华为发布企业智能化白皮书，提出DIMAK工程体系
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载单点提效与全局受益的断层
当前AI进入企业真实业务时，常面临局部提速但整体未自动化的困境。以电商AI商拍为例，商品负责人接入系统后，素材处理与上架速度可达原来约20倍，8家店铺采用且单店月付约2万元。然而生成素材仍需人工检查，AI能力与审核、选品等后续流程衔接未打通。某电商AI方案经理指出，企业自建模型与团队前期投入大，若无足够业务量支撑极易亏损。单点节省的时间如何传导至整条业务流程，成为企业智能化首要难题。
以经营目标定义技术建设
华为AI应用首席专家李宏恺指出，局部提效可能导致瓶颈转移至下一环节。因此企业需从完整业务流程出发，寻找制约整体产出的关键环节决定AI应用位置。白皮书核心主张为“让经营定义技术”，强调业务、财务与技术负责人需先确认业务基线、期望改善的经营指标及责任归属，再决定AI能力建设与流程连接方式。避免从技术找场景的“拿锤子找钉子”做法，确保数据、知识、模型和智能体有明确建设方向。
DIMAK体系与递归自进化
为将单次项目成果转化为企业长期能力，华为提出DIMAK工程体系，涵盖数据、AI基础设施、模型、智能体和知识五个协同工程域。其运作分三步：首先由数据工程提供可信事实，知识工程将制度与专家经验整理为可检索规则；其次由模型工程负责适配评测，智能体组织各要素协作，基础设施保障运行；最后将任务执行中的人工修改、异常与结果记录，经验验证后进入知识服务，成熟方法沉淀为复用任务方法。由此形成递归自进化循环，业务反馈推动模型强化，改进后AI再参与执行产生新反馈，持续推动下一轮进化。
为什么值得看
直击企业AI从单点提效到全局受益的痛点，提供从经营目标反推AI建设的工程方法与架构参考。
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。