企業AI還沒有標準答案，但路已經不止一條丨2026 ITValue Summit 數字價值年會

數智達觀2026.09.24 11:19 · 來自北京全文7634字00:00 / 23:52每一家企業分享為跨越AI應用的門檻所做的實踐，拼出來的是一張較為立體的路線圖景。9月16日，三亞，2026 ITValue Summit數字價值年會的主論壇開了一整天，上午談蒸餾，下午談泛化。會前的議程解讀裡寫著“答案未定”。一天過完，答案依然未定。這場辦到第18屆的年會，並不指望一天給出結論，但時間並沒有白花。臺上，近二十位嘉賓把各自的判斷、踩過的坑和跑出結果的場景擺了一整天，都亮在臺面上；臺下，幾百位CXO密集交流，彼此真金白銀砸出來的經驗，就像token一樣在彼此之間流動。

一、門口在當天的一場圓桌對話中，智識神工創始人楚慶說：AI還在生產力的門口，還沒進來。這句話不僅僅是參會者的焦慮，也是整場討論的底色。模型不再神秘，訓練的時代已經過去，Token用量暴漲，但AI給企業帶來的真實生產力還沒有被驗證。一天下來，臺上反覆討論的其實是同一件事：門在哪兒？怎麼進去？進去之前要先解決什麼？在楚慶看來，模型的訓練時代已經結束，沒有哪家企業的模型是別人學不會的，而且所有的模型最終將趨同。真正難的部分轉移到了生產環節。

他提醒：AI帶來的便利是讓企業可以突進不同的方向，而不是在一個方向上把規模越做越大；速度快和降本幅度大都不是生產力本身，一項技術必須經過生產力的驗證，看生產力要看利潤。他還補了一句：AI挑戰的不是社會，是人自己。在AI出現之前，人類社會的勞動價值創造全部源自人本身，現在來了新的勞動者。超聚變CEO劉宏雲把這場變遷落在了“智企”。首先，他將企業分為數字世界和物理世界，指出數字世界正被AI快速重構，具體體現在三方面：研發環節95%以上AI處理已無需人工介入；創作協作佔員工約30%時間，提升30%效率意味著多10%產出；生產經營管理過程（ERP、IPD等）正被AI快速重構。

而物理世界狹窄空間的精密操作還需6-10年。針對企業普遍的AI焦慮（存量系統價值存疑、投入回報不確定、token開銷巨大等），他提出五大判斷：企業架構將在5-10年出現代際躍遷，從CPU+高代碼企業軟件轉向GPU+大模型；企業將出現處理“不確定性負載”的新一類軟件；所有企業都將成為“製造企業”，需要匹配業務特點的token供應；未來3-5年將拉開15%差距，重大變化被壓縮在前10年；中國企業管理軟件已具備替代和出海的基本面。他提出“智企”願景：一為高效安全生產承載核心的token工廠，二為AI重構的企業生產經營活動。超聚變用三年時間邊做邊重構企業架構（1.

0業務重構），2025-2027年開展基於AI的技術重構（2.0），包括將變革管理委員會改為BDE、梳理近8千個基礎動作、用AI做硬件電路板設計（準確率90%以上，驗證從3個月縮短至三天）等。公司每天token消耗約300多億，預計全年使用量7萬億到10萬億，三年開支或達29億。智企落地分四個階段：活動級、流程級、企業級、生態級。超聚變定位AI和數據時代水平全棧解決方案提供者，憑藉完整業務重構經驗、千億當量實驗場和軟硬件協同三大優勢，打造企業AI原生大腦。

此外，京博控股集團CAIO兼CIO李洋表示，當前行業第一曲線基本上已經看到頭了，無論成本控制、利潤提升還是創新新的商業模式，都沒有很好的增長點了，能不能通過數字化轉型和AI尋求新的突圍，是各大企業經營班子當前迫在眉睫需要通盤考慮的事。至於怎麼驗證AI到底有沒有生產力，StartLux聯合創始人兼CTO郭權瑋出了個主意：別急著信結論，自己建三五個真實任務的替換池，讓人記下每次任務成與敗的原因，去感受這件事到底對不對。飛渡科技董事長兼CEO何文武在上午的對談裡補的是另一層。目前，AI發展仍以大語言模型驅動為主，在何文武看來，語言模型擴展的是AI處理符號信息的能力，但永遠無法讓AI習得物理直覺。

而空間智能，擴展的正是AI理解和駕馭物理世界的能力。換句話說，語言模型讓AI理解知識，空間智能讓AI理解它所在的世界。他所在的行業做了十年，只做一件事：讓物理世界可計算、可推演、可決策。他的經驗之談也印證了臺上的共識，客戶買單從來不是一個模型，買的是一個更早、更準確的業務決定。二、推不動的地方AI是否能真正邁過生產門檻，不僅有技術問題，讓企業停在原地的是另一類問題：管理者的意願、十年二十年沒打好的底座、還有組織桎梏。這些不變，技術再好，也事倍功半。百麗時尚集團副總裁兼科技中心總經理季燕利分享了“企業逆向AI落地法：先基建，再模型”。百麗旗下20個品牌，在300多個城市開有8000家直營店。

所謂“逆向”，是先鋪地基、模型最後進來：2014年自建ERP撐住零售主業，跑了12年；2020年起建數倉，從結構化到非結構化，去年開始探索“本體”數倉；2021年起建協同體系，把ERP的系統界面拆成接口、數據匯入統一數倉，建組織中臺與權限中臺並打通，人變、權變、操作跟著變；再建消息中臺，把群結構化為組織群、項目群、工作流群，消息、操作、審批、數據都在群裡。群由此成了人與人、人與AI互動的場域，業務運營的全過程都在群裡跑，運營過程拆成一個個節點在群裡連起來，策略AI和執行AI就建在節點上。

今年百麗又開始建企業工作臺，IT工作臺把需求、研發、測試到上線的軟件研發全鏈路搬了進去，變成人與AI協同的產線。業務工作臺還在探索，要把業務工作流放進去，讓AI參與業務運營。下一步要探索的是全局任務中心，由知識庫、任務庫、Skill庫組成：群裡每件業務用了什麼任務、知識、Skill，都沉澱在群裡，從中萃取知識和任務、建成知識庫和任務庫，就是AI的業務應用。季燕利的方法論是：信息化是採集，數字化是治理，智能化是應用；信息化由技術部門主導，數字化是CEO的事，要統一的是數字和語言的標準，智能化則要回到業務。站在信息化還是業務的角度想智能化，思路不同，路徑和效果也就不同。

組織本身的改法，現場也有兩個樣本。在主題為“逼近AI原生企業”的CEO圓桌對話環節中，G7易流創始人翟學魂提出一個觀察：想知道公司哪個板塊真有核心競爭力，就看那個板塊AI化推得順不順，特別順說明那裡強，特別費勁說明原來那裡就弱。G7易流做物流數據十幾年，產研和營銷兩個板塊推得最順，產研過程基本不應該再有人寫代碼。他自己一千多人的公司，管理層級壓到兩層半，少部分三層。他的另一個轉變是不再迷信組織能力：AI把每個高管的覆蓋面撐大了，低頻但重要的決策直接收到CXO層面拍板，比假裝建立一套機制有效得多。品勝董事長趙國成的辦法是畫特區。

兩千多人的消費電子公司不可能整體推翻重來，那就成立一個AI產品中心，AI硬件從概念、研發到面市獨立運作，崗位分工接近AI原生，同時肩負全公司的AI提效。他說，招人最看重對AI的熱愛，團隊裡大部分是00後，已經挑起了大梁。品勝提出硬件版的Vibe Coding，稱之為Vibe Engineering：用AI來造AI硬件。從定義產品、出方案，到打樣測試、專利申請、量產準備，AI做、AI審、人拍板。撐起這套流程的，是AI產品中心自研的AI硬件研發平臺，以及品勝20多年硬件研產銷積累下來的經驗和數據。他的原話是：不敢說已經是AI原生企業，但正在逼近。三、繞不過的三件事組織之外，還有三件事是繞不過去的。

第一件是路線。百望股份CTO王志偉認為，垂類模型不是通用模型的縮小版，而是通用模型進入產業實景之後長出來的一套工作系統。過去三年模型比的是參數規模和榜單分數，未來三年比的是能不能進入真實業務、能不能讓數據持續迴流、能不能讓業務來驗收。百望的底氣是十年攢下的260億張交易憑證，背後連著9000萬家企業的稅號，這些數據互聯網上爬不到，靠生成也生不出來。以一次付款審核為例，系統同時讀取發票、供應商、訂單、合同，多個工種智能體協同給出主體核驗、空殼公司校驗和風險傳導分析，AI負責準備事實，人保留授權和責任。用他的話說，財稅大模型要從被動答疑走向主動交付業務結果，可追溯、可核驗、可審計。

要不要垂類模型是一個問題，用幾個模型是另一個問題。StartLux聯合創始人兼CTO郭權瑋提醒兩件事：模型能力不能只看榜單，同一個模型換個Agent框架，分數能漲5分以上，漲分幅度有時比重新訓練模型還大；企業也不必事事調用最強模型，把任務定義清楚、訓一個意圖識別模型做動態路由，簡單的活交給小模型，只損失一點精度，成本能顯著降下來。另外一個值得高度關注的問題是，雲端大模型數據洩露事件頻發，本地部署和多模型組合會是企業常態，未來很少有一家企業能靠單一模型撐住全部業務。第二件是底線。何東川結合自身在保險金融行業的AI探索，分享了金融AI基礎設施煥新的路徑。

他認為，金融是強監管行業，合規是創新不可逾越的生死線。金融AI下半場比拼的早已不只是模型，而是數據底座與合規底座的深度與穩定性。模型終會趨同，真正拉開差距的，是誰能把可信的高質量數據沉澱成能力、把監管紅線內化成架構。在此底線之上，用“架構解耦”破解早期“煙囪式綁定”痛點：把算力、模型、應用拆成三層，以標準接口對接，讓各層獨立演進、互不影響；並以智算雲應對顯存與通信瓶頸，使算力利用率提升約30%；以可信高質量數據底座支撐訓練。不同業務對算力與模型要求迥異：客服輔助要低延時、案件推理要高精度、審計要強安全，解耦架構正為此而生。

人保已覆蓋百餘場景，搭建從基礎設施到應用的四層體系，並推動“業技融合”讓業務與IT共組團隊，探索高質量發展新路徑。第三件是度量。開源中國董事長馬越分享，去年一家頭部運營商跟他們採購了6000萬元的純軟件產品，沒有一分錢硬件，全部是軟件授權，一共10.5萬個，馬越說歷史上沒出現過一家央企願意為研發效能工具掏這麼多錢。截至目前，開源中國旗下平臺註冊用戶已達2000萬，代碼倉庫超過4000萬個，企業用戶超過45萬家，成為名副其實的“中國的GitHub”。

但焦慮也在一線：開發者是全社會用AI最密集的人群，企業研發的形態正在被改寫，過去開發者的一念起是跟軟件交互，CPU開始轉；現在一念起，GPU開始轉，GPU轉起來，就意味著Token的持續消耗，軟件工程平臺必須升級成AI工程平臺。具體到Token治理，他的建議是給企業建一塊實時看板，盯四件事：質量，買的Token是不是被中轉站偷偷換了模型；用量，每個團隊、每條產品線各燒了多少；效率，誰是Token使用的高手；安全，額度有沒有被挪作他用，敏感信息有沒有順著調用洩出去。他的結論是，AI投入要可計量、可歸因、可治理、可提升。這套理念的落地依託於開源中國完整的產品矩陣。

正如馬越在演講中所概括的：“Gitee知道代碼怎麼交付，Moark知道Token怎麼消耗，Moark AI Lens把兩邊對上賬——AI是成本還是產能，第一次有了答案。”在對話操盤手環節，圍繞AI如何轉化為真實生產力這一議題，超聚變副總經理、CIO藍文廣與聯合創始人、聯席CEO、ITvalue發起理事劉湘明展開交流。劉湘明提出疑問：超聚變實現50%的自動代碼生成率，如何驗證該指標的實際價值，以及代碼生成帶來的返工成本究竟如何衡量。面對這一問題，藍文廣並未糾結於指標本身的論證，而是將討論迴歸到度量體系本身。

他提出，衡量AI價值應當從業務最終價值結果出發，向下拆解到各個業務環節，不能僅僅聚焦於Token採購成本。他進一步闡述了落地的優先級思路：現階段優先將確定性負載，也就是傳統業務流程完成智能體改造；後續再攻堅非確定性負載，藉助AI補齊過往難以落地的業務能力。同時他也談及行業普遍存在的認知誤區：前些年不少企業將AI落地聚焦於數字人、集團知識問答這類場景，形式上熱鬧，但並未深入業務核心，難以創造實質業務價值。四、不同的路問題繞不過，但在分享裡，企業蹚出的路已經不止一條。跑出結果的，多數是在自己最熟的場景裡做深。第一條路通向物理世界。

在對話掌舵人環節的“空間大模型的產業躍遷”主題對話中，飛渡科技董事長兼CEO何文武在臺上回答了一個外界非常直接的質疑：數字孿生講了很多年，是不是用一個更宏大的概念給舊業務續命？他給的三個判斷標準是：有沒有真實數據，能不能理解對象關係，能不能計算推演。一場暴雨來了，系統要能預測兩個小時後下游哪裡被淹、救災怎麼排布，可視化只是數字孿生的子系統。針對真機數據和仿真數據之爭，他說英偉達披露的機器人預訓練數據大約85%來自仿真，問題不在真假，而在仿真的質量，真機路線和仿真路線不是對手，是上下游。

針對會不會被基礎模型吞掉，他拿Palantir舉例：模型能力可以採購，行業數據和業務閉環沉澱出來的決策迴路買不來。何文武判斷空間智能的上半場是生成，下半場是理解、推演和決策；語言大模型讓AI會說話、會推演，空間大模型讓AI會行動，飛渡要做的是讓AI在物理世界裡想清楚、能執行的基礎設施。在行業裡繼續做深是另一個方向。易鑫首席AI科學家、高級副總裁張磊講汽車金融全鏈路的Agent智能革命，把數字攤得很細。汽車金融是一條長鏈路生意，一個用戶要流過材料提交、審批決策、方案匹配、交付簽約、資產管理五個大環節，僅審批決策就有15個組織節點，路徑組合上萬種。

傳統Agent做流程自動化撐不住這種業務，易鑫的做法是給AI賦予新的範式，首次提出Human-Centric Long Horizon Agent，即以人為中心的長程智能體，重新定義汽車金融AI。Agent不止是要完成一件事，更要加上懂人的能力，持續預測這個人接下來會怎樣。目前45個Agent在線運行，日均處理任務23萬次，日均消耗Token3.6億，自主交付率達90%，AI可以獨立跟進同一個用戶超過20天，單次對話超過81輪。合規熔斷和重大權益場景保留人工，這套框架預計年底開源。平安科技總經理助理曹峰給出的是平臺級的數字。

平安的底子是一個四要素飛輪：三萬億文本語料、百億級金融行為、超14億問診記錄、萬卡規模算力集群，Token(詞元)消耗量從2025年12月的日均300億躍升至2026年6月日均超1,200億。落在服務上，今年4月推出的統一入口“快捷服務”整合了300多項服務，交易、融資、理賠、救急，90%能端到端解決。代理人端，每個客戶經理配一個AI團隊，觸訪量至少提升10%，轉化提升5%。醫療端，AI多學科會診把重症患者的病例先過一遍分析再給就醫建議，乳腺癌等病種的判斷已經達到三甲醫生水平。曹峰的定位很清楚：平安就是要在金融和醫療的主業場景裡做深。

京博控股集團CAIO兼CIO、廣東省CIO聯盟會長李洋博士用流程製造業的細節說話。京博聯合生態構建了流程製造業的人工智能工廠，通過算力雲端結合，既保低延時又控成本還能兼顧安全，已經在人工智能工廠導入實踐的場景包括新材料研發、生產裝置監控及運維、園區安全少人化、經營研判等。以大型生產裝置預測性維護為例，假設通常一套石化裝置正常服役20年，通過AI診斷和維護能延長到25甚至是30年，多出來的服役週期按照成本節約結算非常可觀，至少就是幾個億甚至是十幾個億。他也承認也踩過坑，算力和Token的浪費佔了一些企業AI投入的50%到60%，這部分本來可以避免，應用層面的試錯則躲不掉。

他的建議是，CAIO和CIO要融進企業經營班子，有經營思維和格局，主動用經營的賬對話和引導轉型，和經營班子一起圍繞業務戰略建AI原生組織及其能力。還有的把數字世界的地基再墊一層。深圳數據交易所總經理古亮講的是數據產權登記，他把數據確權類比1978年的家庭聯產承包責任制：土地還是那塊土地，確權之後，土地經濟才轉得起來。數據確權涉及持有權、使用權、經營權，三個維度可以任意組合；確權之後，數據可以流通交易、可以融資授信等，司法糾紛裡也能作為舉證依據。深圳數交所在2024年開始的試點階段已經發出近200張數據產權登記證書，還完成了國家氣象數據的合規入場。

對臺下不少CFO來說，這是CIO手裡沉默的數據有了合規確權入表的路徑。還有人從補信息化和數字化基礎，從提升組織能力本身下手。廣東省首席信息官協會會長陳東鋒，分享他在一家烘焙麵粉企業任職董事長顧問時的經驗，他進場後發現這家幾十億規模的企業研發項目管理、配方庫、流程體系都沒建起來，這種情況只會給AI拖後腿。於是，他建議先補基礎，再上AI：跟釘釘合作建立社交媒體和電商VOC知識庫，開發AI烘焙市場大腦，抓取社交平臺輿情反推研發方向；正在讓AI學習配方庫，直接生成配料方案；正在實施在線AI產品品質檢測技術；集裝箱智能無人裝車把發貨環節的人力省了下來。

公司還招聘了100多個管培生，做小智能體有獎勵，為全面推進AI+準備人才。董事長的態度是他反覆強調的一句話：AI in ALL，讓AI進入所有業務領域。在主論壇的閉幕對話裡，聯合創始人、ITvalue發起理事萬寧說美的這兩年AI策略在大型企業裡算是走得比較“激進”的。美的集團副總裁兼CDO張小懿回應說，美的十幾年數字化積累下來的判斷、數據邏輯和規則都在那裡，AI的不確定性被框在邊界裡，出不了亂子，這是整個Agent工程的底座，因為有了這個基礎，才敢“激進”。據張小懿透露，美的官方口徑數字是272個智能體，由集團組織變革沉澱而來；此外，員工在自己崗位上手搓了1.

9萬個智能體也在系統裡跑，他為此建了統一的智能體開放平臺，統一的知識管理、統一的數據管理，信息安全兜底，讓大家敞開來試，怎麼試都不出亂子，還把手搓智能體做出成績的人晉升成智能體專家。但他還有煩惱：有些領域跑得不夠快，有些賬也沒有算得那麼清楚。買Token買卡的錢回來了，但人和業務投進去的時間，還沒有回來。閉幕對話的結束，也是這一天的尾聲。萬寧總結這一天像一個小劇場：從早上講管理者的素養，到之後每一家企業分享為跨越AI應用的門檻所做的實踐，拼出來的是一張較為立體的路線圖景。他說，針對企業AI應用，我們沒有標準答案，每一個都是帶著問題來的，也是帶著問題走的。一天下來，門還開著，路已經不止一條。

（本文首發於APP） 更多精彩內容點擊直播回放2026 ITValue summit數字價值年會（上午）2026 ITValue summit數字價值年會（下午）