2026年1月，上海练秋湖研发中心。
任正非坐在一群二十出头的年轻人面前，聊了整整一场。这些年轻人是来自全球30多个国家和地区的ICPC（国际大学生程序设计竞赛）优胜者。当话题转到AI时，任正非说了一句让很多人意外的话：
当时，全球正在陷入一场“算力狂欢”。GPU数量成了军备竞赛的筹码，榜单排名成了技术实力的证明，大模型参数成了融资路演的卖点。所有人都在问同一个问题：我的算力够不够？怎么才能拿到更多芯片？
任正非给出了一个完全不同的视角。他接着说：
“没有网络的算力是信息孤岛，孤岛化的AI无法实现真正的智能。”
一、为什么“算力可能过剩”？
任正非的判断，不是凭空说的。他在座谈会上给出了两个理由：
第一，算力的增长是线性的，但需求可能是非线性的。
“建数千个、数百个大模型都是正确的探索。现在大模型大到什么程度，需要多少算力？华为在解释超节点的时候讲到了950、960、970，但我们需要多少个‘970’，在哪儿能用？需要多少台，集群怎么连接。这是一种线性技术推演，是一定能实现的算力假设。但需求在那里，我们还没有能力很好的预测和推演，需求是不是一种线性结构，万一是非线性的呢？”
他的意思是：我们一直在算“算力够不够”，但很少有人算“算力用在哪”。如果算力只是堆在那里，没有人用、用不好，那过剩就是必然的。
第二，算力本身不是目的，解决问题才是。
任正非举了一个例子：
“拿一个小小的超声波探测头，在西藏牧区给牧民的腰上扫一扫，数据通过3000公里的网络传到深圳检测中心，从超声波仪器里能发现藏民身上的肝包虫。这就是低时延的5G和高宽带光纤网络起到的传输作用。”
这个案例里，算力在深圳，数据在西藏。如果没有那张3000公里的网络，再强的算力也发现不了肝包虫。
二、比算力更重要的，是“连接”
任正非在座谈会上的原话是：
“将来人工智能的感知与控制，要把数据传到几千公里外，必须要有一个先进的网络。没有网络的算力是信息孤岛，孤岛化的AI无法实现真正的智能。”
这句话可以拆成三层：
第一层：算力需要连接才能发挥作用。
一个芯片再强，如果数据进不来、结果出不去，它就是一座孤岛。真正的AI系统，是算力集群+通信网络+数据管道的综合体。缺了任何一个，都跑不起来。
第二层：连接的瓶颈，比算力的瓶颈更隐蔽。
算力不够，马上就能感觉到——模型跑不动、响应时间变长。但连接的问题，往往藏在底层，等发现的时候已经晚了。带宽不够、延迟太高、网络不稳定，这些都会让算力变成摆设。
第三层：连接能力，是华为的“根”。
任正非在座谈会上提到，华为当前最重要的业务不是AI，而是CT——无线电、光通信、核心网、数据通信。
“为什么？将来人工智能的感知与控制，要把数据传到几千公里外，必须要有一个先进的网络。”
这句话翻译过来就是：华为把“连接”当成AI时代的基础设施。不管算力怎么发展，数据总要传输，网络总是需要。这是华为的“看家本领”，也是任正非判断“算力过剩”的底气所在。
三、企业的AI战略，容易忽略什么？
任正非的判断，给正在做AI战略的企业管理者提了一个醒：你的AI布局，是不是只盯着算力，忘了看“连接”？
很多企业做AI，第一步是买GPU、搭算力集群。算力堆起来了，才发现数据传不动、系统跑不通、用不起来。
企业容易忽略的几个问题：
第一，数据能不能实时采集？
AI要用的数据，不是存在数据库里的静态数据，而是生产线上的实时数据、客户交互的实时数据、设备运行的实时数据。如果传感器不够、采集点不够，算力再强也没用。
第二，数据能不能稳定传输？
工厂里的振动、高温、电磁干扰，都可能让网络断掉。如果网络不稳定，AI模型再好也跑不起来。
第三，数据能不能安全共享？
数据要流通才有价值，但流通就有风险。没有安全机制，数据不敢出部门、不敢出公司，算力就成了摆设。
四、算力投入的“合理边界”怎么判断？
任正非没有给出一个具体的“算力投入公式”，但从他的讲话里，可以提炼出几个判断维度：
维度一：我的数据，能跑起来吗？
在买GPU之前，先问自己：我的数据基础设施够不够？传感器覆盖了吗？网络带宽够吗？数据质量靠谱吗？如果这些基础没打好，算力就是空中楼阁。
维度二：我的场景，需要多少算力？
不是所有场景都需要大模型、大算力。很多工业场景，一个小模型就能解决问题。先搞清楚“需要什么”，再决定“买什么”，而不是反过来。
维度三：我的算力，能和别人连起来吗？
算力集群不是孤立存在的。它要和业务系统连接，要和外部数据连接，要和合作伙伴连接。如果连不起来，再强的算力也只能自己玩。
五、留给管理者的三个思考
思考一：你的AI战略，是在追“算力”，还是在建“连接”？
很多企业做AI，第一反应是买GPU。但任正非的提醒是：比算力更底层的，是连接。如果你的数据传不动、系统跑不通，算力就是一堆发热的电子元件。
思考二：你的数据基础设施，能支撑AI落地吗？
可以给组织做一个自检：传感器覆盖率够不够？网络稳定性够不够？数据质量靠不靠谱？数据安全机制有没有？如果这几项得分不高，先别急着买算力。
思考三：你的算力投入，有没有被“算力焦虑”绑架？
今天的AI行业，弥漫着一种“算力焦虑”——怕算力不够，怕被对手超越。但任正非的判断是，未来算力可能过剩。与其焦虑算力够不够，不如问问自己：我的算力，到底用来解决什么问题？
任正非在座谈会最后说了一句话，值得所有管理者反复读：
“比赛算力是热闹，但能把技术融进实体经济，那才是真本事。”
算力是工具，不是目的。真正的AI能力，不是看你堆了多少GPU，而是看你用AI解决了多少真实问题。你的AI战略，是在追“热闹”，还是在练“真本事”？
