推荐语
任正非最新演讲揭示AI如何真正改变世界，从工业到医疗的千行百业转型实践。核心内容： 1. AI应用优先于技术发明的核心逻辑 2. 工业领域AI落地的具体案例与效益分析 3. 医疗健康等民生领域的AI赋能路径
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
2025年12月5日发布的任正非在11月14日与ICPC主席、教练及获奖选手的座谈会纪要，最新的公开讲话内容核心围绕AI应用、人才培养、教育变革。
在这场以“青春、科技、未来”为底色的对话中，任总围绕AI发展的核心逻辑、应用实践、基础支撑与未来趋势，分享了兼具产业洞察力与全球视野的深刻见解。其论述跳出单纯的技术维度，聚焦AI与实体经济的深度融合，为全球科技行业发展与产业升级提供了极具务实价值的行动指南。
一、核心定位：AI的终极价值在应用，而非技术发明
在AI发展的核心认知上，任正非提出“应用为王”的鲜明主张，打破了行业对技术发明的过度追捧。他直言：“AI发明或许成就一家公司，但AI应用能强大一个国家”，这一判断背后是对科技价值本质的深刻洞察。
在他看来，IT行业作为技术供给方，对人类社会发展的直接贡献仅占2%，而AI技术一旦渗透到驾驶、矿山开采、钢铁冶炼、医疗健康等千行百业，所能释放的生产力价值将达到98%。基于这一认知，华为明确了未来3-5年的AI布局核心——不追求脱离实际的技术炫技，而是将大模型、大数据、大算力与工农业生产、民生服务等具体场景深度绑定，让技术从实验室走向生产线、走向生活场景，真正成为解决实际问题的工具。
这种“务实主义”的技术路线，不仅为企业的AI研发指明了方向，更揭示了科技推动社会进步的核心路径：唯有扎根需求、服务实体，技术才能发挥最大价值。
二、应用实践：深耕工业与医疗，释放实体产业潜能
任正非通过多个具体案例，生动展现了AI在工业升级与民生改善中的落地价值，印证了“技术赋能实体”的核心主张。
（一）工业领域：从经验驱动到数据驱动，重构生产逻辑
工业领域是AI应用的核心战场，AI与工业互联网的结合正推动产业实现效率、安全、环保的多重升级。
在钢铁行业，高炉炼铁的炉温控制与原料配比长期依赖经验判断，精准度不足导致效率损耗。华为通过大模型技术，对高炉内不同分层的温度数据进行实时采集与分析，结合矿石成分、燃料特性等多维度数据构建推演模型，能够提前两小时预判铁水硅含量，进而优化燃料与矿石的配比方案，最终实现高炉效率提升1%。看似微小的提升，对于年产能千万吨级的钢铁企业而言，意味着每年数亿元的效益增长，更能降低能源消耗与碳排放，契合绿色发展理念。
在矿产与物流行业，传统生产模式的“高危、低效”痛点被AI技术彻底改变：地下500-700米的煤矿井下，通过部署大量传感器与高清摄像头，实时采集巷道环境、设备运行数据，并通过5G网络传输至地面控制中心，AI算法对数据进行分析处理，不仅能实现采煤设备的远程操控，还能精准预判瓦斯浓度超标、透水、塌方等安全风险；在露天矿山与港口，数百辆重型矿车、挖掘机以及集装箱装卸设备，通过AI算法实现路径规划、自动避障、精准作业，天津港、秘鲁钱凯港等标杆项目已实现全流程无人化作业，生产效率提升30%以上，同时杜绝了人为操作失误导致的安全事故。
（二）医疗领域：跨越资源鸿沟，赋予技术民生温度
AI技术在医疗健康领域的应用，彰显了技术对民生福祉的支撑作用，成为促进医疗资源均衡、提升基层诊疗水平的重要抓手。
在病理诊断领域，瑞金医院与华为合作研发的病理大模型，已实现对海量病理切片的自动化分析。传统病理诊断依赖医生经验积累，效率低下且准确性受个体水平影响较大，而AI模型通过学习数百万张标注切片数据，能够快速识别病变特征，辅助医生做出诊断，将诊断准确率提升至95%以上，同时将诊断时间从数小时缩短至几分钟，极大缓解了病理医生短缺的压力。
在眼科诊疗领域，中山医科大学联合华为开发的眼科AI模型，实现了“设备轻量化、诊断远程化”的突破：患者只需用手机或专用便携设备拍摄眼部影像，影像数据通过网络上传至云端，AI模型快速分析是否存在白内障、青光眼、视网膜病变等常见眼病，并生成初步诊断报告与转诊建议。这一技术让偏远地区的患者无需长途奔波，就能享受到三甲医院的诊疗资源，有效解决了医疗资源“城乡失衡、区域失衡”的难题。
在西藏牧区等医疗资源极度匮乏的地区，5G+AI技术更实现了肝包虫病的远程检测，通过移动检测设备采集患者影像数据，AI模型辅助远程医生完成诊断，让当地群众在家门口就能获得及时治疗。
三、基础支撑：网络为基，协同构建AI产业生态
谈及AI发展的底层保障，任正非着重强调了网络技术的核心作用，提出“无网络，不AI”的重要观点。
他认为，AI的智能性不仅依赖算力与算法，更依赖数据的高效流通。没有先进的CT技术（无线电、光通信、核心网等）作为支撑，分散在各个场景的算力节点将成为“信息孤岛”，AI模型所需的感知数据、控制指令无法实现远距离、低延迟传输，智能决策也就无从谈起。以无人矿山为例，井下设备的实时操控需要毫秒级的指令响应，若网络延迟超过阈值，就可能导致设备碰撞、作业失误等问题；在远程医疗诊断中，高清医疗影像的传输需要大带宽、低抖动的网络支撑，否则会影响AI模型的分析准确性与医生的判断。
因此，华为在布局AI的同时，始终重视CT技术的研发与网络基础设施的建设，通过5G、光通信、核心网等技术的迭代升级，为AI应用构建“高速、稳定、安全”的数据传输通道。任正非同时指出，AI价值的全面释放离不开全社会的协同配合：网络运营商提供基础设施支撑，科技企业提供算法与算力支持，行业企业提供场景与数据资源，只有各方发挥各自优势、形成协同效应，才能构建起完整的AI产业生态，让技术赋能的范围持续扩大。
四、未来趋势：算力过剩将至，差异化发展促全球协同
对于AI行业的长远走向，任正非作出了“算力过剩时代终将到来”的前瞻性预判，为行业发展提供了理性指引。
他观察到，当前全球范围内掀起了大模型建设热潮，各国纷纷布局算力中心，大模型的数量呈现爆发式增长。但从长远来看，随着芯片技术的迭代、算法效率的提升以及算力调度技术的成熟，算力供给将逐渐超过单一场景的需求，形成“算力过剩”的局面。这一预判并非否定算力建设的价值，而是提醒行业避免盲目跟风、重复建设，更要关注算力的“质”而非“量”——关键在于让算力与具体应用场景深度结合，提高算力的利用率与产出效率。
同时，任正非还指出了中美两国在AI发展路径上的差异化特征：美国侧重探索通用人工智能（AGI）和超级人工智能（ASI），追求技术的终极突破；中国则更聚焦于“应用导向”的AI发展，通过技术解决实体经济、民生服务中的实际问题。这种差异化发展并非对立，而是互补——美国的技术探索为AI发展提供了前沿方向，中国的应用实践为技术迭代提供了丰富场景，两者的协同合作将推动全球AI技术更快成熟。
结语：以务实之心，让AI成为社会进步的核心引擎
任总的AI相关论述，始终围绕“实用价值”与“协同发展”两大核心，构建了一套完整的技术发展逻辑。从“应用为王”的定位到工业、医疗等领域的具体实践，从网络基础设施的支撑作用到算力过剩的趋势预判，每一个观点都立足实际、着眼长远。
这不仅为华为的AI战略提供了清晰指引，更为全球科技企业、行业从业者乃至政策制定者提供了重要启示：AI技术的发展不应追求“空中楼阁”式的突破，而应扎根实体、服务民生；不应陷入“零和博弈”的竞争，而应秉持开放协同的理念，共同构建AI产业生态。
【免责声明】仅供参考。如引用的内容有问题，请于30天内联系作者删除。
粤ICP备14082021号
免费POC，
零成本试错
