AI对大型企业意味着什么？丨2026 ITValue Summit 前瞻：AI系统落地系列直播④

来源：市场资讯

（来源：钛媒体APP）

2026 ITValue Summit数字价值年会前夕，钛媒体联合创始人万宁作为主持嘉宾，把三一集团CIO许国强和智元科技创始人吴云峰请到了一起。这两位在AI落地上的实践经验很有分量：一位是在年收入超千亿的重型制造企业里亲手推AI；一位是跳出大体制、给一票客户做落地交付。这次聊的话题也很大：AI对大型企业到底意味着什么？

但一场深谈下来，反而是“别急着做”的清醒。

重新定义自己，但别推翻自己

“像下象棋一样，下等着。”许国强这样形容三一集团的AI战略。这不是消极，而是一种刻意为之的克制。

许国强透露，三一已经把公司愿景重新定义为“AI原生机器人公司”。

这并非追风口式的口号。过去三一讲智能产品、智能制造、智能运营，数字化始终是个助攻角色——业务跑在前面，IT跟在后面打配合。现在AI来了，数字化要从助攻变成主攻，引领战略转型和价值创造。

但吴云峰看得更直接：中小企业没有历史包袱，反而更容易成为AI原生企业；中型企业最该做的是停止建系统；而大型企业，哪怕转型障碍却比中小企业大得多。

许国强没有回避这一点。他坦承，三一不是互联网原生企业，数据治理并不算好，业务线上线下“两层皮”的问题依然严重。但正因为基础不牢，才更需要节奏感。

“如果在战略机遇期不布局，未来可能赶不上。但全面铺开肯定不行，组织大调也不行。”许国强坦言。

大企业的AI节奏：不是百米冲刺，而是排兵布阵

三一的“等着”，背后是一套清晰的推进逻辑。

第一步，让全员应知应会。去年春节后，三一在一周内定了全员AI推广的基调。但第一件事不是上项目，而是培训，此举意为让传统制造企业的员工先知道AI到底能干什么。

第二步，做样板，不铺摊子。三一的方法论是，在数据成熟、业务成熟、技术相对成熟的场景下，先做出标杆，再在事业部之间复用。

第三步，以用促建。今年的重点是建平台，例如具身智能平台、数据标注平台。但所有建设由业务牵引。一个关键变化是：AI大赛的参与者，从技术人员变成了业务人员。

第四步，智能体战略。今年7月的智能体研讨后，三一继续向更深层推进。

这种克制贯穿始终。GPU迭代太快，自建算力可能买在最高点，三一没有冲动自建，而是选择了更划算的云端算力；一体机概念火热时，三一选择观望。"我们有愿景驱动，但过程要有节奏。"

你的钱，可能正烧在伪需求上

从厂商视角，吴云峰见过太多AI项目掉进同一个坑。他总结了四类典型的“烧钱陷阱”。

第一类，“脱裤子放屁”式项目。已有报表和数据，只是用AI重新做一遍展示，没有创造新价值。“为什么不让系统自动推送给用户？”

第二类，“变魔术”式项目。乙方用AI话术包装概念，声称把图纸喂给我就能自动生成全套方案"，却回避与业务团队的深度协作。“这类项目我们不敢做。”

第三类，群开发项目。让AI生成代码但缺乏架构治理，最终产出“垃圾软件”。

第四类，单元级优化项目。只做一个点的优化，没有从客户需求到研发、从订单到交付的端到端拉通。“还不如直接买一个产品。”

回到许国强的视角，他对这几点基本认同，但对“AI写代码”有不同看法。三一也在用AI辅助编程，但前提是“责任不能转移”——必须在现有架构下通过审核，不能变成无人认领的“死代码”。

他表示，三一的底线很清晰：价值讲不清楚的AI项目，就是伪需求。

数据治理：不做“大扫除”，做“靶向治疗”

AI落地，数据是硬骨头。三一的做法是以用促建，不搞大规模运动式清洗。

2022年，三一曾组织高管封闭学习《DAMA数据管理知识体系指南》，从董事长到董事，统一数据治理的语言。如今，集团成立了数据治理委员会，明确各领域"数据管家"的责任，数据权利等同于业务负责人的权利。

针对维修助手等具体场景，三一做专项数据治理，同时把数据标注平台这类底层能力建起来。

吴云峰则提醒：外部数据治理比内部更重要。很多企业数据不好的根本原因，是"业务没做好"。他建议从业务需求出发，反向拉动数据治理，并且重视外部数据与内部数据的融合。

谁说了算？业务牵头，IT搭台

三一以用促建，本质上是业务在前头拉车。

全集团按15个业务域推进，每个域有第一负责人。选什么场景，先由他们自己做行业对标、做规划。目前需求最旺的是"微笑曲线"两端——研发，以及销售、营销、服务。

这里有个关键机制：同盟军。业务和IT双向选择，不是IT强加给业务。双方把资源投入和战略选择同步到联席总裁，拿到公司层支持，再重点切入。

比如服务域，“维修助手”就是被选中的战略项目。三一的产品卖到180多个国家，十几条产品线，维修要应对多语言、小语种、专家经验的多重组合。AI助手能快速诊断、支持小语种，人员不显著增加，却解决了跨国维修的难题。

怎么算账？ROI不是唯一标尺

AI项目的价值怎么衡量？三一有一套自己的算法。

能算清账的，直接算。维修助手没有显著增加人员却解决了跨国维修的难题，价值一目了然；再比如相似物料识别，识别出不同事业部在采购相似的物料，统一用价格更低的采购方案，成本直接可衡量。

算不清账的，换个算法。比如招投标流程，AI加持后确实提速了，但负责招投标的人并没有减少。许国强认为，"流程能不能自动化"本身就是衡量指标。效率提升必须用财务口径衡量，但不能完全用财务口径衡量价值收益——当AI把员工从重复性工作中解放出来，让他们去做战略供应商选择等更高价值的事，这种"价值转移"也应被纳入评估。

组织重构：IT去中心化，人机划红线

AI正在改写大型企业的组织基因。

许国强指出，BPIT部门的核心职能正在转变：从做项目转向建平台、做培训、定方法论，让AI能力渗透到业务一线。以前业务人员提需求、等交付、给评价；未来是同盟军，大家一起划船。

吴云峰则从厂商视角补充：流程不是企业经营的本质，业务收益才是。“很多流程改不了，不是因为流程难改，而是因为没人承诺效益、没人担责。”

许国强回应：流程没有不能改的，但改革必然触及人性。最大的阻力来自岗位价值焦虑和既得利益冲突。三一的应对是，在推进过程中给员工设计未来的职业方向——IT人员的核心能力不再是写Java代码，而是懂业务、建架构、辅导业务用好AI。

在人机权责上，许国强在三一实践中划了红线：智能体只是工具，不能承担业务责任，责任必须落实到人。三一正在建立事前明确责任人、事中定义介入机制、事后审计留痕的三阶段体系，确保AI在探索期可控可溯。

结语：大型企业要学会“等着”

AI技术正处于爆发期，概念迭代极快。当三维图纸生成的热点出现时，三一没有盲目跟进博主的Demo，而是找达索等合作伙伴做试点、做论证，等技术成熟后再引入。

对于大型企业而言，AI转型不是百米冲刺，而是一场需要战略定力、节奏把控和价值锚定的马拉松。

三一的实践表明：真正的AI原生，不是推翻重来，而是在历史积淀中找到进化的节奏；不是技术炫技，而是让业务人员成为AI的同路人；不是机器替代人，而是让人机协同创造更高维度的价值。

正如吴云峰所言：“AI的终局没人知道，但方向很明确——从业务出发，为客户创造可感知的价值。”

这或许正是大型企业在AI时代最该有的姿态：既要仰望星空，重新定义自己；也要脚踏实地，算清楚每一笔账。

（本文首发于钛媒体APP）