華為在《智能世界 2035：從願景到行動》中提出一個規模極大的情境：到 2035 年，全球約 90 億人口可能由 9,000 億個 AI 智能體服務；自主智能體產生的流量，將占全球 AI Token 流量超過 90%。72

這些數字應視為華為的策略情境與基礎設施藍圖，而非已經獲得獨立驗證的精準預測。它真正想指出的是：數位服務可能從「人開啟 App、系統回應指令」，轉向由能長時間運作、會規劃任務並跨系統採取行動的軟體智能體主導。

為何智能體會大幅推高算力需求？

一般聊天機器人大多處理一次提問後就回覆；華為設想的智能體，則會進入更長的工作迴圈：接收環境訊號、保留上下文、比較選項、作出決策、調用外部工具，並與人或其他系統互動。路透報導，華為認為這種持續運作模式將顯著推高 Token 消耗，也需要大幅增加運算能力。2

所謂 Token，可理解為 AI 模型在讀取與生成文字、程式碼或其他資訊時所處理的基本單位。華為預測，到 2035 年全球年度 AI Token 消耗量將成長 10 萬倍；同時需要規模增加 100 倍的算力叢集，並把智能體任務成本降低 1,000 倍。其重點不只在單一晶片的效能，而是能否以高效率處理大量 Token 的整體架構。2021

壓力也不會只落在處理器。大量互相協作的智能體，還需要低延遲且可靠的網路、可長期保存脈絡的儲存與記憶系統，以及具備足夠供電與散熱能力的資料中心。華為把這類連接人與智能體的網路稱為「智能體網際網路」，並預估未來 10 年資料流量將增加 100 倍。7

華為列出的 10 項關鍵技術方向

華為以 10 個方向描述智能體 AI 時代所需的技術布局：

1. 人工通用智慧（AGI）
2. 更大規模的算力叢集與 SuperPoD 類系統
3. 新型儲存與記憶系統
4. 智慧連接
5. 著重延遲與能源效率的晶片設計方法
6. Agent OS（智能體作業系統）
7. 終端智慧
8. 智慧駕駛
9. AI 資料中心的供電與散熱
10. 自主智能體的安全與隱私保護 1721

這可視為一套完整技術堆疊：底層是晶片與算力叢集，中間有儲存、網路與作業系統，上層則延伸到終端裝置、車輛與資安防護。

為何華為認為 AI 必須「走向物理世界」？

華為主張，AI 要邁向 AGI，關鍵在於進入物理世界。依其觀點，模型必須能與真實環境即時互動，把感知、認知、決策與行動串連起來，並從行動結果中學習。18

這不只是讓語言模型回答得更好，而是把 AGI 與具身智慧、科學智慧及高擬真世界模型連結起來。實際應用可包括能感知周遭環境並調整行為的機器人、智慧車輛與終端裝置，而非僅在文字介面或螢幕上運作的軟體。1821

不過，這仍屬華為提出的技術路徑，而不是「具身化是通往 AGI 唯一方法」的證明。華為的核心判斷是，真實世界的回饋，對智能體更穩健處理複雜且持續變化的任務至關重要。

安全不再只是附加功能，而是基礎設施問題

當智能體可存取資料、API、軟體工具、憑證，甚至實體設備時，風險不再只是答錯問題。更重要的問題包括未授權操作、資料外洩、遭操弄的工具調用、智能體遭入侵，以及自動化流程難以稽核或緊急停止。

因此，華為把安全與隱私列入 10 項核心方向。路透報導，華為認為，伴隨智能體活動成長，必須建立新的系統，確保這類自主軟體仍然安全且可控。217

華為也推出 Xinghe AI Network Security Agentic SOC，目標是協助企業建立自主化的資安營運系統。22 其提出的 AI 防火牆框架，強調智慧偵測、即時防禦、可靠且高效能的防護，以及自主營運能力。19

這些工具或許能加快威脅偵測和回應，但無法取代基本控制措施。涉及高影響任務的智能體，仍需有明確身分界線、最小權限的工具與資料存取、可供調查的操作紀錄，以及清楚的人工作業升級點。資安工具必須放在整體治理架構中，不能被當成萬靈丹。

中美的差異：都談控制，但部署與管制的重心不同

華為的路線圖傾向一邊擴大部署，一邊建設基礎設施、技術標準與風險控制。中國已公開點出先進 AI 可能自我複製、尋求權力或逃避人類控制的風險；路透報導，北京正研擬相關監管措施，以防止這類情況發生。3

相較之下，差異主要在於重心。路透描述，中國較著重在國家監管下推動 AI 快速擴散至經濟體系；美國對前沿 AI 的討論，則較聚焦於是否應在開發者能證明具備更強防護前，放慢或限制最先進系統的發展與廣泛部署，企業層級的安全實務也扮演相對突出的角色。3

兩種取向都不認為控制問題可以忽略。實際分歧在於：安全控制應主要與加速部署同步建置，還是應在最強系統大規模推出前先獲得驗證。

9,000 億的真正訊息：瓶頸是整個系統

華為這份報告的戰略訊息，是 AI 能力不能只用單一加速器晶片來衡量。若自主智能體成為長期存在、會使用工具並參與數位與實體系統的角色，真正的限制因素將是整個基礎設施與治理堆疊：算力叢集、網路、儲存、作業軟體、終端設備、能源系統與資安能力，缺一不可。

布魯金斯學會指出，美國目前在技術前沿仍具優勢，尤其是在算力規模與模型效能；中國則透過效率提升、開源擴散，以及 AI 與實體經濟的深度整合持續推進。1

所以，這份報告最值得留意的未必是「2035 年到底會不會剛好有 9,000 億個智能體」，而是它提出的問題：如果智能體真的成為持續運作、可調用工具的數位與實體世界參與者，我們是否已準備好讓它們同時做到有用、負擔得起、安全且可控？

華為在《智能世界 2035：從願景到行動》中提出一個規模極大的情境：到 2035 年，全球約 90 億人口可能由 9,000 億個 AI 智能體服務；自主智能體產生的流量，將占全球 AI Token 流量超過 90%。72

這些數字應視為華為的策略情境與基礎設施藍圖，而非已經獲得獨立驗證的精準預測。它真正想指出的是：數位服務可能從「人開啟 App、系統回應指令」，轉向由能長時間運作、會規劃任務並跨系統採取行動的軟體智能體主導。

為何智能體會大幅推高算力需求？

一般聊天機器人大多處理一次提問後就回覆；華為設想的智能體，則會進入更長的工作迴圈：接收環境訊號、保留上下文、比較選項、作出決策、調用外部工具，並與人或其他系統互動。路透報導，華為認為這種持續運作模式將顯著推高 Token 消耗，也需要大幅增加運算能力。2

所謂 Token，可理解為 AI 模型在讀取與生成文字、程式碼或其他資訊時所處理的基本單位。華為預測，到 2035 年全球年度 AI Token 消耗量將成長 10 萬倍；同時需要規模增加 100 倍的算力叢集，並把智能體任務成本降低 1,000 倍。其重點不只在單一晶片的效能，而是能否以高效率處理大量 Token 的整體架構。2021

壓力也不會只落在處理器。大量互相協作的智能體，還需要低延遲且可靠的網路、可長期保存脈絡的儲存與記憶系統，以及具備足夠供電與散熱能力的資料中心。華為把這類連接人與智能體的網路稱為「智能體網際網路」，並預估未來 10 年資料流量將增加 100 倍。7

華為列出的 10 項關鍵技術方向

華為以 10 個方向描述智能體 AI 時代所需的技術布局：

1. 人工通用智慧（AGI）
2. 更大規模的算力叢集與 SuperPoD 類系統
3. 新型儲存與記憶系統
4. 智慧連接
5. 著重延遲與能源效率的晶片設計方法
6. Agent OS（智能體作業系統）
7. 終端智慧
8. 智慧駕駛
9. AI 資料中心的供電與散熱
10. 自主智能體的安全與隱私保護 1721

這可視為一套完整技術堆疊：底層是晶片與算力叢集，中間有儲存、網路與作業系統，上層則延伸到終端裝置、車輛與資安防護。

為何華為認為 AI 必須「走向物理世界」？

華為主張，AI 要邁向 AGI，關鍵在於進入物理世界。依其觀點，模型必須能與真實環境即時互動，把感知、認知、決策與行動串連起來，並從行動結果中學習。18

這不只是讓語言模型回答得更好，而是把 AGI 與具身智慧、科學智慧及高擬真世界模型連結起來。實際應用可包括能感知周遭環境並調整行為的機器人、智慧車輛與終端裝置，而非僅在文字介面或螢幕上運作的軟體。1821

不過，這仍屬華為提出的技術路徑，而不是「具身化是通往 AGI 唯一方法」的證明。華為的核心判斷是，真實世界的回饋，對智能體更穩健處理複雜且持續變化的任務至關重要。

安全不再只是附加功能，而是基礎設施問題

當智能體可存取資料、API、軟體工具、憑證，甚至實體設備時，風險不再只是答錯問題。更重要的問題包括未授權操作、資料外洩、遭操弄的工具調用、智能體遭入侵，以及自動化流程難以稽核或緊急停止。

因此，華為把安全與隱私列入 10 項核心方向。路透報導，華為認為，伴隨智能體活動成長，必須建立新的系統，確保這類自主軟體仍然安全且可控。217

華為也推出 Xinghe AI Network Security Agentic SOC，目標是協助企業建立自主化的資安營運系統。22 其提出的 AI 防火牆框架，強調智慧偵測、即時防禦、可靠且高效能的防護，以及自主營運能力。19

這些工具或許能加快威脅偵測和回應，但無法取代基本控制措施。涉及高影響任務的智能體，仍需有明確身分界線、最小權限的工具與資料存取、可供調查的操作紀錄，以及清楚的人工作業升級點。資安工具必須放在整體治理架構中，不能被當成萬靈丹。

中美的差異：都談控制，但部署與管制的重心不同

華為的路線圖傾向一邊擴大部署，一邊建設基礎設施、技術標準與風險控制。中國已公開點出先進 AI 可能自我複製、尋求權力或逃避人類控制的風險；路透報導，北京正研擬相關監管措施，以防止這類情況發生。3

相較之下，差異主要在於重心。路透描述，中國較著重在國家監管下推動 AI 快速擴散至經濟體系；美國對前沿 AI 的討論，則較聚焦於是否應在開發者能證明具備更強防護前，放慢或限制最先進系統的發展與廣泛部署，企業層級的安全實務也扮演相對突出的角色。3

兩種取向都不認為控制問題可以忽略。實際分歧在於：安全控制應主要與加速部署同步建置，還是應在最強系統大規模推出前先獲得驗證。

9,000 億的真正訊息：瓶頸是整個系統

華為這份報告的戰略訊息，是 AI 能力不能只用單一加速器晶片來衡量。若自主智能體成為長期存在、會使用工具並參與數位與實體系統的角色，真正的限制因素將是整個基礎設施與治理堆疊：算力叢集、網路、儲存、作業軟體、終端設備、能源系統與資安能力，缺一不可。

布魯金斯學會指出，美國目前在技術前沿仍具優勢，尤其是在算力規模與模型效能；中國則透過效率提升、開源擴散，以及 AI 與實體經濟的深度整合持續推進。1

所以，這份報告最值得留意的未必是「2035 年到底會不會剛好有 9,000 億個智能體」，而是它提出的問題：如果智能體真的成為持續運作、可調用工具的數位與實體世界參與者，我們是否已準備好讓它們同時做到有用、負擔得起、安全且可控？