AI技術(shù)日新月異的今天，一場深刻的產(chǎn)業(yè)變革正在全球范圍內(nèi)加速。從大模型的迭代到智能體（Agent）的涌現(xiàn)，AI正從一項前沿技術(shù)演變?yōu)轵?qū)動企業(yè)增長與重塑產(chǎn)業(yè)格局的核心力量。然而，這場技術(shù)革命在帶來無限機遇的同時，也引發(fā)了普遍的“AI焦慮”——企業(yè)既擔(dān)心錯失良機被競爭對手超越，又憂慮投入巨大卻難以獲得可衡量的回報。如何穿越迷霧，將AI從“聽起來很美”的概念轉(zhuǎn)化為“用起來很實”的生產(chǎn)力，成為擺在所有企業(yè)管理者面前的關(guān)鍵課題。
《深度實踐》（DeepPractice）是鈦媒體聚焦AI技術(shù)演進、落地的視頻播客節(jié)目，撇開深奧浮夸的大詞，深度拆解實現(xiàn)路徑、思考決策與硬核細節(jié)。本期《深度實踐》欄目請來了IBM大中華區(qū)董事長、總經(jīng)理陳旭東與施耐德電氣高級副總裁、戰(zhàn)略與業(yè)務(wù)發(fā)展中國區(qū)負(fù)責(zé)人熊宜，一同探討AI時代，企業(yè)數(shù)字化轉(zhuǎn)型的破局之道。
在AI技術(shù)快速迭代的當(dāng)下，企業(yè)的焦慮并非單一的技術(shù)應(yīng)用困惑，而是宏觀環(huán)境與技術(shù)落地雙重不確定性疊加的結(jié)果，這也是當(dāng)下產(chǎn)業(yè)界的普遍痛點。一方面，AI技術(shù)發(fā)展日新月異，今天的技術(shù)可能明天就落后了；另一方面，AI應(yīng)用之后，如何才能體現(xiàn)其價值，讓企業(yè)獲得切實的收益。這兩個問題構(gòu)成了目前企業(yè)級用戶的焦慮。
陳旭東將企業(yè)的核心焦慮歸結(jié)為兩大層面，其一便是宏觀環(huán)境變化帶來的系統(tǒng)性不確定性，油價、貴金屬等要素價格的劇烈波動，地緣政治與法規(guī)規(guī)則的頻繁變動，再加上生產(chǎn)力提升的持續(xù)壓力，讓企業(yè)CEO難以做出穩(wěn)定的戰(zhàn)略判斷。其二則是AI應(yīng)用的落地焦慮，盡管全球今年AI領(lǐng)域支出預(yù)計達2.5萬億美元，AI技術(shù)的商業(yè)價值被廣泛看好，但多數(shù)企業(yè)的AI應(yīng)用尚未顯現(xiàn)顯著成效，“怕落后又怕投入打水漂”的心態(tài)，讓企業(yè)在AI布局上陷入猶豫。
施耐德電氣的觀察則更貼近能源、工業(yè)、數(shù)據(jù)中心、基礎(chǔ)設(shè)施等實體產(chǎn)業(yè)的實際痛點，熊宜將企業(yè)焦慮拆解為技術(shù)與宏觀成本的雙重沖擊。從技術(shù)落地角度看，過去企業(yè)數(shù)字化轉(zhuǎn)型的固定流程已難以適配當(dāng)前的技術(shù)迭代速度，一個企業(yè)級AI項目從規(guī)劃到落地通常需要1.5至2年，而AI技術(shù)的發(fā)展讓企業(yè)擔(dān)憂投入的技術(shù)尚未產(chǎn)生效益便已過時，項目投資回報的評估成為一大難題。
從宏觀環(huán)境來看，當(dāng)企業(yè)在微觀層面通過精益生產(chǎn)、AI應(yīng)用提升效率時，市場的變化、供應(yīng)鏈的不確定性等可能直接顛覆這些努力，如何鍛造企業(yè)韌性以應(yīng)對突發(fā)性宏觀環(huán)境的沖擊，成為實體企業(yè)的核心訴求。而這種焦慮的本質(zhì)，是技術(shù)發(fā)展速度與企業(yè)落地節(jié)奏的脫節(jié)，以及微觀效率提升與宏觀環(huán)境波動的矛盾，這也讓企業(yè)在AI轉(zhuǎn)型中陷入“不用不行，用又不敢”的兩難。
面對多重焦慮，企業(yè)的破局之道并非盲目跟風(fēng)布局AI，而是以戰(zhàn)略定力為核心，從單點嘗試走向平臺化深耕，讓AI應(yīng)用真正與業(yè)務(wù)價值掛鉤。
熊宜從實體企業(yè)的實踐角度，提出了AI落地的三大核心原則，也是衡量企業(yè)AI是否真正落地的關(guān)鍵標(biāo)準(zhǔn)。首先是樹立平臺思維，摒棄分散的單點應(yīng)用模式，構(gòu)建企業(yè)級的AI能力體系，讓數(shù)據(jù)、經(jīng)驗與技術(shù)能力能夠沉淀復(fù)用，施耐德電氣將AI貫穿 EcoStruxure™三層架構(gòu)：接入適配層、運營控制層、管理優(yōu)化層，并搭建統(tǒng)一的數(shù)據(jù)平臺，實現(xiàn)能源與工業(yè)智能化，正是平臺思維的落地。
其次是堅持場景驅(qū)動與可量化的投資回報，AI應(yīng)用需聚焦于能快速產(chǎn)生價值的場景，將投資回報周期盡可能縮短，為項目設(shè)定清晰的量化目標(biāo)，比如工作時間的節(jié)省、人員的優(yōu)化、生產(chǎn)效率的提升，而非模糊的“效率改善”，施耐德電氣通過舉辦AI“大施杯”大賽挖掘內(nèi)部場景，篩選項目時以能否提升綜合勞動生產(chǎn)率等硬性指標(biāo)為核心，實現(xiàn)“花小錢辦大事”。
最后是推動自下而上的自發(fā)應(yīng)用，當(dāng)AI工具真正解決員工的工作痛點，比如將生產(chǎn)計劃制定的2小時工作縮短至5分鐘，員工便會主動使用，這種自發(fā)的應(yīng)用模式遠勝于自上而下的強制推行，也是AI落地的最佳狀態(tài)。
陳旭東則建議企業(yè)聚焦于行動與積累。
第一，應(yīng)加快數(shù)字化轉(zhuǎn)型步伐。供應(yīng)鏈的韌性一方面可以通過數(shù)字化手段來提升，另一方面可能需要在組織管理等方面進行優(yōu)化；
第二，關(guān)于AI相關(guān)的焦慮，面對不可阻擋的AI浪潮，建議企業(yè)仍需進行一定程度的嘗試。他以IBM自身作為“零號客戶”為例，在利用AI優(yōu)化HR、財務(wù)等辦公效率時，推進的決心非常堅定，在快速試錯、迭代后已經(jīng)產(chǎn)生了可觀的投資回報；
第三，在企業(yè)內(nèi)部發(fā)動員工，尋找可以優(yōu)化的環(huán)節(jié)。讓大家了解AI能做什么，再發(fā)動大家去發(fā)現(xiàn)AI能夠發(fā)揮作用的地方，之后再進行更大規(guī)模的投入。
而當(dāng)AI應(yīng)用從試點走向規(guī)?；瘯r，企業(yè)需要選擇統(tǒng)一的平臺，避免單點項目的重復(fù)投資，IBM的Watsonx平臺與watsonx Orchestrate系統(tǒng)，正是為了解決企業(yè)AI應(yīng)用的管理與協(xié)同問題，讓不同部門的AI應(yīng)用能夠相互調(diào)用、形成體系。
而此前施耐德電氣商業(yè)價值研究院與IBM聯(lián)合發(fā)布的《AI for GREEN——以場景驅(qū)動AI應(yīng)用，實現(xiàn)企業(yè)價值跨越》報告中也曾明確指出，企業(yè)對于AI價值的期待正在從單一向立體轉(zhuǎn)變，形成了三大顯著趨勢：從僅重視商業(yè)收益拓展到注重社會環(huán)境價值；價值取向從宏觀決策深入到微觀個體體驗；從追求短期增長到重視長期的價值跨越?；诖?，報告提出了“AI for GREEN”價值主張，認(rèn)為企業(yè)通過AI可以實現(xiàn)五大價值：業(yè)務(wù)增長（Growth）、可靠性與韌性（Reliability）、效率與滿意度（Efficiency）、可持續(xù)發(fā)展（Environment）以及全新的商業(yè)模式（NewHorizon）。
值得注意的是，AI落地的核心邏輯已發(fā)生轉(zhuǎn)變，從過去的IT部門驅(qū)動變?yōu)闃I(yè)務(wù)部門驅(qū)動。陳旭東指出，過去的信息化多解決財務(wù)、供應(yīng)鏈等通用問題，而AI能針對企業(yè)的個性化業(yè)務(wù)痛點優(yōu)化流程，這需要業(yè)務(wù)部門提出真實需求，技術(shù)部門提供支撐，形成“業(yè)務(wù)+技術(shù)”的共創(chuàng)模式，這種模式也讓企業(yè)的AI應(yīng)用更貼合實際業(yè)務(wù)，避免技術(shù)與業(yè)務(wù)的脫節(jié)。
總體來看，在落地AI應(yīng)用的過程中，企業(yè)需要一套以場景為中心的實施路徑。
第一步：統(tǒng)一共識，規(guī)劃全圖。 企業(yè)需通過跨團隊交流統(tǒng)一AI戰(zhàn)略共識，并運用價值框架全面梳理業(yè)務(wù)流程，繪制出清晰的AI場景全景圖，明確賦能方向，從而降低試錯成本。
第二步：聚焦場景，小步快跑。 在全景圖基礎(chǔ)上，通過評估技術(shù)可行性、資源投入和風(fēng)險，篩選出優(yōu)先落地的具體場景。應(yīng)避免追求“萬能明星”項目，而是組建跨部門團隊，以解決流程中部分問題的“細分專家”項目為起點，敏捷迭代，快速驗證價值。
第三步：數(shù)據(jù)沉淀，構(gòu)建差異化。 高質(zhì)量的數(shù)據(jù)是AI的“燃料”，而企業(yè)內(nèi)部獨特的行業(yè)知識與經(jīng)驗則是未來的核心競爭力。企業(yè)需要建立高效的數(shù)據(jù)處理管道和治理機制，并有意識地挖掘、整理那些隱藏在文檔、流程和專家頭腦中的隱性知識，將其轉(zhuǎn)化為可記錄、可復(fù)用的企業(yè)知識庫。
第四步：民主賦能，全民創(chuàng)新。 成功的AI應(yīng)用不應(yīng)局限于技術(shù)團隊，而應(yīng)實現(xiàn)規(guī)?；x能。這需要在組織上彌合業(yè)務(wù)與技術(shù)的認(rèn)知鴻溝，讓非技術(shù)員工也更多地參與技術(shù)創(chuàng)新。
“AI的盡頭是算力，算力的盡頭是能源”，這一行業(yè)共識讓AI與能源的深度融合成為產(chǎn)業(yè)發(fā)展的核心方向，也為科技企業(yè)與能源科技企業(yè)帶來了全新的機遇，而中國市場的技術(shù)、場景與成本優(yōu)勢，讓這一融合擁有了更堅實的落地基礎(chǔ)。
對于施耐德電氣而言，AI蓬勃發(fā)展帶來的能源挑戰(zhàn)，本質(zhì)上是電力供應(yīng)與電力管理的雙重問題，一方面，算力中心的建設(shè)面臨電力瓶頸，施耐德電氣通過推動綠電直連、新型電力架構(gòu)等項目，解決電力“有沒有”的問題；另一方面，AI負(fù)載的峰值功率波動更快、更不可預(yù)測，傳統(tǒng)的供電方案已無法適配，施耐德電氣正探索電化學(xué)儲能、飛輪儲能等新技術(shù)，實現(xiàn)對電力波峰的秒級響應(yīng)，同時將電力管理從機柜級、服務(wù)器級精細到芯片級，解決電力“用得好不好”的問題。而這一過程也推動了施耐德電氣的商業(yè)模式與技術(shù)體系變革，從單純的產(chǎn)品銷售轉(zhuǎn)向與客戶聯(lián)合研發(fā)的共創(chuàng)模式，從電力外圍設(shè)備供應(yīng)轉(zhuǎn)向與算力核心的深度融合。
IBM則在AI技術(shù)層為能源與工業(yè)領(lǐng)域的AI落地提供了技術(shù)支撐，其針對良品率極高的視覺檢測場景推出的反向?qū)W習(xí)方案，通過建立“完美產(chǎn)品”模型識別異常，解決了實體企業(yè)因缺陷樣本不足導(dǎo)致的AI訓(xùn)練難題。同時，IBM持續(xù)深耕混合云與AI領(lǐng)域，將傳統(tǒng)AI與生成式AI融合于Watsonx平臺，為企業(yè)提供從數(shù)據(jù)管理到模型訓(xùn)練、AIAgent協(xié)同的全流程解決方案，成為企業(yè)搭建AI平臺的核心選擇。此前雙方聯(lián)合發(fā)布的“AI for Green”報告與GROWTH模型，也為AI與能源的融合奠定了理論基礎(chǔ)。
從焦慮到破局，從單點嘗試到產(chǎn)業(yè)協(xié)同，企業(yè)的AI轉(zhuǎn)型正進入深水區(qū)，這場轉(zhuǎn)型并非一蹴而就的技術(shù)升級，而是企業(yè)戰(zhàn)略、組織架構(gòu)、業(yè)務(wù)模式的全方位變革。
劉湘明：各位觀眾大家好，歡迎來到鈦媒體的視頻播客《深度實踐》。今天，我們將聚焦探討當(dāng)前備受關(guān)注的兩個關(guān)鍵詞：焦慮與機遇。首先，請允許我介紹今天邀請到的兩位重量級嘉賓：施耐德電氣高級副總裁、戰(zhàn)略與業(yè)務(wù)發(fā)展中國區(qū)負(fù)責(zé)人熊宜先生。熊總您好！另一位嘉賓是我們的老朋友，IBM大中華區(qū)董事長兼總經(jīng)理陳旭東先生。陳總您好！
我們剛剛結(jié)束春節(jié)假期，但這個假期對許多業(yè)內(nèi)人士而言，可能并未感受到太多節(jié)日氛圍。近期各類新聞頻出，如大模型、具身智能等話題，春節(jié)后行業(yè)又開始熱議“龍蝦”。因此，最近見面時大家常提到一個熱詞：“最近在焦慮什么？”今天，我們不妨先從個人焦慮談起——請熊總和旭東分享一下，你們個人最近焦慮的是什么？
熊宜：大家好。剛才劉總的問題很有意思——焦慮什么？就我個人而言，我其實是一個比較樂觀的人，很少感到焦慮。我更多思考的是，如何應(yīng)對我們當(dāng)前面臨的各種技術(shù)應(yīng)用實踐，以及如何將我們?nèi)粘Ｓ懻摰母拍?，比如您剛才提到?ldquo;龍蝦”，真正落地。
所以，我認(rèn)為積極嘗試新技術(shù)非常重要。在今天這個時代，我們尤其需要思考：如果未來出現(xiàn)所謂“零員工公司”，我們最終會成為那個“零”，還是那個“一”？這是目前我比較關(guān)注的問題。
陳旭東：我們其實有很具體的事情。特別是全球的一些軟件公司，在春節(jié)期間，出現(xiàn)了一次股市的大波動，這與AI的發(fā)展密切相關(guān)。特別是AI在編程、寫代碼方面的革命性影響，以前大家更多是玩玩，但一旦涉及企業(yè)級應(yīng)用，有人提出可以用AI重寫主機代碼。不過最近（股價）又慢慢回升了，因為大家發(fā)現(xiàn)事情沒那么簡單。光把代碼翻譯一遍，離實現(xiàn)整個IT系統(tǒng)的現(xiàn)代化還有很大差距。所以談不上真正焦慮，但這確實引起了市場的巨大波動。
劉湘明：更具象化一點：從你們當(dāng)前的職位視角來看，整個市場焦慮的核心是什么？同時，從產(chǎn)業(yè)和企業(yè)層面，我們應(yīng)該如何理解這些焦慮，又該如何應(yīng)對？
陳旭東：從我們的觀察來看，客戶當(dāng)前主要存在兩個層面的焦慮。
第一，是宏觀環(huán)境變化帶來的不確定性。整個大環(huán)境變化太快，許多過去難以預(yù)料的事情現(xiàn)在頻繁發(fā)生。例如，近期油價等要素價格劇烈波動。地緣政治局勢、法規(guī)規(guī)則的變動，以及對生產(chǎn)力的要求壓力日益增大，這些因素共同構(gòu)成了許多企業(yè)CEO深感焦慮的核心問題。
第二，是關(guān)于人工智能（AI）的應(yīng)用焦慮。雖然AI已進入大眾視野，但在許多企業(yè)內(nèi)部的實際應(yīng)用尚未展現(xiàn)出顯著成效。這引發(fā)了普遍的焦慮：如果競爭對手成功應(yīng)用了這些技術(shù)，是否會將自己遠遠甩在后面？因此，如何有效應(yīng)用AI來加速提升企業(yè)競爭力，已成為一個重大的焦慮點。有專家預(yù)測，今年全球在AI領(lǐng)域的支出將達到約2.5萬億美元，這進一步加劇了企業(yè)在此問題上的緊迫感。
熊宜：我們有很多相似的觀察。從我們接觸的眾多行業(yè)客戶以及我們自身（業(yè)務(wù)涉及工業(yè)、基礎(chǔ)設(shè)施、數(shù)據(jù)中心、樓宇等領(lǐng)域）來看，大家的焦慮主要集中在兩個方面。
首先，是技術(shù)本身，最核心的焦慮是技術(shù)迭代速度過快。正如我上午和同事討論時提到的，過去企業(yè)進行數(shù)字化轉(zhuǎn)型或應(yīng)用AI，通常遵循一套固定流程：從公司領(lǐng)導(dǎo)層統(tǒng)一思想、開展培訓(xùn)開始，然后尋找技術(shù)團隊或公司實施項目，最后上線一些能夠提升具體場景效率的應(yīng)用，例如質(zhì)量檢測、視覺識別，或在工廠部署機器人等。
但現(xiàn)在我們發(fā)現(xiàn)，這類項目要評估其投資回報變得非常困難，因為技術(shù)迭代太快了。一個企業(yè)級項目，從規(guī)劃到上線、再到真正產(chǎn)生效果，通常需要一年半到兩年時間，這對大企業(yè)來說已經(jīng)不算慢了。然而，以AI為代表的技術(shù)發(fā)展速度，讓我們根本無法想象兩年后它會變成什么樣子。這就是最大的焦慮所在：現(xiàn)在用還是不用？不用，似乎大家都在做；用，又擔(dān)心投入不菲的技術(shù)很快會過時，而且很多系統(tǒng)并非能夠隨時迭代升級。這是我們在服務(wù)客戶以及自身實踐中，從技術(shù)層面看到的一個非常關(guān)鍵的問題。
其次，是宏觀環(huán)境的不確定性帶來的焦慮。有時候宏觀環(huán)境帶來的沖擊和影響是根本性的。因此，如何鍛造企業(yè)的韌性，以應(yīng)對這種突發(fā)性的宏觀層面沖擊，是我看到的另一個普遍存在的焦慮。
劉湘明：針對企業(yè)核心的焦慮，您會給企業(yè)提出哪些建議？
熊宜：我認(rèn)為可以先從宏觀層面的建議談起，后續(xù)再逐步深入到具體操作。對于公司而言，無論規(guī)模如何，它首先是一個大型組織。因此，一個全盤的考慮、整體的規(guī)劃，或者說全局性的思路，仍然是至關(guān)重要的。我們應(yīng)對前面提到的各種挑戰(zhàn)（技術(shù)迭代、宏觀不確定性）已經(jīng)很多年了，也投入技術(shù)做了很多細節(jié)工作，但始終感覺缺少一個平臺級的思維方式。說得更公司化一些，就是戰(zhàn)略規(guī)劃層面的、總體的頂層設(shè)計。我認(rèn)為這是一個需要提前考慮，或者說現(xiàn)在就應(yīng)該開始著手考慮的事情。
其次，是如何讓技術(shù)應(yīng)用找到能夠快速見效的場景。過去我們偏向于尋找快速落地的場景，現(xiàn)在則需要在前面提到的整體規(guī)劃之下，再去尋找一些投資回報周期更短的項目。以前一個項目的投資回報周期可能需要一年半，現(xiàn)在能否縮短到一年，甚至六個月？我們需要能清晰地說明，某個場景在落地后，比如投入100萬，是否能在六個月后開始產(chǎn)生效益，或者在兩三年內(nèi)收回這100萬成本?？傊枰粋€比較清晰的投資回報預(yù)期。
第三點，我認(rèn)為無論是AI還是其他技術(shù)，都需要長期的積累，包括數(shù)據(jù)、內(nèi)部能力以及人才等方面的積累。一個可能的解決方法，或者說我們現(xiàn)在正在嘗試的做法是，不能僅僅依靠一個個針對特定場景的、臨時組建的小分隊去單點作戰(zhàn)。而是要讓這些技術(shù)能力、數(shù)據(jù)資產(chǎn)和人員經(jīng)驗?zāi)軌蛑饾u沉淀、積累起來，形成一個可復(fù)用、可迭代的基礎(chǔ)。同時，在這個過程中，人員的能力也能得到系統(tǒng)性的鍛煉和提升。雖然外部環(huán)境充滿不確定性，但這幾點可能是企業(yè)內(nèi)部確定需要去推進和建設(shè)的方向。
陳旭東：針對我提的那兩個焦慮，第一個是形勢變化快，如何應(yīng)對？熊總提到的價格波動、供應(yīng)鏈中斷等，其實前幾年就出現(xiàn)過。我們的建議是，首先要加快數(shù)字化轉(zhuǎn)型步伐，將信息整合研究，增強供應(yīng)鏈韌性。這既需要數(shù)字化手段，也可能需要組織管理，甚至找咨詢公司做顧問。
第二個跟AI相關(guān)，大家既擔(dān)心落后，又怕技術(shù)投入很快過時。還有一個大問題是，AI的投資回報率（ROI）現(xiàn)在很多時候算不清楚，這很挑戰(zhàn)。但回顧以往的信息化（IT）投入，其實也不見得都能算那么清楚。奇怪的是，在這一輪AI階段，大家卻特別想把它算清，可能是因為對AI能干什么還不太清楚，怕浪費太多錢。但面對不可阻擋的AI浪潮，我的建議是，一定要進行嘗試。
嘗試的規(guī)模與企業(yè)有關(guān)。像IBM這種公司，就是毫不猶豫地全面實施AI，把技術(shù)用在自己企業(yè)里。我們內(nèi)部把自己叫“零號客戶”。比如用AI優(yōu)化HR、財務(wù)的辦公效率時，我們做得比較“激進”。這跟每個企業(yè)的決心有關(guān)。
一開始用AI肯定會碰到不好用的問題。但你知道它哪里不好用，就知道怎么去優(yōu)化它，這對企業(yè)都是一種積累。所以一定要開始做，通過這個過程培養(yǎng)全員的相關(guān)能力。發(fā)動大家找到可以優(yōu)化的地方，讓大家知道AI能干什么，然后再去投更大的投入。大概有這么一個過程，但一定要開始做，不可能一蹴而就，特別是在企業(yè)里，不可能搬個系統(tǒng)過來就能用。
劉湘明：兩位講得特別好。我簡單小結(jié)一下：第一，企業(yè)仍需保持戰(zhàn)略定力，畢竟這（指應(yīng)對變革）是件大事，不能盲目焦慮。第二，必須行動起來。正如剛才熊總所談，可以先從嘗試“小龍蝦”這樣的具體實踐開始，不能僅僅停留在討論層面。面對一個全新的事物，需要獲得直接的體驗和感知。正好借這個機會問一下，您嘗試的“小龍蝦”現(xiàn)在訓(xùn)練得怎么樣了？
熊宜：剛開始嘗試。我認(rèn)為一個可以24小時不間斷工作、能夠持續(xù)學(xué)習(xí)、沒有情緒且不會疲勞的智能體，只要數(shù)據(jù)安全允許并給予足夠的信息，它肯定會比我們做得更好。這可能是我的一個體會。
劉湘明：是的，這其實也是我下一個問題的鋪墊?；叵胍荒昵埃覀冋?wù)揂I時，技術(shù)發(fā)展已經(jīng)很快，而DeepSeek的爆發(fā)其實也就是去年春節(jié)的事?，F(xiàn)在想起來，感覺好像已經(jīng)過去五六年了，時間過得非?？?。
然后，像“小龍蝦”這類智能體的出現(xiàn)，讓我們感覺AI原來可能只是幫你回答一些問題、搜集一些資料，現(xiàn)在卻好像“長出了手腳”。雖然這“手腳”可能還不那么完善，但它已經(jīng)可以幫助你去執(zhí)行一些任務(wù)，把一些事情串聯(lián)起來。
這反過來引出了我想請教二位的問題：原來AI更多是一個輔助工具，現(xiàn)在它可能真的變成了工作流中的一個自動、自發(fā)的節(jié)點了。這就意味著，企業(yè)需要不斷地對AI進行重新定義和認(rèn)知。你們?nèi)绾慰创@兩年AI如此快速的變化？企業(yè)又該如何調(diào)整自身去適應(yīng)？
陳旭東：關(guān)于AI，我們公司七八年前就提出了AI戰(zhàn)略。從生成式AI（GenAI）出來后，我覺得大家在思想意識上可能還沒完全把它區(qū)分清楚。我想借這個機會聊聊，我認(rèn)為生成式AI，特別是在兩個世界里，它出現(xiàn)和帶來的改變是不一樣的。
第一個世界我稱之為“表意世界”，即完全不需要與硬件產(chǎn)生直接關(guān)聯(lián)的領(lǐng)域。無論是語言、圖像、視頻，還是寫代碼、發(fā)郵件，這些在電腦前完成的工作都屬于這個表意世界。這個世界已經(jīng)發(fā)生了快速的顛覆，生成式AI就像一個強大的助手，可以幫你完成很多工作。如果沒有安全問題，這將是一個極其出色的工具。但今天早上的新聞也特別提到，企業(yè)使用這類工具時，最好不要與外網(wǎng)連接，否則可能存在風(fēng)險，比如可能有AI智能體（agent）在交互中竊取企業(yè)信息。所以，目前這個領(lǐng)域的情況還不好下定論。
另一個世界我稱之為“物理世界”，它的變化也非常巨大。例如，機器人技術(shù)去年開始“跳舞”，今年已經(jīng)特別厲害，甚至能翻跟頭了。生成式AI領(lǐng)域的許多進步被大量應(yīng)用到物理世界中，目前應(yīng)用最廣泛的其實是自動駕駛。未來，司機這個職業(yè)很可能會被取代，這在技術(shù)邏輯上已經(jīng)沒有問題。此外，機器人可以幫助家庭做家務(wù)，或在生產(chǎn)線上工作。目前許多組裝線仍需依賴人工，因為機器人還無法完全復(fù)現(xiàn)人類在精細操作（如按壓、感知組裝過程）中的觸覺和判斷力。但在另一些領(lǐng)域，如手術(shù)，機器人已經(jīng)表現(xiàn)得很出色。不同領(lǐng)域的技術(shù)演進速度是不同的。
因此，對于企業(yè)而言，首先需要理解AI給表意世界和物理世界分別帶來了哪些變化，然后再去思考這些變化會對自身企業(yè)產(chǎn)生何種影響。例如，剛才提到的視覺檢測技術(shù)，我以前也以為它已經(jīng)應(yīng)用得很廣泛了，但實際走訪企業(yè)后發(fā)現(xiàn)，其普及程度還差得很遠。很多場景下，人們還在用肉眼進行費時費力的檢測，而且許多特殊場景的要求并非通用算法能夠解決。
所以，大家要先把AI能干什么搞清楚，然后在企業(yè)中找場景。千萬不要被表面現(xiàn)象迷惑，要把它能干什么、不能干什么整明白。每一個部門領(lǐng)導(dǎo)都要非常清楚了解AI能干什么，然后通過這個工具去優(yōu)化效率。生產(chǎn)線上還是有很多優(yōu)化點我們沒做到，很多企業(yè)在這方面還差得很遠。這和生成式AI一點關(guān)系都沒有，是傳統(tǒng)的AI。說明老AI大家還沒用，新AI又來了。
熊宜：現(xiàn)階段的AI技術(shù)應(yīng)用確實越來越深入，正從輔助流程向核心業(yè)務(wù)流程，甚至向物理世界的控制延伸。我們通過數(shù)據(jù)采集、模型分析預(yù)測，最終實現(xiàn)控制。我們也做了一些項目，在一些具體節(jié)點上開始實現(xiàn)這種過程控制或節(jié)點控制。其邏輯是，將專家經(jīng)驗或由小模型收集的信息，轉(zhuǎn)化為大模型的知識，再由大模型給出指令，驅(qū)動小模型去執(zhí)行。大致是這樣一個邏輯。
比如剛才講到的視覺檢測，產(chǎn)品出來后需要進行視覺檢測。我們曾有一個工廠上線了這套系統(tǒng)。原來需要三個人三班倒，每人看大約8小時（實際無法連續(xù)看，中間需要休息），三個人需要不間斷地檢查。
后來我們使用了視覺檢測技術(shù)。但一開始，由于我們的產(chǎn)品質(zhì)量很好，缺陷很少，導(dǎo)致系統(tǒng)缺乏錯誤樣本進行學(xué)習(xí)，無法識別哪些是壞品。所以，沒有樣本，AI再智能也無法落地。
第二個原因是成本。我們很多客戶，包括我們自己的工廠，在使用這類技術(shù)時面臨成本問題。例如，在定制化程度較高的裝配環(huán)節(jié)，或者擰一個小螺絲這樣的操作，如果使用機器人或機械臂，在定制化需求頻繁變動的情況下，成本會很高，因為需要不斷重新編程或調(diào)整。相比之下，人工操作反而更便宜。因此必須尋找最經(jīng)濟的方法，而機器人、AI或機械臂協(xié)同的方案未必是最經(jīng)濟的。
汽車行業(yè)可能比較特殊，因為其標(biāo)準(zhǔn)化程度高。但我們有大量離散制造場景，最終要看經(jīng)濟效益。所以，為什么AI技術(shù)進入核心業(yè)務(wù)流程，真正用軟硬件結(jié)合的方式去替代人工，其效率或成本效益不見得最高，這是很多企業(yè)都會遇到的問題。只要客戶有個性化需求，這就是個無法避免的難題。
陳旭東：我補充一點，關(guān)于剛才提到的定制化問題。定制化確實是成本的“殺手”，它會帶來較高的成本。但這里正好可以介紹一下IBM的解決方案。例如在視覺檢測方面，IBM提供了一個平臺。這個平臺的特點在于，它并非要求你必須針對某種特定場景進行定制，而是能夠根據(jù)不同場景自動進行模型訓(xùn)練。這樣一來，每個新場景的部署成本就比較低，而不需要針對每個場景專門派人去開發(fā)。所以，像IBM這樣的公司，就是開發(fā)這種平臺，讓企業(yè)可以在內(nèi)部的一個點成功應(yīng)用后，自行再去部署到其他地方。
此外，關(guān)于硬件要求，以前的視覺檢測對攝像頭要求非常高，一個攝像頭動輒十幾萬。而現(xiàn)在，我們甚至能做到用手機拍攝一下也可以進行檢測，對硬件的要求大大降低了。因此，從技術(shù)邏輯上講，這類解決方案是能夠得到一定普及和推廣的。
劉湘明：我們更聚焦一點。熊總，我特別關(guān)心的是，像施耐德電氣現(xiàn)在面臨著數(shù)字化、智能化轉(zhuǎn)型，以及各種國際形勢、宏觀挑戰(zhàn)，您認(rèn)為當(dāng)前最大的挑戰(zhàn)是什么？以及你們是如何應(yīng)對的？這是大家很關(guān)心的問題。
熊宜：挑戰(zhàn)確實很多。從戰(zhàn)略角度來看，無論是全球還是中國，我們都應(yīng)該聚焦于那些我們一直在做，并且在當(dāng)前技術(shù)革命和AI帶來的變化中，應(yīng)該繼續(xù)做，甚至做得更好的事情。
核心是：在能源轉(zhuǎn)型的大背景下，我們對于能源科技的“戰(zhàn)略定力”。不盲目跟隨熱點，而是在能源領(lǐng)域里持續(xù)深耕，并將我們的產(chǎn)品、解決方案、服務(wù)乃至整個體系都向這個方向靠攏。我認(rèn)為這是我們當(dāng)前需要非常聚焦去做的事情。
稍微展開而言，現(xiàn)在無論大家談?wù)?ldquo;算力的盡頭是電力”，還是宏觀形勢與全球格局，能源都不可避免地成為一個非常核心的主題。無論是能源競爭、能源管控，還是各國強調(diào)的能源安全，都圍繞于此。尤其在當(dāng)前，傳統(tǒng)能源面臨綠色和可持續(xù)發(fā)展的巨大要求，新型能源（或者說在以電力為主的新能源格局下）正在崛起。我們應(yīng)該做什么？就是把我們剛才講到的一系列轉(zhuǎn)型都往這個方向靠攏。這既是我們的挑戰(zhàn)，也是最大的機遇。
為什么說是挑戰(zhàn)？因為傳統(tǒng)的電力格局正在發(fā)生根本性變化。我相信，即使在中國，我們過去以火電為主的能源格局也并非終極目標(biāo)，它正在發(fā)生巨變?，F(xiàn)在從企業(yè)角度看，再小的企業(yè)也會用點新能源，比如配置電池儲能，或者在屋頂安裝光伏板。這些新能源技術(shù)帶來的變革，正在改變整個電力系統(tǒng)的結(jié)構(gòu)——從原來更集中、單向的“電網(wǎng)到用戶”模式，轉(zhuǎn)變?yōu)楦嘞?、多維度的“微電網(wǎng)+大電網(wǎng)”協(xié)同用能格局。
在這個格局變化中，我們原有的積累可能是機遇或優(yōu)勢，但同時也是挑戰(zhàn)。我們希望在能源轉(zhuǎn)型的大格局下，通過我們的新產(chǎn)品和技術(shù)，持續(xù)地——在市場變化最快的部分跟上步伐，甚至引領(lǐng)能源科技的發(fā)展。我認(rèn)為這是我們當(dāng)前面臨的最大挑戰(zhàn)。
劉湘明：IBM的應(yīng)對之策又如何？
陳旭東：從全球視角看，IBM正逐步將自己打造為一家以軟件和咨詢?yōu)楹诵牡墓尽Ｔ谶^去十幾二十年里，這個變化非常大。目前，我們的軟件業(yè)務(wù)占比已達到45%，而硬件業(yè)務(wù)已降至25%以下。
進入新時代，我們稱之為混合云與AI時代。最大的挑戰(zhàn)在于，如何在AI時代繼續(xù)引領(lǐng)企業(yè)的信息化或數(shù)字化轉(zhuǎn)型進程。IBM本身就是一家軟件公司，很多員工是坐在電腦前工作的。正如我們剛才討論的，這類工作可以被優(yōu)化，效率可以得到提升。因此，IBM自身也作為“零號客戶”，進行了許多變革。我們面臨的一大挑戰(zhàn)是：我們能否走在客戶前面？所以我們把自己稱為“零號客戶”，自己開發(fā)出來的技術(shù)和解決方案都會先內(nèi)部試用，成熟后再作為案例分享給客戶。這既是挑戰(zhàn)，也是巨大的動力。過去這些年，我們在AI領(lǐng)域也收獲了許多客戶。
而且，IBM在AI領(lǐng)域的探索并非始于生成式AI。我們的Watson平臺在十幾年前就已推出，那時我們稱之為傳統(tǒng)AI，包括視覺檢測等應(yīng)用。生成式AI出現(xiàn)后，我們將其升級為Watsonx平臺，兼容了生成式AI與傳統(tǒng)AI，使這個平臺有能力幫助客戶解決更廣泛的問題。因此，IBM的角色更多是幫助客戶發(fā)現(xiàn)他們可能存在的問題，并加以解決。
但在這個過程中，許多問題IBM自身也同樣存在。例如，我們組織如此龐大，如何為員工提供財務(wù)、HR等各方面的支持，原本是一項巨大的投入。現(xiàn)在，這部分工作已有50%以上被AI取代。這個過程內(nèi)部也經(jīng)歷了磕磕絆絆，一開始并不好用，抱怨很多，但度過磨合期后，很快就發(fā)揮了更大的價值。所以，可以說AI的發(fā)展既是我們的“飯碗”，在某種程度上也是一種焦慮——我們?nèi)绾卧谶@場競賽中勝出。
劉湘明：當(dāng)下，AI是否真正進入實用落地、價值深耕階段？產(chǎn)業(yè)端真正用起來的最核心標(biāo)志是什么？
陳旭東：在我看來，一個關(guān)鍵的標(biāo)志是：企業(yè)是否已經(jīng)有很多想要實施的AI項目。具體來說，就是企業(yè)自身是否已經(jīng)發(fā)現(xiàn)了許多可以用AI來提升效率的具體環(huán)節(jié)。這背后意味著，你已經(jīng)理解了AI能做什么，并且能夠識別出這些機會——通常，這種識別能力源于你曾經(jīng)有過成功的實踐經(jīng)驗，否則你很難發(fā)現(xiàn)這些機會。
因此，我認(rèn)為判斷AI是否在一個企業(yè)內(nèi)部真正推行起來，就看它是否已經(jīng)在一個地方取得了成功，并且在此基礎(chǔ)上，企業(yè)自身又主動發(fā)現(xiàn)了更多的應(yīng)用機會。這有點像我們公司的情況：現(xiàn)在AI應(yīng)用已經(jīng)形成了一個自我推動的良性循環(huán)，不再是需要自上而下強推某個點去使用，而是每個部門都在自發(fā)地推動AI的應(yīng)用。我認(rèn)為，當(dāng)達到這個階段時，就可以算作是一個比較成功的開始了。
劉湘明：那更具體一點，您剛才也談到了IBM的HR、財務(wù)部門都在應(yīng)用AI。您認(rèn)為AI在這兩個部門、兩個體系里是真正落地了嗎？
陳旭東：我認(rèn)為AI在HR和財務(wù)部門是真正落地了。因為我們現(xiàn)在已經(jīng)看到了實際的結(jié)果：確實優(yōu)化了很多崗位。以前很多需要找人詢問或辦理的事情，現(xiàn)在基本上你也不知道是誰（或什么系統(tǒng)）幫你辦好了，這種情況非常多。但事情最終都能辦成。
不過，前提是公司內(nèi)部必須得有相應(yīng)的系統(tǒng)。如果沒有系統(tǒng)，光靠AI是搞不定這些事的。以前有人問我：“你們有沒有一個HR的AI系統(tǒng)？”我說沒有。
對于大公司，HR流程要么跑在SAP上，要么跑在某個其他系統(tǒng)上。如果你沒有這個基礎(chǔ)系統(tǒng)，那么誰來記錄這些事情呢？總得有人（或系統(tǒng)）把它記下來。以前有一個流程（process），AI來了之后，或許可以跳過這個流程中的某些人工環(huán)節(jié)，但這些記錄最終還得在某個地方存下來。如果沒有這個底層的系統(tǒng)，直接搞一個HR的AI系統(tǒng)，我確實沒有。所以，AI的應(yīng)用還是以原來的數(shù)字化為基礎(chǔ)。
劉湘明：熊總，您怎么看？
熊宜：沒錯，講到如何衡量企業(yè)AI是否真正落地，我其實前面談到幾個觀點，可以再拎回來總結(jié)一下。我認(rèn)為有幾個方面：
第一，需要從單點式、單場景、單部門的應(yīng)用，轉(zhuǎn)變?yōu)槠髽I(yè)級的、平臺化的思維。我們遇到過這樣的案例。供應(yīng)鏈、研發(fā)、客服，大家可能用不同的AI工具或者Copilot。這就帶來一個問題：這些應(yīng)用比較分散。在一個企業(yè)里，首先需要一個平臺化的思維。如果企業(yè)用了這么多不同的工具，最終經(jīng)驗、數(shù)據(jù)可能都分散在各個地方。我感覺這還不能稱之為真正成熟，或者成為一個企業(yè)級的、總體的AI能力體系。這是第一點，從單點到平臺化。
第二，大家對投資回報這件事還是有些疑問。但我個人對此比較堅定。雖然剛才陳總也提到，回顧10年、15年前第一輪信息化建設(shè)時，投資回報也很難說清，因為那是一個“摸清家底”的過程。在早期信息化階段，確實很難從投資回報角度看“它直接幫你賺錢”或“優(yōu)化了多少成本”。但現(xiàn)在不同了，再加上技術(shù)迭代非?？欤晕曳浅娬{(diào)：如果AI已經(jīng)深入到企業(yè)里，你是否能說清楚，做這件事到底需要多長時間就能帶來明確的價值？
正如陳總剛才提到的很多例子，比如HR、財務(wù)部門人員減少了，客戶滿意度或交貨率提升了，生產(chǎn)效率達到了百分之多少的提升，這些都是可以衡量的。否則，大家做的項目就缺乏依據(jù)。因此，第二個清晰的標(biāo)志是：是否有一個比較清晰的投資回報衡量體系。
第三，要看應(yīng)用是自發(fā)的多，還是領(lǐng)導(dǎo)要求的多。如果是領(lǐng)導(dǎo)要求用AI，很多人可能會說這東西不好用，跟原來的習(xí)慣不一樣，結(jié)果花了錢卻沒效果。以前信息化最大的障礙就是這個。凡是需要天天寫報告來論證價值的，往往是因為它本身價值不明顯，才需要去“找”價值。就像我們的IT部門如果天天寫報告說某個系統(tǒng)有多大價值，這恰恰說明它可能沒價值，或者價值轉(zhuǎn)變很困難。
反之，如果是全員自發(fā)的事情，情況就不同。例如，在我們?nèi)ツ戢@評“燈塔工廠”的武漢工廠里，有一個做生產(chǎn)計劃的員工。他原來制定日計劃，需要分解周計劃，整合一大堆當(dāng)天的數(shù)據(jù)，比如機器使用率、員工到崗率等，每天要提前兩個小時做表格來排出當(dāng)天計劃，還要應(yīng)對各種突發(fā)情況，比如領(lǐng)導(dǎo)臨時要來參觀，又得調(diào)整計劃。現(xiàn)在，給了他一個AI助手，他把這兩個小時的工作變成了5分鐘就能搞定。他就特別愿意用，不用你說，他自己就會用。所以，我認(rèn)為是否能夠形成自下而上的、自發(fā)性的應(yīng)用，這也是一個成熟度的標(biāo)志。我覺得這三個方面是衡量的關(guān)鍵。
劉湘明：AI的盡頭是算力，算力的盡頭是能源。作為能源科技的引領(lǐng)者，施耐德電氣如何看待AI蓬勃發(fā)展帶來的能源挑戰(zhàn)？有哪些舉措？
熊宜：首先，電力“有沒有”的問題。算力的基礎(chǔ)是電力，而我們目前在很多地方仍面臨電力瓶頸。無論是“東數(shù)西算”工程，還是在烏蘭察布、貴州等地建設(shè)的數(shù)據(jù)中心，其根本制約在于電力供應(yīng)是否充足。我與數(shù)據(jù)中心客戶交流時了解到，最大的瓶頸并非電力調(diào)度或算力本身，而是數(shù)據(jù)遷移所伴隨的巨大網(wǎng)絡(luò)與通信成本。但前提是，必須有電。我們正在推動綠電直連、新型電力架構(gòu)等項目，以解決電力擴容問題。
第二是，電力“用得好不好”的問題。AI負(fù)載的電力需求特性與傳統(tǒng)IT負(fù)載不同。經(jīng)過研究，我們發(fā)現(xiàn)AI負(fù)載的峰值功率上升更快，短時間內(nèi)的波動更大，且這種波動是秒級甚至毫秒級的，難以預(yù)測。傳統(tǒng)IT負(fù)載有規(guī)律可循（如電商峰值在晚間），但AI的算力需求是突發(fā)、不可控的。這意味著，傳統(tǒng)的UPS（不間斷電源）方案已不足以應(yīng)對，需要引入電化學(xué)儲能、飛輪儲能等新技術(shù)，以實現(xiàn)秒級的快速響應(yīng)，來平抑這種瞬時波峰。
然而，解決這些問題對我們而言也意味著巨大的挑戰(zhàn)和改變。我們越來越發(fā)現(xiàn)，過去那種“賣產(chǎn)品、收錢”的商業(yè)模式行不通了?，F(xiàn)在需要與客戶進行聯(lián)合研發(fā)、共創(chuàng)，先一起把解決方案做出來，再談商業(yè)回報。這要求我們在商業(yè)模式上進行根本性轉(zhuǎn)變。
此外，技術(shù)融合的挑戰(zhàn)也在加深。過去我們主要提供電力外圍設(shè)備，但現(xiàn)在需要與算力核心（芯片、存儲）更深度地融合。電力供應(yīng)需要從傳統(tǒng)的“機柜級”或“服務(wù)器級”，精細到“芯片級”（PowertoChips），去管理單顆芯片的能耗與供電的連接。同時，技術(shù)本身也在革新，例如從交流電到直流電的轉(zhuǎn)換，從機械式設(shè)備到基于半導(dǎo)體（如IGBT芯片）的固態(tài)電力設(shè)備。這些轉(zhuǎn)變都要求我們與全球的數(shù)據(jù)中心大客戶共同實踐和探索。
劉湘明：IBM如何看待生成式AI在企業(yè)內(nèi)部真正落地所面臨的最大障礙？以及，回顧過去幾十年企業(yè)的信息化、數(shù)字化、智能化歷程，你認(rèn)為這次的挑戰(zhàn)有何不同？
陳旭東：經(jīng)歷了四個階段。最早應(yīng)該叫“電算化”，然后才到“信息化”，再到“數(shù)字化”和“智能化”。我的觀點是，這幾個階段是循序漸進的，但并非線性發(fā)展。并不是說完成了信息化，然后做到數(shù)字化，就萬事大吉了。實際上，有些工作回過頭來還得補信息化的課?？赡芤驗榧夹g(shù)進步或各方面原因，企業(yè)在一層一層向前推進的同時，也在循環(huán)往復(fù)。
到現(xiàn)在為止，很多企業(yè)信息化工作還沒做完。例如，中國企業(yè)雖然可能已經(jīng)上了ERP系統(tǒng)，財務(wù)管理上來了，但大量生產(chǎn)企業(yè)的資產(chǎn)管理（如龐大的固定資產(chǎn)）可能還沒有任何系統(tǒng)來管理。如何讓這些資產(chǎn)更好地發(fā)揮作用、延長使用壽命，這又是新一輪的信息化工作。以前只是管賬，現(xiàn)在要管物。在這些信息化的基礎(chǔ)上，積累了更多信息，才有可能進入數(shù)字化。
到現(xiàn)在為止，企業(yè)積累了大量的信息和數(shù)據(jù)，但如何將其用于下一步發(fā)展？以前很多數(shù)據(jù)并沒有被很好地利用起來，特別是研發(fā)數(shù)據(jù)，其中包含的錯誤結(jié)論等都有巨大價值可以挖掘。這又可能需要回到信息化，把那些數(shù)據(jù)找出來，形成研發(fā)管理系統(tǒng)等。所以，這個過程是循環(huán)往復(fù)的。
到了AI時代，特別是生成式AI要廣泛應(yīng)用的時代，前提肯定是信息化、數(shù)字化基礎(chǔ)達到一定程度。我認(rèn)為，AI時代與數(shù)字化、信息化時代最大的區(qū)別在于：以前可能是以IT部門驅(qū)動為主，現(xiàn)在則進入到以業(yè)務(wù)部門驅(qū)動為主的過程。以前多是解決通用問題（如用ERP解決財務(wù)問題），但現(xiàn)在企業(yè)遇到的很多問題沒有通用軟件可以實現(xiàn)，卻可以用AI工具來優(yōu)化流程。這時，AI就能發(fā)揮很大價值。
但即便如此，它依然需要強大的基礎(chǔ)。就像有一個智能體（如“小龍蝦”），它要去調(diào)用應(yīng)用，如果沒有那個應(yīng)用，它調(diào)誰呢？最終的基礎(chǔ)還是要有一些應(yīng)用在那里。企業(yè)要自動化一些東西，也需要調(diào)用內(nèi)部的應(yīng)用來干活。因此，這變成了通過激發(fā)員工或組織，去思考如何優(yōu)化業(yè)務(wù)、提升效率，然后將這些需求轉(zhuǎn)化為IT需求，再去實施。這真的變成了像剛才說的“共創(chuàng)”，而不是由IT部門主導(dǎo)。所以，未來AI應(yīng)用普及后，每個公司的做法可能會很不一樣。不像今天，你看所有的制造企業(yè)，其ERP系統(tǒng)都差不多。
劉湘明：回到施耐德電氣。剛才您也談到，施耐德電氣其實已經(jīng)做了很多AI項目。我想請您分享一下這方面的經(jīng)驗。因為您剛才也提到了，從原來的預(yù)測性維護、機器視覺，到現(xiàn)在您談到的研發(fā)、供應(yīng)鏈，包括生產(chǎn)全流程都在進行優(yōu)化。您有什么經(jīng)驗可以跟大家分享一下？
熊宜：首先，需要一個總體的架構(gòu)。無論是對AI還是對原有的軟件數(shù)字化。
比如我們的EcoStruxure架構(gòu)，我們將其分為三層。最上層是“管理優(yōu)化”（Optimize），它主要利用大模型對底層上來的數(shù)據(jù)進行分析，給出決策機制或建議。這個層面包含很多場景，比如能源優(yōu)化、自動化/智能化優(yōu)化、管理信息化優(yōu)化等。
中間層是“運營控制”（Operate），它更多地與邊緣側(cè)控制、物理側(cè)設(shè)備相結(jié)合。因為我們有大量的電氣設(shè)備和自動化設(shè)備，數(shù)據(jù)經(jīng)過模型處理后，必須實現(xiàn)閉環(huán)控制。同時，這些數(shù)據(jù)也需要在邊緣側(cè)進行初步分析后再上傳。
底層是“接入適配”（Onboard），即所有設(shè)備的連接與數(shù)據(jù)采集層。設(shè)備本身不會“說話”，需要通過各種方式（如從黑盒子到帶控制、帶屏幕的演進）讓數(shù)據(jù)能夠被采集上來。我們看到的很多基礎(chǔ)工作，如數(shù)據(jù)采集，都發(fā)生在這個層面。
此外，還需要一個縱向的數(shù)據(jù)模型或數(shù)據(jù)平臺DataCube，將上、中、下三層所需的數(shù)據(jù)連接起來，讓大家用統(tǒng)一的語言進行溝通。
梳理好架構(gòu)是我們的首要經(jīng)驗，這是第一步。有了架構(gòu)，接下來就要尋找各自的場景。我們每年會舉辦一個AI“大施杯”大賽，實際上是一個全員參與的創(chuàng)新活動。
例如，供應(yīng)鏈部門每年能提出一百多個想法或案例，比如剛才提到的生產(chǎn)計劃優(yōu)化、設(shè)備預(yù)測性維護、提升設(shè)備綜合效率（OEE）等。后臺各部門，如研發(fā)部門，也會提出想法，比如如何提升開發(fā)效率、減少外包人員等。我認(rèn)為，抓住這些場景非常重要。我們內(nèi)部的這個機制運轉(zhuǎn)得比較有效，能讓員工把這些想法提出來，并通過短周期的項目快速落地使用。這可能算是我們的一些經(jīng)驗分享。
我們內(nèi)部的這些實踐，有點像陳總講的“零號客戶”。同時，我們也賦能客戶和生態(tài)伙伴。例如，與太古這樣的商業(yè)綜合體合作，通過AI引擎優(yōu)化其能效、空調(diào)、電梯、冷機等，幫助他們提升效率、降低成本，從而改善租戶和消費者的體驗。我們有很多這樣的案例。
比如生態(tài)圈內(nèi)的伙伴（如系統(tǒng)集成商、盤廠），他們希望與我們建立更長期的合作關(guān)系。我們助力他們提升效率。如果我們自己提升了效率，而他們沒有提升，整個價值鏈的效率就無法提升。所以，我們會分享經(jīng)驗，賦能生態(tài)伙伴。
通過分享我們自己的實踐去賦能他人，這也是我們認(rèn)為很有價值的一點。這大概就是我想分享的內(nèi)容。
劉湘明：那我再追問一下，比如您剛才談到了AI大賽，大家提出了很多項目想法，但不可能都做。您是如何評估這些項目，決定哪個項目上馬、哪個不上馬的呢？包括我們一直在談的投資回報率（ROI）問題，具體是如何評估一個AI項目的ROI的呢？
熊宜：首先，肯定要評估它對工作效率或生產(chǎn)效率有沒有提升。關(guān)鍵在于，能否為這個項目設(shè)定一個非常清晰、可量化的目標(biāo)。有的人說“用這個特別好、很方便”，但這并不是量化指標(biāo)。必須明確：你的工作時間能從多少小時節(jié)省到多少小時？人員使用能從幾個減少到幾個？或者像我們每年對工廠設(shè)定的目標(biāo)——綜合勞動生產(chǎn)率每年要提升五個點（這個要求非常高，非常難），你的項目能否支持這個目標(biāo)的實現(xiàn)？
供應(yīng)鏈領(lǐng)域的項目其實最容易評估，因為它有比較多的硬性指標(biāo)。但像我們剛才提到的客服場景，評估起來就很有挑戰(zhàn)。一開始談客服時，大家會說：“哎呀，不行，我們客戶打來問的都是非常專業(yè)的、復(fù)雜的問題，靠AI智能體搞不定。”
我認(rèn)為這實際上是一種誤區(qū)。所謂的“復(fù)雜”，只是因為你沒有教會它。它第一次肯定不行，但第十次呢？第二十次呢？當(dāng)老師傅退休了呢？所以很多時候，這還是人的觀念問題
總而言之，如果你自己都無法為項目定出一個清晰的目標(biāo)，那么這個項目肯定不能被篩選出來。當(dāng)然，還有一個因素是投入有多大。假設(shè)總共只有100塊錢的預(yù)算，那就按優(yōu)先級排名。我們一般一年能排出來幾十個項目可以執(zhí)行。最終帶來的提升效果還是挺明顯的，算是花小錢辦大事。
劉湘明：剛才談到了視覺檢測。原來我們認(rèn)為視覺檢測就是良品率沒有那么高，數(shù)據(jù)很多，可以迅速學(xué)習(xí)。但像您談到的，施耐德電氣的質(zhì)量很好，次品率很低，那它是怎么去訓(xùn)練和學(xué)習(xí)的呢？包括旭東，你們有什么方案？這其實原來真是沒有想過，原來想的是迅速幫助提升良品率。那如果良品率本來就很高，這個問題是現(xiàn)在懸而未決呢，還是已經(jīng)解決了？
熊宜：經(jīng)過多年積累，現(xiàn)在用得已經(jīng)很好了。我們正通過大量樣本進行建模和學(xué)習(xí)，識別出缺陷產(chǎn)品。在已經(jīng)部署的生產(chǎn)線中，AI視覺檢測的誤檢率降到0.5%以內(nèi)，同時漏檢率降為0%。并且這一方案也推廣到了其他一些工廠。
在提升過程中，一開始的提升曲線可能不是線性的，但到了最后階段逐漸趨于穩(wěn)定。關(guān)鍵在于，它（技術(shù)）不依賴于人。所以，只要你堅持投入、堅持做這件事，時間越長，投資回報就越能顯現(xiàn)出來。
這也是我給很多客戶講的道理。很多企業(yè)如果原來的水平很低，可能在初期階段會看到一個非常明顯的提升。但實際上，最難的是最后那零點幾的提升，比如從99.1%到99.3%，再到99.9%、99.99%。就像六西格瑪，或者電網(wǎng)安全要求的“六個九”，最后那個階段是非常難的。真正到了那個階段，不靠這些工具或技術(shù)是不行的，你不可能從五個九提升到六個九。
陳旭東：是的，你們可能確實花了一段時間才把系統(tǒng)性能提升上來。IBM確實發(fā)現(xiàn)過這個問題。因為我們是做平臺的，所以我們專門有一個功能，就是針對良品率特別高的場景進行學(xué)習(xí)。
它首先學(xué)習(xí)合格品的特征，建立一個“完美產(chǎn)品”的內(nèi)部模型。然后，當(dāng)檢測到與這個正品模型不一致的圖像區(qū)域時，它就會報警。這是一種反向思維，通過識別“異常”而非預(yù)先定義缺陷來工作。這樣就能很快地把一些問題點找出來，從而更快地積累缺陷樣本。所以，將來咱們可以在這方面合作一下。
劉湘明：陳總，你之前提到過：讓業(yè)務(wù)人員提出AI需求，再協(xié)調(diào)技術(shù)資源來實現(xiàn)。這種“業(yè)務(wù)驅(qū)動”的模式，如何避免技術(shù)團隊與業(yè)務(wù)部門之間的理解鴻溝？在AI項目中，業(yè)務(wù)負(fù)責(zé)人和技術(shù)負(fù)責(zé)人應(yīng)分別承擔(dān)怎樣的角色？
陳旭東：AI在實施的過程中，是復(fù)雜的狀態(tài)。多數(shù)企業(yè)一開始會更多地拿開源工具進行嘗試。我相信像熊總他們公司一開始也是這樣。等到做到一定數(shù)量的應(yīng)用以后，公司就發(fā)現(xiàn)需要一個平臺。但多數(shù)企業(yè)在一開始并不覺得需要平臺，他們可以用各種各樣的方案和模型。
IBM就在這時候發(fā)揮作用了——當(dāng)你搞一兩個應(yīng)用的時候可能不會想到IBM，但等到你需要管理幾百個應(yīng)用時，就會想到IBM。
當(dāng)應(yīng)用數(shù)量多到一定程度（可能比員工還多），怎么來管理這些應(yīng)用？IBM已經(jīng)做了這樣的準(zhǔn)備：除了Watson這個大平臺，我們還做了WatsonOrchestrate，用來協(xié)調(diào)和管理這些系統(tǒng)。將來，這些系統(tǒng)之間還可以相互調(diào)用，有點像內(nèi)部的應(yīng)用市場。IBM在這方面下了一些功夫，我們想得比較靠前，想到了企業(yè)下一步會碰到什么問題，然后提前布局。做了這樣的平臺準(zhǔn)備后，就可以為不同層級的企業(yè)服務(wù)。
比如，一開始如果企業(yè)說：自己剛開始試驗，那我們可能會鼓勵他去做，用一些開源的東西先跑一跑。這時候，更多的驅(qū)動力可能是某個人的想法，花錢也很少，所以不存在IT部門和業(yè)務(wù)部門之間的沖突，因為反正花錢不多，大家都覺得可以試。
然后，試了幾個應(yīng)用以后，他可能就要開始往更多的“生產(chǎn)系統(tǒng)”的環(huán)境遷移。這時候，可能就不是隨隨便便能搬上生產(chǎn)系統(tǒng)的了。就需要IT部門投入很大精力去看住這個系統(tǒng)，或者這時候得尋找一些企業(yè)級的解決方案。對很多企業(yè)來說，這時候可能開始考慮平臺，這就變成了IT決策。IT部門搭完這個平臺以后，各個部門又可以在這個平臺上去做很多事情。所以，這個過程我覺得是一個交互、演進的過程，可能沒有想象中那么難以跨越，到了一定程度就水到渠成了。
劉湘明：最后一個問題：剛才我們談到軟件的未來。聽兩位的分享，AI在企業(yè)落地確實帶來了很多變化。一方面，它現(xiàn)在似乎沒有那么大的動靜了。原來上一個系統(tǒng)軟件，那都是傷筋動骨，上升到“到底是找死還是等死”的生死高度?，F(xiàn)在好像變得沒那么復(fù)雜，似乎可以隨便上一些輕量級的應(yīng)用； 另一方面，它可能對真正軟件的根基是有動搖的。系統(tǒng)的底層可能會有很大的變化。
二位怎么看。我特別想聽聽你們二位的意見，對未來怎么看？
陳旭東：我先說說AI工具能不能替代軟件開發(fā)這件事。實際上，春節(jié)期間發(fā)生的一些事情（指資本市場對AI沖擊軟件業(yè)的擔(dān)憂）讓大家開始思考這個問題。
我認(rèn)為，在目前AI的能力下，還做不到直接用AI替代一個完整的、復(fù)雜的企業(yè)級軟件系統(tǒng)。比如，你不能說“AI，給我做一個Salesforce.com”，或者“ERP在那兒，AI直接做一個ERP把它替掉”?，F(xiàn)在的AI水平還做不到這一點，但不好說10年、20年以后是不是可以，因為技術(shù)進化非常快。
那么，現(xiàn)在AI可以做什么呢？現(xiàn)在它可以幫你搞定很多可以模塊化的部分。因為那些大型系統(tǒng)，特別是企業(yè)級系統(tǒng)，內(nèi)部有很多復(fù)雜的邏輯關(guān)系。當(dāng)然，AI可能再學(xué)習(xí)一段時間后有能力做，但這需要開放給它學(xué)習(xí)。所以，最終可能做出ERP升級版的，還是SAP這樣的廠商，因為他們有數(shù)據(jù)可以學(xué)習(xí)，其他人想學(xué)也沒那么容易。
所以，為什么（軟件公司的）股價又開始回升了呢？就是發(fā)現(xiàn)我們的客戶并沒有特別擔(dān)心說“我是不是可以不需要你了，自己寫個程序搞定”。好像還沒有一個客戶來找我們問過這個問題。因為他們在企業(yè)里做CIO的人很清楚，程序本身只是整個IT工作中一個很小的部分。
我們現(xiàn)在談得比較多的是“IT現(xiàn)代化”。
IT現(xiàn)代化其實包含很多內(nèi)容：
第一，硬件的現(xiàn)代化是一直在進行的。你今天買一臺服務(wù)器，不可能用20年。過幾年新技術(shù)出來，老技術(shù)連維修備件都找不到了，所以你不得不升級到新一代服務(wù)器上。硬件的現(xiàn)代化從未停止。
第二，軟件的現(xiàn)代化為什么大家比較懶呢？特別像美國一些機場的系統(tǒng)，都是用COBOL語言寫的，他們就懶得去改。因為硬件升級后，軟件改動的意義在當(dāng)時看來不大，而且它穩(wěn)定性極好，系統(tǒng)本身幾十年變化也不大。像機場、銀行這些以極度可靠和穩(wěn)定為主的領(lǐng)域，系統(tǒng)是很難被替代的。
第三，還有一些新的領(lǐng)域，比如混合云架構(gòu)、容器化技術(shù)、數(shù)據(jù)庫等，這些都是IT現(xiàn)代化的內(nèi)容。最終，現(xiàn)代化還可能影響到組織結(jié)構(gòu)、流程的變化。
所以，這不是簡單地用AI把代碼改寫或翻譯一下就能搞定的。
因此，我認(rèn)為這場關(guān)于AI對企業(yè)級軟件影響的“風(fēng)波”已經(jīng)過去了。但是，它有可能逼著那些原來編寫這些代碼的企業(yè)（軟件公司）去加速他們的業(yè)務(wù)轉(zhuǎn)型，這肯定是一個必然的過程。
熊宜：首先，我認(rèn)為軟件和AI這兩件事，不是替代關(guān)系。不是說有了AI以后就沒人買軟件了，或者大型企業(yè)級軟件就沒有了。因為企業(yè)軟件本身這些年已經(jīng)面臨很大的挑戰(zhàn)和變革，即使沒有AI，它也在自我演變——從比較固定、僵化、解決基礎(chǔ)問題的形態(tài)，變得可靈活配置，底層比較穩(wěn)定，而上層應(yīng)用可以比較靈活地開發(fā)。
AI實際上是輔助演變的工具，能夠把軟件做得更靈活。這是我的基本觀點。
所以，確實大型的企業(yè)軟件還在繼續(xù)發(fā)展。在當(dāng)前階段，可能CIO會關(guān)注“AI會不會替代它”這個問題，但真正的CEO、董事長這些企業(yè)決策者，他們不太關(guān)注這個。他們覺得夠用就行了，能解決基礎(chǔ)問題、讓流程跑起來、能審批、能出貨，那就先用著，別去折騰它。因為這不是他們當(dāng)前面臨的最大問題。
他們更關(guān)注的是：怎么能通過AI的一些工具或方法，真正提升我的業(yè)務(wù)價值、產(chǎn)品價值，或者提升客戶服務(wù)滿意度。他們想通過這些數(shù)據(jù)來做這些事，而不是去想怎么優(yōu)化企業(yè)的管理軟件或生產(chǎn)線上的軟件。
所以，我還是感覺“AI替代大型企業(yè)軟件”不是一個真正的痛點。對于很多企業(yè)來講，我們面臨的是市場競爭的變化。實際上，怎么讓AI發(fā)揮價值，對外、為客戶創(chuàng)造價值，或者通過產(chǎn)品應(yīng)用AI，這才是我認(rèn)為的核心價值。我反而不是特別關(guān)注它會不會把那些東西替代掉。
劉湘明：能不能請二位給所有正在路上、要進行智能化變革的企業(yè)一些核心建議。每人給三條吧，幫助他們?nèi)绾巫プ∵@個機會，不要亂花錢，系統(tǒng)地推進。
陳旭東：1、夯實數(shù)字化基礎(chǔ)：必須首先打好數(shù)字化底座，確保數(shù)據(jù)基礎(chǔ)，否則AI難以實現(xiàn)，會事倍功半。
2、積極嘗試，積累體感：無論步伐大小，必須開始探索和實踐AI，通過實際使用（如部署AI工具）來獲得直接經(jīng)驗和理解，避免紙上談兵。
3、規(guī)模化時選擇平臺：對于大型企業(yè)，在從試點轉(zhuǎn)向規(guī)模化推廣時，應(yīng)選擇一個合適的平臺。這能保護前期投資，避免每個項目都成為獨立的新投資，從而實現(xiàn)低成本、可管理的內(nèi)部拓展。
熊宜：1、平臺思維（全局思維）：反對零散、單點的AI建設(shè)模式，強調(diào)必須從企業(yè)全局出發(fā)，構(gòu)建統(tǒng)一的平臺。
2、場景驅(qū)動與投資回報：強調(diào)AI應(yīng)用應(yīng)聚焦于能快速產(chǎn)生價值的清晰場景，并明確投資回報（ROI），在積極嘗試的同時避免盲目投入。
3、持續(xù)積累與迭代：強調(diào)企業(yè)內(nèi)部知識、數(shù)據(jù)和人才的系統(tǒng)性沉淀，通過建立社群等方式將項目經(jīng)驗轉(zhuǎn)化為可復(fù)用、可迭代的組織能力。
劉湘明：新的一年，施耐德電氣與IBM的戰(zhàn)略方向是什么？
陳旭東：我們的戰(zhàn)略其實非常清晰。大的戰(zhàn)略就是混合云和AI。我們會全力幫助中國企業(yè)進行數(shù)字化轉(zhuǎn)型，特別是那些愿意接受我們服務(wù)的企業(yè)。在客戶選擇上，我們會更多地聚焦在民營企業(yè)和跨國企業(yè)這邊。
熊宜：公司秉持三到五年的戰(zhàn)略定力，核心方向是利用能源科技為每個行業(yè)、企業(yè)、家庭，提供電氣化、自動化、數(shù)智化解決方案，推動高效和可持續(xù)發(fā)展。這是大的戰(zhàn)略方向。
具體而言，在中國市場，戰(zhàn)略重點從提供通用設(shè)備轉(zhuǎn)向聚焦特定行業(yè)，特別是數(shù)據(jù)中心、電子半導(dǎo)體、食品飲料、生命科學(xué)等高潛力和高價值行業(yè)。
在這些行業(yè)中，我們的重點是助力構(gòu)建新型電力系統(tǒng)，并以軟件、數(shù)字化和AI驅(qū)動作為重中之重，為此在中國（如北京亦莊）設(shè)立了專門的軟件與數(shù)字化研發(fā)中心。
中國市場的三大優(yōu)勢：
深厚的技術(shù)積累：尤其在新能源領(lǐng)域（如光伏、儲能、電動車）具有全球領(lǐng)先優(yōu)勢。
豐富的應(yīng)用場景：中國擁有全球最豐富的工業(yè)制造場景，是產(chǎn)品和技術(shù)方案落地的最佳試驗場。
“技術(shù)+成本”融合：通過“DesigntoCost”理念，結(jié)合技術(shù)領(lǐng)先性與成本優(yōu)勢，打造有競爭力的產(chǎn)品。
因此，我們在中國的研發(fā)投入和聚焦，就是要打造出既有技術(shù)領(lǐng)先性又有性價比的產(chǎn)品。我們強調(diào)“DesigntoCost”，在設(shè)計之初就要考慮成本優(yōu)勢。這個結(jié)合點非常好，能夠幫助我們打造在新型電力系統(tǒng)、軟件數(shù)字化方面的產(chǎn)品，服務(wù)于行業(yè)客戶，以及出海的中國企業(yè)，同時也能輻射真正的跨國公司在海外的市場。這就是我們大概的戰(zhàn)略方向。
劉湘明：最后一個問題：咱們今天聊了這么久，你們從各自的領(lǐng)域出發(fā)，看到了哪些可能的合作機會？
陳旭東：我已經(jīng)看到了至少兩個機會。一個是關(guān)于視覺檢測這個領(lǐng)域，雙方的技術(shù)還是有互補性的。我們更強調(diào)平臺和軟件，所以這方面是有合作機會的，我們可以共同去服務(wù)我們的客戶。第二個是剛才你提到的，在AI領(lǐng)域，你們已經(jīng)到了一個開始尋找平臺的階段。這個階段就是IBM最好的客戶。因為現(xiàn)在全球你去看企業(yè)級平臺，應(yīng)該只有IBM一家真正在做，其他公司沒有想得很完整：如何去搞數(shù)據(jù)、如何做模型、如何做Agent、如何做Governance（治理）管理整個AI體系。對企業(yè)級應(yīng)用來說，IBM應(yīng)該是當(dāng)之無愧的領(lǐng)導(dǎo)者，有一個完整的系統(tǒng)可以支持企業(yè)在這個平臺上去更快發(fā)展。
而且IBM在不斷地收購這個時代最新的、很厲害的軟件。比如我們最近宣布的110億（美元）收購Confluent?；旧系紸I應(yīng)用，離不開這樣的一些基礎(chǔ)軟件。它也是開源的，我們可以給你提供更多服務(wù)，特別適合中國。因為中國對代碼要求很高，開源的話，我們提供服務(wù)可能給我們打開了一個新的空間。對像流通領(lǐng)域這種AI數(shù)據(jù)需要實時更新的企業(yè)，那都是非常大的應(yīng)用場景。所以我覺得應(yīng)該有蠻多的合作機會。
熊宜：是的，我也非常認(rèn)同這個觀點。無論是我們自己，還是我們的很多客戶，我們現(xiàn)在都提倡大家要把企業(yè)級的AI平臺規(guī)劃好這件事。剛才陳總講的，我特別有感觸。其實我們?nèi)ツ赀€和IBM合作發(fā)布了一個報告，我們稱之為“AI for Green”的報告，其核心是“GROWTH”模型：G代表增長（Growth），R代表韌性（Resilience），第一個E是效率（Efficiency），第二個E是環(huán)境（Environment），N是新視野（NewHorizon），即通過AI實現(xiàn)突破性的創(chuàng)新和商業(yè)模式。我覺得我們已經(jīng)在思想領(lǐng)導(dǎo)力、市場教育方面開始做一些聯(lián)合的工作了。
后續(xù)，確實就是企業(yè)真正要落地的時候。剛才咱們提了很多建議給這些企業(yè)，但光有嘴上的建議是不行的，真正需要大家一起去做一些實際的、能落地的項目。IBM在設(shè)計和構(gòu)建這類企業(yè)級平臺方面，肯定是一個領(lǐng)先的伙伴。
劉湘明：謝謝兩位今天的分享。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論