AI for Process:AI企业落地之路|特别策划

新闻

作者：微信文章


AI 企业落地奇点到来？
进入2025年，Deep Seek又一次引爆了大家对人工智能（AI）的热情。短短一个多月，Deep Seek快速渗入各行各业，从认知到实践，改变了AI叙事的逻辑。回想上一个让我们如此兴奋的、技术范式的重大突破，还是2023年初，一夜风靡的Chat-GPT。ChatGPT出现掀起了一轮认知的颠覆，让大家深刻“感知”到了大语言模型，引导我们触达了AI的世界。但在Deep Seek出现前，大家普遍认为只有“堆参数、卷模型、大力出奇迹的暴力美学”才是推动AI发展的唯一路径，而Deep Seek“四两拨千斤”地给出了另一个可行路径：开源的形态，降低了企业落地大模型的技术门槛，较低的算力成本，让AI成为一场人人都可以参与的“全民狂欢”，而不再是少数科技巨头的专利，也不是实验室不计成本的研究。在我看来，这也是Deep Seek最重要的价值——推动AI的普惠。1946年推出的全球第一台计算机ENIAC只能支持每秒5000次的运算，直到40年后，PC的全面普及，有力推动了计算机产业的发展，才让计算机成为每个人日常生活中的重要组成部分；而智能手机的普及，更是让计算机变得像“身体器官”一样不可分割。时至今日，AI技术的广泛推广，也一定需要先完成普惠化。但是，要让AI真正成为社会生产力，仅仅推动或者完成技术普惠，是远远不够的。
01

AI企业落地奇点到来？

上海浦江实验室主任、首席科学家周伯文先生在一份报告中，从专业性和泛化性两个维度对AGI大模型进行了分析，并提出“通专融合”的理论。我深表赞同。我们可以看到，经过过去一段时间的积累和发展，AI技术分别在专业性和泛化性两个维度有了长远的线性发展。例如，在人类蛋白质结构预测的专业领域，Alpha Fold已经展现了非凡的能力，能够预测超过2亿个蛋白质模型，甚至超越了人类本身的预测能力。但这样一个强大的AI模型，可能却无法回答一个简单的日常问题，泛化能力严重不足。另一方面，例如Deep Seek、LLaMA，或是ChatGPT等一系列“通用模型”，它们沿着语言模型的方向发展，在知识学习等方面拥有卓越的能力，表现出前所未有的灵活性和适配性，但是它解决不了任何一个专业化的问题，缺乏深度的专业理解和精准性。

在AI发展的过程中，兼具泛化性和专业性的“高价值区域”才是关键所在。我们认为，在专业性上，AI能力需要达到或超过90%专业人士的水平；在泛化性上，AI需要达到广义人工智能级别的泛化能力，能够以低成本实现不同任务之间的迁移。只有在这个区域内，AI才能真正实现专业性和泛化性的平衡，推动企业的数字化转型。
在企业的数字化转型中，我们不仅需要保持大模型的强通用性、强泛化能力，还需要从算力、模型、企业知识到智能体等多方面，深度适配特定的行业、企业的专业化需要，实现“通专融合”。
02

AI for Process：

AI企业落地的关键跃迁

企业创新就是产品和服务的重新编排。为什么要重新编排？如何编排？企业的重新编排来自企业家对技术进步、业务场景设计和管理方法三者融合的洞察。融合的结果就是制造产品或服务的工作流程。在数字化时代，编排的内容从传统的生产要素变成了数据资产。也就是说数据资产的重新编排或流程再造，就是企业创新。因此，AI赋能流程，就是赋能企业创新。

流程“Process”这个词可以追溯到一百多年前的福特流水线（Process），流水线不仅改变了商业模式，推动了技术进步，还改变了现代的管理方式。今天许多管理方法，实际上也是建立在流水线基础之上的。

对于企业来说，流程就是企业管理的“流水线”。推动企业持续增长的关键在于三个要素：商业模式、管理方法和技术范式。数字经济时代，以AI为代表的技术范式的创新，颠覆了传统认知，推动商业模式的深刻变革，同时也带来管理方法的演进。这三大核心驱动力的持续变革与相互作用，正在推动企业结合自身优势，构建数字时代的新引擎。而三者的结合点，正是企业的流程——Process（见图1）。



数字经济时代，数据资产不断重新编排和业务的不断创新变化，其本质就是流程再造。AI赋能各行各业，其重点也在于通过AI实现流程再造和优化，帮助企业更深入地结合自身业务流程实现持续创新与突破。因此，以流程为中心切入AI应用，不仅仅是企业数字化转型的重要路径，也是我为什么提出AI驱动的数云融合技术愿景（见图2）的背景。



可以想象，未来的企业流程一定会从传统的、静态的操作模式转变为以智能体（Agent）为核心的动态编排与协作系统。也就是说，由“智能体”基于实时交互，完成任务分发，高效处理复杂、跨部门、跨系统的工作，将成为企业运营的主流方式。这不仅仅是效率提升，当AI深度融入企业流程，将形成一个个“数据-决策-价值”的闭环，这是一种颠覆性的重构。这种融合创新，正在重新定义企业的核心竞争力。

因此，Al for Process是一个重要且核心的AI应用领域，推动以流程为中心的AI应用落地，将企业数据资产与业务需求深度融合，不仅是企业数字化转型的关键路径，更重要的是，它会像福特流水线催生高速公路和汽车旅馆生态一样，孕育出难以想象的新经济形态。

当然，构建AI for Process，并非企业在本地部署一个大模型那么简单。事实上，大模型与实际AI应用之间的距离，就像一个刚毕业的大学生和一位工作了十几年的资深高级工程师之间的距离。要想解决大模型与应用场景落地间的多重鸿沟，企业必须建立包含知识治理、模型后训练、AI工具开发和集成、AI应用场景适配等能力的完整技术栈。

这是神州数码正在研究和推动的事情，我们推出了“神州问学平台”，帮助企业部署、管理和优化大模型，优化算力成本；帮助企业完成成千上万份专业文档的体系化知识治理，并使其加载成为企业模型；帮助企业对各专业领域大模型进行后训练以及持续优化；同时，我们也帮助企业实现多个智能体的体系化开发和运营管理。比如，我们已经帮助一家商业地产企业以较低的成本实现AI Agent与现有系统的深度集成，算力成本节约了40倍；再比如，我们帮助一家零售企业，基于通用模型，结合数据合成、微调和ASR评估模型反馈技术，打造AI for Process框架，将工具选择准确率从基础模型的28.1%，大幅提升到95.6%，显著超越了GPT-4的88.1%。这些只是我们探索的起点，也是整个AI发展的冰山一角。

在推动AI企业落地和产业发展的过程中，我们需要在更大范围内解决更多问题，比如伦理问题、数据主权和合规问题等等，这些需要全球、全社会和全生态的共同努力。

·  FIN  ·



郭为｜文

郭为是神州数码董事长。

内容来源：神州数码