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“L0-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》。

第一部分：华为AI之道与建设方法论——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

阶段一（2005-2010）：商业智能（BI）

阶段二（2010-2015）：数据挖掘

阶段三（2015-2018）：领域级AI（图像/语音识别）

阶段四（2018-2023）：企业级普惠AI

阶段五（2023-至今）：大模型AI2.0

二、智能化的三层核心架构

L0-基础大模型：通用的智能底座（NLP/CV/多模态/预测）

L1-行业大模型：注入行业知识（矿山/气象/金融/电力）

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——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

Step 1：明确目标

Step 2：场景捕捉

Step 3：重塑流程

Step 4：组织变革

Step 5：数据和知识工程

Step 6：AI建模与发布

Step 7：AI融入业务应用

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——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——研发与供应链

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——制造与金融

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

2. 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——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

——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