溫氏鄺穎傑：70個場景的AI落地實踐

第一，我們(men) 對近期外部環境進行了深入分析。我們(men) 認識到，除DeepSeek大模型所代表的AI技術外，本集團早在數年前已開始應用傳(chuan) 統AI技術，包括非生成式機器學習(xi) 、優(you) 化模擬及數據科學等領域。隨著近期生成式大模型工具的興(xing) 起，我們(men) 重新審視了傳(chuan) 統AI方法是否可遷移至大模型中應用。同時，我們(men) 也認為(wei) ，盡管DeepSeek等大模型功能強大，但不同的大模型產(chan) 品仍各具特色。

第二，我們(men) 明確了AI技術落地的前提條件：一是技術必須成熟可靠；二是需有明確的業(ye) 務應用場景；三是需具備充足的數據準備和人才支撐。這些能力的重要性不言而喻，在座各位皆是行業(ye) 專(zhuan) 家，自當明了。

我們(men) 溫氏集團在AI藍圖的設計規劃上，早已啟動並明確了發展路徑，主要分為(wei) 幾個(ge) 關(guan) 鍵階段。首先，全集團範圍內(nei) 導入AI文化，並對現狀進行全麵診斷。其次，著手組建所需的能力體(ti) 係，明確所需人才類型，通過內(nei) 部轉化與(yu) 社會(hui) 招聘相結合的方式構建團隊。接著，組織各事業(ye) 部及專(zhuan) 業(ye) 線深入開展AI場景規劃，此環節至關(guan) 重要。經過嚴(yan) 格篩選，進行MPV場景POC驗證，最終形成落地實施方案。在此過程中，我們(men) 重視金種子能力的培訓，因為(wei) 在傳(chuan) 統企業(ye) 中，推動業(ye) 務部門提出AI場景並非易事，業(ye) 務單位往往傾(qing) 向於(yu) 維持現狀，如何引導其突破思維局限，提出更高層次的需求，並借助AI實現落地，是我們(men) 麵臨(lin) 的一大挑戰。

自2021年起，我們(men) 著手數字化轉型，形成了“流程+組織+數據+IT”的落地框架。在AI領域，我們(men) 重點聚焦於(yu) 識別痛點，明確方向，夯實基礎，注重落地，力求成效。原先IT部門的人員可能缺乏識別AI場景及對應開發落地的能力，因此我們(men) 注重人才培養(yang) 與(yu) 轉化，如算法人才、AI場景規劃師等，以形成落地的參照體(ti) 係。

我們(men) 從(cong) 三個(ge) 方麵入手識別場景：一是自上而下，依據領導層製定的戰略，部門進行分解，明確哪些內(nei) 容可通過數字化或AI進行支撐；二是參考同行實踐，如華為(wei) 、美的、金蝶等，從(cong) 外向內(nei) 類比自身場景；三是基於(yu) 業(ye) 務流程，自下而上全麵梳理，打開每一個(ge) 業(ye) 務流程進行細致分析。

對於(yu) 業(ye) 務部門提交的大量點子，我們(men) 通過“12問”機製進行篩選，確保需求的合理性與(yu) 可行性。AI作為(wei) 一種投資，必須考慮回報。我們(men) 要求每個(ge) AI需求都要明確其目標是增收、降本還是控風險，同時需具備基礎條件、規則、場景實現及運營計劃等。我們(men) 最關(guan) 注的是增收和降本兩(liang) 類場景，其他場景建議轉化為(wei) 這兩(liang) 類場景進行推進。

對於(yu) 每個(ge) 場景，我們(men) 都會(hui) 按照既定的表格進行識別和分析，明確提出場景的原因、場景的功能、價(jia) 值所在、革新點以及是降本還是擴收等關(guan) 鍵信息。這是有組織、有計劃、有方法地進行AI場景設計的過程。

自去年起，溫氏集團通過員工大會(hui) 和各條線的培訓，全麵開展文化宣貫工作。文化宣貫至關(guan) 重要，它旨在轉變每位員工的理念和意識。許多人擔心自己可能被AI替代，這是一種錯誤的認知。同時，也有人認為(wei) AI必須達到100%準確才能使用，這同樣是一種誤解。為(wei) 了扭轉這些錯誤認知，我們(men) 依靠文化宣貫和培訓，讓員工明白思想通達則一切皆通。在此基礎上，我們(men) 進行能力建設、場景識別、POC驗證等全過程工作，這是從(cong) 上至下全員參與(yu) 的行動。

目前，我們(men) 已經成功落地了多個(ge) 場景。例如，在賣豬和小豬苗進入養(yang) 殖舍時，如果人數無法準確清點，AI技術能夠比人工計數更準確。23萬(wan) 路的視頻監控也不再需要人工盯守，AI能夠自動識別並發出警報，如房間出現老鼠等異常情況。此外，我們(men) 還通過接入DeepSeek技術輔助代碼編程，顯著提高了編程質量和效率。測試工作也實現了自動化，僅(jin) 8人的測試科室就能支撐整個(ge) 集團的作業(ye) 量。

這些落地場景還包括豬隻死亡識別、重複死亡判斷、提前預知豬場發病概率等。我們(men) 已經成功實現這些功能，並因此獲得了科技進步獎。此外，AI技術還在精準營銷等方麵發揮了重要作用。

目前，我們(men) 的大模型已應用於(yu) 多個(ge) 領域，其中客服早已落地實施，數據助手、營養(yang) 配方師以及診療師均是我們(men) 重要的應用場景。未來，我們(men) 的目標並非替代配方師或獸(shou) 醫，而是隨著業(ye) 務規模的持續擴大，無需相應增加這些專(zhuan) 業(ye) 人員的數量。我們(men) 將利用大模型進行替代，以提升效率。

對於(yu) 未來，我們(men) 有幾個(ge) 重要的啟示。首先，觀察AI技術或新技術的發展，可以發現它們(men) 通常遵循兩(liang) 個(ge) 方向。第一個(ge) 方向是從(cong) 外到內(nei) ，即新技術先從(cong) 社會(hui) 層麵傳(chuan) 導至行業(ye) ，再進一步滲透至企業(ye) 。曆史上的每一次新技術革新，包括AI，都遵循了這一規律。因此，我們(men) 需要密切關(guan) 注新技術何時傳(chuan) 導至行業(ye) ，何時進入企業(ye) ，以便及時應對，避免被顛覆。第二個(ge) 方向是從(cong) 企業(ye) 內(nei) 部往外發展，像穀歌、阿裏等高新技術企業(ye) ，它們(men) 先從(cong) 自身企業(ye) 做起，然後逐步對外擴展。

我們(men) 判斷，對於(yu) 企業(ye) 而言，未來無論是大模型還是其他AI技術，都將呈現出收費白菜化的趨勢。以數字人為(wei) 例，前兩(liang) 年其收費非常高昂，但現在每分鍾僅(jin) 需6元，價(jia) 格已變得非常親(qin) 民。此外，大模型的私有部署也將成為(wei) 現實，這將為(wei) 企業(ye) 提供更多選擇和靈活性。隨著AI應用的日益豐(feng) 富，我們(men) 認為(wei) 未來的基礎設施可能會(hui) 從(cong) CPU逐漸轉向GPU。最後，我們(men) 也認為(wei) ，未來需求的提出將更加注重革命性和高質量，這將推動需求向高質化演變，並可能帶來諸多顛覆性的變革。

我們(men) 同樣采取了這樣的策略，積極擁抱變化，加速數智化轉型。我們(men) 遵循之前提到的四個(ge) 方向：文化導入是前提，場景識別是關(guan) 鍵，數據獲取是基礎，人才培養(yang) 是保障。自2021年起，我們(men) 便開始了數智化轉型的征程，至今已持續三四年之久。在AI技術的助力下，我們(men) 提出了“穩中求快”的策略，堅持做好流程優(you) 化、係統規劃建設與(yu) 落地工作，同時加大投入，推動數據AI人才的引進，並與(yu) 原有業(ye) 務流程深度融合，強化AI文化的宣導，提升變革的緊迫性，並引導業(ye) 務負責人轉變觀念。

觀察我們(men) 的組織架構，你會(hui) 發現它並非純粹的IT架構。除了IT人員外，還匯聚了大量業(ye) 務精英和骨幹。他們(men) 從(cong) 各事業(ye) 部和業(ye) 務單位被抽調上來，組成了養(yang) 殖數據中心、財經數據中心、企管數據中心等團隊。這些團隊成員都是業(ye) 務分析師，他們(men) 負責識別對應場景，為(wei) 各部門和各業(ye) 務條線賦能，這是我們(men) 組織架構的一大轉變。

在AI需求方麵，我們(men) 也有著獨特的做法。普通需求按照原有流程處理，而AI需求則通過專(zhuan) 項行動來推進。例如，每個(ge) 中心科室每年都需提出一定數量的場景納入考核，而非隨意行事或推一推就幹。

今天，我為(wei) 大家分享了我們(men) 的實踐做法，主要圍繞企業(ye) 如何運作、如何將AI融入管理與(yu) 流程之中展開。這是今天分享的核心內(nei) 容。

最後，非常感謝金蝶在我們(men) 數智化轉型及AI實踐過程中給予的諸多幫助與(yu) 指導，也感謝今天給我這個(ge) 機會(hui) 與(yu) 大家分享，謝謝大家！