3月28日-30日，以“夯实电动化推进智能化实现高质量发展”为主题的中国电动汽车百人会论坛（2025）在京隆重召开！本届论坛汇聚20+政府有关部门领导、30+院士专家、100+汽车及相关领域的企业代表，共议汽车产业变革新路径。在30日召开的AI汽车论坛上，神州数码副总裁、汽车BG总裁吴昊发表精彩演讲。以下内容为现场发言实录：


神州数码副总裁、汽车BG总裁 吴昊

大家下午好！很高兴能加入汽车行业的朋友圈，作为一个新朋友，我想今天给大家分享神州数码对于AI的一些思考。

就在现在，我们的电动车正在用静默的引擎改变着汽车行业百年来的规则，无论是我们看得到的智慧工厂的智能生产，还是车路协同数据的交互，包括用户运营的精准触达，供应链的动态优化。汽车产业的每一个毛孔里都在汲取着数字化的力量，这里我用的是“数字化的力量”，郭总出了一本书《颠覆重构新引擎》，也是他对于数字化的洞察，希望在座的各位也能有一些收获，他山之石可以攻玉。

今天如果谈到AI，我不想过多再去谈论大模型、谈论算力，当今天AI已经成功渗入了汽车产业的每一个毛孔与神经末梢的时候，我们如何能用数字化的力量，让我们汽车产业的每一个流程真正具备能量，做到骨骼强健，神州数码能给出的答案就是AI for Process，我们希望通过AI for Process的理念、计划去推动数智化力量的骨骼强健。

AI for Process这个理念是我们神州数码创始人郭为先生在今年年初提出来的，这也是郭总亲历了中国企业从信息化到数字化跃迁的历程，结合神州数码大量的业务实践和客户互动，以及郭总自身的深刻思考，形成的核心认知。我们认为，AI对企业最大的价值就是帮助企业如何以较低的成本将通用大模型改造成专业大模型，从而训练和构建专业的AI智能体，并贯穿到企业的流程和系统当中，从而达到提质、降本、增效。

首先，什么是企业的AI？左图是上海之江实验室的一个教授提出来的，从这幅图能够看到横轴和纵轴，纵轴是模型的专业化能力，横轴是泛化的能力，能看到无论是之前的ChatGPT，还是DeepSeek，都是在通用人工智能上越做越先进，同时也能看到在专业的模型上有一些实践，但是能看到目前存在一个矛盾，专业模型很难具备泛化能力，而通用模型又很难真正了解我们的企业业务形成行业knowhow，真正具备专业的精度和准度。矩阵的右上角是我们认为要重点突破的地方，我们也把它叫业务AIG的高价值区域，这个区域是通用能力和专业能力的融合。神州数码结合这几年的实践，自研了问学的应用平台，帮助客户解决通专融合的痛点，后面我会对神州问学做更多介绍，它能够帮助客户从模型、算力、智能体的编排助力客户快速低成本构建AI应用。

为什么是AI for Process？这点我也做简单的阐述，也是郭总的一个洞见。我们发现推动企业成长的三个关键要素是业务模型、管理方法、技术架构，正是这三点的充分迭代和互相影响，持续推动企业价值的提升。我想讲一个福特流水线的案例，100年前福特发明了流水线，正是福特流水线的产生带来了汽车行业快速发展，这个过程也推动了管理方式、业务模型的持续迭代。今天作为现代企业，包括我们今天的汽车产业，我们的流程就是流水线，就是我们的业务，就是我们的核心竞争力和生产力，只有从流程入手促进企业AI应用快速落地，这就是企业AI的一个关键要素。总结来讲，AI for Process就是要持续去优化再造企业的业务流程，帮助企业完成流程再造和优化，实现持续的创新和突破，所以我们要重新审视业务流程，将流程进行最细颗粒度的解耦，把AI和相关能力贯穿其中，使AI能够自动化地执行企业最小的任务单元，实现企业流程精益化的编排以及二次的提升和优化。

在探讨如何让企业切实地享受AI for Process所带来的红利的时候，不妨用《道德经》里的一句话“治大国若烹小鲜”，AI未来一定会为企业带来生产力的持续提升，但企业对待AI的应用就像烹小鲜一样，从前期筹备到模型训练，以及与企业应用的深度融合，每个环节都要做到细致入微，只有企业沉下心来，依据最核心的业务需求，深入思考究竟如何去部署AI，才有可能用AI给大家带来不可估量的价值，这个阶段我们认为有三个必备的要素：1、数据筹备，快速构建企业的专属数据集，这个数据集刚才吴总也谈到了，包括企业内部的知识、通用的行业知识、生成的数据、专业领域知识，让AI能快速地学习这些知识。2、流程规整，要制定流程的规范、标准，分成L1到L7的流程细化，建立原子级的任务卡片，让流程变成AI可以读懂的、可以识别的数据。3、应用解耦。AI与应用集成的标准和建设，我们要解耦现有的企业应用，应该做到字段级的节让AI和应用之间能充分互动起来，能让AI快速调动应用的进展。只有具备了以上三个要素，我们认为企业的AI落地才能够真正实现，企业要先了解自己，AI才能更懂企业。

神州数码立足我们的前沿视角，针对企业AI提出了有前瞻性的构想，要打造一个端到端一站式AI工作空间，从这张图里大家可以看到，在上面其实是我们深度融合了企业的战略规划到日常经营的任务执行，全面打通了研、产、供、销、服每个领域，实现任务执行和AI内容的无缝交互，如同豆包、ChatGPT的界面一能做到多模态的互动，这是一站式的AI空间。

空间的搭建可能需要三个关键平台的助力：1、业务应用群，就是我们的业务集群，其实就是解耦后的应用服务。2、高质量数据集，从数据采集、治理到分析，如何做好更多的支持治理。3、更重要的是AI管理平台，我们把它叫神州问学，也是神州数码这几年在AI的成果。大家都知道，大模型一定是多模态的，一定不是一个大模型能完成现在AI的就绪和落地。我觉得作为一个中立的第三方AI平台，我们应该具备比较独到的优势。

在平台上，过去这一年多时间里面我们有了和客户的充分互动和积累，目前有智慧营销、智慧客服、智慧质检、数字员工等客户流程端的应用，已经给客户产生了非常好的业务价值。另外刚才谈到的像模型的管理、智能体的编排、数据的治理分析、算力的优化调度，这都是我们神州问学目前所具备的能力。

当然还有AI基础算力，这也是神州数码具备的一些先天优势，我们不仅具有私域的算力资源，例如神州数码在深圳有一个智算中心，也有公域的算力资源，都可以给大家提供，神州数码目前已经推出了自主品牌的神州鲲泰问学一体机、问学工作站、AI PC，都有助于客户AI的“最后一公里”的落地。我们可以帮助企业快速构建AI应用智能体，实现人和系统的高效协作以及流程的自动化，这里介绍一下我们未来在AI for Process上可能会用到的几类的Agent，比如有工作流智能体、分析智能体、任务智能体、专家智能体、合规智能体。工作流智能体，能帮助我们自动进行流程编排、变更、优化、分析智能体，从原有报表汇总分析，变成自动化清洗、分析、决策。任务智能体，包括全自动、半自动、人工参与等情况；专家智能体，能把我们现在散落在个体上的一些知识变成公域、变成企业的知识，我们有一个数据统计，可能过去要用四五天能掌握的知识，现在通过专家智能体可能用几秒钟时间就能掌握；还有合规智能体，这也是AI智能体的守门员，用于保障企业的合规和信息安全。

当下大家对于AI确实是大干快上，包括研、产、供、销、服各个领域都在结合自身的流程去构建AI场景的地图，有节奏、分阶段地进行场景落地。为了帮助企业能更精准地推动AI的落地，我们推出了AI for Process成熟度模型，主要有三个维度：1、要考虑场景建设的优先级，要考虑业务价值，选择为高价值业务、高价值场景去做AI的推行。2、要考虑AI技术的成熟度，要通过高成熟度的技术去推动AI的落地。3、当前我们的数据、知识能否支撑AI应用的落地。企业不能盲目地进行AI场景的建设，要全面评估AI落地的可行性，神州数码的成熟度模型也会给到大家相应的指点，我们的咨询顾问也会跟大家一起去做相应的研讨和共创。

结合我刚刚所讲的神州数码的AI for Process，有以下几点：1、以我们自研的AI应用系统神州问学平台为抓手，驱动行业咨询和增值服务的飞轮效应，构建行业咨询+神州问学+服务三位一体的端到端能力。今年我们也提出技术普惠、价值共生的理念，积极构建AI合作生态。神州数码去年已经和德勤共同推动AI Factory，帮助客户做AI建设，以及把国内外一些先进的经验给到客户。另外，我们不仅聚焦到技术本身，也希望通过我谈到的AI for Process的流程变革实现价值提升，我们也在与国际国内的AI企业、大模型厂商、AI基础设施厂商展开深入合作，通过我们共同的探索让更多企业客户快速地从中受益。

我们计划做一个场景共创的模式，希望能够与车企、能与今天在座的各位朋友一起，围绕着IPD、OTD等去建实验室，一起去共创AI在实际业务流程中该如何去应用，该如何去推动行业智能化的发展。

这个共创过程中我们可以提供几点支持：1、神州问学免费部署以及持续运营的服务，我们有前期大量的行业实践能给大家更多裨益。2、算力的支持，我们的算力资源，无论是我们自有的问学一体机、工作站、AI一体机，还是深圳的算力中心，都可以给大家相应的支撑。

最后，还是要请大家真正理解AI for Process不是一个技术叠加，是一个认知的革命，当流程成为数据，当决策变为算法，企业就获得了持续进化的生命体特征，这也是我们AI for Process的精华所在。

最后，期待与各位携手共同推动汽车产业智能化的快速发展。谢谢大家！