圆桌二：智变·新引擎——人工智能如何重塑企业增长逻辑

  圆桌二

    费子铭：今天时间比较紧张，主题是人工智能如何重塑企业增长逻辑，邀请到的四位嘉宾，阿尔特CEO、总裁张立强总，格灵深瞳CEO吴一洲总，北信源副总裁姜来总，百炼智能创始人兼CEO冯是聪总。几年前的人工智能还是一个技术概念，今天来看它已经实实在在进入到了企业的增长公式，有的企业用它降本，有的企业用它来增收，有的用它来改变商业逻辑，有的用它重新定义产品和客户逻辑。

    来自不同赛道企业负责人，聊到人工智能如何成为企业增长的全新引擎，我是主持人来自天地在线的费子铭。第一个问题，希望每一位嘉宾分别回答一下，人工智能作为新质生产力在各位企业中最直观改变了什么？请结合自身业务谈一个最核心的变化。

    张立强：阿尔特汽车主要是提供汽车整车研发技术，在这个背景下，现在的人工智能给我们带来了一个比较显著的变化，整个在业务发展中，对效率有比较大的提升，以及对于人才梯队培养起到了非常显著的成果。

    我们主要以项目制为主，为主机厂提供汽车技术，在效率提升方面，通过从整车的车身和造型，能够利用人工智能把一些偏重复性的，或者是在某些框架之内需要大量人力去完成的工作，利用AI可以让效率明显的提升，或者节省大量的人力。

    对于阿尔特汽车的工程师来讲，对于非常有经验、又参与过非常多的项目工程师是非常稀缺的。通过AI可以把相对比较年轻的工程师在很短的时间内，让他具备非常有经验的工程师整车开发理念，包括一些技术水平，这些都是对我们很显著的改变。

    吴一洲：格灵深瞳是一家人工智能公司，从事视觉智能很长的时间，尤其是应用落地的方向。我们更把现在这个时代叫大模型时代，或者是智能体时代，在这个时代里其实技术是突飞猛进的，而且它是高频的，跃阶性在变化。当年的视觉算法传统的小模型时代，手搓算法的时代，想突破盈利是很难的事情。在当下的大模型时代里面，全部在大模型原生或者Agent原生的技术架构下，其实是存在了可以相对标准化和工具化，然后推出一个更高效的智能体，使得客户受益，公司也能走向规模化经营的契机，这个契机现在诞生了，但是这条路还是很难的。所以对于我们来讲，很多的转变不光是内部的人员结构的改变，包括生产模式的改变，生产工具的改变，更多是我们看待这个赛道的改变。

    姜来：我是来自北信源的姜来。北信源是传统的信息安全公司，今年已经30年了，所以在人工智能的时代，对于企业的发展这个话题有两个方面，我们有机会从一个传统的信息安全企业分为两条线，一个是继续来做智能的安全，我们也有机会去参与安全的智能方面的建设。

    智能安全方面，我们保障了全国数千万台的各种终端安全，随着大模型在全球飞速的发展，我们的客户大概4万多家，很多都是一些重要关键基础设施单位，他们反馈回来的信息和软件，还有应急指挥和告警信息比以前多很多。

    我们作为深扎在信息安全领域的企业，我们有机会做安全为基因的人工智能的应用场景。我们做了一个“爱传”的人工智能母语翻译软件，这个软件服务于出海用的，后来被文旅部选为“你好，中国”。一个安全的公司怎么会做母语传译的软件，离开大模型是没有这个机会的。这个也坚定我们未来依托自己以前的积累情况下，再开发各种类型的应用场景，给企业带来一些新的增长机会。

    冯是聪：我是来自百炼智能的冯是聪，今天的主题是AI对我们的业务有什么帮助，我们是传统做SaaS的，一是帮助客户去找客户，二是找线下门店，开店选址。我们特别开心，因为给客户的体验变了。举一个简单的例子，告诉我们说今年所有上市公司都招了多少标，投了多少标，要选上市公司，最后给一个列表，要操作很多步。今年只需一句话就能完成，AI把这些都变成了特别简单的操作。

    对我们原来做SaaS的体验是彻底的颠覆，原来按照年费的方式，现在按照次数来收费，我们封装了几个skill放上去，几乎没有做任何的宣传，用户体验也很好。

    第二，18年成立的时候，1.0的时代，做的绝大部分的小模型都跑起来了，坦率来讲没有什么价值，直接就扔了，用大模型就可以了。对于编程，比较牛的，做20年的编程人员，一个人可以干一百个人的活，在节流和提效是非常有效。

    张立强：第二个问题是针对张立强总和冯总，阿尔特是汽车设计和工程服务的企业，百炼是专注于B2B的营销，给客户提供的核心价值发生了什么样的变化，客户更愿意为哪些新的能力买单？

    张立强：作为阿尔特来讲，阿尔特是做汽车研发的，我们给客户提供从以往的人力规模的技术服务，正在向能够提供综合的解决方案，这个对客户来讲是价值的变化。很多地方从单点到全站的解决方案，这是客户非常需要的。

    这些年基于AI的发展，研发的垂类模型方面自研了很多，除了自用以后，其实可以赋能给客户的，这都是对它的价值上的改变。（元方）模型主要是在汽车研发过程当中，可以去分析，可以去创立一些方案，甚至去纠错。把以往的靠手动，人工去做的很多工作，都可以用元方模型去做，可以大幅度的提高效率。还有一个模式叫驭风，汽车的风阻是非常重要的一个性能指标，新能源车在60公里以下阻力主要来源于滚动摩擦，一旦超过60公里每小时，大部分的阻力都来源于风阻，大家有里程焦虑。所以降低风阻的系数，对于里程的焦虑和续航会非常有帮助。这个模型就可以帮助在做整个效果草图的时候，就可以进行风阻的计算，可以把风险大大的前置，这个对企业研发是非常有好处的。

    还有一个模型是太乙，主要是做到文生图，图生图，二维转三维，这是做量产车无论是UA界面，包括清晰度都不是一个量级的。

    既然你这么好，客户为你的哪些方面买单？其实客户非常直接的一个痛点或者是因素，可以大幅降低他的开发周期。原来一款的开发需要36个月，后来提升到24个月，现在提到了18个月，甚至到了竞争比较激烈的时候，能够比其他同类车型提前上市三个月，或者四个月，其实已经抢占了很多的先机。现在两年一小改，三年一大改，能够降低客户的开发周期，对他是一个非常吸引的点。

    另外通过AI可以比较好的去纠错，甚至让我们的方案更完善，原来人脑想的五个方案，现在用了AI，可以拓展到10、20个方案，让客户有更多的选择，让他有更多的可能性。无论从品质和可能性的数量，对他来讲都是很好的着眼点，都会为这些东西买单。

    费子铭：利用AI技术，我自己来检查和修改自己做的东西，这个过程当中其实会不断去优化产出的结果，也是提升工作效率很有效的一种方式。

    张立强：以后要用AI来训练AI。

    冯是聪：AI来了之后，客户买单有两方面，第一个是数据，自己专有的行业数据，大模型中可能覆盖了60%的公开数据，或者是常见的数据，剩下40%是没有的，做了很多的分析结果是错的，或者有偏差的。你有能力把这个数据覆盖到90%或者95%以上，结果肯定比他好。

    第二，原来可能是给客户卖的是一个工具，自己去用，现在变成了一个结果，原来告诉我哪一个标值不值得投，首先得知道这个标，拿到了以后要分析招标的时间，还有资质，判断一下这个标值不值得投。现在不要你思考了，就告诉你这个标值得你去投，直接把结果给你，原来是人拿工具去分析，现在把分析结果给你了。

    以前小模型做的很费劲的一个工作，知道这个标在投，接下来要去投标，得写标书，成本很高，一个人干一个星期，几百页，现在几分钟内就生成完整的几百页的招标文件，基本上完成了85%以上，因为后面做了很多的模型，原来买一个工具自己去用，现在变成直接给一个标书，给一个结果，一份可能10、20元钱，可能省几天的时间。大模型和AI来了以后，要么是没有数据，要么是给数据后将直接给我一个满意的结果。

    费子铭：第三个问题问一下吴一洲，格灵深瞳在多个行业落地了AI视觉，你们判断一个场景值得做的一个核心标准是什么？有没有什么是你们主动尝试后而放弃的？

    吴一洲：现实面临的问题，一个场景值不值得做就是两本账，一本账就是客户的收益账，再就是商业账。先说客户的收益账，大部分的客户接受AI，都是以降本增效来切入的，从降本增效的角度来说，对于一些高频的重复性人工，希望通过视觉算法来解决掉。很多视频监控原来是人看，现在改变从AI看。还有一些黑天鹅事件，包括一些重要重大的事故类的，因为人是存在疲惫期的，或者人不像机器一样可以24小时运转的，这个是最开始的切入诉求。

    慢慢现在经历了前面很长时间的使用，更多的是走向了业务应用，如何让这个算法嵌入到业务流程，还有日常任务之中，同时还能帮我去训练一支可以自己迭代优化算法的团队，我们的业务方向就从提供给客户一次性的算法，或者一次性的买卖，变成了给客户提供了一套真正易用性的工具集，易用很重要。真正使用这一套AI工具落地的一线业务人员，并没有大家想象的在AI能力水平上那么高，一旦有易用性的问题，当大家出现了很强的抵触，其实对于客户来说，这个收益是负的，不是正的。

    从一个公司的商业账来讲，我们作为一个科技企业在研发投入上是不遗余力的，尤其是在底层模型投入上，包括在工程化的投入上，尤其给各个国产芯片还有各方面的适配上，这个投入都是巨大的。但是真正要做出来这个产品的时候，现在是必须考虑收益的。当年其实手搓100种算法的时代，这种收益根本算不过账的。现在，在软硬协同的体系下，我们可以让客户自己0到1，我们帮客户做，1—10我们陪客户做，1—100客户自己也能玩的路径。这是一个双赢。大部分的场景都出现在了客户收益没有预期那么高，我们也很难走向盈利的过程中。

    对于放弃的场景，在三年之前我们放弃的场景是非常多的，在小模型时代，一个场景一做的方式下，其实很大部分场景都是边际效应是很难达到预期的。现在我们放弃的场景反而是大幅度减少了，因为我们可以有时间，有工具，可以跟客户在数据不出网的情况下，通过现在的视觉智能工坊能够让客户慢慢去积累一些长尾算法的能力。

    还有意识突发的灵感性场景，这个很难持续规模化的，我们也会放弃掉。还有一种是比较特殊的，现在整个算法，尤其是视觉类的算法还是应用在旁路的，很难串联在真正的业务流程里面，也就是说走向闭环，这个东西发生了告警的问题，下一步会不会做阻断，这个事情还需要很长的路去走，还是得旁路分析。其实这几类场景下，有一些是我们持续的，从长远的角度来讲是一直要跟进的。

    费子铭：一个企业最大的资源浪费就是努力的去解决一个原本不该存在的问题。北信源专注于信息安全，在AI赋能企业增长的同时，安全风险也在演变，从你们的视角来看，企业在拥抱AI的时候，最容易忽视的安全漏洞是什么？

    姜来：AI在飞速的发展，社会在讨论，媒体也在推波助澜，产业各种资本涌入，一切都是很美好。企业进行AI的转型，无论是+AI，还是AI+，我们接触的一些实践案例里面，出发点就两个，一个是降本增效，第二个是辅助决策。很多企业都在做降本增效，无论是营销岗还是运营岗，最顶级的大模型产生的coding原代码，从真正安全审计角度来讲，比以前我们发现的要更多。所以我建议一些企业尤其是研发部门在用AI辅助进行coding的时候，要真的加强一下代码审计的工作，它的幻觉和skill，包括定的规则前面一定要设计好，后面必须要把一道关。

    后面做辅助决策的时候也是一样，5500家上市公司，如果AI能够更好帮助上市公司的高管会进行讨论，在董事会讨论都涉及到商业秘密，这个时候喂给模型肯定都是涉及到企业很核心的东西，无论是可以公开的财报，还是内部的经营数据，销售数据，管理数据，甚至招投标信息，前提第一个是私有化，不会把这些东西放到大模型；第二，包括知识库的搭建，包括人为的一些因素，在网络安全里面老强调大数据安全，在AI时代小数据可能更重要。因为你会用AI帮助企业收集以前可能散落在各地的报备，这样一些黑客就可以更精准全部把它拿走，一次性连锅都端了。家里面东屋放一点，西屋放一点，一次拿不走，现在不一样了，已经全部汇聚了。尤其在企业的决策层，如果想做这件事，也要把安全的底线思维放在前面。以前我们专门服务企业决策层，现在已经升级了董事长的AI保护，完全数据的私有化、脱敏，包括能符合审计的要求。

    我还有一个社会职务，中国上市公司协会里面专门有一个人工智能专委会，借今天这个宝贵的机会，也呼吁格灵深瞳优秀的人工智能企业加入到专委会里面，共同探讨正在编制的人工智能发展报告，争取在这个平台上一起来探讨企业未来更加安全、高效依托AI更好发展，避免出现一些致命的。要有底线的思维，就像一个车一样，强调跑得越快，这个时候安全带一定要系紧，刹车系统一定要好，否则后果一定是灾难性的。

    费子铭：用一句话来概括一下AI时代你们企业全新的增长逻辑是什么？

    张立强：基于阿尔特的业务类型，这几年我们在AI方面的投入以及成果，一句话可以这么说，阿尔特从汽车研发的服务商转变为汽车科技创新企业。

    吴一洲：格灵深瞳通过用AI原生的架构，以及AI的定义软硬协同，打造一套端到端的给客户赋能的视觉能力平台，和客户一起更多的是陪伴，也让客户拥有能力用AI看见和理解世界。

    姜来：北信源在AI的时代，进一步通过AI赋能传统的安全产品。

    费子铭：时间有限，第二场圆桌就结束了，谢谢大家！