吴基术表示，软通动力认为未来新型企业是面向智能、绿色、自主以及国际化、向国际化转型。

　　他解释成，软通动力认为人工智能有四个发展方向：第一是在模型侧，落地应用百花齐放。第二是在国际竞争方面，国际要求全面自主化，这是一个特别大的发展机会。第三是在双碳背景下，绿色发展、绿色能源包括现在的大模型在智算等等维度去发展。第四是全球化、国际化，目前中东、东南亚等等这些地区机会特别多。

　　以下为演讲实录：

　　吴基术：各位领导、各位专家早上好，很荣幸接受主办方的邀请在这里跟大家分享一下我们软通动力一年多以来在AI应用上落地的一些实践经验分享。

　　首先介绍一下，我是运营商智能终端与零售事业群AI研究中心负责人吴基术，我们这个事业群就是在客户维度上做了划分，应用上、移动、更新，终端智能主要是手机客户，零售主要是消费者。在这里我讲的很多内容是偏应用这个层面，我看了一下我们有很多专家，包括百川邓江总等，演讲内容都会非常专业。

　　软通动力对于人工智能的观点，人工智能发展会特别快，我们看到的是4个方向的发展：第一是在模型侧，迭代挺快的。昨天凌晨OpenAI发布最新的草莓模型，发布很快，落地应用现在也是百花齐放。第二是在国际竞争方面，国际要求全面自主化，这也是一个特别大的发展机会。第三是在双碳背景下，绿色发展、绿色能源包括现在的大模型在智算等等维度去发展。第四是全球化、国际化，刚在台上讨论，目前中东、东南亚等等这些地区机会特别多。

　　正因为如此，未来产业，软通动力认为未来新型企业是面向智能、绿色、自主以及国际化、向国际化转型。围绕着这个方向跟各位领导、专家领导汇报一下软通在战略方向、业务方向的发展。

　　目前软通动力主要是四个方面：第一是对于传统的间与数字技术服务方面，我们主要是做管理和业务智能化。二是自主化，软通动力有自主的计算产品、软硬件协同。第三是绿色。第四是国际出海，我们总部在新加坡以及北美都有我们广泛的业务分布。

　　面向业务和管理方面的智能化，软同也是提倡全面智能对于一个大型企业来讲是通过人工智能促进我们的创新包括产品创新、技术平台创新，希望软通能够成为在这个行业里面的服务领导者。具体来讲是四个层面：

　　首先是在方法论，实现以AI咨询为引领，在底座上是AI新型基础设施包括终端等等。另外是操作系统，还有数据库等等。中间这层主要是面向新型的AI技术平台打造天璇MaaS，底层嫁接大模型，上面连接行业应用，这是软通动力的人工智能发展。

　　那我们在企业里面怎么落地AI应用呢？我们认为软通动力先有一个方法论，是五位一体智能化发展体系，整体来讲是一个整体的体系，从产品、服务、人才、数据和管理五个方面跟客户展开合作，目前包括在金融、汽车、能源等等这些领域我们都跟客户有一个广泛的合作。这五个方面是一体的，是要综合，不只是发展某一方面，因为软通动力面向客户和产业比较广泛。

　　从产品上讲我们推出了天璇MaaS平台，底层连接大模型。跟大的阿里等不同的是，我们是面向一个企业的智能化基座，底层能够跟我们的算力管理连接，然后能够把各种各样的像多模态模型引进来。上层主要是面向我们的行业，比如零售或者是保险等等做垂直类的大模型。软同=软通（音领域上是代码大模型。这是中间一层。最上面一层是连接应外，在企业里面看统一模型的落地场景应用，包括办公，包括我们引入的各个方向如营销或者业务等等场景上的应用。这是我们在产品上。

　　服务上，面向客户，是研产供销服全产业链的AI大模型应用。软通动力在这一年多跟客户一起在很多业务场景上去打造。这里面有很多方法，我们在一线，我也负责在一线做很多东西，虽然在应用上我们取得了挺多的成绩，也会有许多的经验。

　　这里面简要说几个案例（PPT图），第一个是为我们企业AI落地应用，现在来看结合企业私域知识的应用落地比较快，比如面向医疗企业，我们有一个AI医疗科技大脑的一个项目，刚才台下跟邓总聊很多，面向知识智脑解决以前可能是体力、现在是面向脑力去提供服务。医疗企业以前在公司里面可能只是一堆文档、一堆系统，现在智能大脑在这儿，可以及时随地问它一些医疗方面的知识还有对文献的解读。大家知道OpenAI最早的一些应用是基于文档的应用，我们这里是结合企业内部私域知识，能够为偏科研、营销等等服务体系的人员去提供一个超脑、科技大脑。另外在营销，在面向销售网上，这个应用可以快速给他们传递一些价值，甚至可能比一些更加新进入这个公司的人员更快地给一些能够上手，从一个新手变成一个专家。这是我们在企业上的价值。如果从技术上来讲，这里有模型微调、有RAG等等技术，经验上，可能纯技术上不能完全解决所有的东西，里面还是有很多工程化，我们要面向它的业务场景去做调试。

　　第二个是某知名饮料品牌，国际化企业，智能订单推荐引擎系统。这个系统在企业里面，原来很多数据在第三方系统，对于企业来讲，如果数字化基础越好，数据越完备，实际上做智能化升级的过程会越顺畅，因为大量的数据在这里面。所以智能订单推荐引擎之所以叫引擎，是因不是一个完全完整的单一系统，是架构在原来基础之上，通过模型的基数、模型的能力能够为我们销售人员去提供一些服务。通过代理做销售，原来情况下可能做一个电话，外呼之前要花半个小时左右阅读这个客户过往的销售记录，哪些地区SKU销售更好。之后这个过程就可以用AI能够结合其历史数据去做自动推荐的建议，这其实也是减低了销售人员的负担。另外，大模型还有一个好处，就是它是多云的，可以介绍投入，可以减少团队资源，缩减自己的成本，这也是在销售商的一个应用案例。

　　讲到多模态，AIGC生成，现在生成的多一点，我们在企业落地跟客户区合作，完全用AIGC的技术，应用AIGC的技术去生成公众号的推文、生成插图、生成视频素材，最后通过技术人员把这个完整的拼起来。这个案例比较典型的意义在于，可能技术上来讲可以达得到，但完整出到一个满足客户需求的作品还是需要技术人员去做一些功课。比如这里面有一些很细的点，需要用技术去做技术解决。比如手指有时候可能会生成6个手指，这需要去解决。另外还有版权IP，这个问题我们需要去注意。还有我们在做视频的时候，长一点的视频，AI生成的时候不能保证人物，这些内容都需要AI技术人员去解决。

　　这里有一个片子，是我们跟客户合作的一个片子，可以看一下。（现场播放视频）

　　这里面之所以放这个小短篇，是因为在零售和市场教育方面有广阔的应用场景，现在整个工序还是需要技术人员把它整个串起来 ，但我想未来通过整个产业的努力肯定有一体化的软件，去解决这些问题。然后进一步提升整个效果还有

　　回到刚才说的五位一体发展的方向上，企业里AI的应用落地，除了技术以外我们认为在应用方面需要对全体员工做培训和培养，包括有一些基础的，从原来的数字化办公到现在的智能化办公，这里AI的应用以及AI的一些技术，这些都是需要加强整个企业里面AI应用的推广。如果是可以企业的话，没法办，但传统企业还是要做很多推广。软通在这方面投入比较大，专门做AI的培训，人力资源组织的整个AI学堂等等，通过整体的系统化、定向化、多元化地去培养员工，能够在群体上有一些办公技能和技术的思维。

　　模型这一块，我们认为高质量数据特别关键，软通动力与保险、与企业维持，梳理出我们在数据应用、模型应用大脑维度，第一个是咨询服务为引领，将企业业务战略拆借成数据战略，识别出我们的数据是什么。第二面向AI做数据治理，包括数据归集。第三个是模型训练，形成企业面向AI的数据库。第四个是基于这些数据做模型的场景应用。第五个是在整个过程中将数据资产化，传播到我们整个企业里面。高质量数据对齐对企业来讲是非常关键的因素。

　　软通动力在管理方面做的比较深入，我们有整个系统，有底层数据库等等。原来是数据驱动，现在慢慢像模型驱动重塑整个管理数字化，还有数字化平台向智能化发展，全部重构。多模块模型去重构整个知识库。管理系统升级软通动力一直在做，目前为止我们已经完成了10个主要的AIGC的系统升级主要是面向岗位替代、员工AI赋能，赋能员工去完成更多的任务，面向岗位推出了13款应用，整个公司应用效率有一定的提升。这是我们整个企业降本增效的策略。在组织流程AI提效上，广泛用AI+API技术缩短效率，提高时间。然后是AI人才培养。

　　AI应用的挑战。现在来讲，技术上的挑战还是挺多的，我这里主要是结合我自己在项目里面的实现，我想还是提一点。现在企业里面主要是AI人才、AI思维，有一个词叫“AI领导力”，目前来讲这是在企业里面会比较长期的一个挑战，包括我们AI人才与AI技能的融合。不知道在座各位是否每个人都在用AI，但企业里没有很多人能够天天用AI，也没有说能够很好地结合AI做使用。所以第一步，在人才挑战上是要实现AI人才与AI技术深度柔和，要去用这个大模型，才能知道跟AI大模型互动的感受。第二是AI思维上，无论是需求方还是应用方，不能用传统的思路去看AI软件，追求百分之百的确定性很难。传统软件是有一个功能按照设定好的去开发去做，按照主体去做，但大模型输出具有不确定性，我们怎么去解决这个问题。所以在使用上、在思维模式上要有所不同。我跟很多企业接触过，可能顶层来讲会有整体的思维，但是我们在具体对接的时候，很多人还是在用原来的方式去思考这个事情。最后，对一个企业来讲，单个人有先进性，学习很快，这是AI的领军人物，从个体成功到团队成功到组织成功，怎么去保障这个事情，这需要有一定的体系化，包括刚才我们讲的人才培训、人才的培养以及人才的替代等等，因为企业里面大部分都是用应用产生价值，所以从个体到团队，我现在看得到有很大可做的地方。

　　最后，从员工视角来看，从企业视角看到是降本增效、提升效率、业务价值的创造，从员工视角来讲，之所以刚才体人才与AI技术融合、有AI思维，有部分员工还是会抵触AI，比如AI写代码，AI都写代码了，还要我干什么？实际上这一年多，包括微软等等一些客户里做AI提效的赋能，我看到对于员工来讲更多是从赋能角度去看这个事。接下来，AI可以成为你自己的多面助手，原来可能不会做事情，现在自己会做的事情让它做的更好，比如作为产品经理可能要做一些前期的设计、电商产品推广设计，原来要自己写，要花很多时间，但在AI帮助下，可以批量地把这个东西做出来。第二你自己不会做的，可以让AI给你很好地提供思维框架和思维脉络，以及指导步骤怎么去做的。所以一线员工把AI咨询教育的。使用的更丰富以后，现在很多员工把AI当泵很好的伙伴，有什么事问它，日常工作中会有四个场景中让AI帮我做一些事情，会做的让它帮我做，不会做的问它意见。这是从我们通常来讲的赋能。然后结合科技大脑、订单推演引擎，这些是更加具体化的应用，是能够赋能到现在的人工，然后反馈到企业，形成全面效率的提升。

　　以上是我在企业里面做AI应用落地的分享，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：梁斌 SF055

杨凯翔（记者 詹梦顺）09月18日,林枫点了点头说道：“你做得不错。”

杨凯翔（记者 陈均天）09月18日,不过，看的出，他的情绪波动很多。

“嗨，没事儿做，在大街上转悠那。”