2026年7月，上海一场暴雨让城市交通大面积受阻，也把L3自动驾驶事故定责的老问题重新推到台前。
北京开放L3私家车上路后，第一起理赔僵局暴露出的瓶颈并不只在法规层面。车端日志的字段、时间戳精度、存储格式各不相同，保险公司难以核验，监管也很难快速调取。车在路上跑，数据却没有形成统一语言，事故责任自然卡在技术源头。
这类场景，正好对应华为《智能世界2035》里反复提到的一件事：数字世界和物理世界要深度融合。听上去很远，落到企业和行业系统里，其实就是日志能不能对齐、算力能不能调度、成本能不能看清。
华为在《智能世界2035》中给出过更大的远景：到2035年，全球AI智能体将达到9000亿，算力需求增长10万倍。这个判断足够震撼，但对2026年的CIO来说，它不能直接变成一张IT预算审批单。眼前更现实的问题是，多地8000P智算中心在2026年上半年密集交付后，出现超过40%的空置率。建成集群只是第一步，能不能用起来、用得稳、用得便宜，才决定这笔钱有没有价值。
云端很强，但很多场景等不起
过去几年，企业做AI项目时习惯把负载推向云端。集中采购、集中训练、集中运维，看起来最符合规模效应。但华为在《智能世界2035》中提出，走向物理世界是AGI形成的关键路径，感知、认知、决策和行动需要在物理实体与环境实时交互中完成。
这句话放到工业现场，就不抽象了。
3C产线上的工业视觉要识别光照突变，机器人抓取要根据力反馈调整动作，车端系统要在事故发生前后留下可追溯日志。这些环节不能长期依赖远端云来回传输。网络延迟、带宽成本、断网风险，都会直接影响结果。
端侧大模型因此被推到前台。随着骁龙8 Gen5等芯片落地，14B参数模型本地推理已经具备可能性。现有断网测试显示，端侧响应时间可控制在7.8秒，但续航缩水三成，高负载下还会出现持续降频。问题不只在算力峰值，更在内存管理、动态调度和功耗控制。
Arm China“周易”X3所代表的NPU动态调度思路，尝试通过算子级动态加载和内存压力感知，把有限资源用得更细。但端侧设备一旦大规模铺开，新的问题也会出现：每台设备都有算力，却可能各自为政，形成一个个孤立节点。
华为提出的“算力网络”，价值就在这里。它要解决的不是单点算力够不够强，而是云、边、端之间能不能按需分配，低延迟任务留在边缘和终端，大规模训练或复杂推理再回到云端。
最容易失控的，是账单
很多AI项目失败，不是模型不能跑，而是跑起来以后没人知道它到底花了多少钱。
2026年6月，一个测试Agent刷出6531美元AWS账单的事件，就很典型。AutoGPT、Dify等平台在工具调用时，如果没有限制，可能陷入循环调用。Token消耗、重试请求、外部API调用叠加在一起，月底账单才暴露问题，已经太晚。
这类事故提醒企业，AI成本治理不能停留在云资源采购阶段。每一次调用、每一次重试、每一个Agent执行链路，都应该被记录和限制。否则，算力越充足，浪费也越隐蔽。
能源成本同样绕不开。2026年夏季高温期间，传统风冷数据中心PUE升至1.5以上；河北某浸没式液冷智算园区的实测PUE为1.09。对高负载AI集群来说，这不是环保标签，而是长期运营账。电价和散热压力叠加后，PUE差异会直接影响项目能不能持续跑下去。
还有异构集群。华为昇腾、海光等国产芯片混合部署时，跨架构迁移并不顺滑，算力利用率普遍低于60%。显存碎片化、通信拓扑不匹配、算子适配不足，都会把纸面算力打折。采购硬件可以很快，真正把集群填满、跑稳，要回到代码、调度和运维层面。
数据不统一，智能体也难协作
《智能世界2035》谈到AI与ICT融合，也谈到智能体走向物理世界。这个方向成立的前提，是数据能够被机器持续理解和调用。
L3自动驾驶定责僵局给了一个很直接的反例。车企各自保存日志，字段口径不同，时间戳精度不同，存储格式不同。事故发生后，每一方都说自己有数据，但数据之间无法对齐，定责就会拖住。
企业内部也一样。工厂设备、客服系统、供应链平台、财务软件，如果各自保留一套数据口径，AI只能在局部发挥作用。模型再强，也无法跨系统判断真实业务状态。
所以，算力投资不能只看GPU、NPU和机房。日志标准、数据接口、权限管理、审计链路，都是基础设施的一部分。没有这些底座，所谓智能体协作很容易变成多个系统之间的重复调用。
2026年的钱该花得更窄
如果把华为2035愿景放到今天的采购清单里，企业首先要克制囤算力的冲动。8000P集群出现高空置率，已经说明单纯超前建设有风险。更稳妥的做法，是把高频、低延迟任务下沉到边缘，把大规模训练和复杂推理留给云端，用云边协同替代一味集中。
第二件事，是先统一数据标准。尤其是车、工业、能源、医疗这类强监管行业，日志能不能追溯，字段能不能互认，往往比模型参数更影响落地速度。
第三件事，是把成本监控前置。企业可以用Langfuse等工具追踪Token消耗，也要给Agent调用配置上限，避免重试循环和工具链失控。AI应用上线前，最好先把“最坏情况下会花多少钱”算出来。
华为《智能世界2035》中还提到，AI技术可能进入一个较长的平台期，行业焦点会从追求通用智能，转向现有大型模型的产品化价值和应用场景深耕。这个判断对企业很有提醒意义：未来十年的竞争，不一定属于最早买下大集群的人，而更可能属于能把算力、数据和成本同时管住的人。
智能世界当然需要更强算力。但在它真正到来之前，企业先要回答几个朴素问题：哪些任务必须在端侧完成，哪些负载适合上云，哪些数据必须统一，哪一笔调用正在悄悄烧钱。
