以下是蓝凌软件副总裁 张建光 在STIF第五届国际科创节 暨新质生产力领航者峰会 的精彩发言，由云现场整理。

谢谢主持人，今天非常荣幸来会场做一个分享，连续第三年在这个时候跟大家做分享，今天非常好，做数字化转型为2B企业做数字化服务的企业来说，此时此刻都是每年战略执行和去年的总结，借着这个平台跟大家汇报一下我们去年的情况。

    去年从我们做的客户分析需求的变化，从需求变化找到AI的很多场景如何落地，我今天的演讲主题，如何通过AI和加上企业内部的支持，构建企业的智慧大脑，我们认为数字化转型之后智能化落地非常重要的点。

    第一个在央国企变成企业数字化转型中国行业的排头兵，我们去年收获了副部级和省属的国企，我们发现需求量非常大，这个也占到整个市场需求去看超过60%，这个变成非常重要的一股力量，在数字化转型过程中大家都在研究央国企数字化转型过程中具体的场景、需求如何落地。

    第二个去年也收获很多中小型企业，大概收获五千多家，我们看中小企业，数字化转型更多是拿来数字基座去做应用上的落地，拿第三方基座去做企业内部信息化、数字化转型，专精特新、小巨人企业，类似于这样企业的需求量非常多，都是基于业务去做的，甚至做企业内部的信息化，在信息化的基础上去做企业内部业务流程中的打通等等，这是重要企业的情况。

    我们发现几个场景， 我们发现企业数字化转型过程中，一个是合同场景，数字化和人工智能结合的非常紧密，包含合同比对，供应商管理、供应商查重、风险控制、数据驱动等，都是在数字化转型业务过程中都会提到人工智能的需求。

    费控需求，除了企业做司库，财务ERP以外，费控需求是单独化场景，在费控里面我们发现很多人工智能的点，比如发票查重、合规控制等，这些都是通过人工智能智能化手段来做的，档案管理、档案整理、档案借阅的整个过程。

    IPD项目管理，尤其是设计端的过程和人工智能结合是非常紧密的，去年我们看到只要接到这四类需求，数字化转型找到人工智能的点，需求是非常明确而且有非常多人工智能成熟的产品来做支撑，这个是企业数字化转型过程中重点是人工智能的落地，而不是各种创新。基于这些内容之外，在企业数字化转型过程中，第一个是大家都在谈大模型，尤其是通用语言大模型，在企业里面去看通用语言大模型，跟现在经常用的豆包、ChatGPT、Kimi有很多区别，尤其是中大型企业，谈的第一个点智能化手段是不是安全合规和自主可控的，这个是比较重要的点。

    第二个，企业做数字化赋能过程中，算力资源、模型参数我们认为是足够的，这是一个重点的趋势。

    总结一下我们去年这一年做的案例，在企业里面大模型过程中，训练级大模型在企业里的需求，第一个需求不是那么必然的；第二个也没有必要，更多是借用大模型解决企业内部推理的问题，基于此，百亿级的大模型，基于阿里开源的大模型，4张A10的24G显卡，支撑千人在线赋能企业内部；另外一个是可控的。

    企业在人工智能转型过程中，不是智能化手段不行，而是企业内部数据质量不高，如何把企业内部关键性数据，结构化数据和非结构化数据、半结构化数据，这些数据怎么做整合、清洗、标注、提升质量训练大模型，企业在智能化就会提升很大的级别，企业内部数据质量决定了数字化转型的高度。

    企业数字化转型如何快速见效，按照我们的案例归纳总结来看，企业内部的知识工程、创新场景，凡是创新知识与知识相关联的场景，这些场景在数字化转型能起到很多赋能业务场景。去年很多无论是BAT、央国企还是先进制造企业，在数字化转型过程中不约而同都会找企业内部的知识工程，怎么把知识工程企业分散在各个场景中的知识、数据怎么整合起来喂给大模型，提供给各个业务场景进行赋能，知识工程是知识管理非常重要转型的一个点。

    加速核心逻辑数据资产为核心数字化转型的过程，中间的知识工程如何进行企业内部的数据做各种采集，通过知识工程对它进行标注、萃取、关联、图谱，进而实现企业内部的豆包、kimi或者赋能给企业内部的各个场景中，这个逻辑是必然的。在企业里怎么构建这个点，核心逻辑，第一个结构化数据快速进行应答，我们叫做快思考，快速让我们的业务部门去使用，快速构建企业内部的豆包或者是kimi，很快进行构建，去年我们也构建了很多快问快答，企业内部结构化数据快速在业务场景下让业务部门或者领导问它，给他一个最精准的答案。

    还有一个企业内部有各种的任务，发起合同、发起采购、研发设计，需要大量经验知识喂给他，输出不同的解决方案，这个是慢思考，这也是知识工程后面的逻辑层非常重要的点，怎么通过算力层的推理解决这方面的问题，很多走在前面数字化转型，这里面大家都在做尝试，去年也看到很多很好的业务场景。

    我们总结一下，数字化转型过程中如何构建企业大脑、企业数字大脑，整个系统架构就应该是企业内部数据的逻辑快速问答，构建企业内部的问答系统；第二个加上企业内部非结构化数据的堆积和积累，产生向量化多模态场景下的自动化任务，这个是两部分内容，这些数据的来源，企业在数字化转型过程中通过服务技术萃取出来结构化数据和非结构化数据，通过知识工程来把企业内部的经验类数据和过程中的文档，把这些内容放到智能化的平台，进而实现企业内部智能化的应用，构建企业数字化大脑。

    基于此，我们推出蓝凌新一代知识管理平台AIcm，是你在各个文件库里堆积起来的非结构化数据，我们通过接口API导入到蓝凌aiKM，自动化做加工，实现快速思考、快速问答，构建企业内部豆包的场景；第二个快速赋能企业内部各种业务场景中，赋能到费控场景、研发场景、办公公文场景等等，整个逻辑里面我们的数据是不出外网快速构建，为了让用户快速构建起来我们自己还推出AI推理机和私有大模型，通过AI推理机一个月的时间就可以解决类似的问题，为华为汽车、消费生产企业、央国企在两三个月的时间，达到需要各种研究才能达到的效果。

    这个是应用界面，我们希望应用界面简单，相当于是搜索界面，你需要什么信息推给它就行，它来帮助你快思考推理，给你最精准的答案，企业内部所有的问答体系一定是精准的；我们在这里面会实时记录员工知识的行为，进而对员工行为推给他、更适合他想要的数据，通过这个形式可以裂变出不同场景的机器人。

    年底我们蓝凌内部快速裂变出二十多个机器人，有收款、有服务的等各种数据，你只要问机器人就行了，这个是具体的场景。去年年底我们推出几个版本，第一个版本，我们怎么快速构建企业内部的豆包和kimi，把企业内部的数据进行盘活，这个时候要多元知识的接入，企业里面能够快速安装、使用，我们推出AI的标准版，希望在企业里面一个月的时间，在线用户一千人，快速使用aiCM，盘活企业存量知识，企业盘 了将近七八年数字化转型，我们发现企业里面的数据是有了，数据质量、数据盘活、知识盘活是最大的问题，它是很大的问题，怎么盘活它，我们在这个平台里用这个平台帮助企业来做这方面的盘活。

    第二个，如何更深的，数据盘活以后，我们要再利用，赋能各种业务场景，我们就用蓝凌积累了这么多年的技术结合具体场景，更深入的跟业务场景做一个打通，这就是为企业内部构建知识工程，构建过程中我们发现企业依然有很多数字化场景的需求，同步推出引擎，包含组织引擎、知识引擎、数据引擎、流程引擎、整合引擎，为企业内部做信息化、业务场景，用蓝凌八大软件去构建，这个是具体做的案例。

    最后简单一分钟介绍一下公司，公司2001年成立的，成立24年，定位中国领先数智化办公专家，在国内排名特别靠前；我们拥有国内最多的知识管理案例，公司成立就是知识管理专家，拥有国内最多的知识管理案例，又跟大学成立很多知识管理研究院，覆盖全国300多个城市，五万家企业。

    我今天的分享就到这里，谢谢大家。