9月18日全联接大会2026上，华为首发企业智能化白皮书，提出DIMAK工程体系与H型双塔架构，用于企业AI能力建设、沉淀及与原有业务系统衔接。
AI解读：华为9月18日在全联接大会2026发布《Agentic Enterprise：企业智能化白皮书》，针对企业AI从单点提效走向整体业务改善的问题，给出参考架构和工程方法。
白皮书的核心主张是“让经营定义技术”：企业先明确要改善哪个业务指标、由谁负责结果，再决定数据、知识、模型和智能体怎么建，而不是先挑模型。
DIMAK由数据、AI基础设施、模型、智能体、知识五个工程域组成，目标是把一次任务中形成的经验沉淀为可复用能力；H型双塔则负责让智能判断与原有IT/OT系统的正式执行衔接。
对已经在做AI项目的企业来说，这份白皮书的直接用途是提供一套对照框架：判断哪些能力值得自建、哪些可以采购，以及场景跑通后怎样扩展到上下游。
白皮书同时披露金融、汽车、医药、材料化学、电力等领域的落地实践，但华为AI系统科学家姚骏明确表示，业务价值流的最后一公里仍由企业自己建设。
9月18日，华为在全联接大会2026上发布《Agentic Enterprise：企业智能化白皮书》，围绕企业AI从局部提效走向整体业务改善的问题，提出企业智能化建设的参考架构与工程方法。
华为提出“让经营定义技术”，先定业务目标再定AI建设
白皮书认为，企业AI建设首先需要回答的不是“选择哪个模型”，而是企业真正需要解决什么业务问题。应以经营目标为起点，找到影响业务结果的关键环节，再决定AI能力如何建设、如何与现有流程连接。
华为AI应用首席专家李宏恺表示，局部提效也可能让瓶颈转移：“你这个环节提效了，导致下一个环节成了堵点了。”白皮书由此主张，业务、财务和技术负责人需要先共同确认当前的业务基线、希望改善哪个经营指标、为什么需要AI，以及由谁对最终结果负责。
DIMAK五域工程体系
华为提出的DIMAK由数据（Data）、AI基础设施（Infra）、模型（Model）、智能体（Agent）和知识（Knowledge）五个相互协同的工程域组成，面向企业智能能力的建设、供给与持续改进。
数据工程提供可信业务事实；知识工程把制度、流程和专家经验整理成可以检索、并明确适用条件的规则和案例；模型工程负责模型接入、适配和评测；智能体组织数据、知识、模型、工具以及人与AI之间的协作；AI基础设施保障整套能力稳定运行。
任务执行过程中使用的依据、人工修改、异常和最终结果都会被记录。经过验证的有效经验进入知识服务，失败记录用于后续评测，成熟方法沉淀为可复用的任务方法。白皮书将其描述为类似RSI（递归自进化）的增强循环：业务反馈用于训练和强化学习，推动模型能力提升，改进后的AI再参与业务执行与评测，产生新的经验与反馈。
对于可能影响生产运行的知识和策略变更，需要经过评测、业务确认和受控发布，再进入正式环境。
白皮书将DIMAK的核心概括为“解耦技术生命周期与企业能力生命周期”：模型与框架可以持续更新，经过验证的数据服务、知识资产和任务方法则成为企业能够长期积累的能力。DIMAK通过相对稳定的能力接口、框架适配和版本管理，降低业务应用对单一模型和框架的依赖；底层模型或智能体框架变化后，企业重新验证任务效果和运行兼容性，让已有数据、知识和任务方法在必要适配后继续使用。
H型双塔衔接智能判断与原有业务系统
白皮书提出H型双塔架构：企业AI体系（智能塔）以DIMAK为工程基础，负责理解目标、分析变化、比较方案和组织任务；企业IT/OT体系（现网塔）是企业已运行的业务与生产系统，负责提供权威业务事实、校验并执行操作、记录正式结果。“H”中间的横向连接将数据、知识、权限、指令和结果贯通，让同一项任务从判断走到执行，再把结果返回智能体系。
电网设备评价与银行理财到期两个实践
白皮书中的电网设备评价实践中，某电网企业将原先供人阅读的专业导则整理为来源明确、版本有效、适用范围清晰的知识资产。运检智能体结合设备台账、缺陷和监测数据，依据导则生成评价建议，由专业人员审核确认。评价依据与结果一并保存，人工修订、缺陷处置结果和设备状态变化持续反馈，成为下一轮评价的依据。
银行理财到期案例中，某大型商业银行从客户的到期资金安排切入。手机银行智能体在获得必要授权后，结合产品到期状态、账户资金、风险等级和现有持仓，形成多套方案，并解释期限、收益、流动性和风险等方面的差异，供客户比较和调整。智能塔负责组织信息、分析方案，银行原有系统提供账户、持仓等权威事实。
客户确定方案并完成适当性确认和必要的强认证后，智能体才能在授权范围内调用资金划转、理财购买等业务能力。交易校验、账户变更和持仓记录仍由银行原有系统完成；遇到大额交易、异常账户等情况，仍需客户进一步确认或转交相应责任岗位处理。白皮书披露，这项实践已在限定范围内进入客户确认后的授权执行。
按照H型双塔的要求，购买请求被受理后，系统还需依据原有业务系统的正式记录确认交易是否完成、账户和持仓是否已更新；结果不明确应先核验状态，避免重复操作；执行失败或业务条件变化，则重新调整任务或交由人员处理。真实执行结果返回DIMAK体系，成为下一轮能力改进的依据。
白皮书覆盖多个行业实践，华为明确自身边界
白皮书还记录了金融、汽车、医药、材料化学和电力等多个领域的落地实践。不同行业的经营目标、业务流程、数据条件和风险边界各不相同，这些案例提供参考，具体建设仍需企业结合自身业务判断。
华为AI系统科学家姚骏在发布会上表示：“业务价值流的最后一公里是由企业来建设的，我们无法替代。”华为的定位是梳理不同项目中反复出现的共性问题，形成参考方法、工程框架和共性工具。白皮书给出的落地路径强调从核心场景切入，逐步完成验证、部署投产，再沿价值业务流扩展，由企业明确经营目标、业务规则和责任边界，伙伴参与场景适配与实施。
白皮书还提到，企业可以采购已经成熟的能力，把建设投入放在业务规则、数据衔接和流程协同上；具体如何分配，仍要由业务规模、现有条件和预期回报决定。