华为在《智能世界2035：从愿景到行动》中描绘了一个高度扩张的自主AI图景：到2035年，全球约90亿人口或将由9000亿个AI智能体提供服务；自主智能体产生的流量将占全球AI Token流量的90%以上。72

这些数字应被视为华为的战略情景与基础设施路线图，而不是已获独立验证的精确预测。不过，这份报告清晰呈现了华为判断中的技术转向：数字服务将从“人打开应用、应用响应请求”，走向由持续运行的软件智能体进行规划、调用工具并跨系统执行任务。

为什么智能体会消耗更多算力

传统聊天机器人通常处理一次提问并返回答案。华为设想中的智能体则处于更长、更连续的闭环中：感知输入、保留上下文、分析备选方案、作出决策、调用外部工具，并与人或其他系统交互。路透社报道称，华为认为这种持续运行模式将显著推高Token消耗，也会带来大幅增长的算力需求。2

这里的Token，可理解为模型在接收和生成信息时处理的基本文本或数据单元。华为预测，到2035年全球年度AI Token消耗量将增长10万倍。其路线图提出，算力集群规模提升100倍、智能体任务成本下降1000倍；计算架构也要更强调Token吞吐效率，而不只是单颗芯片的性能。2021

压力不会只落在处理器上。海量、彼此交互的智能体还需要低时延且可靠的网络、持久化存储与记忆能力，以及具备充足供电和散热能力的数据中心。华为将连接人和智能体的新型网络称为“智能体互联网”，并预计未来十年数据流量将增长100倍。7

华为提出的十项技术重点

华为将智能体AI时代的路线图归纳为十个方向：

1. 通用人工智能（AGI）
2. 更大规模的算力集群与SuperPoD等系统
3. 新型存储与记忆系统
4. 智能联接
5. 面向时延和能效的芯片设计方法
6. Agent OS（智能体操作系统）
7. 终端智能
8. 智能驾驶
9. AI数据中心供电与散热
10. 自主智能体的安全与隐私保护 1721

这十项重点覆盖了一套完整技术栈：底层是芯片与算力集群，中间是存储、网络和操作软件，边缘则延伸至智能终端、车辆及安全系统。

华为为何将“走向物理世界”与AGI关联

华为认为，AI“走向物理世界”是迈向AGI的关键路径。按其观点，模型需要通过与真实环境的实时互动，把感知、认知、决策和行动结合起来，并从行动结果中学习。18

这不只是让语言模型回答得更好。报告将AGI与具身智能、科学智能以及高保真世界模型联系起来。落到应用层面，指向的是能够感知周边环境并调整行为的机器人、智能汽车和智能终端，而非仅通过文字与屏幕工作的软件系统。1821

这仍是一种技术路线主张，并不能证明具身化是实现AGI的唯一路径。华为的核心判断是：真实世界的反馈，对于让智能体更稳健地应对复杂、变化中的任务将是必要条件。

安全不再只是应用功能，而是基础设施问题

一旦智能体能够访问数据、API、软件工具、账号凭据，甚至物理设备，出错的后果便不止于“回答不准确”。风险包括未授权操作、数据泄露、被操纵的工具调用、智能体被入侵，以及自动化流程难以审计或及时叫停等。

因此，华为将安全与隐私列入十项核心重点。路透社报道称，华为认为，伴随智能体活动规模扩大，还必须建立让独立运行软件保持安全、可控的新系统。217

华为还发布了星河AI网络安全智能体SOC，旨在帮助企业建设自主化、智能化的安全运营体系。22其提出的AI防火墙框架强调智能检测、实时防御、可靠性与高性能防护，以及自主运营能力。19

这类系统有望帮助组织更快发现并处置威胁，但不能取代基础控制措施。高影响场景仍需要清晰的身份边界、对工具和数据实施最小权限、可用于追溯调查的日志，以及明确的人工升级与接管节点。安全工具只有被纳入完整控制架构，才能发挥价值。

中美路径：侧重点不同，但都面对“可控”问题

华为的路线图倾向于一边加速部署，一边建设配套基础设施、技术标准和风险控制机制。中国已公开关注先进AI可能出现自我复制、寻求权力或规避人类控制等风险；路透社称，北京正推动相关监管，以预防此类情况。3

与许多美国前沿AI讨论相比，差异主要在于侧重点。路透社描述的中国政策姿态，更倚重国家层面的监管，同时推动AI在经济中的快速扩散；美国的讨论则更强调，开发者是否应在证明具备更强的防滥用、抗失控保障之前，放缓或限制最强系统的广泛部署，企业层面的实践也更受关注。3

两种思路都没有把“控制”视为无关紧要。实际分歧在于：控制措施应主要与加速部署同步建设，还是应在最强能力大规模扩散前先得到充分验证。

这份预测真正传递了什么

华为的报告也是一份关于一体化AI基础设施的论述。在它设想的规模下，AI能力不取决于单一加速器芯片，而取决于算力集群、网络、存储、操作软件、终端、供电系统和网络安全的协同。

这与中国推动AI融入实体经济的更广泛方向相呼应。布鲁金斯学会指出，美国在技术前沿仍具优势，尤其是在算力规模和模型性能方面；中国则通过效率提升、开源扩散以及与实体经济的深度融合持续推进。1

因此，这份报告的长远价值未必在于2035年数字本身是否精确，而在于它提出的挑战：如果自主智能体成为数字系统和物理系统中持续运行、可调用工具的参与者，真正的瓶颈将是支撑其实现实用、低成本、安全且可控运行的整套基础设施与治理体系。

华为在《智能世界2035：从愿景到行动》中描绘了一个高度扩张的自主AI图景：到2035年，全球约90亿人口或将由9000亿个AI智能体提供服务；自主智能体产生的流量将占全球AI Token流量的90%以上。72

这些数字应被视为华为的战略情景与基础设施路线图，而不是已获独立验证的精确预测。不过，这份报告清晰呈现了华为判断中的技术转向：数字服务将从“人打开应用、应用响应请求”，走向由持续运行的软件智能体进行规划、调用工具并跨系统执行任务。

为什么智能体会消耗更多算力

传统聊天机器人通常处理一次提问并返回答案。华为设想中的智能体则处于更长、更连续的闭环中：感知输入、保留上下文、分析备选方案、作出决策、调用外部工具，并与人或其他系统交互。路透社报道称，华为认为这种持续运行模式将显著推高Token消耗，也会带来大幅增长的算力需求。2

这里的Token，可理解为模型在接收和生成信息时处理的基本文本或数据单元。华为预测，到2035年全球年度AI Token消耗量将增长10万倍。其路线图提出，算力集群规模提升100倍、智能体任务成本下降1000倍；计算架构也要更强调Token吞吐效率，而不只是单颗芯片的性能。2021

压力不会只落在处理器上。海量、彼此交互的智能体还需要低时延且可靠的网络、持久化存储与记忆能力，以及具备充足供电和散热能力的数据中心。华为将连接人和智能体的新型网络称为“智能体互联网”，并预计未来十年数据流量将增长100倍。7

华为提出的十项技术重点

华为将智能体AI时代的路线图归纳为十个方向：

1. 通用人工智能（AGI）
2. 更大规模的算力集群与SuperPoD等系统
3. 新型存储与记忆系统
4. 智能联接
5. 面向时延和能效的芯片设计方法
6. Agent OS（智能体操作系统）
7. 终端智能
8. 智能驾驶
9. AI数据中心供电与散热
10. 自主智能体的安全与隐私保护 1721

这十项重点覆盖了一套完整技术栈：底层是芯片与算力集群，中间是存储、网络和操作软件，边缘则延伸至智能终端、车辆及安全系统。

华为为何将“走向物理世界”与AGI关联

华为认为，AI“走向物理世界”是迈向AGI的关键路径。按其观点，模型需要通过与真实环境的实时互动，把感知、认知、决策和行动结合起来，并从行动结果中学习。18

这不只是让语言模型回答得更好。报告将AGI与具身智能、科学智能以及高保真世界模型联系起来。落到应用层面，指向的是能够感知周边环境并调整行为的机器人、智能汽车和智能终端，而非仅通过文字与屏幕工作的软件系统。1821

这仍是一种技术路线主张，并不能证明具身化是实现AGI的唯一路径。华为的核心判断是：真实世界的反馈，对于让智能体更稳健地应对复杂、变化中的任务将是必要条件。

安全不再只是应用功能，而是基础设施问题

一旦智能体能够访问数据、API、软件工具、账号凭据，甚至物理设备，出错的后果便不止于“回答不准确”。风险包括未授权操作、数据泄露、被操纵的工具调用、智能体被入侵，以及自动化流程难以审计或及时叫停等。

因此，华为将安全与隐私列入十项核心重点。路透社报道称，华为认为，伴随智能体活动规模扩大，还必须建立让独立运行软件保持安全、可控的新系统。217

华为还发布了星河AI网络安全智能体SOC，旨在帮助企业建设自主化、智能化的安全运营体系。22其提出的AI防火墙框架强调智能检测、实时防御、可靠性与高性能防护，以及自主运营能力。19

这类系统有望帮助组织更快发现并处置威胁，但不能取代基础控制措施。高影响场景仍需要清晰的身份边界、对工具和数据实施最小权限、可用于追溯调查的日志，以及明确的人工升级与接管节点。安全工具只有被纳入完整控制架构，才能发挥价值。

中美路径：侧重点不同，但都面对“可控”问题

华为的路线图倾向于一边加速部署，一边建设配套基础设施、技术标准和风险控制机制。中国已公开关注先进AI可能出现自我复制、寻求权力或规避人类控制等风险；路透社称，北京正推动相关监管，以预防此类情况。3

与许多美国前沿AI讨论相比，差异主要在于侧重点。路透社描述的中国政策姿态，更倚重国家层面的监管，同时推动AI在经济中的快速扩散；美国的讨论则更强调，开发者是否应在证明具备更强的防滥用、抗失控保障之前，放缓或限制最强系统的广泛部署，企业层面的实践也更受关注。3

两种思路都没有把“控制”视为无关紧要。实际分歧在于：控制措施应主要与加速部署同步建设，还是应在最强能力大规模扩散前先得到充分验证。

这份预测真正传递了什么

华为的报告也是一份关于一体化AI基础设施的论述。在它设想的规模下，AI能力不取决于单一加速器芯片，而取决于算力集群、网络、存储、操作软件、终端、供电系统和网络安全的协同。

这与中国推动AI融入实体经济的更广泛方向相呼应。布鲁金斯学会指出，美国在技术前沿仍具优势，尤其是在算力规模和模型性能方面；中国则通过效率提升、开源扩散以及与实体经济的深度融合持续推进。1

因此，这份报告的长远价值未必在于2035年数字本身是否精确，而在于它提出的挑战：如果自主智能体成为数字系统和物理系统中持续运行、可调用工具的参与者，真正的瓶颈将是支撑其实现实用、低成本、安全且可控运行的整套基础设施与治理体系。