【環球網科技報道 記者 林夢雪】隨着大模型技術的快速發展，AI的能力密度呈現指數級增長，其在推理、多模態、軟件開發等多個領域展現出卓越性能。然而，如何將AI技術真正應用於企業業務場景，實現正向回報，成爲當前企業關注的焦點。
近日，在以“企業AI價值先鋒實踐”爲主題的AI for Process系列直播日活動現場，神州數碼與來自東風嵐圖、嘉嶽數智等企業的一線專家，從真實場景出發，共同探討AI在汽車、能源領域的落地難點與破解路徑。
AI for Process是神州數碼於今年初提出並一直在踐行的戰略理念。神州數碼聯席董事長、首席執行官王冰峯也分享了強調、踐行該理念的原因：“要實現AI技術和企業的深度融合，需要從企業的流程入手。只有當AI深度嵌入企業流程中，與業務流程實現深度融合和相互促進，才能真正推動AI在企業中的規模化應用。”如今隨着更多真實案例的落地，這一理念也已成爲指導企業應用AI技術的有效方法。
東風嵐圖：AI已在多個關鍵環節實現落地應用
“從2023年底開始到現在，整個嵐圖數字化部門的AI應用已經覆蓋到方方面面了。”東風嵐圖數字化部門大模型應用負責人徐湲策在直播現場提到，嵐圖始終關注着大模型技術的進步，當看到大模型可以處理長文本之後，嵐圖便在包括營銷、OA和研發等追求效率提升的場景開始了立項和嘗試。
嵐圖在實踐探索中察覺AI落地汽車應用場景困難重重，主要有三方面：一是人才，AI時代企業需既懂模型又懂業務的複合型人才，傳統汽車製造業缺乏，找到合適人才支撐項目和技術發展是首要問題；二是場景選擇，新技術初期場景不明，試錯成本高，大型製造企業需優先識別可行且有業務價值的場景；三是價值體現，數字化部門做任何事都應考慮爲內部客戶和產品用戶提供有價值服務，避免盲目追求技術迭代而陷入自證自嗨。
儘管困難重重，徐湲策提到，目前AI已在多個關鍵環節實現實際應用。例如，在營銷與宣發領域，通過AI工具輔助合規性審查，不僅提升了工作效率，也有效降低了合規風險。徐湲策進一步表示，未來AI有望深入嵌入企業各業務系統，打破平臺邊界，降低傳統“數雲融合”模式所帶來的複雜性與擴展成本。同時，“AI for Process”在企業流程自動化、跨系統協同等方面仍具備巨大潛力，值得深入挖掘，其所帶來的結構性變革，將爲整個汽車行業的發展打開新的想象空間。
汽車行業構築企業級AI平臺爲必選項
“AI的日新月異，是我從業以來見到的最快的變化速度。”江鈴汽車高級數據產品總監梁融韜在提到汽車企業爲什麼需要AI平臺時解釋道，“企業建設AI應用的時候，需要有AI平臺去適配或者緩衝變化對企業內部帶來的影響。”
在AI技術快速演進下，企業級AI平臺建設並非偶然，而是多重需求推動：一方面AI行業技術迭代迅猛，企業要在內部落地AI，需重構挖掘核心知識資產，汽車企業內含的各類專業知識是關鍵基礎；另一方面，爆火的AI Agent技術帶來新機遇，AI要產生價值需成爲“懂場景、業務”的助手，梁融濤認爲這正是汽車等製造業構建企業級AI平臺，將通用AI能力封裝以服務全體成員的初衷。
梁融韜提到，對於企業AI平臺而言，算力資源的統籌管理是重中之重。企業中的敏感知識和數據往往要求在本地部署，因此如何最大化利用有限的內部算力，成爲平臺設計的首要問題。其次是模型的統一管理，這既包括部署在本地的開源模型，也涵蓋經過企業微調的專屬模型和輕量模型的應用調度，必須通過統一平臺爲業務層提供靈活服務。
同時，最繁重也是最關鍵的工作是企業知識、數據和材料的治理與AI調度能力的構建。在此基礎上，平臺還需提供靈活的定製能力與模型接入能力，支持業務快速生成新應用。最後，作爲面向企業的系統，數據安全、系統穩定性與測試運維機制等，必須隨着AI平臺能力的不斷增強而同步提升。
“隨着數字化轉型的深入，Process是不停演進的，企業也有非常多的訴求去精益Process。”在談及對AI for Process的理解時梁融韜談到，在數據積累和大模型分析能力的基礎上，AI會加速汽車企業流程的優化過程。
嘉嶽數智：打造垂直領域AI助手——“懂碳帝”
在 “雙碳” 目標上升爲國家戰略的時代背景下，碳評估行業正面臨前所未有的效率挑戰與技術變革。
嘉嶽數智創始人、總經理魏浩以“碳評估報告”舉例，認爲其目前面臨四大挑戰：一是數據來源比較分散，人工編制過程中需要閱讀大量設計文件、科研素材等內容，人工成本大，耗時極高；二是文本內容較爲複雜，一些存量項目往往會涉及到各個環節，數據和信息會消耗大量能源；三是數據格式多元化，既包括文本，又包括公式、表格、圖片等數據；四是產出內容精度要求高，評估工作需要人工進行多輪多層次的數據校驗和內容複覈。“如果有AI大模型介入，‘碳評估報告’的編制就有望實現提質增效。”魏浩表示。
基於此，魏浩提出一種理論構想，即通過人工專家梳理和整理碳排放領域的專業知識，提升解決方案的適用性和使用質量，同時利用AI大模型能力進行加持，以此去匹配用戶、客戶的需求。
而針對文本生成準確度的問題，魏浩提出以EPAG（Expert Process Augmented Generation，專家流程增強生成）技術，從大模型理解專業內容、生成符合邏輯的專業報告、依據多領域內容完成自動化評測三個方面來提高文本生成準確度。“我們這個技術就想打造懂碳的、懂這個垂直領域的AI助手或身份，可以叫作懂碳帝。”魏浩說。
神州數碼：從內部實踐到對外賦能
事實上，不同於東風嵐圖、嘉嶽數智等企業，神州數碼更多是將AI作爲一種賦能手段，既應用於自有業務流程中，又基於自身實踐提煉和總結技術方法論，形成對外服務的能力。
通過大量自身及行業實踐積累，神州數碼已將重複性 AI Agent 進一步抽象解構到自研的企業級 Agent 中臺——“神州問學平臺”中，抽練出銷售助理、超級員工、智能客服、AI for BI 等8個開箱即用的Agent解決方案，同時在平臺內嵌“AI for Process”工具集以幫助企業快速實現 Agent 調度和編排，目前這一技術能力不僅服務於神州數碼內部業務，支持會議預定、差旅計劃等事務，也已支撐東風嵐圖、嘉嶽數智等企業將 AI 技術落地於實際業務場景中。
神州數碼汽車研發高級顧問汪彥磊將AI在企業中的演進路徑劃分爲四個階段。第一階段是語言能力，AI需要具備基本的理解和表達能力，能夠充當信息蒐集員；第二階段是認知深化，AI開始具備記憶與推理能力，能夠進行基礎分析；第三階段是行爲能力，AI可藉助工具參與實際任務，提升生產效率；第四階段是創新能力，AI不僅能創造性輸出，還具備“自我否定”能力，即對已有認知進行反思與修正，從而實現真正的智能進化。
在具體實踐中，神州數碼雲和信創研究院AI應用架構師馬曉東發現，企業用戶對AI的期望並不是“聊天”式交互，而是實現低感知、高效率的智能服務——“我給你材料，你直接給我結果。”
馬曉東認爲，要實現這一目標需要三大支撐：首先是知識治理，通過深入梳理企業內外部的文檔與流程，確保AI返回的信息準確無誤；其次是運營機制，通過持續走訪與反饋優化推動員工主動使用AI系統；最後是團隊協作模式的變革，業務專家必須深度參與系統設計與運營，才能讓AI真正貼近業務、服務於人。
