AI赋能实体企业分论坛现场

记者从南开大学MBA校友会获悉，8月30日下午，南开大学MBA第五届校友发展论坛“AI赋能实体企业”分论坛在南开大学商学院举行。本次分论坛由南开大学MBA校友会天开AI咖啡馆品牌活动主理，聚焦AI技术如何系统性赋能实体产业，探讨从工具赋能到组织重构的实践路径。来自智能制造、工业自动化、文旅、传媒等领域的行业专家与校友，围绕AI与实体经济深度融合的前沿议题展开交流，南开大学MBA校友会创始会长、道特咨询创始人韩连胜博士主持分论坛。

王永宗分享

一、王永宗：企业AI落地的核心逻辑与挑战

校友会理事、浪潮智数（天津）董事长王永宗博士以数据与场景决定模型上限作为核心观点，指出AI模型的能力存在上限，且不仅取决于算法，更依托于数据质量和场景价值。企业AI落地不同于个人使用，需要构建体系，即连接企业内部系统、调动数据与工具，实现从内容输出到结果输出的闭环。

他说，企业愿意为四类智能买单，提出企业AI落地的四大价值维度。协作智能：将繁复工作自动化，提升效率；知识智能：沉淀老师傅经验与企业知识，促进传承；数据智能：让数据说话，从事后汇报转向事前预警；决策智能：通过自然语言交互辅助经营者快速决策。

阻碍落地有四堵墙，也是企业在推进AI落地时面临四大核心障碍。场景不清晰，流程难嵌入：AI作为“数字员工”，其角色、KPI及如何嵌入现有业务流程尚不明确；知识沉睡，经验不富裕：大量隐性知识存在于人员大脑或碎片化系统，难以被AI显性化；数据破碎，表达不一致：各部门对同一指标口径不一，系统碎片化导致数据割裂；治理体系缺陷：缺乏对AI数字员工的责任定义、KPI考核及风险管控机制。

为此他提出了解决路径，从通才到专才。他建议企业避免贪大，选择产品价值明显、数据基础好的场景进行最小化可行性验证（MVP），再逐步扩展。高价值场景分为四类：资金密集型（采购、供应链、营销）、人力密集型（如标书制作）、数据密集型（复杂逻辑决策）、技术运营型（研发、图纸管理）。

刘青分享

二、刘青：商科生如何闯进AI深水区

校友会副理事长、中工互联副总裁刘青博士结合行业背景与趋势指出，国家对工业大模型的支持力度超预期，中国拥有全品类工业门类，落地场景丰富。AI在工业场景中能发现人类难以察觉的模式（设备异常、能耗异常等），并在知识管理上实现经验无损传承。她认为，AI正在推动制造业从自动化走向自主化，实现产线/工厂的自学习、自适应、自进化。

她沿着从大模型到智能体的思路介绍了产品演进路径，智能体是具备大脑、感官、手脚、能自学、能协作的数字工人，输入目标即可自主执行任务。技术架构分为三层：底层是工业本体模型（定义对象），中间层是智能体层（感知、推理、执行、记忆），顶层是协同层（人机对话，人管智能体），而落地路径为AI辅助→AI主导→具身智能工厂。

刘青强调了商科生的切入点，提出在技术和商业的接缝处寻找商科人的机会。一是标准制定：参与国际/国家标准的制定，涉及产业生态协调与管理，非纯技术工作；二是商业闭环：负责投融资视角的产品化能力评估、标准合规及商业模式设计。她以自身经历鼓励大家：“如果别人能干，我也能干”，主动进入行业才能获取时代红利。她特别指出，真正难的不是大模型本身，而是被行业理解的语义数据和专业知识，这正是商科背景人才可以发挥优势的领域。

丁晨分享

三、丁晨：从注意力经济到意图经济

校友会理事、样本通创始人丁晨认为注意力经济有其局限与流量困境，过去二十年，互联网商业的核心是争夺用户的注意力和流量。电商搜索、广告投放，本质是争夺一个人一天中的每一秒，因为“你看不见这个产品，人就不会去买这个产品”。当前流量成本日益高昂，B2B企业的增长已不再依赖流量，而是面临没有流量就做不了的生存困境，流量经济正在失效。

为此，他提出意图经济的崛起新号，即从人选产品到AI选产品。互联网时代是搜索时代，人选产品，人从海量信息中筛选；而生成式AI时代，AI能够理解并执行人的意图，直接帮人完成选择。他用一个生动的比喻解释智能体，如果把大模型比作人工智能的智能大脑，那么智能体就是手和脚，甚至可以是你的助理。它可以帮你办事、帮你选择，你只需表达意图，AI就能帮你完成行动。

丁晨提示了A2A（Agent-to-Agent）网络即机器之间的对话已经出现，他分析说虽然当前绝大部分AI应用仍是人到AI，人提出问题，AI给出反馈，但2026年初，AI与AI之间的对话已经开始出现。当你要采购一个产品，如果是简单的B2C产品，AI可以轻松处理。但B2B交易极其复杂，不仅涉及产品参数，还涉及商务条款、SLA（服务水平协议）等复杂内容，当AI与AI直接对话时，可以大幅节省中间环节。他预测，AI下一次巨大变化，不是多模态，而是A2A网络，企业间的AI Agent相互连接、自动对话、自动磋商。未来，意图不是被理解，而是可以被执行，消费者有目标、有约束、有偏好，形成结构化的意图，AI可以代表他去寻找、去交流、去磋商。

最后，丁晨从A2A的商业价值给出了产业数据标准与生态构建，他以亚洲传感器技术博览会为例，100多家参展商的AI自动回复，最后精准匹配到三款产品。传统展会上，花20万元参展费可能只拿到一两百张名片，真正有价值的线索不到10条，而A2A模式下，一次就能拿到3条精准线索，这还只是线索，后续磋商和交易可以继续由AI完成。AI真正降低的是商业背后的六大成本：发现成本、表达成本、沟通成本、比较成本、筛选验证成本、协同成本。B2B产品越复杂、参数越多、非标程度越高，成交前成本越高，AI的价值越大。

丁晨强调：“工业智能不在算法，而在语义；不在算力，而在知识。”他展望用5年时间推动中国工业产品的数据标准制定，构建全国行业协会统一的数据交换平台。这不是一个大数据平台，而是每个行业各自独立的数据系统，既保持行业自主性，又能实现互联互通。他所在团队正在开发意图识别引擎和操作系统，计划2027年全面开源，目的是让更多人参与，让每一个行业都能构建自己的A2A网络。

他总结道：真正难以复制的，不是越来越聪明的模型，而是被一个行业机器理解之后的语义数据和知识空间。如果你掌握一个产业的数据标准，你掌握的将不只是客户资源，而是下一代A2A网络的入口。

杨国安分享

四、杨国安：工业AI的底层逻辑与落地挑战

朗誉机器人总经理杨国安指出，AI的底层逻辑是数学建模+数据拟合+优化迭代，AI的本质是通过数学函数，经过优化迭代，让我们更接近物理世界。AI没有真正的意识，它只是数学函数，关键在于数据，如果没有数据去训练模型，模型就毫无意义。

他回顾了从基于规则到深度学习的演进，早期AI（如“深蓝”击败国际象棋大师）是基于规则的系统，规则可以穷举。但围棋规则复杂，难以穷举，后来“阿尔法狗”用深度学习击败围棋大师，掀起了新浪潮。然而，深度学习需要大量的算力，过去计算是串联模式，效率无法发挥；现在基于并联计算，需要巨量算力。算力需求呈指数级增长。

他辨析了AI落地中的三个核心困扰并给出了应对策略。一是算力与成本压力，大模型训练和实时推理需要巨大的算力和数据存储，中小企业自建算力中心成本极高。二是数据质量问题，即使有了算力和数据，也未必能训练出好的结果。“如果数据不清晰，不能把脏数据推出去、杀掉、删掉，最终训练的结果可能完全不符合目标。”三是感知与决策偏差，从感应到感知再到认知的跨越极具挑战，过去的传感器只是感应到有东西，但无法识别是什么，如果不能从感知上分辨出物体属性，决策就会出现巨大偏差。以无人驾驶为例，即便有数万公里的训练数据，L3级自动驾驶仍不能让人完全信任，因为规则永远是兜底保障，你不能完全信赖模型。四是责任归属问题，AI现阶段不具备承担伦理和法律责任的能力，最终负责的是人不是AI，这不是伦理问题，而是AI现阶段还不具备这个能力。

他的应对策略是拥抱AI但做好失败准备。杨国安强调，如果不拥抱AI，产品将出现代差，而且是难以弥补的代差。未来2-3年，如果产品没有AI能力，基本会被淘汰，至少失去议价权。但他同时提醒，任何一个新生事物都有弊端，企业在投入AI之前，一定要考虑清楚、做好规划。“你训练了、花钱了、做了算力、取了参数，但最终结果可能不是你要的，前期的投入可能全部白费。一定要做好失败的准备，才能把AI用好。”

最后他总结说，制造业过去30年解决的是自动化问题，未来10年需要解决的是自主化问题，让产线、工厂具备自学习、自适应、自进化的能力。

后两位嘉宾从不同维度完成了对AI赋能实体企业主题的深化。前者从商业范式的高度，揭示了AI如何将商业逻辑从注意力经济推向意图经济，并描绘了A2A网络如何重构B2B交易的基础设施。他的核心洞察是，AI不仅仅是提升效率的工具，而是彻底改变商业交易底层逻辑的革命力量。后者从技术落地的深度，剖析了工业AI面临的算力、数据、感知、责任四大挑战。他的核心观点是，AI有巨大潜力，但落地过程中的困难同样巨大；企业既要拥抱AI以避免代差淘汰，也要理性规划、做好失败的准备。二者结合，形成了一幅完整的图景，AI正在从商业范式和技术落地两个层面同时推进变革，前者指向不得不变的方向，后者提示如何变的路径与风险。

徐海林主持圆桌分享环节

五、徐海林谈认知重构与商业变革

四位嘉宾主题分享结束后、圆桌讨论开始前，天开AI咖啡馆主理人徐海林博士进行了预热分享。他围绕三个核心问题展开论述：AI与互联网到底有何不同？知识还有用吗？创业更容易还是更难了？

徐海林指出，AI的本质是从工具革命到物种革命。AI不是在改进现有技术，而是在创造一种全新的智能维度，其不可逆性决定了“你用还是没用”已经不是问题。它不是渐进式革命，而是增量迅速崛起、存量迅速崩盘的过程。一旦AI在某个任务上超越人类，人类在该领域便不再有翻盘可能。他进一步区分了工具革命与物种革命：工具革命做的是产品，目标是帮助客户解决问题；AI做的是服务，目标是直接交付结果。这正是互联网与AI的本质区别，互联网解决“连接”问题但不保证问题解决，AI则必须交付确定的业务结果。

徐海林辨析说，知识结构要优于知识积累，大模型随便一个模型读过三千万本书，一个人一辈子读一万本书已是极限。知识平权时代，单点知识的堆叠已无竞争力，真正的壁垒在于知识结构。商学院教育给予学生的核心价值不是具体知识，而是知识结构和“去魅能力”，是一眼看出什么是不靠谱的能力。他特别强调，AI打破了人的动机和能力之间的平衡。过去“心有余而力不足”的困境被彻底改变，只要有清晰的意图和认知，AI能迅速补齐执行能力的短板。人和人的差距，主要体现在提问能力上。AI工具遇强则强，使用者越强，AI发挥的价值越大。

他从创业与组织的特征给出了行动建议。徐海林引用清华教授的观点指出，在AI前提下，专业能力呈现液化状态，AI能无缝覆盖个人的技能缺口。此时两件事变得极其重要：一是品味，判断好坏的能力，这是未经训练者无法具备的核心素养；二是提出新问题，重新定义问题和发现新机会的能力。他提醒大家，AI并未让创业变容易，反而因样板易复制、竞争加剧，创业从“九死一生”变为“九十九死一生”。企业的核心竞争力在于构建基于共同认知和智能体协作的价值网络（A2A），这种网络难以通过企业内部自发形成，需借助外部生态平台实现。

徐海林最后给出三点建议，一是不要试图与AI在单一岗位上竞争，而应思考如何为AI创造岗位，成为AI创新者；二是警惕沦为AI宠物，当AI成为指引者时，人类必须保持对利益问题构建系统的主导权；三是代际互助，年轻人拥有激情和新知，中年人拥有经验和品味，两者应形成双向互助关系。他强调：“少协作，多合作”，AI极大降低了协作成本，未来应倾向于减少复杂的人际协作，转而让人与智能体高效配合。

圆桌讨论

六、圆桌讨论：企业AI转型的路径与实践

圆桌讨论由徐海林博士主持，嘉宾们围绕企业AI转型的落地路径、组织变革与产业差异展开深度对话，南开大学商学院院长白长虹教授参与了互动提问。

核心观点精华

沈金艳（校友会理事、塔林自动化创始人）：企业AI转型不能急于求成，要从小切口、小场景切入，在具体生产环节中验证价值后再逐步扩展。非标制造行业面临经验散、标准化难的痛点，需要将60%-70%的工作标准化，再让AI学习定制化部分。制造业的AI转型需要从小切口切入，在具体场景中创造价值，逐步构建垂直领域专用模型。

张华明（火山引擎AI高级咨询专家）：传统企业AI焦虑巨大，但不应仅围绕降本增效，更要关注增长创新、质量提升和组织效率。AI转型的终极方向是建立AI原生组织，产品设计如果没有AI，这个产品就不复存在。创新机会不在与互联网大厂正面竞争，而在于最后一公里，头部大厂打造核心能力，创业者需在垂直领域深耕，用业务理解构建壁垒。

倪玉哲（天津唯易科技总经理）：传统软件企业交付的是工具，但在AI时代应转向交付业务结果，利润增长、订单增长或直接的降本增效。这一转变将重塑企业的组织形式，一个人能干过去一个团队的活，管理变革势在必行。

黄玉建（央企流程顾问）：用南水北调比喻专业AI的本质，不是靠车辆一桶桶运水（大模型反复理解一切），而是建立标准化流程，在关键节点使用大模型，让水（信息）持续流动。他正在探索数字分身，具备个人能力特征的AI，可代替本人处理不同角色、不同场景的任务。

庞计善（天津中景投旅游管理有限公司创始人、天津旅游商会副会长）：他是一位深耕文旅行业二十余年的从业者，围绕AI技术如何赋能文旅产业分享了三个核心观点，AI重构文旅产业生态全链条；虚实共生新体验是未来方向；从实践角度推动智能化转型。他的分享基于一线实践的经验总结，而非纯理论推演，认为AI不是文旅产业的锦上添花，而是重构产业生态的关键力量，文旅企业需要从全链条视角系统布局AI应用，以应对行业痛点、把握虚实融合的新机遇。

马辉（辛玮智能科技业务负责人）：AI对软件行业是颠覆性破坏，但企业必须培养超级AI个体。知识库是企业最核心的数字资产，“不管用什么大模型都离不开它”。中国软件企业出海是未来的生存之道，国内效率已卷到极致，对国外可能是降维打击。

谢元（传媒行业创业者）：AI时代品牌营销的关键是全媒体精细化运营，而非单点流量运营。从线上自建新媒体到权威媒体，再到AI端流量入口，形成完整的品牌沉淀体系。AI传媒工具已经够用且内卷，真正的机会在于AI+行业经验的结合。

陈利（校友会理事、中利特智能科技创始人）：工业领域容错率极低，AI的97%正确率在工业场景中意味着1%的错误可能造成巨大损失。工业需要确定性，目前应用的是垂直小模型，而非通用大模型。AI在工业领域的三大价值方向是：预防性维护、预先性优化、预判性止损。AI对软件行业是冲击，但对装备行业反而是福音，系统架构师的价值更突出。

杜天浩（银河大数据总经理）：AI将每一个员工转化为数字数据资产，重构了企业的SOP（标准作业程序），拍摄和演员之外的环节可完全由AI替代。企业应聚焦数据资产的建设与沉淀，组织从传统的多人协作走向“一人+AI”模式，数字化不是干掉人，而是由系统接管人类的重复性工作。

白长虹院长参加分论坛

白院长对话：软件行业还有存在的必要吗

白长虹院长提出一个尖锐问题：软件行业是否还有存在的必要？他指出，不同产业（制造业、软件业、文旅业）面对AI时，变化的方向和难度截然不同。制造业场景带动要求更先进，而软件业本身就是AI最直接冲击的对象。

嘉宾回应：传统软件开发模式肯定走不通了，但软件行业不会消失，而是从技术专业人才向业务专业人才转型。未来考核程序员的不再是编程技能，而是对行业业务的理解深度；软件公司的价值在于“比客户更懂他们的业务”，用大模型为客户开发软件，这是客户自己做不了的。

韩连胜主持分论坛

圆桌讨论让校友们在非正式环境中进行深度、正式的商业思想碰撞，从产业AI转型的路径选择，到不同行业的差异化应对，再到组织与人的变革，嘉宾们从各自行业视角出发，共同回应了一个核心命题：AI不是概念，而是需要扎根于具体业务场景、在实战中“长出来”的变革力量。