7月2日，數(shù)云原力®2025專項活動——AI for Process系列直播日最后一場圓滿落幕。本次活動以“企業(yè)AI價值先鋒實踐”為主題，聚焦AI在汽車、綠色低碳等前沿場景的應用，與行業(yè)客戶深入交流、分享企業(yè)AI落地的洞見與成功實踐經(jīng)驗，助力企業(yè)破解AI落地難題，驅(qū)動企業(yè)以AI技術重構業(yè)務流程、實現(xiàn)價值躍升。

積跬步，致千里
從場景出發(fā)的企業(yè)AI價值釋放

神州數(shù)碼聯(lián)席董事長、首席執(zhí)行官王冰峰在開場主題發(fā)言中表示：“今天的企業(yè)級AI落地仍處于早期階段，大部分企業(yè)場景下的AI應用還處在單點創(chuàng)新的狀態(tài)，還未找到形成顯著正向回報的場景。要實現(xiàn)AI技術和企業(yè)的深度融合，需要從企業(yè)的流程入手——這也是我們強調(diào)‘AI for Process’理念的原因。只有當AI深度嵌入企業(yè)流程中，與業(yè)務流程實現(xiàn)深度融合和相互促進，才能真正推動AI在企業(yè)中的規(guī)模化應用。”

【圓桌話題一】
嵐圖的AI落地之路：場景落子，全盤布局

如何讓AI技術與應用場景深度融合？如何讓AI在企業(yè)中真正落地？落地中的“坑”又該如何規(guī)避？神州數(shù)碼云和信創(chuàng)研究院AI交付中心總經(jīng)理胡琳君、AI應用架構師馬曉東與嵐圖數(shù)字化大模型應用負責人徐湲策，圍繞上述話題展開深度探討。

AI的緣起與落地的挑戰(zhàn)

徐湲策：東風嵐圖數(shù)字化部門的定位是應用導向型團隊，雖然不從事基礎科研工作，但我們持續(xù)關注著行業(yè)前沿技術。從ChatGPT橫空出世到長文本大模型的出現(xiàn)，尤其是當我們看到Perplexity的DAU數(shù)據(jù)時，我們意識到大模型已經(jīng)發(fā)展到了在企業(yè)內(nèi)部進行應用的程度。基于此，我們正式啟動大模型項目。發(fā)展至今，AI應用已覆蓋部門的全業(yè)務領域?？v觀這幾年的AI探索歷程，我們面臨的挑戰(zhàn)主要體現(xiàn)在三方面：人才招募、場景選擇、價值體現(xiàn)。

馬曉東：神州數(shù)碼在“數(shù)云融合”戰(zhàn)略的指引下 ，在云與數(shù)據(jù)領域形成了深厚的積累。而數(shù)據(jù)與算力恰好是驅(qū)動AI發(fā)展的兩大要素，因此，神州數(shù)碼在AI時代順勢入局，專注大模型的企業(yè)級場景落地，由此誕生了——“神州問學”。隨著實踐經(jīng)驗的積累和模型能力的演進，在2025年初，郭總提出了“AI for Process”理念，“Process”的內(nèi)涵聚焦于流程標準化和人效提升，精準對應了AI在企業(yè)中落地的核心挑戰(zhàn)：流程優(yōu)化與人員賦能。

胡琳君：過去兩年間，我也深度參與了神州數(shù)碼內(nèi)部的數(shù)字化與AI落地進程。從發(fā)現(xiàn)場景到技術落地、內(nèi)部推廣，我們還有很多路要走，也遇到了很多“坑”，我們也是一步步攻堅克難。如今，神州數(shù)碼在內(nèi)部落地的“超級員工”“智能人才搜索”等AI應用，都獲得了很多積極反饋。

挑戰(zhàn)如何破解？關鍵著力點在此

徐湲策：企業(yè)AI價值的釋放源于上述三個難題的破解。首先，在人才招募方面，除了內(nèi)外部招聘，我們還著力培養(yǎng)團隊成員向業(yè)務專家轉(zhuǎn)型，因為大模型在企業(yè)內(nèi)部的應用不僅需要對技術的理解，還需要對業(yè)務的認知。其次，在場景選擇方面， 我們希望用戶通過盡量簡短的對話流程實現(xiàn)更快、更準確的結果交付，目標是將AI能力深度融入業(yè)務流，讓用戶甚至無需感知對話過程即可獲取所需。

例如，新能源行業(yè)激烈的市場競爭環(huán)境加上復雜的國家相關法規(guī)政策要求，嵐圖常常面臨市場宣傳需要與法務合規(guī)管控的矛盾。以往，業(yè)務人員需要耗費大量精力查閱最新法規(guī)、協(xié)同多個部門審核宣發(fā)內(nèi)容。如今，借助AI大模型，只需將宣傳材料（圖片/文字/視頻/音頻）上傳系統(tǒng)，系統(tǒng)就能自動識別，智能審核其是否違反相關法規(guī)、是否與嵐圖自身、與東風集團乃至整個汽車行業(yè)的合規(guī)規(guī)則存在沖突。系統(tǒng)甚至還能進行全行業(yè)案例比對，識別潛在相似風險點，預先規(guī)避。我們已經(jīng)不需要太多的問答。

要實現(xiàn)上述場景，在運營和知識治理方面，以知識庫為例，通用大模型往往難以滿足復雜多樣的用戶需求；在技術層面，我們需要聯(lián)合合作伙伴不斷挖掘模型潛力，方能精準匹配業(yè)務目標。同時，鑒于國家政策等外部信息是動態(tài)變化的，因此，我們選擇使用一套集問答、知識庫、工作流和智能體于一體的大模型應用平臺，結合互聯(lián)網(wǎng)的數(shù)據(jù)與定向微調(diào)，從而高效實現(xiàn)場景落地閉環(huán)。

馬曉東：企業(yè)級AI落地的核心訴求在于AI能“無感”融入業(yè)務流，例如用戶在提交需求后，系統(tǒng)以最短時間、最高效、最精準地反饋定制化解決方案。要實現(xiàn)這一目標，需要從三個方面入手：

第一，知識治理。企業(yè)內(nèi)部場景要求AI輸出零容錯，與C端問答可容忍錯誤存在本質(zhì)差異。因此，在知識治理時，要打通企業(yè)內(nèi)部中后臺部門知識體系，為每個部門做相關的知識梳理、文檔治理，另外，還要適配客戶差異化業(yè)務形態(tài)、流程及文檔特性，并且實現(xiàn)問題提交后自動觸發(fā)下一流程。

第二，運營。AI應用與傳統(tǒng)IT系統(tǒng)（如CRM的按鈕/表單操作）存在本質(zhì)不同，AI應用一般的形態(tài)是“對話”，要通過運營機制逐步提升用戶體驗與使用深度。以我們公司的“超級員工”為例，運營團隊每周主動走訪中后臺部門，系統(tǒng)化收集痛點與優(yōu)化點，驅(qū)動迭代；并且優(yōu)先賦能銷售端、商務端等需要高頻跨系統(tǒng)檢索信息的崗位，將超百個OA子系統(tǒng)整合至“超級員工”這個統(tǒng)一入口。

第三，團隊。相較于傳統(tǒng)項目，企業(yè)AI落地需要深度融入“技術+業(yè)務”專家，他們在方案設計及運營階段的參與度越深，系統(tǒng)與業(yè)務的契合度就越高。

而神州問學設計之初的定位就是企業(yè)AI能力的基座平臺，算力管理、多模型接入、知識治理、應用和工作流的編排等功能，是我們在集團內(nèi)部AI落地和其它合作伙伴需求中提煉出來的最有價值的功能。我們把這些關鍵功能匯聚到產(chǎn)品里，也能更好地幫助企業(yè)落地AI。

AI for Process指引未來方向

徐湲策：我們對AI未來的發(fā)展有兩方面暢想：首先，構建AI Agent串聯(lián)服務平臺，將企業(yè)內(nèi)部數(shù)據(jù)或企業(yè)服務平臺打通，讓AI能力走入各個業(yè)務系統(tǒng)里，大幅降低傳統(tǒng)“數(shù)云融合”中的邊界平臺擴張成本。以嵐圖工廠為例，嵐圖工廠需應對多元化訪客（包括安保/保潔/供應商/交流人員等），不同人員涉及到差異化的門禁權限、路徑規(guī)劃、會議室預定及IoT設備聯(lián)動，背后依賴多個系統(tǒng)的協(xié)同。如果可以通過單次文件的提交，以Agent自動串聯(lián)后臺的各個系統(tǒng)，將大幅削減人工耗時。

同時，嵐圖跟神州數(shù)碼有一個不謀而合的點便是“AI for Process”。汽車產(chǎn)業(yè)鏈很長，覆蓋供應商協(xié)同、備貨、生產(chǎn)組裝、質(zhì)檢、交付、售后等，這些鏈路里有無數(shù)的流程。如果可以通過在產(chǎn)、銷、服等橫向流程中嵌入大模型能力，并結合知識治理與自動化運營，將實現(xiàn)超越基礎效率提升的價值——驅(qū)動高質(zhì)量交付與高效團隊協(xié)同。

馬曉東：首先，作為企業(yè)AI中臺的基座平臺，神州問學的基座能力將隨著技術迭代持續(xù)演進，如MCP、AI for BI等，做到從有到優(yōu)。其次，對于多Agent串聯(lián)，我們內(nèi)部也已經(jīng)做出嘗試，例如在會議室預定方面，現(xiàn)在員工只需向"超級員工"發(fā)送會議室需求，即可自動獲取可選清單，取代了傳統(tǒng)OA系統(tǒng)的繁瑣操作。此外，垂直領域?qū)I(yè)化訓練正大幅降低企業(yè)模型落地門檻——神州問學團隊在亞馬遜云科技大模型聯(lián)賽中，僅用3小時微調(diào)的3.5B小模型，即在指定領域表現(xiàn)碾壓通用70B大模型，斬獲大賽冠軍，驗證了小模型通過定向優(yōu)化可超越通用大模型的可行性，為高效企業(yè)級AI部署提供了新范式。

胡琳君：神州數(shù)碼正沿著多條路徑布局遠期AI戰(zhàn)略，比如接下來的重點工作之一“AI for Process”直客型業(yè)務LTC流程重塑項目，旨在通過AI重構業(yè)務流程驅(qū)動企業(yè)價值升級，追求系統(tǒng)性業(yè)務重塑而非單點創(chuàng)新。同時，我們的研究團隊已經(jīng)在開展垂直領域的深度攻堅，例如在醫(yī)藥研發(fā)領域推進專業(yè)垂類模型訓練，旨在打造行業(yè)專業(yè)模型，最終為客戶創(chuàng)造實質(zhì)價值。

【圓桌話題二】
AI for Process的汽車生產(chǎn)與制造升級

當下，談企業(yè) AI 必然離不開 “場景”。在企業(yè) AI 快速落地的過程中，以汽車行業(yè)為代表的制造業(yè)體系應關注哪些高價值場景？又基于哪些訴求需要建設 AI 中臺？

圍繞上述話題，神州數(shù)碼企業(yè)云集團 AI 交付專家陳巍、汽車研發(fā)高級顧問汪彥磊、江鈴汽車高級數(shù)據(jù)產(chǎn)品總監(jiān)梁融韜，就汽車行業(yè) “企業(yè)級 AI 平臺建設”“企業(yè)級 AI for Process 的建設” 等話題展開了深入討論。

企業(yè)級AI平臺誕生的背景是什么，
建設時有哪些問題和關注點？

梁融韜：企業(yè)級 AI 平臺建立的初衷源于三大動因：首先，AI 領域技術的快速迭代與落地；其次，企業(yè)內(nèi)部 AI 場景落地的需求，催生了對企業(yè)專業(yè)知識的全面整合需求。數(shù)字化時代，企業(yè)核心業(yè)務（如汽車行業(yè)的研發(fā)、制造、營銷、財務等）積累了大量高價值專業(yè)知識，這些知識必須與 AI 應用深度融合才能釋放價值，這驅(qū)動著企業(yè)系統(tǒng)性重構知識體系與數(shù)據(jù)資產(chǎn)；第三，企業(yè)管理人員、相關工作人員及終端用戶希望智能體（Agent）能 “量身定制”，因此只有深度嵌入企業(yè)業(yè)務流程，智能體才能發(fā)揮最大價值 ，也由此催生出企業(yè)級 AI 平臺。

在企業(yè)級 AI 中臺的建設中，需對算力資源、模型管理、企業(yè)知識與數(shù)據(jù)資產(chǎn)進行統(tǒng)一管理，并提供用戶定制化接入大模型的敏捷能力。此外，還需統(tǒng)籌考慮數(shù)據(jù)安全機制、可靠性保障及測試運維框架，確保企業(yè)能持續(xù)緊跟 AI 發(fā)展進程。

汪彥磊：無論是AI中臺還是最終的AI應用，AI的發(fā)展都不是一蹴而就的。我將其總結為四個階段：第一，基礎語言能力階段：如同企業(yè)中的 “信息搜集員”，掌握基礎語言交互能力；第二，分析推理能力階段：AI 通過持續(xù)學習形成記憶與邏輯推理能力，支持決策分析；第三，行為能力拓展階段：可調(diào)用工具執(zhí)行任務，實現(xiàn)生產(chǎn)力轉(zhuǎn)化；第四，創(chuàng)新階段：AI 具備開闊思維與自我否定能力。企業(yè)級 AI 平臺的建設，本質(zhì)上遵循這種演化過程。

AI中臺建設有哪些難點？

梁融韜：在數(shù)據(jù)層面，傳統(tǒng)信息化與數(shù)字化建設階段積累的數(shù)據(jù)和知識，已難以滿足AI時代對數(shù)據(jù)的深層需求。以汽車行業(yè)為例，當利用AI開展視覺造型設計時，為保證設計出具有品牌特色的造型，車企需對汽車內(nèi)外飾、前后保險杠的風格等數(shù)據(jù)進行精準標注，而這類專業(yè)化的數(shù)據(jù)處理工作，在傳統(tǒng)信息化階段并未涉及。

其次，明確AI業(yè)務的上線目標至關重要。企業(yè)應用大模型的核心是讓其深度融入業(yè)務、支撐業(yè)務開展，這意味著AI業(yè)務上線前必須明確業(yè)務人員的預期，再通過技術手段對大模型持續(xù)優(yōu)化，直至達成預設目標。

最后，Agent的建設不應追求“大而全”。企業(yè)級Agent更需走專業(yè)化、垂直化路線，通過多個Agent的協(xié)同配合，來滿足不同業(yè)務領域的差異化需求。

汽車行業(yè)里，哪些AI應用場景
可以幫助企業(yè)快速獲得收益？
篩選這類場景時該遵循怎樣的思路呢？

梁融韜：隨著 Deepseek 的走紅，無論是社會層面還是企業(yè)層面，對 AI 的需求都呈現(xiàn)出爆發(fā)式增長。這意味著，如果企業(yè)正在維護一份業(yè)務場景地圖，那么與之相關的 AI 應用規(guī)模正在急劇膨脹。因此，如何將 AI 能力與業(yè)務訴求深度結合，成為場景選擇時的重要考量因素。結合個人實踐經(jīng)驗看，場景篩選需通過“業(yè)務價值-AI能力-投入產(chǎn)出比”三維評估，才能選擇最合適的場景做AI落地。

在確定場景后的落地順序上，我們會優(yōu)先選擇知識治理成熟、數(shù)據(jù)質(zhì)量更高的業(yè)務線率先推進。對于其他高價值場景，則會根據(jù)現(xiàn)有知識基礎，優(yōu)先完成知識治理工作，再逐步接入 AI 應用 。這是我認為較為理智的落地方式。

與此同時，我們也在借助低代碼工具（如 Vibe Coding），鼓勵業(yè)務人員通過少量編碼甚至零編碼的方式，自主構建專屬 AI 工具與智能體（Agent），以此激發(fā)業(yè)務端的自主創(chuàng)新活力。

陳?。嚎偨Y來看主要有兩點，一是 AI 場景的選擇需依托科學的評估方法。例如神州數(shù)碼在為客戶部署 AI 時，會通過 “業(yè)務重要性、技術成熟度、數(shù)據(jù)完整度” 的三維模型進行篩選，從中優(yōu)先選取業(yè)務價值突出、數(shù)據(jù)基礎扎實且技術實現(xiàn)難度較低的場景率先推進 AI 落地。二是 AI 中臺應向業(yè)務用戶開放更多簡易的低代碼乃至無代碼工具，助力業(yè)務端深度參與 AI 場景的共創(chuàng)。

汪彥磊：當下企業(yè)AI落地可劃分為“AI + 業(yè)務”與“AI + 產(chǎn)品”兩個維度。在“AI + 業(yè)務”層面，結合此前提及的AI發(fā)展四階段，能夠快速落地的場景主要有四類：其一，語言類Agent場景，涵蓋售后客戶服務、客戶關懷回訪等。這類應用既能傳遞情緒價值，又能為企業(yè)降本增效，目前在C端的使用率已較為可觀；其二，分析推理層面，例如車企常見的目標客戶分析、競品分析、客戶畫像構建等，借助AI為業(yè)務決策提供輔助；其三，合規(guī)類場景，通過AI技術為質(zhì)量檢查、合規(guī)性審查、各類審核工作提供支持；其四，創(chuàng)新領域，比如利用AI開展汽車視覺造型設計等探索。

為什么要建設企業(yè)級AI for Process？

梁融韜：我們與神州數(shù)碼團隊在企業(yè)數(shù)字化轉(zhuǎn)型、流程改造及 AI 能力融合等方面，已開展了諸多深入探討與實踐。以汽車行業(yè)為例，整車制造流程乃至企業(yè)整體運營中，存在從 L1 到 L5 級冗長且復雜的流程體系，在這類場景中推動 AI 落地，首要任務就是實現(xiàn)AI與流程的深度結合、打通。流程節(jié)點的數(shù)據(jù)、上下文、任務關系天然匹配AI輸入輸出邏輯，必須將AI能力深度嵌入流程載體。從這個角度看，AI天生就應該跟Process融合在一起。

其次，數(shù)智化轉(zhuǎn)型的深入催生了企業(yè)對流程精益化的迫切需求，借助數(shù)據(jù)與 AI 的分析能力，流程的迭代優(yōu)化過程得以顯著加速，這也成為將 AI 融入流程的核心出發(fā)點。

陳?。喝绻贏I中臺構建“AI for Process”相關體系，第一步必然是企業(yè)先梳理清楚自身流程，為AI的學習與分析提供基礎。在實際運作中，首要的是與企業(yè)系統(tǒng)深度結合——這一點上，Agent大有可為，但需要通過更多適配與研發(fā)，讓Agent能依托流程載體直接輔助用戶操作系統(tǒng)。

從長遠來看，AI結合系統(tǒng)數(shù)據(jù)后，將能真正實現(xiàn)流程的深度分析，若結合行業(yè)標準流程，便能助力企業(yè)在研發(fā)、生產(chǎn)、供應、銷售、庫存、人力、財務等全領域?qū)崿F(xiàn)效能提升。當然，這是基于企業(yè)AI中臺的一個宏大工程。

AI未來的發(fā)展方向

梁融韜：為應對AI技術的高速發(fā)展，企業(yè)需建設具備穩(wěn)定輸出能力的AI平臺。該平臺應像“穩(wěn)定生產(chǎn)力的工廠”，在保障企業(yè)業(yè)務穩(wěn)定性的前提下，能靈活快速地切換“零部件”。另外，企業(yè)要對前沿技術（包括MCP技術、MCP下的獨立智能體和多智能體的協(xié)作、以及多智能體協(xié)作的A2A的技術等）保持關注，但關鍵在于選擇合適的時間點，并以靈活插槽的方式將其嫁接至企業(yè)平臺，快速產(chǎn)生效益并將適配改造最小化。

【圓桌話題三】
生成式AI推動企業(yè)綠色低碳轉(zhuǎn)型進程

當前，極端天氣頻發(fā)等氣候變化引起廣泛關注，在國家“雙碳”戰(zhàn)略持續(xù)推進和可持續(xù)發(fā)展關注度提升的同時，國家將人工智能列為重點發(fā)展方向。那么，如何將“人工智能”與“碳中和”深度結合起來？神州數(shù)碼企業(yè)云集團云服務BU副總經(jīng)理朱明磊、云和信創(chuàng)研究院AI解決方案中心總經(jīng)理李盛與北京嘉岳數(shù)智科技有限公司創(chuàng)始人、總經(jīng)理魏浩，展開深入探討。

AI是提升可持續(xù)發(fā)展領域
工作效率與精準度的剛需

魏浩：從可持續(xù)發(fā)展的角度來說，我們認為社會認知分為三個階段：環(huán)境治理（已成為全民共識）；碳達峰、碳中和（正在逐步形成共識并轉(zhuǎn)化為全社會的協(xié)同行動）；資源循環(huán)（可持續(xù)發(fā)展的終極場景）。三者共同構成經(jīng)濟社會的核心發(fā)展方向，深度關聯(lián)產(chǎn)業(yè)升級與企業(yè)運營。

泛娛樂化應用大模型難以觸及生產(chǎn)效率內(nèi)核，大模型價值的真正釋放需要錨定垂直領域，在相對嚴肅、嚴謹、專業(yè)的場景中應用大模型才能充分釋放潛能（如碳排放識別管理）。此類場景存在大量需要人工專家梳理的業(yè)務流程評估工作，而AI技術的加持將顯著提升工作效率與精準度，是實現(xiàn)碳減排與能源優(yōu)化的技術剛需。嘉岳數(shù)智正是立足于這種必要性及可行性，選擇了碳與AI結合的路徑。

傳統(tǒng)的人工報告編制
成本比較高、周期長，
您能圍繞其中的細節(jié)和難點展開講講嗎？

魏浩：難點主要有四個：第一，數(shù)據(jù)獲取比較分散，人工編制時需從新建項目的設計文件、可研報告等材料中手動提取關鍵信息；第二，長文本較為復雜。碳評價報告不僅是數(shù)據(jù)堆砌，更是嚴謹?shù)募夹g文檔。比如政策符合性分析、核算標準及邊界的確定等，都需要嚴謹?shù)奈谋久枋?；第三，?shù)據(jù)的格式比較多元，文本、公式、表格及圖像等混合形態(tài)，面臨多源異構數(shù)據(jù)，人工處理效率低下；第四，對于產(chǎn)出內(nèi)容精度的要求高，評估工作需經(jīng)多輪數(shù)據(jù)校驗與內(nèi)容復核，大幅增加人工成本。

針對上述難點，
神州數(shù)碼為嘉岳提供了哪些解決方案？

李盛：我們提供了三大方案：

第一，通專融合：我們并沒有完全使用RAG的方式，而是通過大模型精調(diào)（Fine-tune）實現(xiàn)通專融合，讓碳評測模型精準解析跨行業(yè)專業(yè)任務；

第二，長文本生成優(yōu)化：針對涉及大量表格和復雜公式推理的長篇能源報告（一般在40-60頁左右），在Transformer層構建長記憶層，實現(xiàn)Agent層與模型層的長短期記憶協(xié)同，保障流程任務中的有效信息一致性；

第三，質(zhì)量評測標準化：在問學平臺構建自動評測集，AI自動審核所生成內(nèi)容，專家僅需評估確認審核的科學合理性，最終形成碳評測質(zhì)量評估的運營閉環(huán)。

在垂直領域、嚴肅場景中實現(xiàn)
長文本智能報告生成，信心何在？

魏浩：這份自信首先來自于我們錨定的產(chǎn)品方向——垂直領域的嚴肅、嚴謹、專業(yè)場景的長文本智能生成，其次，我們是運用大模型技術面對已知的問題，去匹配已知答案。從這個意義上來講，我們的產(chǎn)品方向從理論上是完全可以實現(xiàn)的。具體而言，我們提出EPAG技術（Expert Process Augmented Generation專業(yè)流程增強生成），該技術有三層邏輯：

第一，理解層：通過對領域知識進行模塊化切割，通過模塊將垂直領域的專業(yè)流程進行工程化轉(zhuǎn)譯，確保大模型準確理解并精準生成所需內(nèi)容，在此基礎上再進行審核；

第二，文本層：通過文本生成模塊內(nèi)置流程記憶體來確保長文本生成精準的同時又符合報告的邏輯。

第三，評測層：通過多領域自動化評測模塊實現(xiàn)報告文本的生產(chǎn)級內(nèi)容質(zhì)量。

嘉岳數(shù)智的核心競爭力源自垂直領域認知的積累，同時特別重要的是在AI能力建設方面有神州數(shù)碼AI能力的強大加持。

李盛：郭總在提出“AI for Process”理念時提到了一個概念——“通專融合”，其本質(zhì)解決的問題是通用模型如何掌握專業(yè)的能力，其核心挑戰(zhàn)在于將專家的隱性知識顯性化。為此，我們與嘉岳數(shù)智共創(chuàng)EPAG的算法和方法論，通過語義切割、概念映射、領域適配三個層面解決企業(yè)如何把隱性知識顯性化的問題。

神州數(shù)碼和嘉岳的協(xié)作機制是怎樣的？

李盛：我們的合作非常緊密，有三點我要特別感謝嘉岳。第一，嘉岳沒有將我們的合作看作一次“采購”，而是雙方共同定義問題邊界，以業(yè)務需求驅(qū)動功能設計，實現(xiàn)企業(yè)組織流程的重構；第二，嘉岳用平臺化的理念解決AI問題。在項目伊始就采用問學平臺作為載體，統(tǒng)籌Agent、算力與模型資源，破解AI孤島困境，并構建端到端的Super APP（集成碳評測報告生成、計算公式工具等），以平臺化思維思考AI在企業(yè)的落地。第三，我們有共同的AI價值觀。

魏浩：嘉岳數(shù)智的AI實踐表明通用模型難以滿足專業(yè)文本生成的精度需求，直到我們遇到神州數(shù)碼團隊，雙方無論是從理念還是做法上，可以說是高度契合，并且很快達成共識，也形成了聯(lián)合研發(fā)、敏捷迭代的共創(chuàng)機制，以此促進了嘉岳數(shù)智的專業(yè)認知與神州數(shù)碼AI能力的深度融合。

在引入“專家流程增強生成”技術后，
取得了哪些可見的成效？

魏浩：基于目前預發(fā)布的產(chǎn)品，從目前的測試效果來講，可以說大幅提高了文本生成的效率：第一，專業(yè)領域當中術語理解的準確度，從30%提高到80%左右；第二，對于生成內(nèi)容的采用率，從比較低的10%能提高到70%左右；第三，碳核算指標的準確度，從最初的70%能夠提升到95%以上。

面向未來的AI發(fā)展規(guī)劃與布局

魏浩：標準化產(chǎn)品一直是我們關鍵的目標，在當前的階段，標品研發(fā)是雙方圍繞目前全國碳市場強制監(jiān)管的重點行業(yè)，正在研發(fā)碳排放評估報告智能生成工具，并將逐步擴展至碳足跡、ESG等文本的AI應用開發(fā)；再者，基于問學平臺，嘉岳數(shù)智將推出政策檢索、行業(yè)分類等業(yè)務適配型工具助手；面向未來，要在夯實碳領域產(chǎn)品矩陣的基礎上，向能源評價、安評等細分評估領域拓展。

李盛：在解構“AI for Process”理念時要考慮兩個驅(qū)動因素，一是技術范式的驅(qū)動，二是業(yè)務模式的驅(qū)動。我相信未來在我們跟嘉岳合作的聯(lián)合解決方案，抑或是神州數(shù)碼和其他客戶合作共創(chuàng)的解決方案，都是圍繞著如何用“業(yè)務+技術驅(qū)動”的范式去構建聯(lián)合解決方案。未來，“AI for Process”的落地會圍繞如何幫助企業(yè)真正產(chǎn)生業(yè)務價值；同時，我們將繼續(xù)以開放共享的理念與合作伙伴共建AI生態(tài)。

聚焦金融科技、供應鏈、智慧政務、汽車數(shù)智化等關鍵領域，匯聚行業(yè)專家與實戰(zhàn)操盤手，數(shù)云原力®2025專項活動——AI for Process系列直播日通過3場直播、近10個熱點話題，以真實案例分享AI賦能研發(fā)工藝、數(shù)據(jù)應用、供應鏈運營、政務服務及汽車制造等核心流程的實踐經(jīng)驗，破解AI落地難題，驅(qū)動企業(yè)利用AI重構業(yè)務流程、實現(xiàn)價值躍升，推動企業(yè)數(shù)智化轉(zhuǎn)型邁向更高階的「流程智能」時代。