于斌平

本文由齐心集团董事兼CTO于斌平投递并参与由数智猿×数据猿×上海大数据联盟共同推出的《2025中国数智化转型升级优秀CIO》榜单/奖项评选。

AI大模型作为新一代技术革命的代表，已经在快速重构着我们的生产和生活方式。在AI大模型技术的加持下，不论国家还是企业，生产能力和由此引起的生产关系（组织变革）已经以肉眼可见的速度在发生着变化。然而，由于技术能力、组织协调、业务重心、客户需求、预算投入、战略定位等各方面的交织因素，大模型在企业的落地情况参差不齐，也因此引起了很多企业对大模型技术的质疑、困惑、甚至焦虑。

多年来，我们始终围绕自动化与AI智能化为核心，全面推进企业数智化建设，覆盖采购、运营与服务全链路业务场景。在数字化供应链方面，我们将大模型与AIGC技术深入应用于从数据治理到售后服务的全生命周期，涵盖市场分析、招投标、客户询价、供应寻源、商品上架、履约供货、结算对账等关键环节，显著提升客户响应与供应链效率，有效降低运营成本与人工失误。截至2025年6月底，累计上线AI应用场景近70个，主业务生产场景占比超70%，业务模式逐步从“+AI”迈向“AI+”，AI正日益成为企业核心生产力。

大量成功的企业数智化和大模型应用实践案例表明，AI大模型技术不仅能落地于企业应用，还可快速降低运营成本、提升客户服务效能。

企业应用AI大模型要回到第一性原则

以客户和业务为中心

任何企业的核心都是客户经营和业务运行，数智化目标如果不是以服务客户和提升业务能力、效率为中心，必然会导致失败。数智化所采用的技术，及技术能力和组织的建设，是实现目标的配套途径，绝不是目标。纵观国内所有企业数字化历程，以技术为建设核心的，或者为了体验技术而实现技术的，基本上都昙花一现，甚至有很多优秀的技术创造和技术团队，因不能对企业经营利润产生贡献而抱憾离场。

例如，我们于一年前上线的商品智能运营引擎，基于AI大模型进行数据治理，精准聚焦企业物资采购领域的核心痛点：品牌与价格体系混杂、商品质量与服务参差不齐、商品信息混乱重复、上架效率低下等。该系统通过使用AI大模型技术，实现从数据清洗、主流品牌评价、公允价审核、商品查重、合规检查等环节到自动上架的AI全链路闭环流程，在品牌与价格治理、商品匹配、图文一致性及合规审核等方面实现创新突破。落地后，经部分项目案例验证，可提升客户采购商品质量最高30%，提升上架效率约80%，错漏率从15%降至2%，降低企业商品运营成本60%。

齐心智磐AI架构

业务需求导向是大模型落地的最优解

充分理解行业、企业、客户的痛点和需求

企业大模型应用确定了以“服务客户和业务”的核心目标后，接下来要寻找实现的方法和路径。首要路径不是找各种炫酷的技术和技术大牛，也不是买昂贵的算力服务器，而是找客户需求和业务痛点。主要的技术人员，应该充分理解所在企业的行业运营模式和特点，同时理解客户和企业的痛点，并能钻到业务一线去实践体验业务，这样才能找到真正的问题。拿着锤子找钉子，永远都觉得没有合适的钉子，但如果用痛点需求找方案，很快就能出来对症下药的系统。

我们在近三年时间内，在主业务生产场景（而不是辅助办公类体验场景）成功上线了数十个大模型项目，主要原因除了决策层高瞻远瞩对AI布局和支持外，决定性因素是业务团队和技术团队一起，深挖客户需求和业务痛点，向AI要解决方案。上线的每一个大模型系统或功能，都强聚焦在某一类客户或业务场景，而这些场景的问题，是大模型之前的技术所不能完善解决的。

以一个电商行业的代表性痛点问题为例。客户或业务进行商品检索时，因相同商品重复上架，导致客户陷入“文字迷宫”，同一商品因参数表述差异形成信息壁垒，相似规格商品因命名体系混乱增加筛选难度，大幅延长需求与商品的匹配周期。方案上依托大模型推理能力，构建商品全生命周期唯一化管理体系，建设AI智能查重引擎，实现变体商品、高度相似商品的精准识别。其核心在于突破表层文字符号的束缚，即便面临表述范式差异、属性维度重组等复杂场景，仍能精准锚定商品实体的同源性内核。

要对大模型能力边界有清晰认知

充分理解大模型的能力技术特点

大模型是人工智能领域最新的突破性成果，它并非天生具备智能，而是通过海量数据的训练和复杂的强化学习过程逐渐“学会”思考与决策。这一过程使其能够理解和生成语言、图像甚至代码，展现出接近人类的认知能力。

大模型的核心能力可归纳为泛化与推理。泛化是指模型在大量学习后，能够举一反三，处理从未见过的任务。例如，根据少量提示生成流畅的文章，或通过文字描述创造出逼真的图像。推理则体现在逻辑分析、复杂问题分步解决等方面，如数学计算、策略规划等。

大模型的主要能力

目前，企业应用大模型主要聚焦于这两大能力。利用其泛化性，企业可构建智能客服、自动内容生成和设计工具；借助推理能力，则能实现数据分析、决策支持和流程自动化，显著提升效率并降低成本。

然而，大模型并非万能。它的表现依赖于训练数据和质量，也可能产生错误或偏见。因此，唯有清楚认识到其能力边界——明白它擅长什么、不擅长什么，才能合理设计应用场景，避免进入技术陷阱而导致项目效果不佳甚至失败。

在数字化采购领域，我们利用大模型的泛化能力，构建了电商图片处理系统（AI上架引擎）和标书方案撰写系统（齐标通）。AI上架引擎可以自动批量修图、生成详情页图片、生成促销文案等，齐标通可以自动生成应标书方案，释放人力工作。利用大模型的推理能力，我们构建了AI数据治理系统、商城推荐系统、财务结算对账等系统，实现商品自动去重、商品匹配的准确率最高97%、结算对账准确率最高达96%。

组织与团队转型是大模型落地的基础保障——从工具使用到思维转型

任何事情的本质都是人和组织，大模型引起的生产力变革也不例外。因此，组织和团队的能力结构与思维模式必须向AI大模型时代转型。

企业整体上要明确战略目标，凝聚团队共识：大模型作为新一轮生产力变革的核心驱动力，需以战略机遇视角锚定方向，同步推动组织能力重构与个人认知升级，实现技术革命背景下的系统性跃迁。

组织转型上要有清晰路径：先从全员基础抓起，通过组织性引导让企业全员具备AI基础认知。同时 “武装” 技术部门，通过技术部门AI专业能力的提升，促进自身研发效能升级。再以需求推动业务创新，带动全员识别AI业务机会、创造业务价值 。

技术部门应组建一个涵盖AI、数据、产品、安全与软件开发等多领域能力的协作团队。关键在于培养复合型人才——理想的模式是鼓励一个工程师或产品经理能胜任多个角色，而非简单增设岗位。可以考虑培养多面手工程师和产品经理，使传统的软件工程师和产品经理向具有大模型能力的新型技术人员转变。

齐心集团第二届AI大赛

总之，大模型技术已不再是概念，而是切实推动企业效率变革的核心力量。正如我们数十个项目实践所证明，AI能够深入业务全链条，从供应链优化到客户服务，显著降本增效。我们呼吁更多企业放下顾虑，主动拥抱大模型技术，将其纳入战略规划，让AI真正转化为可持续的生产力，助力企业在智能化浪潮中赢得先机。

·申报人“于斌平”简介：

于斌平，齐心集团董事、CTO，主导齐心集团数智化服务平台建设，曾获深圳市政府、昆明市政府及中国物流与采购联合会颁发的多个奖项，获IT商业价值、中国信息产业研究院、比特网等机构颁发的“最具价值CTO奖”。前国美零售CTO、副总裁，前国美控股技术委员会主席。