青岛市国企数智大讲堂 | 科技驱动：高效运用创新（一）
各位企业家：
下午好！很荣幸受邀在今天青岛市国资国企数智大讲堂，分享有关科技创新赋能企业数字化应用的一些思考和实践。
当我们来到青岛，站在胶州湾边，看着货船穿梭于港口之间，都会惊叹人类的智慧。从清朝开始，短短150年间，海上船只从载货几十吨发展到载货几百吨、几千吨，再到现在载货几十万吨。这都是科技驱动，高效运用创新的人类智慧。
在深入探讨如何运用创新之前，我们需要首先定义创新。创新不是发明。创新被定义为应用于实践的有价值的创造：向社会推出新的商品或服务或改进的商品或服务。ISO 将创新定义为创造或改进某个事物或流程，并且产生新的价值或实现价值再分配的过程。简言之，创新是有价值的变革。创新的关键是“创造价值”，这需要为人类、社会或客户创造价值。
首先我们回顾下创新发展的历程。
创新、效率、创新，创新带来效率，效率又促进更快的创新。创新与效率快速循环迭代。
纵观人类科技的发展历程，核心在于对效率的不懈追求和持续进步。每个时代的创新成果，都为人类社会更快地迈向下一个时代奠定了坚实的基础。
我们可以观察到主要创新时代之间的差距是如何稳步缩小的。
自2020年人工智能技术进入加速迭代周期以来，我们正见证一场由算法革命与算力革命双驱动的产业变革，技术进步一直呈指数级发展。
能力的指数级跃升叠加边缘计算设备的性能突破，推动全球生产效率曲线呈指数级增长。AI能力的深度整合叠加边缘计算的突破性应用，推动产业效率实现跨越式提升，同时实现成本持续降低。
通用电气（GE）市值排名从全球榜首滑落至第73位，IBM经历从硬件巨头向认知解决方案提供商的艰难转身。这些案例揭示，当技术迭代速度突破传统管理者的经验时，既有的规模优势和传统的固化经验可能转化为组织惯性的负资产。这些公司未能及时应用新技术来主动适应并引领行业发展的新变化、新需求。
人工智能领域的最新进展，再次验证了这一规律。来自中国的AI公司DeepSeek通过低功耗推理芯片与算法的协同优化，创新性地在降本增效方面取得了突破性进展。值得注意的是，在NVIDIA CUDA生态凭借先发优势占据市场主导地位的竞争环境中，DeepSeek不仅要应对成熟技术体系的挑战，更要在开源社区中寻找运营创新的突破口，他们通过将NVIDIA的PTX用于其模型的部分组件来实现这一点。这场从底层硬件适配到算法架构优化的全方位竞争，或将重塑全球AI产业格局。
DeepSeek以其开源大模型凭借“好用、开源、免费”三大优势快速打响品牌，构建生态，占据市场。这种"中国式创新"模式引发《华尔街日报》等国际主流媒体持续关注，被视为打破AI技术垄断的新范式。
在国内，DeepSeek正加速与政务、国资国企及各行业融合，推动政府及国资国企的数智化转型。
随着DeepSeek在多场景、多产品中的广泛应用，我们发现，以DeepSeek为代表的AI LLM初创企业在创新发展中也必然面临挑战：如芯片、服务器、数据中心等硬件资源的瓶颈限制、体系化的安全能力缺失风险、AI技术快速迭代的竞争加剧、生态链的变化、商业模式闭环等。
当前全球大语言模型（LLM）领域呈现多元化竞争态势，包括专注AGCI研究的创新企业DeepSeek以及全球AI巨头OpenAI GPT、阿里云通义千问、Anthropic Claude、腾讯混元、Google Gemini、字节跳动豆包、Meta Llama、MiniMax、Mistral等，它们在人工智能语言推理能力的迅猛发展中扮演着重要角色。
以xAI研发的Grok系列为例，其迭代速度远超行业平均水平。Grok-2模型在发布后短时间内便实现了语言推理能力的突破，迅速对标OpenAI的GPT-4o。最新发布的Grok-3系列模型进一步展现了其强大的推理与计算能力。通过对比不同模型在数学、科学和编程领域的表现，Grok-3在推理和测试中的计算优势显著，尤其是在增加测试时计算资源后，其性能显著提升。
除了 Grok 3，在 DeepSeek 于 2025 年 1 月 20 日发布 R1 版本后的一个月内，成立于 2023 年 4 月的开源 AI 公司 Mistral 也推出了其最新模型 Saba。本周，Anthropic 于 2 月 24 日推出了更新的 Claude 3.7 Sonnet 和 Claude Code，这两款产品都受到全球开发者的广泛青睐，昨天，即 2 月 27 日，腾讯发布了 Hunyuan Turbo S。Inception AI 也是引人瞩目的，该公司由斯坦福大学的一位顶尖教授于 2024 年夏天才创立。他们的 Mercury 模型是一种基于扩散的大型语言模型 (DLM)，据称比其他主要模型速度快得多，而且便宜 10 倍，这引起了全球 AI 研究人员的兴趣。我们应该会在年底前看到各大 AI 公司发布数十种新模型。
随着竞争的加剧，我们看到随着token价格持续下降，最终用户的人工智能成本也在下降。
那什么是token？token是使用人工智能时输入和输出的计量单位。
你可以想象一个 token 是几个字符，取决于语言，中文、英文、德文等。
为了更好地理解，你可以看看 100 万个token代表什么?
现在你可以看到价格已经下降，而且随着技术和模型的改进以及竞争的加剧，价格还将继续下降。
同样，随着主要 AI 提供商（腾讯、阿里巴巴、OpenAI、谷歌、Meta、DeepSeek）建立大型语言模型的“发电厂”，我们看到大型语言模型的成本已经大幅下降。
随着价格下降，人工智能将转变为人们和企业的日常实用设施，就像电、水、煤气或互联网连接一样。
想象一下，就像电力通过为无数电器和设备供电改变了我们的世界一样，人工智能正在成为推动新一轮创新的基础公共设施。主要的人工智能提供商——OpenAI、谷歌的 Gemini、Meta 的 Llama、DeepSeek，以及阿里巴巴、字节跳动和腾讯等——它们实际上正在成为我们现代的电力公司。还记得电力的广泛使用引发了一场革命吗？这不仅仅是灯泡。它导致了冰箱、洗衣机、电视的出现——这些发明彻底改变了我们的生活方式。现在，我们在人工智能方面也站在类似的门槛上。这些语言模型就像我们这个时代的电网——一种基本的基础设施，它将实现无数我们甚至还没有想象到的创新。就像你今天理所当然地将电器插入墙上插座一样，很快我们就会经常使用这些人工智能服务来为新工具和解决方案提供动力。AI技术加速与产业深度融合，必然重塑行业并催生新的业态与商业模式，正如电力一样将快速推动更丰富的创新发明。
大语言模型技术的迅猛发展凸显了一个核心规律：技术创新遵循从“构建基础平台能力到生态系统共生繁荣”的路径发展，有效促进产业链协同，提升整个产业发展效率、并大幅降低成本。
在面对这些挑战的同时，我们也看到各行业加速与AI融合的趋势所带来的机遇与挑战。
各行业加速与AI融合的趋势：
各行业加速与AI融合的挑战 ：
接下来，我们看下人工智能在商业化广泛应用的场景实践。
在全球科技竞赛下，以AI为代表的新一轮技术创新，正加剧市场竞争，进一步促进AI商业应用成本大幅下降，将带动AI商业化的广泛应用：
在了解了人工智能在医疗、教育等各个行业的广泛应用后，我们接下来需要探讨一个更为关键的问题：
我们如何利用人工智能为商业和客户带来真正价值？在过去的一年，为商业和工业领域提供人工智能解决方案，特别是通过专注于某一特定领域或任务的垂直智能体，为企业自身运营以及行业客户提供有价值的服务。
什么是垂直智能体？用以下一张图胜过千言万语能够清晰阐述。
这个金字塔结构代表了垂直智能体的分层架构：
1、底层是大语言模型（LLM），提供基础的自然语言处理能力。如阿里巴巴、谷歌、百度、Meta、OpenAI 等
2、位于 LLM 之上的是数据处理层，处理行业特定数据并为更高级别的数据加工流程做准备。
3、专业知识层包含与特定行业或垂直行业相关的专业知识和规则。
4. 在最顶层是特定行业决策层，使用经过处理后的数据和专业领域知识为特定垂直行业提供定制化的决策与建议。
此结构说明了垂直智能体如何基于通用大语言模型为特定行业或任务创建高度专业化和有效的解决方案。
与通用AI的“广度覆盖”不同，垂直智能体的核心特征体现在其高度专业化和精准化的能力上。垂直智能体通过深度定制，能够更好地服务特定行业和任务，带来AI应用的革命性变化。其核心特征包括：知识纵深性、决策精准性以及系统耦合性。
垂直智能体深度聚焦特定行业或场景，通过领域知识增强、业务流程重构、实时数据闭环形成专业化人工智能系统，赋能行业的创新应用。我们已经看到，全球范围内越来越多的行业正在积极运用垂直智能体技术，推动各个领域的智能化进程。
现在我们对垂直智能体有了更清晰的认识，重要的是我们需认识到，有效开发和利用这些垂直行业人工智能体需要两种关键类型的软件。第一种是数据集成和数据管理软件：
通过遵循这些步骤，组织可以创建一个具有行业特定的高质量的数据基础，垂直智能体可以利用这些数据提供准确、量身定制的行业洞察力，并实现专业领域复杂工作流程的自动化。
第二个关键部分是身份和访问管理 (IAM)中间件。在垂直 AI 智能体的应用下，IAM 在管理物联网设备、应用程序、系统和传感器的身份管理和访问控制方面发挥着至关重要的作用。
虽然多数人将 IAM 主要与基于人的身份联系起来，但实际上其范围远不止于此。在垂直 AI 智能体的应用下，IAM 在管理物联网设备、应用程序、系统和传感器的身份管理和访问控制方面发挥着至关重要的作用。
通过实施强大的 IAM 最佳技术实践，组织可以确保其垂直 AI 智能体安全高效地运行，并保护敏感数据和系统的完整性，同时使智能体能够高效地执行其特定功能。
如图所示，政府、企业各行业已开始通过自主开发人工智能体或购买第三方专业服务来加快AI在行业中的应用并获得回报。正如我们看到的这张图，AI智能体正处于起步增长阶段。
当人工智能完成从技术突破到商业渗透的系统化跃迁，全球企业正面临更本质的挑战：如何在激烈的市场竞争中实现可持续的数字化转型。企业不仅需利用创新技术提升商业价值，同时在变革过程中必须确保效率、安全与合规。
接下来我们重点关注如何应用创新技术助力企业实现数字化变革。
在全球产业创新变革的大背景下，数字化转型已成为产业发展的核心驱动力。在这实现这一目标的过程中，企业不仅需要技术创新的支持，更需构建一套完善的数字化管理体系。我们说：管理在于制度，制度在于流程，流程在于系统，系统在于数据。企业需要将人员、组织、流程、数据、资产等各类要素纳入到一个可量化、可视化的数字化管控平台中，形成全方位的管理与控制体系。围绕数据驱动、流程优化、资源整合和组织变革，数字化转型通过技术驱动创新迭代、数据驱动科学决策，不仅提高了运营效率，还推动了资源的优化配置。更重要的是，当企业打通内部数字化经脉后，向外连接的生态资源将成为构成企业可持续发展的核心壁垒，从而以更高效、更集约、更安全的路径实现资源优化配置及相关资源方的“连接、安全、共生、共享”。
简而言之，数字化转型是一个随着技术快速迭代而持续动态优化的过程，将更智能、更易用、更安全。然而，在这一过程中，企业可能面临文化、管理、机制、流程、系统、数据等多方面挑战，比如：
在数字化驱动方面，如何在跨域、跨平台以及各种不同类型的信息系统、新技术资源间建立安全、高效的连接，实现降本增效与集约化管理？
在风控管理方面，如何有效对业务风险进行系统梳理，加强内外部不同类型用户的访问权限与内部控制，保障企业数字资产安全与合规？
在企业并购业务扩张时，如何确保信息系统快速响应业务和组织机构的变化，提升组织间的协同运营效率与风险防范？
在探讨数字化转型应用创新技术以提升效率、安全和合规的过程中，我们首先需要明确，对于集团企业而言，实现高效、安全、合规管控的基础在于清晰的权限治理。
简而言之，权限治理的核心理念可以概括为十二字方针：“以事定岗、以岗定人、风险管权”，涉及管理授权、流程架构、组织架构、管理风险与监督等多个层面。
