对中国大公司而言，拥抱数字化，是当前不确定大环境中最大的确定性。随着5G落地应用，中国产业互联网迎来高速发展，垂直领域数字化转型升级正在加速前进。同时，云计算、人工智能（AI）、物联网等技术也在深刻改变人类生产及生活方式。现阶段，企业应如何有效利用技术，以加快数字化转型和智能化升级的步伐？

在近期举办的2023年《财富》中国500强峰会上，《财富》亚洲编辑高名历（Nicholas Gordon）与新希望集团首席数字官、新信号数科集团首席执行官李旭昶、SAP中国区高级副总裁、SAP中国高科技行业MU总经理刘鑫、华勤技术股份有限公司副总裁、董事会秘书王志刚，以及格创东智科技有限公司副总经理李楠，围绕相关话题展开了对话。

以下为经过编辑的对话实录：

高名历：如今，和软件公司进行合作，似乎可以被看作是一种新机会和营收来源。SAP如何看待和理解这一观点？

刘鑫：SAP是1972年成立于德国的一家软件公司，主要做业务流程和企业管理软件。有关产业互联网的问题，SAP更专注于企业的业务流程优化和管理。

SAP在云技术方面有一定突破。我们希望企业在信息化企业软件方面，能够有一个集研发、运营、生产、销售，以及采购于一体化的业务底座。通过数字化底座，优化各家企业的业务流程，从而再次让企业形成飞轮效应和正向回路。

高名历：华勤也做了很多新的技术产品，公司是如何利用日新月异的技术推动产品研发的？

王志刚：华勤是一家比较典型的研发型制造公司，我们为全球客户提供诸如手机、平板、笔记本电脑，这类智能产品的研发和制造的工作。在过去很长时间里，无论是从研发角度，还是供应链运营维度，以及制造环节，都沉淀了大量数据。如果这些数据在业务链条上是断点的，就发挥不了任何价值。正是由于工业互联网和AI，这类新技术的创新和突破，我们将这些数据充分地利用了起来。

从研发环节看，新的技术使我们能够有效地将研发工作模块化。让很多曾经需要多次试产的功能，减少试产次数，从而增强研发效率和缩短研发周期。

从运营角度看，消费电子的一个比较显著的特征是，既要形成规模化，又要满足全球市场淡旺季的需求。中国市场上，比较典型的“6·18”和“双十一”就是旺季。拉美的母亲节，还有美国的“黑五”和圣诞季，都是旺季。

要保持大规模交付，并增添一些柔性，需要在生产运营过程中，合理使用数据，同时将一些工程师的经验变成算法，通过数据与算法、算力的结合，实现业术融合，进一步增强效率，提升良率水平，为客户创造价值。

在工业互联网新经济下，无论是数据，还是人员经验转换成的算法，还是后台设备支撑下的算力提升，都给我们的业务带来了极大的帮助。

高名历：我们现在可以看到芯片、半导体，以及电池行业的蓬勃发展，人们对相关技术非常关注，这些技术对中国市场有何影响？李楠先生，您如何看待相关技术？如何利用技术进一步降本增效，推动公司发展？

李楠：在家电这一赛道中，包括电视、手机、冰箱在内的很多产品，我们在过去都做了很大转型，已经进入到泛半导体的行业之中。我们有了华星光电面板工厂，从2015年前后，我们就往工厂中引入了很多AI技术，包括工业互联网平台，以及工业和控制软件，使得整个产线的自动化率和无人率都有了大幅提升。

这两年，我们将自己好的技术慢慢对外进行输出，助力一些芯片企业，以及最近比较火热的储能电池制造企业，帮助他们达成生产中最想得到的极致良率、极致效率、极致成本这三个KPI。我们引入了大数据、深度学习，和大模型等新技术，使得他们在这三个指标上，能够实现业务的核心目标。

高名历：这些技术非常实用，不仅仅是对高新技术企业，对所有行业也都是一样的。李旭昶先生，产业互联网是否也能赋能到农业和食品行业中？

李旭昶：这是一个很有意思的话题。新希望集团在农牧食品行业扮演着领头羊的角色，除此之外，我们还有其他的产业，比如金融服务、化工、医疗等。

工业互联网，英文是Industrial Internet，国内也有人翻译为产业互联网。新希望对此的态度是，我们不去讲概念，不去讲名词，而是讲它的实质，如何利用它帮到企业进行有效的管理和运营，这是我们的重点。

关于工业互联网，要拆开来看，按照架构来说，无非还是几个层次，最底层就是通过传感器和监视器去采集数据，之后经过边缘计算和网络，把数据采集过来。下一步是进行智慧化的分析和建模，再到不同场景去应用。

这样的工业互联网架构完全可以照搬到农牧食品行业中来，只不过区别在于上层的应用不一样。下面的架构，我们在牧场、养殖场、食品企业，加了自动化和工业化设备，包括智能摄像头，都是以万级为单位采购的。只不过到顶层应用时，从所谓的养殖端，就与其他工业有所区别了。

养殖讲的是对环境的控制，对饲料的精准投喂，对相关工作的集成化监控。最终目标是降低产业成本。无论是一头猪、一只鸭子、一只鸡，还是一头牛，全产业成本的数字，关系到产业的核心竞争优势。高于这个值就亏钱，低于这个值就赚钱。

所以基于这样的指标回溯，就能知道应该分解哪些指标，关注哪些产经，去做哪些优化，实现所谓“从看得清，到管得住，到算得赢”。从这个角度来说，我认为，工业互联网和产业互联网对养殖产业而言，与对食品产业没有任何区别，只不过场景和相应指标有各自行业的特色。我们称之为Industry Know How。

高名历：新能源汽车也与产业联网高度相关，我们如何用现有的技术赋能于电动汽车生产？

王志刚：一个比较典型的趋势是，现在的车越来越智能化、电子化、网联化、在线化。华勤作为汽车领域的新进玩家，将过去十几年在手机、PC、平板领域中所积累的核心技术，应用在了智能座舱和智能网联这类汽车电子产品上。

大家可以看到，座舱目前也变成了一个由ARM的硬件架构，加安卓软件生态所共同构成的产品。这与我们在消费电子领域所积累的软硬件和结构的人机交互能力是相通的，它们的底层技术也是相通的。同时消费电子中所产生的规模效应，也能在汽车行业的成本和效率竞争力提升方面有所建树。

在新技术的应用上，特别是如今车已经不仅是一种出行工具时，我们将原有的一些核心能力、规模优势，与全球质量标准结合在一起。未来，我们希望能做更多工作和输出。

高名历：SAP是一家全球化的公司，需要本地的经验，也需要全球的智慧，如何将中国本地化和全球智慧相连，更好地赋能高新技术企业的发展？

刘鑫：在中国，SAP一直将国外专家和本地专家结合得非常好，来服务于中国的客户。我们在上海有本地的研究院，服务于全球，大概有5000人左右。这是公司全球层面的设置。

SAP产品的最佳实践都是与世界最先进的企业相结合。所以在很多项目中，我们会总结出全球领先的龙头企业的最佳实践和业务流程管理，然后邀请对应的国外专家，一起参与到本土同行业的项目里来，进行赋能。

我们也很高兴地看到，如今在某些行业中，有些中国企业也在对外赋能。比如在锂电和光伏领域，我们在全球范围内都是领先的，这些企业的最佳实践也可以反过来赋能国外的企业。原来总是想着来自全球的最佳实践，其实现在中国市场也有很多最佳实践可以出海。

高名历：我们应该如何利用技术？李楠先生，在技术应用和数字化推进方面，您有哪些关键经验可以分享给其他制造商？

李楠：最大的经验就是勇气和决心。这背后意味着从上到下组织的变革、从上到下技术的研发、从上到下在数字化方面真金白银的投入。这都是TCL数字化转型比较成功的核心经验。

另外，对于新技术，我们要勇敢接纳。当时，华星光电面临的困难是，我们生产的面板多多少少会产生瑕疵，难点在于如何发现瑕疵，并告诉生产人员这是什么瑕疵，应该做怎样的处理。

这项工作过去依靠人，在一个大的面板车间，我们可能要投入60至70个人，24小时轮班做缺陷检测和判别，就像医生一样，看几百万张图片做判断。那个时候我们就非常坚定，一定要解决这个问题。

所以我们最早与IBM、腾讯对接，由格创东智承接这项工作，投入了大量资金与人力，最终通过引入AI深度学习技术，实现了95%以上的人员替代。我们会将这些人工放到更合适、更有附加价值的岗位上继续工作。

现在我们也将这些AI、大数据相关的经验能力，通过格创东智，对外进行输出，帮助了很多芯片、动力电池，和储能电池领域的企业，用同样的技术解决他们生产过程中无附加价值成本的浪费，使他们达到最终的业务目标。

高名历：只是有技术就足够了吗？还是说，商业的实践和管理也需要随之变化，才能实现转型？

李旭昶：这是一个非常有意义的话题。无论是小型企业，还是大型集团公司，是不是有数字化技术就可以了？新希望对关于整个数字化的设计和思考有一些心得。

首先，数字化课题对新希望而言，不是“东一锤子，西一锤子”，我们有一个比较长远的3到5年的“登高计划”。这是属于顶层设计的内容，理清集团应该如何做，产业板块应该如何做。

第二，每年落地“灯塔工程”，每年都挑出最有价值的工程，往前推进。

第三，数字化的推进与业务之间是关系？我们的回答是，数字化必须与业务深度融合，才能真正产生实际价值。其中有两个层面：

一是所谓业术融合，今天的数字化，尤其是在大型企业中，应该早就过了所谓信息化的阶段，更多的是面向业务的价值。数字化无非可归类为三类价值：第一类，商业模式转型；第二，经营管理的优化，涉及到经常谈及的开源节流、降本增效。但坦白讲，过去很多企业没有真正解决这个问题。数字化环境下，有没有可能将这件事情做得更好？这是我们要思考的第二个问题；第三，客户体验的提升。在新希望内部做数字化，如果与这三类没有关系，我们就不投资。

其次，有的产业已经是千亿级，有的是百亿级，有的还没有到十个亿。他们遇到的挑战和问题也是不相同的。

在我看来，如果说你的年收入还没有到10亿，那么内部管理还需要很多优化，有关营销、生产、人效、食品安全这些课题，还有很多事情需要做。对于这类产业，数字化的价值就是帮助他们完成从作坊式生产到规模化，再到集约化的过程。但是，年产值几百亿或上千亿的大型企业就是另外一个过程了。两者是不一样的。

不管怎样，最后都要落到一点，数字化一定是奔着业务价值和目的去的，最后数字化绩效的衡量手段，也是在比较有价值的场景中有所呈现。比如乳业中，所谓食品安全数字化的指标，一定不是说建哪个平台，而是说质量追溯的效率，原来是几个小时，现在是否能减到5分钟之内。其次，我们有冷链物流，绝不是用公里数和价格和别人拼，而是看指标中，一辆车的油耗有没有降低8%，库存周转率是不是得到了极大提升。

因此今天筹划数字化，在做顶层设计、落地手段，和衡量标准时，统统要把业务和数字化做紧密结合，这是一个非常重要的课题。

高名历：这些新技术能不能让中国市场的各个行业更加有活力？

王志刚：任何企业在做数字化的过程中，往往都会经历三个阶段：先是信息化，再是数字化，未来是智能化。

我很赞同数字一定要与业务结合的观点，基于华勤技术全球业务的产品组合和客户需求，让数字化可以在每一阶段发挥效用。比如，数字化会带来效率的不断提升，表现出来的就是周转指标的提升，增强核心竞争力。

其次，还要考量在数字经济之下，未来我们的环节中可以嵌入哪些业务，做哪些业务嫁接。希望通过终端、硬件、软件，和内容生态背后服务器和交换机等提供的业务支持，为未来整个数字经济搭建新基建，这是我们的目标。

无论从内还是从外，都能找到新机会，未来的市场可能是面向全球的市场。中国制造由统一的供应变成分散供应，如何用数字能力，以及嵌入其中的技术，让对外的制造门槛降低，将核心技术留在中层，易于全球性布局，这是中国企业以及各行各业要考虑的问题。

高名历：AI是当下热议的话题。对于这项技术，我们是不是太乐观了？在推进这项技术在商业层面的发展时，我们需不需要冷静一下？

刘鑫：这是非常热的话题。现在不管讲AIGC，或者已经细化到产业的大模型，都引起了广泛讨论。

我从SAP的角度为大家做一些分析。将AI技术融合到Business AI和业务流程的过程中，我们从财务管理、自动化销售管理、财务应收账款业务流程的自动梳理，还有从人力的角度，分别已经从几个模块完全嵌入了AI。SAP在硅谷最近也投资了几家AI的初创公司。

SAP在AI领域，我们称之为“Business AI”的概念，我们可以不断用AI技术优化流程，迎接新的技术。特别强调一下，从传统企业来看，不是所有企业都是用技术驱动业务，我觉得业务和技术是双驱动的关系，很多大企业是这样做的。

不要单看什么热就追什么。比如现在大家可能都在讲AI，前段时间是在讲工业4.0和产业互联网，其实要看它们如何与自己的业务做结合，同时还要做顶层设计，做整个战略的管理，要从业务驱动，找到最适合的技术，打造双赢。这是最好的，而不要太过盲目地追求新的热点技术。

高名历：李楠先生，您之前谈到了机器学习，您是如何看待AI的？

李楠：过去，我们做的是AI1.0，大模型横空出世后，现在进入到了AI2.0状态。我们也在积极拥抱变化。举例来说，现在我们的软件团队在用大模型帮助程序员生成代码。我们有过大概统计，现在通过大模型的能力，已经可以节省40%以上的代码编写时间，这是在软件编写方面的一个大的变化。

从业务角度出发，大模型其实在帮助我们的客户，尤其是半导体和新能源的客户，代替掉他们一些传统的软件，流程不再是死板的、固定的，取而代之的是由大模型帮助生成相对应的图表，无论是灵活性、效率，还是后续维护的便易性，都在AI加持下有了非常大的提升。

高名历：李旭昶先生，您如何看待AI？它对公司有什么帮助？

李旭昶：对此我有几个观点。首先，新希望认为，AI不等于AIGC。这是一个最简单的观点，GPT也不等于AI的全部。

第二，AI分为两种派别。像TCL这类公司，他们有一部分的业务就是要用AI为广大企业服务。对新希望和更多企业而言，更多的是传统产业和创新产业如何用AI这一工具发挥更大的效能，这是另外一个不同的角度。

第三，新希望在AI方面，不会做“从0到1”的事情，即便是像AIGC这样的热点，因为AI只是一个大模型。每一个行业基于AI能做的事情不一样，一定要有自己垂类模型的训练方法，但是我们永远不会从头开始造轮子。

第四，我们一定是要跟紧AI的，但我们会以更加有效的方法去对付它。（财富中文网）