百麗十二年數智化覆盤：先把企業工程化，再讓AI 讀懂它丨2026 ITValue Summit 前瞻：AI系統落地系列直播③
AI浪潮席捲各行各業之際，不少企業將目光緊盯大模型參數規模與算力部署，試圖在最短時間內搭上這班技術快車。然而，百麗時尚集團副總裁、科技中心總經理季燕利卻提出截然不同的見解。他認為，企業真正該優先思考的，不是急著追逐模型與算力，而是業務如何運營、如何管理。唯有先將業務標準化、數據標準化，建立起完整的管理體系，模型與算力才會真正成為有用的支撐底座。季燕利近日發表一篇長文，題為《百麗時尚：企業AI應用建設落地實踐——從協同在線到AI原生》，內容長達數萬字。值得注意的是，全文幾乎沒有出現「大模型參數」「算力集群」或「智能體」這些當前最熱門的技術關鍵詞。
取而代之的，是對企業內部最根本工程化能力的深度檢視。他反覆強調，AI的落地並非始於技術堆疊，而是從企業的運營邏輯與管理流程出發，先把企業的運作模式完整「工程化」，讓數據與流程變得可讀、可管、可優化，如此一來，AI才能有效介入並真正創造價值。這份觀點並非紙上談兵，而是百麗過去十多年數位化轉型的實戰總結。從最初的信息化建設起步，百麗逐步搭建起支撐龐大零售網絡的資訊系統；其後進入數據中台與協同平台階段，將分散在生產、供應鏈、門店管理各個環節的數據打通，形成統一視角；再到如今探索AI原生應用的落地，百麗走的是一條「業務先行、技術跟進」的路徑。
這條路徑背後的邏輯，正是季燕利文章的核心主軸：技術永遠是服務業務的工具，而非反過來讓業務遷就技術。所謂工程化，在季燕利的論述中並非單純指寫代碼或建系統，而是涵蓋企業運作的每個層面。他認為，企業必須先梳理清楚自身的業務流程，明確每個環節的角色、責任與產出標準，讓管理動作可以被標準化描述；在此基礎上，數據才能夠被有效定義、採集與治理。換言之，沒有標準化的業務，就沒有高質量的數據；沒有高質量的數據，AI模型再先進，也無法從中提煉出真正有價值的洞察。這個觀點在當前尤其具有針對性。過去一段時間，生成式AI與大模型技術快速發展，不少企業急於導入各種AI工具，卻忽略了內部流程是否已經準備好迎接這些工具。
結果是，AI系統與既有業務之間存在斷層，數據無法打通、流程無法自動化，最終淪為昂貴的展示品。季燕利所提醒的，正是要避免這種本末倒置的現象發生。從實際案例來看，百麗這些年的數智化建設正是逐步建立這種「AI-ready」的體質。先讓業務流程上線，讓管理動作數位化；再通過數據中台將各系統的資訊整合，形成全鏈路的數據閉環；最後在此基礎上引入AI能力，讓系統從被動記錄走向主動洞察與輔助決策。這三步看起來樸實無華，卻需要十多年持續投入與組織內部的共識凝聚，遠比採購幾套算力設備更困難，也更關鍵。季燕利這篇長文，實際上是一份長達十多年的數智化轉型覆盤報告。
他不是要否定AI技術的價值，而是要指出當前市場對AI的認知存在某種偏斜：過度聚焦於模型能力的上限，卻忽略了企業應用AI的起點，其實在於自身運營的扎實程度。當AI技術日益成熟，企業能否真正受益，關鍵不在於算力有多強，而在於企業自身的工程化基礎是否穩固。這個基礎，決定AI能否從「展示品」真正變成「生產力」。對於即將到來的2026 ITValue Summit，季燕利這篇長文內容也成為系列前瞻活動中的重要參考。據了解，該峰會正規劃透過「AI系統落地」系列直播，邀請產業界人士深入探討企業AI應用的實務經驗與挑戰。
百麗的案例與季燕利的觀點，正是在這樣的脈絡下被提出，成為觀察傳統大型企業如何務實邁向AI原生時代的重要樣本。對台灣乃至整個華人世界的企業而言，百麗的經驗具有相當程度的參考價值。尤其對於那些擁有龐大門店網絡、供應鏈體系複雜的傳統零售企業來說，AI轉型最大的挑戰往往不在技術本身，而在於如何將體量龐大的既有業務梳理成AI可以理解的結構。這個過程沒有捷徑，也沒有炫技的空間，只能一步一腳印，從業務標準化與數據治理開始。季燕利的觀點最後歸結為一個樸素的道理：先讓企業成為一個可以被AI讀懂的組織，AI才能真正為企業所用。在所有人都在追逐模型參數與算力規模的浪潮中，這份提醒顯得格外冷靜而有分量。
百麗過去十多年的實踐證明，數智化轉型不是一場技術競賽，而是一場管理工程與組織能力的漫長修煉。這條路走得慢，卻走得穩，也最終走得遠。
Related
相關文章
一年半暴漲879%，佩洛西、AI股神都在搶這隻AI電力股
一年半暴漲879%，佩洛西、AI股神都在搶這隻AI電力股硅基觀察Pro·2026年09月01日 20:37AI電荒，捧紅Bloom 你能相信嗎？ 一家成立超過20年的燃料電池公司，竟然成了這兩年美股最瘋狂的電力股。 2025年初，Bloom Energy股價還只有22.21美元。截至今年8月25日，已經漲到217.45美元，一年半累計暴漲約879%。 更誇張的是，看好Bloom Energy還不是一般人。 “國會山股神”佩洛西，既買股票，又買看漲期權。25歲的“AI股神”Leopold，更是一度拿出接近十分之一的公開倉位押它。 為什麼這麼多人突然盯上Bloom？ 原因其實很簡單，過去的燃料電池雖然部署方便，但成本高，所以一直沒什麼市場。到了AI時代，情況發生了徹底逆轉： 電可以貴一點，晚一年不行。 於是，一門十幾年都沒跑出大行情的老生意，突然被AI重新定價。Bloom也從一家傳統燃料電池公司，站到了AI電力短缺這條最熱的主線上。 今天，硅基君就來說說這個故事。 “冷門股”Bloom終於等到了“缺電”的AI Bloom Energy的故事，最早可以追到NASA。 創始人K.R. Sridhar曾參與火星製氧項目，後來
CodeX記憶系統大更新
CodeX記憶系統大更新量子位·2026年09月01日 20:33Codex新版重做記憶系統，代碼已Merge。 Codex用著用著就要壓縮上下文、壓著壓著可能還“失憶”的痛苦，就要結束了！ Codex在其代碼庫中上新了一款_context工具，它可以讓Agent放棄反覆壓縮上下文，轉向瞭解自己還剩多少上下文空間。 結合新增的工作註釋和歷史查詢能力來看，Codex CLI可能正在醞釀一套新的長任務記憶機制，即： 當上下文窗口快滿時，Codex不再需要反覆壓縮舊對話，而是直接切換到一個新窗口；切換前Codex會細心留下工作註釋，切換後則可以根據需要查詢此前的完整對話記錄。 換句話說，Codex可能正在準備給自己加上一套“外部記憶”。 當窗口不夠用時，它就會帶著交接材料換到一個新窗口繼續工作。 而此前的聊天記錄仍然會作為檔案完整保留，如果Codex忘記了某個細節，它就可以隨時回到歷史記錄中查舊賬。 推上網友集體淚奔了——這種被AI氣得半死、打又打不到，對方還一臉無辜的憋屈日子終於要結束了！ Agent工作越久，記憶反而可能越模糊 Codex之前採用的compaction（也就是上下文壓縮）的辦法有一個bug，即壓縮很難
研究顯示：保險理賠員成為美國最反感 AI 的職業群體
作者：遠洋 責編：遠洋 評論： 9 月 1 日消息，據 WIRED 報道，在求職與職場評價平臺 Glassdoor 上，有一類人對人工智能的厭惡程度遠超其他群體。“把 AI 推到要求人類不再使用自己的思想和大腦，這實在令人反感。”一條具有代表性的評價寫道。
“生產力市場”大博弈
在AI技術快速滲透各行各業的當下，生產力市場正迎來一場前所未有的激烈博弈。從大型語言模型到輕量級專用工具，各大科技公司與新創團隊紛紛搶佔這塊極具潛力的賽道，試圖在辦公協作、知識管理、自動化流程等領域建立自己的優勢。這場博弈不僅關乎技術實力，更考驗產品定位、生態整合與用戶體驗的綜合能力。 近期，業內出現多款瞄準生產力場景的AI產品，包括「豆包」「豆包工作千問」以及「WorkBuddy」等，它們分別從即時問答、任務協作、工作流程優化等不同角度切入市場。
一家校園招聘平臺，一年多出10億美元的AI訓練生意
校招平臺Handshake轉型AI訓練業務年入近10億 Handshake的主業是幫大學生找到第一份工作，但是現在，它增長最快的生意變成了教AI怎麼工作，也因為激進的AI轉型成為硅谷關注的創業案例。8月31日，大學生校招平臺Handshake聯合創始人兼CEO Garrett Lord在最新播客中透露，公司過去一年多建立的新AI業務，已經從零增長到約10億美元收入，而且目前“已經能看到20億美元的預期”。
國產大模型出海“元年”，誰在海外市場淘金？
2025年被許多人視為國產大模型出海的「元年」。隨著中國AI技術快速累積，愈來愈多大模型團隊不再滿足於國內市場的驗證，而是開始把目光投向海外，試圖在全球AI競賽中占據一席之地。從底層模型到應用產品，從開發者工具到企業服務，「出海」已經從少數先鋒的嘗試，變成一股席捲整個產業的趨勢。 這一波出海浪潮的背後，首先是國內市場競爭的白熱化。過去兩年，各家大模型企業在中文語料、模型能力、價格策略上相互較勁，通用對話能力的差距逐漸縮小，單純在國內市場建立壁壘的難度愈來愈高。