1.4萬字深度實錄！任正非最新座談：AI的價值在應用，希望在青年

文/黃海峰的通信生活

在練秋湖畔貝殼圖書館舉辦的ICPC相關座談會上，華為創始人任正非與來自全球多地的 ICPC 主席、教練及獲獎選手展開深入交流。

面對AI浪潮下的機遇與挑戰、教育公平與人才培養、算力是否過剩等諸多關鍵問題，任正非以謙遜務實的態度，結合華為實踐與全球視野，分享了獨到見解。

《海峰看科技》為大家整理了座談會三大主要內容。

AI發展：聚焦應用，賦能產業與民生

在AI成為全球科技焦點的當下，任正非明確表示華為對AI的探索著眼于未來3—5年的實際應用，而非空談遙遠的理論構想。他以一系列生動案例，展現了 AI 在工農業、醫療、交通等領域的落地價值：高爐煉鐵通過大模型優化爐溫與燃料配比，效率提升1%；地下500—700米的煤礦實現無人開采，在保障礦工安全的同時提高生產效率；瑞金醫院病理大模型、中山醫科大學眼科模型助力醫療診斷，尤其為邊遠地區提供優質醫療資源支持；天津港、秘魯錢凱港的無人裝卸作業，推動港口物流智能化升級。

這些案例清晰地表明，華為將AI視為解決生產與消費領域實際問題的工具，而非追求噱頭的“空中樓閣”。

任正非同時也客觀看待AI的發展階段，他認為未來十年到二十年AI的科技社會結構構想需要依賴大科學家，而更遠期的社會影響則屬于社會學家研究范疇。

這種分階段認知，既避免了對AI發展的盲目樂觀，也防止了因過度擔憂而停滯不前。在他看來，AI的價值不在于追求通用人工智能的“高大上”概念，而在于能否切實為產業提質增效、為民生改善提供助力。

這種務實的應用導向，不僅為華為的 AI 研發指明方向，也為全球AI發展提供了一種接地氣的思路。畢竟，科技最終的意義在于服務人類社會。

教育公平與人才培養：打破壁壘，讓知識照亮每一個角落

教育公平與人才培養是座談會中備受關注的話題，任正非對此有著深刻地思考。他指出，在網絡高度發達的今天，教育模式正從物理性集中向邏輯性分散轉變。過去，只有進入名校才能接受優質教育，而如今，全球知名大學的網絡課程讓邊遠地區的學生也能接觸到世界頂尖知識，唯一的短板在于缺乏足夠的輔導。這一觀點精準地抓住了當下教育資源分配的核心矛盾，也為解決教育公平問題提供了突破口 —— 通過網絡技術打破地域限制，再輔以遠程輔導，讓知識不再受限于物理空間。

在人才培養方面，任正非強調學校與企業的不同定位：學校負責“0-1”的理論創新，即便失敗也能培養人才；企業則專注于將理論轉化為工業現實。他以華為為例，提到公司內部有22歲年輕人提出優秀的氣象模型，也有俄羅斯女孩發明新的余數算法。

這些案例印證了“不拘一格降人才”的理念。同時，任正非鼓勵青年根據自身情況選擇發展道路，既可以“摸高”探索人類未來，也可以扎根基層成為新時代“工人”。

他提到華為招入的三千多名邊遠地區本科畢業生，經過培養后從事芯片生產和精密制造工作，打破了 “大學生必須坐辦公室” 的刻板印象，展現了對不同類型人才的尊重與認可。

此外，針對部分地區編程教育薄弱的問題，任正非支持IOI “授人以漁”的計劃，認為通過提供訓練資料和平臺，能幫助這些地區提升IT水準，為AI時代儲備基礎人才。這種著眼全球、助力弱勢地區發展的理念，體現了大企業的社會責任感，也為推動全球教育公平與人才培養貢獻了中國智慧。

算力發展：理性看待供需，聚焦應用落地

在座談會中，有來自普林斯頓大學的博士生提及學術界面臨計算資源有限的問題，任正非對此給出了獨到的見解，打破了“算力不足”的常見認知。他認為未來會是算力過剩的時代，而非大家擔憂的算力短缺。

當前雖有建數千個、數百個大模型的探索，但關鍵在于需求的不確定性。現有對算力的需求多基于線性技術推演，可實際需求或許呈非線性特征，當需求無法匹配當前算力建設規模時，算力過剩便會到來。

任正非還明確了華為在算力領域的定位，強調華為是“華為技術公司”，而非“華為科學公司”，核心是應用科學技術，而非投身基礎科學研究中的算力理論突破。

對于學術界關注的算力資源問題，他指出搞理論研究的科學家無需過度擔心算力是否能滿足需求，也不必糾結于自己的研究能否直接應用于社會。科學家的核心任務是專注理論推導與創新，就像傅里葉變換、麥克斯韋方程等偉大理論，在提出之初也無人能預見其對人類社會的巨大價值。而算力在千行百業的應用落地，應由行業應用工程師負責，將算力與具體產業場景結合，創造實際價值。

這種對算力供需的理性判斷，以及對“科學研究”與“技術應用”邊界的清晰劃分，為學術界和產業界提供了明確指引。學術界可安心投身理論探索，無需被算力資源束縛；產業界則需聚焦算力的實際應用，避免盲目追求算力規模，讓算力真正服務于產業升級與社會發展。