Cela illustre la manière dont Huawei développe des systèmes d’IA agentique qui vont au-delà des simples interactions commande-réponse vers des plates-formes capables de planification, de prise de décision et d’exécution indépendantes.
L’approche de Huawei pour créer ces systèmes d’IA agentique se concentre sur une stratégie globale couvrant l’infrastructure d’IA, les modèles de base, les outils spécialisés et les plates-formes d’agents.
Zhang Yuxin, CTO de Huawei Cloud, a présenté ce cadre lors du récent Huawei Cloud AI Summit à Shanghai, où plus de 1 000 dirigeants du monde politique, des affaires et de la technologie ont examiné des mises en œuvre pratiques dans les domaines de la finance, des ports d’expédition, de la fabrication de produits chimiques, de la santé et de la conduite autonome.
La distinction est importante car les applications d’IA traditionnelles répondent aux commandes des utilisateurs dans le cadre de processus fixes, tandis que les systèmes d’IA agentiques fonctionnent avec une autonomie qui change fondamentalement leur rôle dans les opérations de l’entreprise.
Zhang a qualifié cela de « changement majeur dans les applications et le calcul », notant que ces systèmes prennent des décisions de manière indépendante et s’adaptent de manière dynamique, remodelant la façon dont les systèmes informatiques interagissent et allouent les ressources. La question qui se pose aux entreprises est la suivante : comment construire une infrastructure et des plates-formes capables de prendre en charge ce niveau de fonctionnement autonome ?
Les défis d’infrastructure conduisent à de nouvelles architectures informatiques
Les exigences informatiques des systèmes d’IA agentique ont mis en évidence les limites des architectures cloud traditionnelles, en particulier à mesure que les exigences en matière de formation des modèles de base et d’inférence augmentent.
La réponse de Huawei Cloud implique des super-nœuds CloudMatrix384 connectés via un réseau MatrixLink à haut débit, créant ce que la société décrit comme un système informatique hybride flexible combinant des capacités de calcul polyvalentes et intelligentes.
L’architecture résout spécifiquement les goulots d’étranglement dans les modèles de mélange d’experts (MoE) grâce à l’inférence de parallélisme expert, ce qui réduit le temps d’inactivité des NPU pendant les transferts de données. Selon les spécifications techniques de la société, cette approche augmente la vitesse d’inférence d’un seul PU de 4 à 5 fois par rapport aux autres modèles populaires.
Le système intègre également un stockage AI-Native centré sur la mémoire, conçu pour les tâches typiques de l’IA, visant à améliorer à la fois l’efficacité de la formation et de l’inférence. ModelBest, une société spécialisée dans l’IA à usage général et l’intelligence des appareils, a démontré les applications pratiques de cette infrastructure.
Li Dahai, co-fondateur et PDG de ModelBest, a détaillé comment leur série MiniCPM (couvrant les modèles de base, les capacités multimodales et l’intégration complète des modalités) s’intègre au service de calcul Huawei Cloud AI pour obtenir des améliorations de 20 % en matière d’efficacité énergétique de la formation et des gains de performances de 10 % par rapport aux normes de l’industrie.
Les modèles MiniCPM ont trouvé des applications dans les systèmes automobiles, les smartphones, l’IA incorporée et les ordinateurs personnels compatibles avec l’IA.
Des modèles de base aux applications spécifiques à l’industrie
Le défi consistant à adapter les modèles de base aux besoins spécifiques de l’industrie a conduit au développement de méthodologies de formation plus sophistiquées. L’approche de Huawei Cloud comprend trois éléments clés : un pipeline de données complet gérant la collecte via la gestion, un flux de travail de formation incrémentiel prêt à l’emploi et une plate-forme d’évaluation intelligente avec des ensembles d’évaluation prédéfinis.
Le flux de travail de formation incrémentiel augmenterait les performances du modèle de 20 à 30 % grâce à l’ajustement automatique des données et des paramètres de formation en fonction des fonctionnalités de base du modèle et des objectifs spécifiques au secteur. La plateforme d’évaluation permet une configuration rapide de systèmes alignés sur les références du secteur ou de l’entreprise, répondant à la fois aux exigences de précision et de rapidité.
Les mises en œuvre dans le monde réel illustrent l’application pratique de ces méthodologies. Le Shaanxi Cultural Industry Investment Group s’est associé à Huawei pour intégrer l’IA aux opérations de tourisme culturel.
Huang Yong, président du Shaanxi Cultural Industry Investment Group, a expliqué qu’en utilisant la plateforme de convergence données-IA de Huawei Cloud, l’organisation a combiné diverses données sur le tourisme culturel pour créer des ensembles de données complets couvrant l’histoire, le cinéma et le patrimoine immatériel.
Le partenariat a établi ce qu’ils appellent un « espace de données national de confiance pour le tourisme culturel » sur Huawei Cloud, permettant des applications telles que la vérification des actifs, les transactions de droits d’auteur, l’amélioration du crédit des entreprises et le développement créatif.
La collaboration a produit le modèle de tourisme culturel Boguan, qui alimente des outils basés sur l’IA, notamment un cerveau intelligent pour le tourisme culturel, un assistant de gestion intelligent, un assistant de voyage intelligent et une plate-forme vidéo courte d’IA.
Les mises en œuvre internationales démontrent des modèles similaires. La municipalité de Dubaï a travaillé avec Huawei Cloud pour intégrer des modèles de base, des humains virtuels, des jumeaux numériques et des systèmes d’information géographique dans les systèmes urbains. Mariam Almheiri, PDG de l’Agence de réglementation et de permis de construction de la municipalité de Dubaï, a expliqué comment cette intégration a amélioré la planification urbaine, la gestion des installations et les réponses d’urgence.
Des plateformes d’agents d’entreprise émergent
La distinction entre les agents d’IA axés sur le consommateur et les systèmes d’IA agentiques d’entreprise se concentre sur les exigences d’intégration et la complexité opérationnelle. Les systèmes d’entreprise doivent s’intégrer de manière transparente dans des flux de travail plus larges, gérer des situations complexes et répondre à des normes opérationnelles plus élevées que les applications grand public conçues pour des interactions rapides.
La plateforme polyvalente de Huawei Cloud comble cette lacune en fournissant une infrastructure permettant aux entreprises de créer des agents adaptés aux besoins de production. La plate-forme combine le calcul de l’IA, des modèles, des plates-formes de données, des outils et des capacités d’écosystème pour rationaliser le développement d’agents tout au long des phases de déploiement, de publication, d’utilisation et de gestion.
La mise en œuvre de Conch Group dans la fabrication du ciment offre des mesures de performance spécifiques. L’entreprise s’est associée à Huawei pour créer ce qu’elle décrit comme le premier modèle de ciment et de matériaux de construction alimenté par l’IA de l’industrie du ciment.
Les agents cimentaires obtenus prédisent la résistance du clinker à 3 et 28 jours avec des prévisions s’écartant de moins de 1 MPa des résultats réels, ce qui représente une précision de plus de 90 %. Pour l’optimisation de la calcination du ciment, le modèle suggère des paramètres de processus clés et des solutions opérationnelles qui réduisent la consommation standard de charbon de 1 % par rapport aux normes d’efficacité énergétique de classe A.
Xu Yue, assistant du directeur général de Conch Cement, a noté que le succès du modèle en matière de contrôle qualité, d’optimisation de la production, de gestion des équipements et de sécurité établit les bases d’une collaboration et d’une prise de décision de bout en bout via les agents cimentiers, faisant passer l’industrie « d’une dépendance à l’expertise traditionnelle à une gestion entièrement pilotée par les données dans tous les processus ».
Dans le domaine de la gestion des voyages d’affaires, Smartcom a développé un agent de voyages utilisant Huawei Cloud Versatile qui fournit des services intelligents de bout en bout pour les départs, les transferts et les vols. Kong Xianghong, directeur technique de Shenzhen Smartcom et directeur de Smartcom Solutions, a indiqué que le système combine les données de l’industrie du voyage, les politiques de l’entreprise et les historiques de voyages individuels pour générer des recommandations.
Les employés adoptent plus de la moitié de ces suggestions et effectuent les réservations en moins de deux minutes. L’agent résout 80 % des problèmes en trois interactions en moyenne grâce à l’appariement prédictif des questions.
Quelle est la prochaine étape pour l’IA autonome ?
Les mises en œuvre discutées lors du sommet reflètent une tendance plus large de l’industrie vers des systèmes d’IA agentique qui fonctionnent avec une autonomie croissante dans le cadre de paramètres définis. La progression technologique d’outils réactifs vers des systèmes capables de planifier et d’exécuter des tâches complexes de manière indépendante représente un changement architectural fondamental dans l’informatique d’entreprise.
Toutefois, la transition nécessite des investissements d’infrastructure substantiels, une ingénierie de données sophistiquée et une intégration minutieuse avec les processus métier existants. Les indicateurs de performance issus des premières mises en œuvre, qu’il s’agisse de gains d’efficacité de fabrication, d’améliorations de la gestion urbaine ou d’optimisation des réservations de voyages, fournissent des références aux organisations évaluant des déploiements similaires.
À mesure que les systèmes d’IA agentique continuent de mûrir, l’accent semble se déplacer des démonstrations de capacités technologiques vers les défis d’intégration opérationnelle, les cadres de gouvernance et les résultats commerciaux mesurables. Les exemples de la fabrication du ciment, du tourisme culturel et de la gestion des voyages d’affaires suggèrent que la valeur pratique émerge lorsque ces systèmes répondent à des problèmes opérationnels spécifiques plutôt que de servir d’outils d’automatisation à usage général.
(Photo par AI News)
