1月15日，神州信息董事長郭為在DC·AI生態(tài)創(chuàng)新中心開幕活動上發(fā)表主旨演講，以下為演講全文整理。

在剛剛落幕的2025年CES大會上，黃仁勛先生的演講再次點燃了人們對人工智能的熱情。在此，我也與諸位分享一下我們對中國人工智能發(fā)展路徑的見解。

通專融合

首先，我想讓大家看一下這張圖，這張圖來自上海浦江實驗室主任、首席科學家周伯文的一個報告。按照周教授的觀點，結合人工智能專業(yè)性和泛化性兩個維度分析，我們可以看到：

圖中的縱軸代表的是專業(yè)性。以DeepMind的AlphaFold為例，這一AI模型在生物分子相互作用結構的精準預測方面，已經(jīng)助力兩位科學家獲得了諾貝爾獎。在蛋白質結構預測領域，它已經(jīng)超越了人類的能力。我們常常討論AGI如何超越人類，而AlphaFold已經(jīng)給出了答案。但這樣一個強大的AI，卻可能無法回答一個簡單的日常問題，這一現(xiàn)象反映了專業(yè)模型盡管在某一特定領域表現(xiàn)優(yōu)秀，但其泛化能力極為有限。

橫軸代表泛化性，按照周伯文教授的定義可分成狹義人工智能、廣義人工智能和通用人工智能。例如Google、OpenAI和Meta等各自推出的大語言模型，都展示了在知識學習和壓縮方面的卓越能力，表現(xiàn)出前所未有的靈活性和適配性，能夠處理廣泛的任務，并快速適應新情境。相比專業(yè)模型，這些大模型的泛化能力可以給人留下深刻的印象。但是，在高度專業(yè)化的問題上，它們的表現(xiàn)往往缺乏深度的專業(yè)理解和精準性。

因此，周教授指出，AI發(fā)展存在一個高價值區(qū)域，就是這張圖右上角我用紅圈標示出來的區(qū)域。也就是說，在專業(yè)性上，AI能力應達到或超過90%以上專業(yè)人士的水平。在泛化性上，AI需要達到廣義人工智能級別的泛化能力，可以以極低成本實現(xiàn)不同任務之間的遷移。

這一“高價值區(qū)域”正是AGI路線圖中的關鍵所在，也是未來推動新一輪技術革命的方向。只有在這個區(qū)域內(nèi)，AI才能真正實現(xiàn)專業(yè)性和泛化能力的平衡，成為變革生產(chǎn)力和創(chuàng)新的核心驅動力。

如何讓大語言模型在保持泛化能力的同時，還能精準解決專業(yè)問題，正是當前AI所面臨的最大挑戰(zhàn)。這不僅僅是技術問題，更是整個AI研究領域的戰(zhàn)略目標。有人說AGI到來的時間是三年、五年甚至十年。從我的角度看，今天最重要的還是應用。對企業(yè)來說，關鍵在于如何實現(xiàn)商業(yè)化應用。它可能尚未達到完全的AGI水平，或許僅處于專業(yè)能力排名前1%甚至前10%的階段。但我們真正需要研究的是，如何借助通用大模型，在較低成本的情況下實現(xiàn)這一目標。

但企業(yè)面臨的問題更加復雜，不是一個蛋白質結構的問題，可能是多個類似于蛋白質結構的復雜問題交織在一起的問題。因此我們需要找到一個方法，讓大語言模型能夠在企業(yè)內(nèi)部，保證大模型具備的強通用性、強泛化能力的同時，還能深度的適配特定的行業(yè)、企業(yè)的專業(yè)化需要，我們把它叫做“通專融合”。

泛化和專業(yè)化能力的融合：神州問學解決之道

針對這個“通專融合”高價值區(qū)的問題，神州數(shù)碼給出了自己的答案——神州問學：神州問學是一個完整的平臺，幫助企業(yè)從算力、模型、企業(yè)知識到智能體等多方面完成AI落地。

首先要解決企業(yè)如何在安全、可控的條件下，構建對自己業(yè)務問題的專業(yè)模型。本質上來講，神州問學通過企業(yè)專屬數(shù)據(jù)和生成數(shù)據(jù)，來驅動通用模型快速專業(yè)化，滿足業(yè)務需求。運用強化學習和持續(xù)學習機制，讓模型隨著企業(yè)業(yè)務的變化不斷進化。同時在企業(yè)內(nèi)部混合部署通用模型和多個專業(yè)模型來解決通專融合的問題。

當然對一個企業(yè)來講，還普遍存在諸如如何面對龐大的、散落各個地方的、各式各樣的非結構化的數(shù)據(jù)，如何把這些數(shù)據(jù)變成企業(yè)的知識和大模型可以利用的數(shù)據(jù)集，如何保證企業(yè)知識和敏感數(shù)據(jù)的安全，以及知識的持續(xù)治理、有效數(shù)據(jù)不足等問題。這些都要求企業(yè)有一個知識管理和治理平臺。而神州問學也在這些方面給出了一些答案。

神州問學可以提供知識管理的模塊支持企業(yè)做數(shù)據(jù)準備，將內(nèi)部的專有數(shù)據(jù)形成標準化的訓練數(shù)據(jù)集；結合領域專家的知識對關鍵數(shù)據(jù)點進行深度標注，以增強模型的專業(yè)理解能力；同時幫助企業(yè)進行數(shù)據(jù)生成，利用數(shù)據(jù)合成技術生成高質量的合成數(shù)據(jù)，以補充真實數(shù)據(jù)的不足。在一些專業(yè)領域，如醫(yī)療行業(yè)，生成邏輯鏈路可以讓模型可以更好的理解和推理復雜的場景，從而進一步推動模型的專業(yè)化。

另外，企業(yè)也需要一個平臺來對大模型進專業(yè)化訓練，需要管理和跟蹤多個模型，讓它們協(xié)同工作、有效反饋，具備持續(xù)優(yōu)化模型的性能。神州數(shù)碼也提供了模型訓練和模型管理的功能。

同時我們也看到，由于企業(yè)要降低成本，不可能把所有的數(shù)據(jù)都用通用的大模型來訓練，因此這方面我們也通過資源池化和虛擬化的方式，針對不同模型需求進行資源分配，降低企業(yè)應用大模型的成本。

我們通過“批量推理”的方式，提升了運行效率，更充分地利用了計算資源；同時采用混合精度計算方式，在推理階段對模型權重進行優(yōu)化處理；并通過并行計算等技術，持續(xù)幫助企業(yè)以較低成本將通用大模型改造為專業(yè)化模型。此外，為了提高傳播效率，我們將產(chǎn)品發(fā)布在開源社區(qū)上。

“流水線”的啟示——AI for Process

大家都知道，AI在科學研究領域（AI for Science）取得了很大的成就，發(fā)揮巨大的作用。但我們也必須看到，應用于科學研究的AI是不計成本的。而企業(yè)不一樣，對于企業(yè)而言，開發(fā)專用模型并非易事，畢竟并非人人都能像訓練AlphaFold那樣輕松實現(xiàn)。通常只有少數(shù)國家的大型實驗室才有能力完成如此大規(guī)模的投入。對于大多數(shù)行業(yè)、企業(yè)，甚至整個城市來說，這樣的投入都顯得過于沉重。因此，如何讓更多的企業(yè)擁抱AI的成果，是我們目前面臨的重要課題。神州問學希望為此提供一條可行的路徑。

怎樣才能提供這樣的路徑？左邊這張圖是我過去一年的研究成果。五、六年前，我提出了認知顛覆、技術顛覆和產(chǎn)品顛覆的概念，但如何真正實現(xiàn)這些顛覆？經(jīng)過深入研究，我發(fā)現(xiàn)推動企業(yè)持續(xù)成長的關鍵在于三個要素：一是商業(yè)模式，二是管理方法，三是技術架構。這三者的有機結合能夠不斷推動企業(yè)的發(fā)展，而它們的結合點正是流程。

一百多年前，福特發(fā)明了流水線。其實，在流水線發(fā)明之前，電動汽車已經(jīng)出現(xiàn)，而當時占據(jù)主導地位的是蒸汽機車，汽油發(fā)動機汽車僅占市場的20%。福特流水線的發(fā)明，使汽油發(fā)動機汽車的成本大幅下降。正是流水線奠定了美國在過去一百年成為“車輪上的國家”的基礎，也推動了全球的技術進步和產(chǎn)業(yè)升級。流水線（Process）不僅改變了商業(yè)模式，推動了技術進步，還改變了我們現(xiàn)代的管理方式。我們今天許多管理方法，實際上也是建立在流水線的基礎之上。

因此，對于企業(yè)來說，企業(yè)流程恰恰是一個企業(yè)管理的“流水線”。在數(shù)字經(jīng)濟時代，技術范式的創(chuàng)新顛覆了傳統(tǒng)認知，進而推動商業(yè)模式的深刻變革，同時也帶來管理方法的演進。商業(yè)模式、管理方法和技術范式這三大核心驅動力的持續(xù)變革與相互作用，正在推動企業(yè)結合自身優(yōu)勢，構建數(shù)字時代的新引擎。而它們的結合點，正是企業(yè)的流程——Process。

右邊這張圖是我曾在《數(shù)字化的力量》一書中提到的。數(shù)字化時代的企業(yè)創(chuàng)新就是數(shù)據(jù)資產(chǎn)的重新編排，其本質就是流程再造。流程本質上就是業(yè)務本身。以銀行為例，信貸管理流程本質上就是信貸產(chǎn)品，是銀行的核心競爭力。存款管理和總帳管理流程也同樣如此。當我們看到AI如何賦能各行各業(yè)的時候，重點在于通過AI實現(xiàn)流程再造和優(yōu)化，幫助企業(yè)更深入的結合自身的業(yè)務流程實現(xiàn)持續(xù)的創(chuàng)新與突破。數(shù)據(jù)資產(chǎn)不斷的組合和業(yè)務的不斷變化，都需要不斷地優(yōu)化流程、變革流程，從流程為中心切入AI應用，不僅僅是企業(yè)數(shù)字化轉型的重要路徑，也是我為什么提出AI加速的數(shù)云融合技術愿景的背景。當然，Al for Process也是神州問學發(fā)展的戰(zhàn)略方向。

現(xiàn)在神州問學的AI Agent的編排空間已經(jīng)可以作為Al for Process的實現(xiàn)平臺，給企業(yè)提供一個功能全面、結構化的環(huán)境，讓企業(yè)內(nèi)部的AI模型能夠訪問和解析企業(yè)內(nèi)的多源異構數(shù)據(jù)，幫助企業(yè)高效地構建和部署可以擴展的、適配業(yè)務需求的業(yè)務AI Agent智能體。這些智能體不僅能夠精準的理解業(yè)務的意圖，還能感知動態(tài)環(huán)境，自主規(guī)劃任務路徑，并通過調用現(xiàn)有的工具、服務接口和API執(zhí)行操作。

更重要的是，平臺能將分散的業(yè)務節(jié)點不斷地組合成新的流程，這樣可以讓企業(yè)在復雜的企業(yè)級任務中，通過AI Agent對任務的分解和流程的執(zhí)行有全面且清晰的理解，從而實現(xiàn)與人和其它系統(tǒng)的協(xié)作高效性，以及流程的自動化。

其次，神州問學還可以幫助企業(yè)“敲碎”傳統(tǒng)的應用。過去我們提到的ERP，包括過去的核心業(yè)務系統(tǒng)，在未來的發(fā)展中都需要進行碎片化、API化處理。通過將傳統(tǒng)業(yè)務邏輯細化、模塊化并轉化為API接口，使其能夠被AI Agent直接調用和執(zhí)行。這使得企業(yè)可以更加靈活地拆解和重組現(xiàn)有的系統(tǒng)和流程，獲得敏捷的創(chuàng)新能力。未來的企業(yè)流程將更多表現(xiàn)為智能體之間的編排與對話。

針對AI在企業(yè)流程的應用，2024年神州問學團隊發(fā)布了相關論文，并成功申請了四項發(fā)明專利，創(chuàng)新性地打造了Al for Process框架下的自適應、成本可控、增強性的知識密度提升模塊。

可以想象，未來企業(yè)流程一定會從傳統(tǒng)的、靜態(tài)的操作模式轉變?yōu)橐灾悄荏w為核心的動態(tài)編排與協(xié)作系統(tǒng)。大家可能不太容易理解這句話的含義。十七、八年前我做產(chǎn)品的時候，最深刻的體會是一個產(chǎn)品的生命周期可能只有幾個小時，如當年中國移動春節(jié)晚會的短信平臺。也就是說，未來的產(chǎn)品和服務形態(tài)都將是一種動態(tài)編排模式，而這正是AI應用的巨大優(yōu)勢。智能體通過實時交互和任務分發(fā)，能夠高效完成復雜、跨部門、跨系統(tǒng)的工作，將成為企業(yè)運營的主流方式。

微軟的CEO薩提亞前幾天說，行業(yè)內(nèi)討論的焦點已經(jīng)不再是模型本身，而是模型的編排、模型的評估以及如何部署基于這些模型的應用，未來數(shù)據(jù)的交互和業(yè)務邏輯的處理將由AI智能體所主導，這也意味著AI Agent將重新定義整體企業(yè)軟件生態(tài)，SaaS模式將不復存在。

所以，我認為Al for Process是一個重要且核心的AI應用領域，推動以流程為中心的AI應用落地，將企業(yè)數(shù)據(jù)資產(chǎn)與業(yè)務需求深度融合，不斷優(yōu)化和革新流程，會成為企業(yè)數(shù)字化轉型的重要路徑。

生態(tài)合作——神州問學的AI for Process實踐

當然，這一過程和目標絕非單個企業(yè)能夠獨立完成。神州數(shù)碼已經(jīng)與德勤展開戰(zhàn)略合作，共同推出了“AI Factory”概念。此次合作不僅聚焦于人工智能技術本身，更致力于通過企業(yè)流程變革實現(xiàn)AI的落地價值。今天，DC·AI希望向大家展示更多應用場景。我們也在與國際、國內(nèi)領先的人工智能企業(yè)、大模型廠商以及AI基礎架構廠商展開深入合作，共同探索落地實踐。我們希望通過這些努力，讓更多的企業(yè)從中受益。

半年前，也是在這個房間，我們曾舉辦過一場座談會。當時，許多合作伙伴和生態(tài)伙伴一致認為，只有聯(lián)合全球不同領域的企業(yè)，共同打造AI生態(tài)系統(tǒng)，才能真正推動AI的發(fā)展。過去的一年中，神州問學也落地了一些項目，獲得了一些經(jīng)驗，有的項目是從知識管理的角度出發(fā)，有的是從企業(yè)流程 AI for Process的角度出發(fā)，有的是從算力管理的角度出發(fā)，有的是從Agent的角度出發(fā)，都給我們的客戶帶來了巨大的價值。

我簡單舉幾個例子。就拿剛才我提到的問學團隊論文的客戶實踐案例來說，我們幫助一家商業(yè)地產(chǎn)企業(yè)以極低的成本實現(xiàn)AI Agent與現(xiàn)有系統(tǒng)的深度集成，將算力成本節(jié)約了40倍，團隊用Qwen2.5-7B模型，結合數(shù)據(jù)合成、微調和ASR評估模型反饋技術，將工具選擇準確率從基礎模型的28.1%，大幅度提升到95.6%，顯著超越了GPT-4的88.1%的水平。這就是神州問學在復雜流程自動化應用場景中展現(xiàn)出的卓越能力。

我們還和一個大型的零售電商購物平臺合作，基于神州問學的智能體技術，構建了意圖識別的基礎框架和標準流程。通過整合大模型的能力、智能體工作流的構建、提示工程的分類細化，以及檢索增強生成等技術，我們成功地實現(xiàn)了對電商業(yè)務中售前、售中、售后等十余類意圖以及每一類意圖中具體流程參數(shù)的精確識別。基于客戶方的內(nèi)部測試結果顯示，該項目的整體意圖識別精準率和召回率均超過98%，顯著優(yōu)于原有基于規(guī)則的問答系統(tǒng)，指標結果明顯超出客戶預期。此外，在支持業(yè)務多并發(fā)的情況下，單條問答的平均響應時間控制在三秒鐘內(nèi)。這一成果不僅提升了用戶體驗，也為企業(yè)電商業(yè)務實際運營效率帶來顯著提升。這是我們采用GenAI 技術進行業(yè)務流程優(yōu)化又一個成功案例。

今天在場的有不少來自銀行業(yè)的朋友們，借此機會，我也想分享一個我們在零售銀行業(yè)務中的實踐案例。我們通過人工智能技術對數(shù)據(jù)資產(chǎn)進行深度的分析和流程優(yōu)化，實現(xiàn)了高效的業(yè)務流程編排，以大幅度提升客戶體驗和運營效率。具體來講，我們利用AI驅動的流程自動化技術，重新設計了客戶的交互和內(nèi)部業(yè)務的處理流程，在數(shù)據(jù)采集和管理層面，通過構建集成化的智能化數(shù)據(jù)平臺，將來自于客戶賬戶、交易記錄、消費行為和外部市場動態(tài)的海量數(shù)據(jù)實時匯聚。AI算法可以自動識別關鍵客戶行為模式，生成實時洞察。

在流程編排層面，我們嘗試采用AI智能工作流技術，將復雜的客戶流程自動化。例如，當一位客戶開始查詢購房貸款信息時，系統(tǒng)會即時觸發(fā)AI編排流程：第一步，分析客戶信用評分、收入情況和消費習慣，快速生成預審批額度；第二步，根據(jù)實時市場數(shù)據(jù)和客戶所在區(qū)域房價趨勢，定制推薦合適的貸款產(chǎn)品；第三步，通過API將這些信息直接推送到客戶的移動銀行APP，附上個性化的視頻或互動指南，幫助客戶更快地完成決策。

如果客戶在一定時間內(nèi)未采取行動，AI系統(tǒng)會自動進入下一步流程，推薦新的方案，如調整貸款利率，或是推薦相關的理財產(chǎn)品，同時該系統(tǒng)還會將用戶行為數(shù)據(jù)反饋至中央數(shù)據(jù)平臺，給未來的優(yōu)化提供支持。

這種AI驅動的流程編排，不僅簡化了客戶體驗中的每一個環(huán)節(jié)，還顯著縮短了從客戶需求識別到產(chǎn)品交付的時間，同時降低了運營成本。我們希望通過這一創(chuàng)新使客戶在激烈競爭的零售銀行市場中更快、更智能地響應客戶需求，充分展示了AI在優(yōu)化企業(yè)流程中的強大潛能。

機會與挑戰(zhàn)：中國AI產(chǎn)業(yè)長期發(fā)展的思考

我們討論了AI在企業(yè)中的通專融合，也探討了企業(yè)AI落地的核心在于流程優(yōu)化，還了解了神州數(shù)碼提出的解決方案。然而，這些其實只是冰山一角，還有更多深層次的問題正在影響著我們。這實際上是一個生態(tài)系統(tǒng)的挑戰(zhàn)。簡單來說，就是我們面臨的機遇與挑戰(zhàn)。

例如，在AI進行數(shù)據(jù)交換的過程中，我們對數(shù)據(jù)主權的保障制度仍在不斷完善；在圍繞AI應用的技術創(chuàng)新方面，仍有大量技術需要進一步集成與再創(chuàng)新；在討論基礎設施時，大模型如何真正成為我們的基礎設施，仍是一條漫長的道路。如何高效調用這些基礎設施？這些問題既是發(fā)展的機遇，也給我們帶來了挑戰(zhàn)，是所有企業(yè)努力奮斗的方向。

最后，回到我今天會議的發(fā)言主題——走出一條中國特色的AI發(fā)展道路。

我們可以看到，經(jīng)過四十多年的積累，中國經(jīng)濟已經(jīng)培育出全球第二大市場。在眾多產(chǎn)業(yè)中，尤其是大型制造業(yè)，我們已經(jīng)達到了世界領先水平。例如，我國造船業(yè)的訂單量占全球60%以上，鋼鐵行業(yè)產(chǎn)量占全球50%以上。這些產(chǎn)業(yè)在全球的領先地位，正是我們實現(xiàn)“AI for Process”落地發(fā)展并實現(xiàn)領跑的堅實基礎。

我們也看到，在CES大會上黃仁勛所談到的AI算力普及化。這種AI算力的普及將極大的激活中國在AI應用上的創(chuàng)新能力。同時，中國作為數(shù)據(jù)供給和數(shù)據(jù)消費的大國，也給中國的人工智能可持續(xù)發(fā)展創(chuàng)造了巨大的機會。

特別是我們也看到這家叫DeepSeek（深度求索）的杭州公司，所展現(xiàn)出創(chuàng)新能力。同樣是做大模型，他們走出了一條中國之路。因此，我相信中國人一定會走出一條不一樣的路，具有中國特色的AI發(fā)展道路。