这个会议一天提及AI 500次，一个难题：AI的“最后一公里”

新的增长方向在哪里？这是各个行业都迫切想知道答案的一个问题。

近期，2024 ITValue Summit 数字价值年会以“Ready For AI”为主题，两天的密集议程中来自不同行业、不同规模的企业技术、业务、管理决策者一起头脑风暴、观点碰撞，由此诞生了一场高密度、高压强的深度交流。

从讨论的高频词中，我们可以看到“AI”、“大模型”、“数据”、“场景”是大家普遍关注的方向。但这仅仅是水面之上的冰山一角，与此同时，在水面之下，还有更为庞大的山体。

当前，大模型产业落地加速，从具体场景中寻找答案已经成为共识。同样，技术变现的卡点在哪里，也同样需要从一线从业者的体感和思考中寻找线索。

一个难题：AI的“最后一公里”

毫无悬念，“AI+大模型”是全场论坛分享和讨论中的高频话题，仅在大会第一天的主论坛议程中就出现超过500次。

大会主论坛核心围绕“AI时代的企业数智化架构”、“用AI重新定义千行百业”两大主题展开，此外还有七大主题闭门，共同深入探讨AI技术如何推动企业架构的智能化转型，以及如何构建适应数字经济时代的新型企业架构，并结合实际场景探讨如何利用人工智能技术重新定义行业标准和业务模式，释放前所未有的业务价值。与会嘉宾从各自行业的实际应用场景和真实挑战出发，分享了不同领域的AI落地经验，也提供了跨界的视角和技术背后的思考。

虽然大多数嘉宾都认同AI在数字化转型中的重要性，但对于如何实施、AI技术的成熟度、以及AI带来的具体效益等方面，还是存在不同的看法和策略。

“大语言模型的应用，一脚油门也许就可以做到95%的程度，但是我们不能把这样的应用当作一个传统IT系统上线，必须在技术上和工作流程上去处理这百分之几的幻觉，才能真正在业务中发挥作用。”小即是大创业投资合伙人杨巍表示。

从投入产出的数据来看，人们憧憬的AI商业前景也很难在短期内实现。今年，红杉资本分享的一项数据发现，过去一年内，AI公司购买英伟达GPU的花费已经超过500亿美元，但目前所有AI公司产生的营收总和却远低于这个数值（约30亿美元）。

“这意味着，AI行业的落地还在早期，还没有出现真正意义上的Killer App。”在格灵深瞳创始人、董事长、CEO赵勇看来，之前AI之所以落地难，主要原因在于交付成本高、有效数据少、泛化能力弱。

从早期百模大战的喧嚣，到如今行业应用开始生根发芽，短短两年多的时间，供需双方迅速达成一个共识：只有真正解决垂类行业深度需求的模型才有市场，才有人买单。但当前AI技术尚未成熟，如何尽快打通“最后一公里”是尚未突破的空白区域。在这一方面，先行多年的数字化的经验或许可以作为参考。

在此次大会上，除了“AI”，数字化、场景、业务、技术等字眼也频频出现在嘉宾的分享和讨论中。数字化转型的重要性已经得到社会共识，分解其中不外乎技术与业务的融合，最终依靠落地场景实现真正价值。这也是数字化先锋企业们多年转型沉淀下来的经验，不断投入不断尝试，最终蹚出了一条适合自己的路。

平安证券首席信息官张朝晖分享了通过“微卡片平台”实现组装式的无边应用开发，进行数字化转型的实践。他的技术团队以最专业的技术和思路沉淀出了一套低门槛、高效率的全员上手的开发平台，能够快速响应多样化的需求。

中远海科的“船视宝”可以说是“航运数字新基建”，基于航运数据中台，一方面形成了实时的远程监控、远程调度的基础能力；另一方面，基于服务航运行业多年来的业务经验，加上模型和算法的能力，可以监测，甚至预测一艘船的“健康”状况，并根据数据分析，帮助船舶经营公司提升船舶维修保养的辅助决策能力。与此同时，还可以根据对气象数据的分析，告知海运企业所属船舶在运输过程中可能遇到什么样的风险。

数字化转型的历程已经证明，新技术的迭代周期总是更快，但只有真正找到技术与业务的结合点并且深入下去，成熟应用的周期才会加速到来，而企业在数字化阶段经过了漫长的探索才进入这一阶段。AI技术应用也将是如此。

龙湖集团于2019年开始组建AI团队，核心要求是基于产品和场景，而不是基于项目立项，拆出900多个场景，分析哪些场景可以优先提效。龙湖集团CIO、千丁数科总经理李博的建议是，企业调整时会有颠覆式想法，制定目标往往有高倍绩效。因此，一定要把账、效率算在前面，业务和技术一起想路径，才能找到新的做法。

“技术只是基础，产品和场景才是应用落地的关键。”赵勇也表示，行业Insight跟行业数据一样重要。对场景、客户以及业务流程的深刻了解，还是极其有价值的，只有那些愿意躬身沉入到行业中的公司才能真正解决客户的问题。一方面把AI算法与特定行业场景深度融合的经验，是难以在短期内获得的；另一方面，跟很容易从开源数据学习到的语言信息不一样，视觉的东西没见过或者没做过就是不知道，只有深耕行业，才能积累到足够多的有效数据。大模型再厉害，也无法替代产品文化，未来优秀的产品经理和产品文化，对交付AI产品来说极其重要。

在酒店业，一些酒店已经开始利用AI进行数据分析、收益管理等，以提升服务质量与效率。AI技术也在个性化服务、模糊性选择、大数据分析等方面展现出了巨大潜力，未来有望实现更个性化的客户定制和推荐。

尽管涌现出了众多的应用场景，但AI技术真正在酒店行业成熟落地仍存在关键问题亟待解决。“我个人认为AI对于酒店行业，已经具备作为生产力的条件了，但是对于决策者们来说，大模型‘幻觉’依旧是一个让他们有很大顾虑的问题。”中国旅游集团酒店控股有限公司科技信息部总经理周长坦言，此外生成式AI技术目前在酒店行业也没有能体现出很好的ROI。

万达酒店及度假村管理公司信息部总经理王雷也表示，目前还有大概50%的酒店行业的决策者们不相信应用AI技术能为酒店节约运营成本，而针对如何更好地推动AI技术在酒店行业的应用，他认为需要整个行业各方以及上下游共同努力，才能让AI技术在酒店行业中体现出更高的价值，才能切实推动AI技术在行业中的应用。

与此同时，现阶段企业想应用AI技术，除了软件、解决方案的采购成本，内部数据治理成本也是极其高昂的，在绿地酒店旅游集团信息技术部总经理吴龙看来，随着企业内部数据越来越多，越来越复杂，数据采集、治理的成本也就越来越高，而“数据”的成本也直接决定了企业应用AI的成本和难度，当难度提升时，如果这个技术为企业带来的价值是“不可视化”的，或者说企业是看不到具体价值的，这也给企业应用AI带来了阻碍。

一个机会：数据仍是重头戏

“数据”也是本次大会中紧随AI大模型话题被谈及最多的词。数据在数字化转型中的重要性不言而喻，是新的生产要素，也是AI模型能发挥更好效用的基础。没有前期数据治理的基础、无法提供高质量的数据“投喂”给大模型，就无法对业务提升形成真实价值。

而且，当前各行各业都有深刻的经济环境体感，过去粗放式运营已经走不通，不管是精细化运营，还是向数字化转型和AI应用要成果，首要任务都是正视数据的价值。

以货运行业为例，2024年全国公路货运指数同比2021年降幅14.2%，同比2023年降幅2.6%。“随着市场格局的改变，以及需求的通缩，物流行业“下半场”的竞争会更加激烈。”G7易流创始人、首席执行官翟学魂坦言，当前城配物流生态正处于一个非常窘迫的阶段：司机收入低，频繁退租；租赁平台车辆维修成本高、保费成本更高；保险公司赔付率120%-130%……当需求下降，最基础的人收入下降时，整个产业面临所有人“全输”的局面。

如何打破困局，盘活行业？翟学魂展示了两组数据——高危司机的事故率是安全司机的20多倍，而且这些“高危司机”造成的赔款是安全司机的10倍左右。基于此，G7易流制定了一套“红绿灯”的制度，红灯代表高危司机，黄灯代表一般的普通司机，绿灯代表非常好的安全司机。通过包括工作强度（每天工作时间）、工作习惯、驾驶习惯等多维度数据的采集，加在一起，综合出得分，接下来会跟物流公司、租赁公司，包括车厂一起推动“红绿灯”改变过去循环。

“如果我们能够在窘迫的产业里，发现可以改变产业结构的稀缺的数据，并让这些数据形成闭环，产生飞轮效应，我们就有可能获得‘一线生机’。”翟学魂强调，数据本来就在那里，真正稀缺的数据是企业将所有数据集合在一起，产生了原本没有的洞察效果。

在更多行业，数据与AI的结合也正在打造飞轮。

秉承变数据为资产的理念，2016年开始，香港医管局打造了打造医疗数据底座和服务整合底座，并以此底座整合公立医疗和基层医疗服务和推动医疗创新，通过数据驱动改造医院的管理，并开发智慧医院产品和升级医院服务。例如，结合开发医管局30年临床数据打造人工智能及数据协作实验室，完成71个科研项目、与大学合作有450多位研究员参与研发，交付了34份研究报告。还以实时数据驱动和算法开发医院指挥中心，利用数据自主开发人工智能  支持服务数字化转型，开发了30多个大模型方案加速数字化转型。

马上消费CTO蒋宁认为数据与大模型的应用相结合，构建属于企业自身的大模型，是一项关键战略。例如，马上消费去年发布首个金融大模型“天镜”，目前该大模型在交互、分析以及决策等方面均发挥出了重要的作用。

从关键技术点维度来看，蒋宁也认为数据生成，数据管理，原数据技术，大模型自动打标，以及大模型认证技术，都是未来大模型构建需要关注的关键技术点。

对于AI落地难，赵勇认为大模型带来的是一个构建行业AI应用的全新技术范式，理论上可以通过付出较少的成本，来高效解决长尾需求从而降低交付成本，通过通用能力来解决少样本数据的问题，同时大幅提升模型的泛化能力。但与此同时，他也提到当前模型发挥效用遇到的问题之一在数据方面。

“数据孤岛问题的形成原因之一是，客户不愿意将数据分享出来。我的建议是，如果想推动数据孤岛问题的解决，大客户最好直接找科技公司交付项目，不需要太多集成商作中间商去交付。这会增加数据流动的障碍。此外，模型训练需要非常多标注数据，今天人工标注成本依然很高，我们多年前就开始用自动标注的方式来处理数据。”赵勇说。

在“重塑用户数智化增长模型”主题闭门讨论中，与会的专业人士重点讨论了在消费成规模的零售消费企业的数字化过程中，数据是如何能真正为企业业务的增长提供新的动力。

一位消费企业CIO认为，数字化工作的核心是交付数据，但是很多时候数据的质量并不稳定。一个突出问题是数字化部门用数据逻辑去理解业务实际情况时，往往放大了因果关系而忽略了相关性影响。因此，企业需要真正把信息变成知识才能产生实际的价值，并通过数智化的手段，实现自我价值的再生与复制，真正实现生产力的提升。

数据决策AI是实体企业最好的机会。中顺洁柔首席信息官杨森林表示，数字化起到的作用是拉通端到端的流程，解决效率问题。当所有的企业站在同一起跑线上，都缺少先发优势，这时候找到痛点，点对点打爆，就可能获得市场先机。

在他看来，数字化就是一面镜子，真正反映的是业务流程、真实的业务数据是不是出了问题，而不是把更多的关注放在数字化产品本身上。而AI和数字化并没有多大区别，一切以业务增长为目的，失去了这个最终抓手，很可能会变成被孤立的中心。

一个发现：保险成为融合创新的新战场

寻找新的生机，在ITValue Summit数字价值年会推动的讨论中有迹可循——在2023 ITValue Summit数字价值年会上，几十名险企、平台方、医疗机构及相关专家聚在一起召开了一场闭门会，大家立足于各自行业，共同就商业健康险的路径探索、数据获取、人群拓展等问题展开讨论。

当时，带病体人群的保险需求成为闭门会上各行业与会人士的关注重点，改变这一现状，需要多方参与，闭门会上的讨论没有停止——今年初，一款“肺康宝”保险产品已经在医疗服务管理平台和保险企业的合力推动下进入市场。

今年，2024 ITValue Summit 数字价值年会上同样举办多场闭门会，思路也是推动行业内各方共话行业创新可能，从中可以看到参与各方的强烈共识和跨界碰撞后的新机遇。

比如，在城市物流和长途物流领域，新能源车辆正逐渐占据优势，因其成本优势开始对价格产生重大影响。但与此同时，新能源车也在面临保险难题。G7易流以庞大的货运数据中的全新洞察，联合主机厂、保险公司及服务提供商等多方参与者，尝试以科技创新解决当前新能源车商用险的困局。

在“新能源商用车「科技降险」的飞轮如何转动？”闭门会上，参与各方深入探讨了影响道路交通安全和保险赔付率的多个因素，并从智能技术革新、意识提升和价值共管模式等方面探索，以优化保险定价、赔偿流程和提高车辆安全性。强调通过跨行业合作和科技创新，降低运营成本并增强客户满意度，共同推进新能源汽车保险业务的可持续发展。

一个共识是，问题的核心并不是保险问题，而是安全技术水平的退步。不论是驾驶员群体更迭带来技能水平下降，还是新能源车的技术特性原因，当前整体运输行业的安全性出现了下滑。针对此，解决的方向也很清楚，即需要提升现有安全技术水平回到“原点”。

讨论中提到利用技术和服务创新来提高汽车安全性，比如通过数据分析和AI技术实现对驾驶员行为数据积累和评估，如安全地图和驾驶行为分析，提前预警潜在的安全隐患。此外，还强调了建立有效的沟通渠道以及制定合理的隐私协议的重要性，保证司机能接受并积极响应安全提示。进一步探讨了如何通过运营算法优化提醒机制，避免信息过载造成司机疲劳。同时，提到了一个具体的实例——通过视频分析确定事故责任，并有效与保险公司协调处理，展现了技术在解决实际问题中的应用价值。最后，提出将推出新的服务和产品，比如绿色会员计划，旨在构建更加完善的汽车安全管理生态系统。

万亿规模的大健康产业中，数字化技术也在不断迭代和创新，让医疗服务更加精准和便捷，让健康管理日益标准化和可触达。传统医疗体系中的信息不对称正随着数字化技术的多场景落地，逐渐校准出新的平衡，人作为其中的核心，也正从被动地位逐渐向系统中心靠拢，一种“新健康”模式已在酝酿。

在“乘「数」而上，拥抱新健康”的闭门会上，保险、医院、药厂等多个行业的专业人士重点讨论了以人为中心的数字化医疗服务和健康管理发展议题。

随着AI技术深度赋能医疗服务和健康管理，健康管理与保险产业深度融合，一些新的场景也应运而生，包括药物使用的规范化、女性健康轻问诊、运动医学AI助理等等。

“移动互联网时代诞生了一批医疗企业，但没有实现关键突破，因为核心的医生资源仍在院内。生成式人工智能时代，我们可以期待真正的AI医生出现。”壹生检康创始人兼CEO王强宇表示，AI医生是大模型皇冠上真正的明珠。针对女性健康轻问诊，壹生检康的“中医大模型”，用户通过AI医生问中医，已基本实现中医辨病和辨证，在一些场景下准确率达70%-80%。

今年以来，大模型进入医院的势头渐强，医疗垂域大模型厂商正在争相打造自己的样板医院。但医疗行业的特点是诊疗严肃性和过程不可逆性，这也是AI技术落地的难点所在。业内人士指出，比如在具体的数字化技术应用环节，尽管医护人员在大规模使用无线生理信息采集仪器去病房采集指标，结果可直接传输至电子病历，但医护最终仍要做人工测量，因为医院有一条底线，追求绝对安全。这决定了医院对AI软件和设备的需求很大，挑战也很大。现场来自医院和保险等不同领域的企业人士也提出了各自视角的期待和想法，我们也期待在未来一年间看到新的变化。

在上述领域之外，还有零售、出海、大型企业AI应用多个领域都有丰富的跨界碰撞和思考，不同角色的行业人士在交流中有了新的收获，这也在不断印证着一条新的路径——本次大会上发布的2024年《数字化转型新思》报告也显示，随着信息技术的普及与渗透率的提高，技术和业务交互驱动特征会更加突出，而技术与业务间的融合程度也成为企业数字化转型能否成功的关键。

钛媒体集团联合创始人、ITValue发起理事、钛媒体研究院院长万宁指出，企业数字化是在业务与技术交互驱动的过程中进行的，“有时候是因为技术发展，推进了业务的进步，更多是业务的需求，促成了技术的进步。”他强调，“任何一家企业的发展都是由业务线与技术线‘双螺旋’相互交错驱动完成。”

在数字化转型中如此，未来AI技术应用也是一样。如何做好技术与业务融合交互驱动，创新增长，不仅是企业接下来需要解决的核心问题之一，也是各方合力推动行业进步的共同方向。

作为每年一度思想盛宴的组织者，ITValue也是二十年如一日，深度参与到信息化、数字化以及今天智能时代的变化中，持续推动深入、跨界的交流和探索创新商业机遇。

对于所有企业而言，企业的数字化变革和改革都不是一次性完成，需要渐进式的推行。过去多年的数字化转型阶段如此，未来AI时代也依然如此。不必为没有踏上第一班新技术列车而过度焦虑，也不必被新技术泡沫期的狂热裹挟投入不必要的成本。尤其在当前经济环境下，长远打算、持续投入，以技术与业务间的相互融合为主线，是商业创新成功的关键。