从汽车到能源，透视不同行业的AI实践样本

*【**环球网科技报道 记者 林梦雪】*随着大模型技术的快速发展，AI的能力密度呈现指数级增长，其在推理、多模态、软件开发等多个领域展现出卓越性能。然而，如何将AI技术真正应用于企业业务场景，实现正向回报，成为当前企业关注的焦点。

近日，在以“企业AI价值先锋实践”为主题的AI for Process系列直播日活动现场，神州数码与来自东风岚图、嘉岳数智等企业的一线专家，从真实场景出发，共同探讨AI在汽车、能源领域的落地难点与破解路径。

AI for Process是神州数码于今年初提出并一直在践行的战略理念。神州数码联席董事长、首席执行官王冰峰也分享了强调、践行该理念的原因：“要实现AI技术和企业的深度融合，需要从企业的流程入手。只有当AI深度嵌入企业流程中，与业务流程实现深度融合和相互促进，才能真正推动AI在企业中的规模化应用。”如今随着更多真实案例的落地，这一理念也已成为指导企业应用AI技术的有效方法。

东风岚图：AI已在多个关键环节实现落地应用

“从2023年底开始到现在，整个岚图数字化部门的AI应用已经覆盖到方方面面了。”东风岚图数字化部门大模型应用负责人徐湲策在直播现场提到，岚图始终关注着大模型技术的进步，当看到大模型可以处理长文本之后，岚图便在包括营销、OA和研发等追求效率提升的场景开始了立项和尝试。

岚图在实践探索中察觉AI落地汽车应用场景困难重重，主要有三方面：一是人才，AI时代企业需既懂模型又懂业务的复合型人才，传统汽车制造业缺乏，找到合适人才支撑项目和技术发展是首要问题；二是场景选择，新技术初期场景不明，试错成本高，大型制造企业需优先识别可行且有业务价值的场景；三是价值体现，数字化部门做任何事都应考虑为内部客户和产品用户提供有价值服务，避免盲目追求技术迭代而陷入自证自嗨。

尽管困难重重，徐湲策提到，目前AI已在多个关键环节实现实际应用。例如，在营销与宣发领域，通过AI工具辅助合规性审查，不仅提升了工作效率，也有效降低了合规风险。徐湲策进一步表示，未来AI有望深入嵌入企业各业务系统，打破平台边界，降低传统“数云融合”模式所带来的复杂性与扩展成本。同时，“AI for Process”在企业流程自动化、跨系统协同等方面仍具备巨大潜力，值得深入挖掘，其所带来的结构性变革，将为整个汽车行业的发展打开新的想象空间。

汽车行业构筑企业级AI平台为必选项

“AI的日新月异，是我从业以来见到的最快的变化速度。”江铃汽车高级数据产品总监梁融韬在提到汽车企业为什么需要AI平台时解释道，“企业建设AI应用的时候，需要有AI平台去适配或者缓冲变化对企业内部带来的影响。”

在AI技术快速演进下，企业级AI平台建设并非偶然，而是多重需求推动：一方面AI行业技术迭代迅猛，企业要在内部落地AI，需重构挖掘核心知识资产，汽车企业内含的各类专业知识是关键基础；另一方面，爆火的AI Agent技术带来新机遇，AI要产生价值需成为“懂场景、业务”的助手，梁融涛认为这正是汽车等制造业构建企业级AI平台，将通用AI能力封装以服务全体成员的初衷。

梁融韬提到，对于企业AI平台而言，算力资源的统筹管理是重中之重。企业中的敏感知识和数据往往要求在本地部署，因此如何最大化利用有限的内部算力，成为平台设计的首要问题。其次是模型的统一管理，这既包括部署在本地的开源模型，也涵盖经过企业微调的专属模型和轻量模型的应用调度，必须通过统一平台为业务层提供灵活服务。

同时，最繁重也是最关键的工作是企业知识、数据和材料的治理与AI调度能力的构建。在此基础上，平台还需提供灵活的定制能力与模型接入能力，支持业务快速生成新应用。最后，作为面向企业的系统，数据安全、系统稳定性与测试运维机制等，必须随着AI平台能力的不断增强而同步提升。

“随着数字化转型的深入，Process是不停演进的，企业也有非常多的诉求去精益Process。”在谈及对AI for Process的理解时梁融韬谈到，在数据积累和大模型分析能力的基础上，AI会加速汽车企业流程的优化过程。

嘉岳数智：打造垂直领域AI助手——“懂碳帝”

在 “双碳” 目标上升为国家战略的时代背景下，碳评估行业正面临前所未有的效率挑战与技术变革。

嘉岳数智创始人、总经理魏浩以“碳评估报告”举例，认为其目前面临四大挑战：一是数据来源比较分散，人工编制过程中需要阅读大量设计文件、科研素材等内容，人工成本大，耗时极高；二是文本内容较为复杂，一些存量项目往往会涉及到各个环节，数据和信息会消耗大量能源；三是数据格式多元化，既包括文本，又包括公式、表格、图片等数据；四是产出内容精度要求高，评估工作需要人工进行多轮多层次的数据校验和内容复核。“如果有AI大模型介入，‘碳评估报告’的编制就有望实现提质增效。”魏浩表示。

基于此，魏浩提出一种理论构想，即通过人工专家梳理和整理碳排放领域的专业知识，提升解决方案的适用性和使用质量，同时利用AI大模型能力进行加持，以此去匹配用户、客户的需求。

而针对文本生成准确度的问题，魏浩提出以EPAG（Expert Process Augmented Generation，专家流程增强生成）技术，从大模型理解专业内容、生成符合逻辑的专业报告、依据多领域内容完成自动化评测三个方面来提高文本生成准确度。“我们这个技术就想打造懂碳的、懂这个垂直领域的AI助手或身份，可以叫作懂碳帝。”魏浩说。

神州数码：从内部实践到对外赋能

事实上，不同于东风岚图、嘉岳数智等企业，神州数码更多是将AI作为一种赋能手段，既应用于自有业务流程中，又基于自身实践提炼和总结技术方法论，形成对外服务的能力。

通过大量自身及行业实践积累，神州数码已将重复性 AI Agent 进一步抽象解构到自研的企业级 Agent 中台——“神州问学平台”中，抽练出销售助理、超级员工、智能客服、AI for BI 等8个开箱即用的Agent解决方案，同时在平台内嵌“AI for Process”工具集以帮助企业快速实现 Agent 调度和编排，目前这一技术能力不仅服务于神州数码内部业务，支持会议预定、差旅计划等事务，也已支撑东风岚图、嘉岳数智等企业将 AI 技术落地于实际业务场景中。

神州数码汽车研发高级顾问汪彦磊将AI在企业中的演进路径划分为四个阶段。第一阶段是语言能力，AI需要具备基本的理解和表达能力，能够充当信息搜集员；第二阶段是认知深化，AI开始具备记忆与推理能力，能够进行基础分析；第三阶段是行为能力，AI可借助工具参与实际任务，提升生产效率；第四阶段是创新能力，AI不仅能创造性输出，还具备“自我否定”能力，即对已有认知进行反思与修正，从而实现真正的智能进化。

在具体实践中，神州数码云和信创研究院AI应用架构师马晓东发现，企业用户对AI的期望并不是“聊天”式交互，而是实现低感知、高效率的智能服务——“我给你材料，你直接给我结果。”

马晓东认为，要实现这一目标需要三大支撑：首先是知识治理，通过深入梳理企业内外部的文档与流程，确保AI返回的信息准确无误；其次是运营机制，通过持续走访与反馈优化推动员工主动使用AI系统；最后是团队协作模式的变革，业务专家必须深度参与系统设计与运营，才能让AI真正贴近业务、服务于人。