AI for Process：企业流程再造与AI结合的关键策略及神州数码2024年业绩增长分析

“对企业而言，流程再造既是AI在企业应用中的难点，也是巨大的价值增长点。若能在流程再造中快速引入AI，将显著提升企业效率和竞争力。因此，‘AI for ’将成为AI商业化落地的重要推动力——通过AI实现流程再造和优化，帮助企业更深入地结合自身业务流程，实现持续的创新与突破。”郭为说道。

“AI for ”

2024 年前三季度，神州数码实现了实现营业收入915.71亿元，同比增长8.81%，实现归母净利润8.94亿元，同比增长5.04%，其中，AI 相关业务布局加速突破，公司AI服务器业务收入实现7亿元，同比增长226%；公司AI战略旗舰神州问学实现开单收入近500万，签约金额近千万。

新的一年，神州数码的AI战略进一步明确。

据郭为介绍，2025年，神州数码将围绕“AI for ”驱动自身流程再造和数字化转型升级，探索最佳实践，同时，公司还将聚焦企业“生成式AI落地最后一平方公里”的痛点，进一步推动企业生成式AI落地提速。

“数字时代，数据已然成为新的生产要素和核心资产，企业的服务和产品最终都将以数据资产的形式呈现，持续推动商业模式的创新与升级。而这种‘重新编排’的关键核心，同样也将落点在重构企业流程上（）。”郭为对记者说道。

具体来看，AI将如何重构企业的流程？

郭为认为，在云计算以前，企业流程主要基于CPU的驱动，是比较静态的、固态的一些流程，“比如最典型的ERP，做了之后要求它比较稳定，不要随意更改。实际上随着我们的数字化转型，或者为了更好地满足消费者的需求，产品的生命周期和服务的生命周期都在发生很大的、快速的变化。因此，就要求我们的流程也要快速地变化。”

而随着云计算快速发展，郭为指出，所有的数据是可以打通的，或者说所有数据的产生可以打通，在这种情况下，快速地实现流程的再造就成为可能。

当然，这个过程并不容易，也并非单纯某个企业可以解决，而是要从整个产业的角度进行考虑。

“今天我们可以基于AI for 战略，对流程进行一些优化和调整，但是大的颠覆性的变革可能还需要再等等，要等到产业域的平台建立起来之后，才可能实现。以汽车行业来讲，只有所有数据资产的标准统一之后，才有可能在这个域里边实现数据的打通，才可以实现无边界的组织。”郭为说道。

郭为表示：“神州数码DC·AI设置了一个汽车业务专区，有个案例是4s店的员工，在工牌上会嵌入录音功能，当销售员和客户沟通的过程中，后台可以同步分析录音内容，了解客户以前是否买过车、在哪里买的，有什么新的需求，通过AI匹配用户的需求。”

此外，郭为还指出，要实现流程的自动化再造，还离不开数据标准化。

“就像早期我们零部件要标准化，没有零部件的标准化，制造业流水线是没有办法实现的，但数据标准化还有很长的路要走。目前很多企业内部还是试验性地做流程优化，主要从提高效率的角度来做，这仍然是有意义的，只是还没有颠覆整个业务模式。”郭为说道。

SaaS或将消亡？

此前，微软CEO萨提亚·纳德拉预言，AI Agent（人工智能代理）生态将彻底取代传统的SaaS(软件即服务)模式。

访问现场，郭为也对“SaaS或将消亡”这一话题做出回应。

郭为认为，SaaS会不会消亡需要从两个维度来看，“SaaS它是一个固化的流程，固化的流程将来会面临很大的挑战，比如我们内部原来做招聘的流程，可能随着变化，这个流程就不work了。因为AI驱动下，不是根据工作岗位来找人，而可能根据掌握的人群数量和岗位去做匹配，这个算法发生了很大的改变，这种改变可能用传统的、固化流程的软件去做就会很难，尽管SaaS是一种云服务的模式，但本质上还是一个固化的流程，这个肯定是不存在了。”

从服务模式的角度，郭为指出，AI可能也会是一种租赁的服务模式，“比如说将来调用Token、调用API、调用Agent等，在未来的模式发展下，可能没有人会再买一个SaaS了，因为Agent加上数云原生，企业内部它会产生一个强大的引擎能力。”

此前，神州数码已推出AI原生赋能平台——神州问学，目前在教育、医疗、金融等行业开辟了更为广泛的应用场景。

郭为指出，神州问学在某种意义上就是一个企业内部生成Agent的开发平台，这也是公司的定位。

“因为将来企业会面对大量Agent的出现，这里边有大量的技术性问题需要解决。比如第一，如何解决算力资源的有效性，我们通过虚拟化、并行计算、集成计算来实现。第二，通用模型要变成一个专业模型，很大的一个限制就是行业数据不够多，怎么补充这些数据来训练模型，所以神州问学数据合成的技术，能够帮助客户在了解行业的大致情况下，不断地通过自我演练的方式，生成大量的合成数据，来训练这个模型，使这个模型达到一个专家的水平，让客户更好地使用。”郭为说道。

提及对神州问学下一步的规划，郭为指出，从整个AGI（通用人工智能）发展的方向来看，慢思考、长记忆是趋势，“AGI要解决的也是一个长记忆的问题，我们会朝着这个方向开展研究，提升整个通用大模型的专业能力。”