流程。

按他的估算，商品负责人接入系统后，完成素材处理、商品上架等相关操作的速度，可以达到原来的约20倍。目前，这套系统已经被8家店铺采用，单家店铺每月付费约2万元。

但具体操作提速，并不意味着整条业务流程已经实现自动化。

“最好还是人工看一遍。”彭经理说，生成的素材是否符合要求，仍需要人工检查操作。目前，这套AI能力主要集中在商品型录制作环节，与审核、选品、运营等后续流程的衔接还没有完全打通。

换句话说，AI已经帮助一个岗位节省了时间，但这部分收益如何进一步传导到整个业务流程，仍然需要解决。

当量子位进一步问到，企业是否应该自己训练模型、搭建完整AI团队时，他的回答很直接：“包亏钱。”

随后他补充，这笔账最终取决于业务规模。如果没有足够大的业务量支撑，无论是模型训练、企业数据整合，还是持续的Token消耗，前期投入都很难通过业务收益覆盖。

更进一步，在他看来，企业真正需要考虑的，并不是简单地“要不要上AI”，而是哪些智能能力值得自己建设，哪些可以直接采购？

这些选择，又会带来新的问题：一个场景跑通后，怎样扩展到上下游环节？局部积累的经验，如何沉淀为企业可以反复使用的能力？模型和工具更新后，已有成果怎样继续使用？不同应用又该如何与企业原有的数据和系统衔接？

而这也不只是AI商拍的问题。随着AI进入更多行业和业务环节，类似的建设、应用与扩展问题，也会出现在更多企业面前。

可以说，从单点应用到企业智能化，中间还隔着能力建设、流程连接和组织协同。企业需要一套方法，让分散的AI工具和实践真正融入业务，并逐步形成能够持续积累、不断演进的企业能力。

9月18日，华为在全联接大会2026上发布《Agentic Enterprise：企业智能化白皮书》，围绕这些问题，提出了企业智能化建设的参考架构与工程方法。

接下来，我们一起来看。

AI越来越能干，企业该怎么用

在华为看来，企业AI建设首先需要回答的，并不是“选择哪个模型”，而是企业真正需要解决什么业务问题？

过去，很多AI项目往往从技术能力出发，先寻找可以应用的场景。但对于企业而言，真正有价值的应用，需要从经营目标出发，找到影响业务结果的关键环节。

例如，一个AI系统可以帮助销售更快整理客户信息，但如果这些信息没有进入销售决策、客户跟进和订单流程，最终产生的价值仍然有限。

回到开头的AI商拍案例，商家已经从素材制作提速、人工成本下降中受益。但图片做得更快之后，审核、运营等环节能否跟上，又会影响这些收益能否进一步扩大。

华为AI应用首席专家李宏恺告诉量子位，局部提效也可能让瓶颈转移：“你这个环节提效了，导致下一个环节成了堵点了。”因此，企业需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应该用在哪里。

这正是白皮书“让经营定义技术”的核心主张：企业不应先寻找AI能做什么，而应先明确要改善什么业务结果，再决定AI能力如何建设，以及如何与现有流程连接。

业务、财务和技术负责人需要先共同确认：当前的业务基线是什么，希望改善哪个经营指标，为什么需要使用AI，又由谁对最终结果负责。

这些问题不明确，技术建设就很容易变成“拿着锤子找钉子”。

只有经营目标先确定下来，后面的数据、知识、模型和智能体，才有明确的建设方向。

但找到一个有价值的场景，只是企业AI建设的第一步。场景跑通之后，企业还要考虑：解决这次业务问题形成的数据、知识和方法，怎样保存、复用和持续改进，再扩展到更多业务？

这就需要把一次项目的成果，逐步建设成企业可以长期使用的能力。

DIMAK：把智能能力建设成企业能力

要让一次实践服务于后续业务，企业首先需要把AI作出判断所需的事实、规则和经验组织起来。

这些判断依据，往往远不止现成的报表和文档。

很多业务决策背后，还包含大量隐性的经验：过去为什么这样判断，什么情况下需要例外处理，哪些规则必须遵守，最终结果是否符合预期。

如果这些经验散落在不同岗位和项目里，一个场景中形成的成果，就很难被其他业务使用。要让它们参与新的任务，还需要将其与模型、工具和运行环境组织起来。

华为提出的DIMAK，正是一套面向企业智能能力建设、供给与持续改进的工程体系。它由数据（Data）、AI基础设施（Infra）、模型（Model）、智能体（Agent）和知识（Knowledge）五个相互协同的工程域组成。

围绕一项具体任务，可以这样来理解五项工程的配合：