7月2日，數云原力?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，與行業客戶深入交流、分享企業AI落地的洞見與成功實踐經驗，助力企業破解AI落地難題，驅動企業以AI技術重構業務流程、實現價值躍升。

積跬步，致千里
從場景出發的企業AI價值釋放

PA捕魚數碼聯席董事長、首席執行官王冰峰在開場主題發言中表示：“今天的企業級AI落地仍處于早期階段，大部分企業場景下的AI應用還處在單點創新的狀態，還未找到形成顯著正向回報的場景。要實現AI技術和企業的深度融合，需要從企業的流程入手——這也是我們強調‘AI for Process’理念的原因。只有當AI深度嵌入企業流程中，與業務流程實現深度融合和相互促進，才能真正推動AI在企業中的規模化應用?！?/p>

【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在企業中真正落地？落地中的“坑”又該如何規避？PA捕魚數碼云和信創研究院AI交付中心總經理胡琳君、AI應用架構師馬曉東與嵐圖數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

徐湲策：東風嵐圖數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，但我們持續關注著行業前沿技術。從ChatGPT橫空出世到長文本大模型的出現，尤其是當我們看到Perplexity的DAU數據時，我們意識到大模型已經發展到了在企業內部進行應用的程度?；诖?，我們正式啟動大模型項目。發展至今，AI應用已覆蓋部門的全業務領域?？v觀這幾年的AI探索歷程，我們面臨的挑戰主要體現在三方面：人才招募、場景選擇、價值體現。

馬曉東：PA捕魚數碼在“數云融合”戰略的指引下 ，在云與數據領域形成了深厚的積累。而數據與算力恰好是驅動AI發展的兩大要素，因此，PA捕魚數碼在AI時代順勢入局，專注大模型的企業級場景落地，由此誕生了——“PA捕魚問學”。隨著實踐經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”的內涵聚焦于流程標準化和人效提升，精準對應了AI在企業中落地的核心挑戰：流程優化與人員賦能。

胡琳君：過去兩年間，我也深度參與了PA捕魚數碼內部的數字化與AI落地進程。從發現場景到技術落地、內部推廣，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，PA捕魚數碼在內部落地的“超級員工”“智能人才搜索”等AI應用，都獲得了很多積極反饋。

挑戰如何破解？關鍵著力點在此

徐湲策：企業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，除了內外部招聘，我們還著力培養團隊成員向業務專家轉型，因為大模型在企業內部的應用不僅需要對技術的理解，還需要對業務的認知。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更快、更準確的結果交付，目標是將AI能力深度融入業務流，讓用戶甚至無需感知對話過程即可獲取所需。

例如，新能源行業激烈的市場競爭環境加上復雜的國家相關法規政策要求，嵐圖常常面臨市場宣傳需要與法務合規管控的矛盾。以往，業務人員需要耗費大量精力查閱最新法規、協同多個部門審核宣發內容。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，系統就能自動識別，智能審核其是否違反相關法規、是否與嵐圖自身、與東風集團乃至整個汽車行業的合規規則存在沖突。系統甚至還能進行全行業案例比對，識別潛在相似風險點，預先規避。我們已經不需要太多的問答。

要實現上述場景，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，我們需要聯合合作伙伴不斷挖掘模型潛力，方能精準匹配業務目標。同時，鑒于國家政策等外部信息是動態變化的，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，結合互聯網的數據與定向微調，從而高效實現場景落地閉環。

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

第一，知識治理。企業內部場景要求AI輸出零容錯，與C端問答可容忍錯誤存在本質差異。因此，在知識治理時，要打通企業內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務形態、流程及文檔特性，并且實現問題提交后自動觸發下一流程。

第二，運營。AI應用與傳統IT系統（如CRM的按鈕/表單操作）存在本質不同，AI應用一般的形態是“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，系統化收集痛點與優化點，驅動迭代；并且優先賦能銷售端、商務端等需要高頻跨系統檢索信息的崗位，將超百個OA子系統整合至“超級員工”這個統一入口。

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

而PA捕魚問學設計之初的定位就是企業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品里，也能更好地幫助企業落地AI。

AI for Process指引未來方向

徐湲策：我們對AI未來的發展有兩方面暢想：首先，構建AI Agent串聯服務平臺，將企業內部數據或企業服務平臺打通，讓AI能力走入各個業務系統里，大幅降低傳統“數云融合”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、路徑規劃、會議室預定及IoT設備聯動，背后依賴多個系統的協同。如果可以通過單次文件的提交，以Agent自動串聯后臺的各個系統，將大幅削減人工耗時。

同時，嵐圖跟PA捕魚數碼有一個不謀而合的點便是“AI for Process”。汽車產業鏈很長，覆蓋供應商協同、備貨、生產組裝、質檢、交付、售后等，這些鏈路里有無數的流程。如果可以通過在產、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，將實現超越基礎效率提升的價值——驅動高質量交付與高效團隊協同。

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

胡琳君：PA捕魚數碼正沿著多條路徑布局遠期AI戰略，比如接下來的重點工作之一“AI for Process”直客型業務LTC流程重塑項目，旨在通過AI重構業務流程驅動企業價值升級，追求系統性業務重塑而非單點創新。同時，我們的研究團隊已經在開展垂直領域的深度攻堅，例如在醫藥研發領域推進專業垂類模型訓練，旨在打造行業專業模型，最終為客戶創造實質價值。

【圓桌話題二】
AI for Process的汽車生產與制造升級

當下，談企業 AI 必然離不開 “場景”。在企業 AI 快速落地的過程中，以汽車行業為代表的制造業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，PA捕魚數碼企業云集團 AI 交付專家陳巍、汽車研發高級顧問汪彥磊、江鈴汽車高級數據產品總監梁融韜，就汽車行業 “企業級 AI 平臺建設”“企業級 AI for Process 的建設” 等話題展開了深入討論。

企業級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，企業內部 AI 場景落地的需求，催生了對企業專業知識的全面整合需求。數字化時代，企業核心業務（如汽車行業的研發、制造、營銷、財務等）積累了大量高價值專業知識，這些知識必須與 AI 應用深度融合才能釋放價值，這驅動著企業系統性重構知識體系與數據資產；第三，企業管理人員、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業務流程，智能體才能發揮最大價值 ，也由此催生出企業級 AI 平臺。

在企業級 AI 中臺的建設中，需對算力資源、模型管理、企業知識與數據資產進行統一管理，并提供用戶定制化接入大模型的敏捷能力。此外，還需統籌考慮數據安全機制、可靠性保障及測試運維框架，確保企業能持續緊跟 AI 發展進程。

汪彥磊：無論是AI中臺還是最終的AI應用，AI的發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：可調用工具執行任務，實現生產力轉化；第四，創新階段：AI 具備開闊思維與自我否定能力。企業級 AI 平臺的建設，本質上遵循這種演化過程。

AI中臺建設有哪些難點？

梁融韜：在數據層面，傳統信息化與數字化建設階段積累的數據和知識，已難以滿足AI時代對數據的深層需求。以汽車行業為例，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，車企需對汽車內外飾、前后保險杠的風格等數據進行精準標注，而這類專業化的數據處理工作，在傳統信息化階段并未涉及。

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

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

汽車行業里，哪些AI應用場景
可以幫助企業快速獲得收益？
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層面，對 AI 的需求都呈現出爆發式增長。這意味著，如果企業正在維護一份業務場景地圖，那么與之相關的 AI 應用規模正在急劇膨脹。因此，如何將 AI 能力與業務訴求深度結合，成為場景選擇時的重要考量因素。結合個人實踐經驗看，場景篩選需通過“業務價值-AI能力-投入產出比”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，我們會優先選擇知識治理成熟、數據質量更高的業務線率先推進。對于其他高價值場景，則會根據現有知識基礎，優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），以此激發業務端的自主創新活力。

陳巍：總結來看主要有兩點，一是 AI 場景的選擇需依托科學的評估方法。例如PA捕魚數碼在為客戶部署 AI 時，會通過 “業務重要性、技術成熟度、數據完整度” 的三維模型進行篩選，從中優先選取業務價值突出、數據基礎扎實且技術實現難度較低的場景率先推進 AI 落地。二是 AI 中臺應向業務用戶開放更多簡易的低代碼乃至無代碼工具，助力業務端深度參與 AI 場景的共創。

汪彥磊：當下企業AI落地可劃分為“AI + 業務”與“AI + 產品”兩個維度。在“AI + 業務”層面，結合此前提及的AI發展四階段，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為業務決策提供輔助；其三，合規類場景，通過AI技術為質量檢查、合規性審查、各類審核工作提供支持；其四，創新領域，比如利用AI開展汽車視覺造型設計等探索。

為什么要建設企業級AI for Process？

梁融韜：我們與PA捕魚數碼團隊在企業數字化轉型、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。以汽車行業為例，整車制造流程乃至企業整體運營中，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AI與流程的深度結合、打通。流程節點的數據、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，數智化轉型的深入催生了企業對流程精益化的迫切需求，借助數據與 AI 的分析能力，流程的迭代優化過程得以顯著加速，這也成為將 AI 融入流程的核心出發點。

陳巍：如果要基于AI中臺構建“AI for Process”相關體系，第一步必然是企業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，首要的是與企業系統深度結合——這一點上，Agent大有可為，但需要通過更多適配與研發，讓Agent能依托流程載體直接輔助用戶操作系統。

從長遠來看，AI結合系統數據后，將能真正實現流程的深度分析，若結合行業標準流程，便能助力企業在研發、生產、供應、銷售、庫存、人力、財務等全領域實現效能提升。當然，這是基于企業AI中臺的一個宏大工程。

AI未來的發展方向

梁融韜：為應對AI技術的高速發展，企業需建設具備穩定輸出能力的AI平臺。該平臺應像“穩定生產力的工廠”，在保障企業業務穩定性的前提下，能靈活快速地切換“零部件”。另外，企業要對前沿技術（包括MCP技術、MCP下的獨立智能體和多智能體的協作、以及多智能體協作的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平臺，快速產生效益并將適配改造最小化。

【圓桌話題三】
生成式AI推動企業綠色低碳轉型進程

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

AI是提升可持續發展領域
工作效率與精準度的剛需

魏浩：從可持續發展的角度來說，我們認為社會認知分為三個階段：環境治理（已成為全民共識）；碳達峰、碳中和（正在逐步形成共識并轉化為全社會的協同行動）；資源循環（可持續發展的終極場景）。三者共同構成經濟社會的核心發展方向，深度關聯產業升級與企業運營。

泛娛樂化應用大模型難以觸及生產效率內核，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，是實現碳減排與能源優化的技術剛需。嘉岳數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。

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

魏浩：難點主要有四個：第一，數據獲取比較分散，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據堆砌，更是嚴謹的技術文檔。比如政策符合性分析、核算標準及邊界的確定等，都需要嚴謹的文本描述；第三，數據的格式比較多元，文本、公式、表格及圖像等混合形態，面臨多源異構數據，人工處理效率低下；第四，對于產出內容精度的要求高，評估工作需經多輪數據校驗與內容復核，大幅增加人工成本。

針對上述難點，
PA捕魚數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（Fine-tune）實現通專融合，讓碳評測模型精準解析跨行業專業任務；

第二，長文本生成優化：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Agent層與模型層的長短期記憶協同，保障流程任務中的有效信息一致性；

第三，質量評測標準化：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，最終形成碳評測質量評估的運營閉環。

在垂直領域、嚴肅場景中實現
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品方向——垂直領域的嚴肅、嚴謹、專業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，我們的產品方向從理論上是完全可以實現的。具體而言，我們提出EPAG技術（Expert Process Augmented Generation專業流程增強生成），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流程進行工程化轉譯，確保大模型準確理解并精準生成所需內容，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報告文本的生產級內容質量。

嘉岳數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PA捕魚數碼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”，其本質解決的問題是通用模型如何掌握專業的能力，其核心挑戰在于將專家的隱性知識顯性化。為此，我們與嘉岳數智共創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如何把隱性知識顯性化的問題。

PA捕魚數碼和嘉岳的協作機制是怎樣的？

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，以業務需求驅動功能設計，實現企業組織流程的重構；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在企業的落地。第三，我們有共同的AI價值觀。

魏浩：嘉岳數智的AI實踐表明通用模型難以滿足專業文本生成的精度需求，直到我們遇到PA捕魚數碼團隊，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，也形成了聯合研發、敏捷迭代的共創機制，以此促進了嘉岳數智的專業認知與PA捕魚數碼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：基于目前預發布的產品，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發展規劃與布局

魏浩：標準化產品一直是我們關鍵的目標，在當前的階段，標品研發是雙方圍繞目前全國碳市場強制監管的重點行業，正在研發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；再者，基于問學平臺，嘉岳數智將推出政策檢索、行業分類等業務適配型工具助手；面向未來，要在夯實碳領域產品矩陣的基礎上，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動因素，一是技術范式的驅動，二是業務模式的驅動。我相信未來在我們跟嘉岳合作的聯合解決方案，抑或是PA捕魚數碼和其他客戶合作共創的解決方案，都是圍繞著如何用“業務+技術驅動”的范式去構建聯合解決方案。未來，“AI for Process”的落地會圍繞如何幫助企業真正產生業務價值；同時，我們將繼續以開放共享的理念與合作伙伴共建AI生態。

聚焦金融科技、供應鏈、智慧政務、汽車數智化等關鍵領域，匯聚行業專家與實戰操盤手，數云原力?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賦能研發工藝、數據應用、供應鏈運營、政務服務及汽車制造等核心流程的實踐經驗，破解AI落地難題，驅動企業利用AI重構業務流程、實現價值躍升，推動企業數智化轉型邁向更高階的「流程智能」時代。