钛媒体的联合创始人联席CEO刘湘明（左一）、IBM大中华区董事长兼总经理陈旭东（中）、中顺洁柔CIO杨森林（右一）AI对于企业而言是个机遇，也是挑战，它是让企业实现弯道超车的“秘诀”，而错过它，也很可能让企业被拍在时代的沙滩上。与大型国有企业在资金、资源上有着丰富的储备不同的是，对于中小型民营企业而言，既要在AI的变革中不落下风，又要将钱花在“刀刃”上。在这个变革的时代，对于百亿级规模的民营企业来说，如何利用好AI技术，在完成从数字化到数智化转型额度同时，让企业实现新的增长，已经是企业管理层的“必修课”。钛媒体企业数字化IP《数字价值观察室》本期请来了IBM大中华区董事长兼总经理陈旭东，以及中顺洁柔CIO杨森林，在钛媒体集团联合创始人&联席CEO刘湘明主持下，围绕中小型企业数智化转型过程中，如何抓住AI机遇展开讨论。中顺洁柔是一家有着40多年历史的生活用纸制造企业，在面临着复杂经济环境，渠道流量过度分散等挑战的背景下，中顺洁柔开始了从传统实体家族企业，向着数字化企业转变；从单一产品为主导，向着品牌为主导转变的路程。中顺洁柔的转型一方面是外部环境挑战，另外也是企业发展延续的必然。在杨森林看来，无论是数字化转型，还是数智化转型，都是企业的变革管理。而在这个过程中，最难的就是人的变革/转型。“当方法论、模式、工具都正确了以后，如何改变自己是企业面临的最难的方面。”杨森林强调。结合IBM对企业的观察，陈旭东表示，当下企业在数智化转型的过程中，对AI存在比较大的认知差，“AI等于生成式AI，”陈旭东指出，“这是目前很多企业都存在的比较大的认知偏差。”此外，陈旭东表示，对于目前企业来说，在应用AI的过程中还会出现两种误区。一种是：企业在AI领域盲目投资，“比如DeepSeek火起来之后，很多企业买了一堆一体机，就觉得是拥抱AI了。但经过半年的应用，发现其实并没有什么效果。”陈旭东如是说。另一种是：企业在计算AI的ROI（投产比）的过程中，存在错误的认知。陈旭东举例到，比如有的企业原先的数据体系建设尚未完善，基础的数字化工程也做的不好，在探索AI应用之前，这些企业就需要“补作业”，将基础的数据体系搭建完成，并构建起完善的数据集，而企业却将这部分“数字化补课”的投资计算到了AI应用投资之中，“这些基础的数字化建设，即便没有AI技术，企业若想完成数字化转型，也是需要做好的，所以这部分的费用不应该计算到AI的投资之中。”陈旭东明确到。而杨森林也有着与陈旭东相似的观点，他表示，面对AI应用，企业需要首先具备充足的训练AI所用的数据，形成知识库，不能在尚未打好基础的时候，就追求AI带来的效益，同时，也不能因为没打好基础，应用AI效果不好，就归结于AI不行。具体到企业内部如何完成数字化，杨森林认为，企业在数字化的过程中，需要从业务的角度出发，倒推出自身的数字化架构，根据业务的需求进而搭建数字化系统，而不是先搭建好之后，再推广给业务人员使用，“同时，企业还需要根据自身的企业文化去定制适合自身的数字化流程，好的流程能够赋能员工，使其能高效的，并快乐的完成工作。”杨森林指出。业务驱动的方式已经不仅仅是在传统行业，诸如IBM这样的国际科技巨头中，也在盛行这种通过业务驱动技术发展的方式。对此，陈旭东表示，IBM watsonx Challenge已经推出三年了，刚开始的两年，IBM让内容员工先熟悉全新的watsonx系统，而今年开始，IBM开始要求业务人员根据自身业务，提出对AI应用的需求，之后由公司相关部门分析需求是否值得投资进行深入研发，“如果值得投资的话，我们会围绕提出这个需求的业务人员搭建技术团队，IBM会在全球范围内提供技术支持，进而推动这个需求落地。”陈旭东如是说。除此之外，在对话中，陈旭东还分享了IBM在服务中小型民营企业过程中，观察到普遍的问题，以及IBM如何提供相应的解决方案，解决这些问题，并再一次重申了IBM对于中国市场的信心与未来业务布局的展望。另一方面，杨森林在对话中还分享了中顺洁柔在AI方面的一些应用，以及对于中小型企业而言，出海过程中需要注意的问题。 以下为对话实录，经钛媒体APP整理：百年科技巨头，遇见数字化转型“刚需”企业刘湘明：各位观众朋友大家好，欢迎来到数字价值观察室之IBM会客厅。我是今天的主持人，钛媒体的联合创始人联席CEO刘湘明。今天我们也特别荣幸的邀请到了本次对话的两位嘉宾，他们分别是IBM大中华区董事长兼总经理陈旭东先生，以及中顺洁柔CIO杨森林先生。今天我们是AI会客厅，聊聊AI，AI现在已经是一个非常大的话题。回到这个数字化领域，其实IBM一直是绕不过去的一个祖师爷。我们今天有两个特别大的话题，大概一个是刚才我们谈到的AI、另外一个就是出海。不管是数字化还是出海这两个领域，其实IBM都是中国企业非常值得尊敬和技术的老师，对吧？中国有两个非常出色的出海企业：一个是华为，一个是联想。华为我记得有几句非常重要的话，任正非曾表示的“先僵化再固化再优化”，包括所谓的“削足适履”等等，这些都是出自当年IBM跟华为的交流合作中，任老板给下面员工下的这个指示。联想方面，我觉得我就不是最有发言权的人了。旭东总当年是亲历的人，我觉得其实你可以给大家讲讲当年IBM和联想的这个故事。陈旭东：对，这个当时在业界还是蛮轰动的，就是IBM把全球的PC业务卖给了联想。这个过程实际上是帮助联想走向国际的这样一个过程。因为国际化有很多条路的，有的自己去逐渐开拓，像华为可能更多是这样一条道路。联想是用跨越式的一个发展，就是并购。其实国内有很多企业都在走这条路，所以很多企业并购了国外的一些大的品牌。所以在这个过程中，联想通过IBM的这个thinkpad这些产品，使得自己一步就在国外就有响当当的自己的品牌。然后在这个过程中，把IBM的运营知识融合到联想自身的一些优势上进行整合，整合以后，在过去十几年，在全球的PC市场上，一直保持着全球领先的地位。这是得益于那次跟IBM的并购，还有学习的过程。IBM在全球有114年了，进入中国也有40年。这40年里头，除了像联想、华为这种企业，IBM有过陪伴他们成长以外，其实还陪伴了很多中国的企业成长。包括国内所有大银行，大的国有企业都是IBM的客户。通过IBM的技术和咨询，让这些企业在过去40年有蛮大的成长。所以IBM对中国的IT行业做了非常大的贡献。培养了最基础的IT人才的底盘。培养了一些客户对IT知识的认知。这些都是IBM给这个社会非常大的贡献。40年已经过去了，未来IBM在雄厚的客户基础的上，继续把产品和服务拓展到更多需要这些产品服务的企业，向更多的民营企业去拓展。现在我们逐渐走到企业身边以后，他们发现跟IBM还是有很多可以合作的点，通过IBM产品技术和服务咨询来提高他们在市场上的竞争力。这个过程中也有很多企业走向国际化，而且在国外建立了很强的品牌，在全海外的收入超过中国收入，这样的企业还是蛮多的。我觉得在过去几十年里头，我们在企业发展IT系统建设上面，整个中国IT生态体系建设上面，IBM作为一家全球企业做了很大的贡献。刘湘明：下面问一下杨总，首先请你介绍一下中顺洁柔这家企业，也介绍一下中顺洁柔在关于数字化，出海、AI方面的一些事情。杨森林：中顺洁柔是一家拥有四十多年历史的生活用纸头部企业。面对经济下滑、渠道流量过度分散等挑战，公司启动了从传统实体家族企业向数字化企业转变、从单一产品主导向品牌主导转变的进程。这个转型过程需要一个催化剂，这便是我们提出的数字化，或者更准确地称之为“数智化转型”。其核心是将更多原本由人做出的决策，交由数据和机器来完成。事实上，早在两年前我们就开始尝试应用AI。彼时使用的是ChatGPT，而如今，以DeepSeek为代表的开源AI技术迅猛发展，这正与我们倡导的理念相契合。尽管大型语言模型存在局限，但我们通过多种技术手段进行了补充，形成了“数智决策”能力。因此本质上，无论是数字化转型还是数智化转型，都是企业的一种变革管理。而企业变革的核心是人的变革与转型，这也是最困难的部分。对于实体企业而言，时至今日，我们面临的最大困难或许在于：在掌握了正确的方法论、模式与工具之后，如何有效落地？改变自身无疑是最具挑战性的环节，这与“出海”所面临的困境颇为相似。两年前，中顺洁柔已开启出海布局。然而关键问题在于：如何行动？我们是否真正了解不同国家的风土人情与市场特色？我们能否满足各国对中国纸类产品的严苛要求？我们是否熟悉目标市场的知识产权规则及相关服务？这些都是中国民营企业（特别是营收在200亿以下的中小企业）出海时必须直面的难题。如何以最高效、最低成本的方式实现出海，同时最大限度地降低失误率与失败风险？这是中顺洁柔当前面临的重大挑战之一。刘湘明：杨总发言其实为后面的讨论埋下了很多引子，咱们一点点的来，回到旭东总这边。IBM去年进中国就40年了，IBM在中国的历程伴随着整个改革开放。当下IBM在中国的主要业务领域和战略的方向是什么呢？跟当初有什么不同？陈旭东：跟40年前比的话，IBM在全球的业务结构发生非常大的变化。就刚才我们谈到的，PC业务卖给联想，然后又将X86服务器也卖给了联想。IBM在不断把自己的业务结构从，以硬件为主，转变为以软件和咨询为核心的架构。在过去十年内，IBM收购了很多软件的企业。最大的一个就是花了三百多亿美金收购了Red Hat（红帽），目前来看，IBM的全球业务架构找那个软件和咨询业务，在全球的业务占比达到了80%，硬件则变为20%。（这个数据可能在20年前是倒过来的）IBM在中国的业务也跟随着这个变化趋势而转变。比如在40年前，所有人买PC，买服务器应该都是买的IBM，包括全中国基本上所有的银行都会采购IBM的服务器、主机、存储之类的硬件。然后用数据库来建立了整个银行的管理系统。目前，IBM在硬件上的业务主要以存储业务为主，IBM的客户结构也在发生变化，从原来以国有企业，特别是银行金融机构为核心，大的国企（中国移动、电信，石油）转向了以民营企业为核心的转型。可以说，IBM从产品结构到客户结构都发生了很大的变化。此外，IBM销售运营体系也发生了变化，以前针对大的企业客户，都是IBM自己去面向客户为主。现在面对更广泛的民营企业群体，我们更多的通过合作伙伴去触达我。然后通过给合作伙伴提供相应的技术培训，由他们最终为客户来提供相应的产品和服务。增长遇见瓶颈，中顺洁柔如何实现破局？刘湘明：回到杨总这边，我很感兴趣的就是作为一个非常传统而且很成功的一个纸业企业，为什么你们现在有这么大的动力去推动整个的全面的数字化？杨森林：企业的数字化转型，很大程度上源于企业经营遭遇了巨大瓶颈。在增量时代，企业普遍盈利，大家发展状态良好，并未意识到存在明显问题。以中顺洁柔为例，2016年公司营收仅为20多亿元。而在2000年代末期，我们实现了约90亿元的营收。直至2023年前后，公司营收更是达到了历史峰值。然而，高速增长的背后掩盖了企业中存在的一些问题。时至今日，我们发现市场已进入缩量时代。如今消费者购买一件产品，至少可通过7至8个渠道进行购买，并且能够进行全网比价，产品与消费者之间的信息愈发透明化。因此，我们已无法依靠过去的手段来经营当下的生意。我们不得不转向依赖数字决策。而要想实现数字决策，就必须拥有数据，这些数据来源于系统。系统要有效运转并发挥作用，就必须落地应用。这便是企业必须进行数字化转型的核心原因。为此，我们采取“三管齐下”的策略：一方面夯实数字基础建设，一方面完善智能决策系统（智能大脑），同时补全缺失的数据。我们期望用三年时间，追赶他人十几年走完的数字化进程。在这个过程中，我们需要引入一批高精尖人才，建立更优的制度与体系，让他们加入企业，对数字化进程进行纠错和纠偏，从而实现弯道超车——这才是真正意义上的企业转型。刘湘明：你刚才说准备用三年的时间跑别人十几年的路，现在进展怎么样？跑到哪了？杨森林：目前，我们在营销端已经打开了局面。我们的首要规划非常明确：并非盲目追求降本提效，也并非一步到位地建设一套高度标准化的数据体系、流程体系或完整的数字化转型蓝图。我们的当务之急是优先解决业务增长问题。只有当我们赚取足够利润后，才有余力进行优化和降低成本。试想，如果手头只有100元，无论怎么节省，空间终究只有几十元；但如果手头拥有1万元，即使采用最粗放的降本方式，也能节省数百元——规模效应带来的空间完全不可同日而语。因此，我们第一个突破点选择了线下营销方案。利用先进的算法技术，我们对线下“人、货、场”（消费者、产品、卖场）的关系进行了智能化重构与精准匹配。快消品行业线下数字化的核心，实质上要回答一个关键问题：为什么消费者进店后，不能以我们希望的价格购买商品？目前，我们已在线下增长这一关键课题上取得了突破性进展。通过实施新策略，上半年线下业绩增长迅猛，成功填补了过去一年的利润缺口。在此扎实业绩的基础上，我们的策略自然向前延伸：在确保销售与业绩持续增长的态势下，我们将重点追求供应链送货环节的最优解。自古“得供应链者得天下”——产品要“卖得好”，物流要“送得准”，账目要“算得清”。解决这三大核心问题后，产能瓶颈与生产制造环节的挑战将成为下一个攻克目标。我们的转型路径是清晰的：首先解决支撑业务增长的关键功能与显性布局；待这些基础稳固后，再着手处理大家“看不见、不理解”的中台能力建设、流程标准化、数据规范化及主数据治理等专业模块。遵循这样的逻辑，数字化转型才能真正落地生根、长久发展。AI不等于生成式AI，企业仍存在很多误区刘湘明：那现在的做数字化转型跟前几年很大的不一样，出现了一个新的变量——AI，那你觉得AI对你缩短整个数字化转型的进程起到多大作用？杨森林：关于AI的应用，我认为目前存在一个普遍误区：AI并不等同于以Transformer架构为核心的自然语言大模型。像DeepSeek、ChatGPT这类自然语言大模型，其特质更像是一名“文科生”。然而，当前企业需要的许多能力，其实是“理科生”擅长解决的问题——比如确保数据的绝对精准，或是通过简单指令快速调用报表与应用。这些需求无疑属于AI范畴，但并非自然语言大模型所能有效覆盖。生成式AI的崛起，本质上为企业强化了数据决策与智能决策的能力。我们需要的是一位具备强大数据决策能力的“智能大脑”作为伙伴，这才是能切实解决当下实体企业经营困境的AI形态。反观当下的自然语言大模型，其核心价值主要在于提升效率，而这种提升往往需要通过减员等人员变动才能真正体现其经济性。试问：如果效率提升之后，团队规模与成本结构依然维持原状，如何证明你投入的AI应用是健康且可持续的呢？刘湘明：刚才旭东总谈到了现在IBM准备深耕民营企业，杨总刚才谈的整个中顺洁柔的思考是一个特别典型的案例。我也想听听从IBM角度来看，中国民营企业在AI的应用，包括投资领域有哪些误区？包括为什么企业现在谈到整个AI其实就有点降温的态势，大家的这种预期，包括ROI好像不是那么理想，你觉得原因是什么？陈旭东：第一个误区：AI等于生成式AI。从IBM的观察来看，很多人认为AI就是生成式AI或者干脆就是大模型，就是DeepSeek。但其实从AI诞生到现在应该有70年了。IBM在十几年前曾经发布过一款产品，叫watson，这款产品在全球已经拥有了四万多家客户。在生成式AI出来以前，AI已经在我们生活中广泛应用。比如，最典型的就是导航，导航已经有很多年历史。在生成式AI出来以前，导航的算法绝对不是根据大模型来算的，它是一套数学算法。包括生成式AI也是一套数学算法，更多的是用概率的算法。第二个误区就是对于AI的投资的误区。企业到了真正要用AI的时候会出现两类情况。一类企业，它对AI的认知是不清楚的，他也不知道该从哪下手；另一类，有一定认知，这些企业碰到的最大挑战就是投入产出比（ROI）。第一类的企业容易做出来冲动的投资，比如DeepSeek出来以后，很多企业就去买个一体机，然后觉得这完成了公司给我的AI任务。但是我相信绝大部分用处都不大，所以他对认知不清的时候，容易产生冲动性消费。第二类，对于有一定认知，然后不清晰的人，他通常会觉得ROI不合算。实际上，AI应用的效果，很大程度上取决于企业的数字化水平。就像刚才杨总说的，你们自己现在也觉得好多数据不健全。如果你要基于不健全的数据进行AI分析的话，第一步需要把AI数据体系建起来。这部分投资到底算AI投资还是算数字化投资呢？这个就很有意思的一个问题。严格意义上应该属于数字化补课的投资。但你如果把数字化补课投资都算到AI投资上，那AI可能就投入产出有点看起来不太合算。杨森林：企业需要有一些相对标准和正确的数据，并形成AI的知识库，你要喂给他才可以，你还要有会用的人，但是有些企业太着急了。从DeepSeek的大火，一直到现在将近半年，有些企业就已经失去了耐心，开始觉得这个AI不行，但其实是他们没做好，并不是AI的能力不行，我认为这是一个误区。陈旭东：我觉得你补充的特别好。实际上现在还有一个现象，可能导致大家会有这个困境。大家回顾一下，几十年前任何一个技术推出来的时候，只有一家企业在那说。他说的时候有一套方法让大家照那做。现在AI出来有50家企业说我能做AI，然后这50家水平参差不齐，你也不知道哪个是对的，哪个是错的，然后你就不知道该用哪个。以前比如说大型主机就IBM有，那大家就跟着这个路走，因为肯定是对的，不然他就做不出来。但是人们并不知道这50家做AI的企业是不是都是对的。所以很难让大家能够做出正确的一个判断和选择。所以这也是很多企业面临着一个很大的一个挑战，他不知道该选谁的。杨森林：是这样的。加上现在有一批企业并不是真正懂AI或者有做好AI的能力。就导致了现在我们甲方的视角去选择这些AI的时候，没有办法判定好坏。当你拥抱AI之后，又回到了我刚才那个话题。我找了一个不靠谱的人被骗了一次，我觉得这个AI不行，不会认为是自己的错误。我觉得很多的企业都在经历着这样的一个局面。陈旭东：所以刚才杨总又点到了另外一个误区，以前的IT技术引进公司的时候是由IT部门主导。但是AI技术进来以后，不再是IT部门绝对主导的技术。AI技术要真正用起来，可以给企业带来效益的，绝对是要业务部门驱动。如果业务部门不提出来，IT部门去做，也不会有任何结果，落不了地。数字化重构“人货场”场景刘湘明：所以刚才旭东总谈了很多的痛点，杨总也非常认同。就是我想请教一下，中顺洁柔已经取得了阶段性的一些成果，这个实现的路径是什么样的？刚才谈到了怎么样去找到合适的合作伙伴和合适的外部资源？到底打破了哪些内部的流程？实现了什么样的ROI呢？杨森林：作为技术背景出身的管理者，我与算法及数据洞察背景深厚的CFO形成了优势互补，堪称“天作之合”。我们将他对数据的深度理解与算法能力，创造性地应用于IT技术领域，原创性地实现了“人（消费者）、货（商品）、场（卖场）”的智能化重构匹配。这显著提升了中顺洁柔的产品选品精准度，使其更加聚焦核心目标人群。在此基础上，我们不仅优化了选品逻辑，更成功解决了选店难题，由此在营销决策模型中提出了“高潜门店”概念。中国零售网点总数超过300万家，而中顺洁柔自身业务员仅千人规模，即使加上经销商体系总人力也不过数千人。面对如此庞大的市场，全面覆盖显然不现实。核心问题在于：凭借有限的人力和资金，如何精准定位并聚焦于最可能产生效益的门店？这本身就是一个极具价值的模型方向。然而，即使聚焦于“高潜”模型，我们仍需面对一个严峻现实：当前中国市场年化门店关停率高达30%。必须清醒认识到，一家门店倒闭造成的损失，往往相当于十家门店创造的利润总和。一旦选址判断稍有偏差，十家门店的盈利瞬间化为乌有。这一现实催生了第二个关键模型：在识别高收益潜力门店的同时，精准规避潜在亏损风险，从而确保整体扩店策略的精确性。第三个战略支点是渠道精耕。在此过程中，我们沉淀了基于“人货场”的海量内外部数据（包括公域数据），并通过二次算法挖掘与匹配，最终构建了一套全新的“人货场”智能匹配机制。这套策略组合已初见成效：1、弱势市场突破：试点城市合肥业绩实现了70%的显著增长。2、强势市场进阶：即使在已占据近30%市占率、三年增长停滞的西安市场，我们依然取得了近30%的增长，并额外提升了5%的净利润率。尤为可贵的是，这些市场的净利润率在原有稳定个位数基础上实现翻倍。这一切都验证了线下营销数字化方案的战略价值。当然，推进过程并非一帆风顺。例如：初期如何化解业务部门的抵触？当业务部门质疑“你们懂技术的不懂业务，凭什么让我们配合这种技术性实验？”或者以“业务繁忙，无暇参与”为由拒绝合作时，我们如何破局？我们的应对之道是：深入业务一线，用事实说话。我们亲自走访门店、调研市场、参与铺货，直至做到“比业务更懂业务”——业务人员能做的工作我们同样胜任，而他们不具备的技术驱动洞察能力，则成为我们的独特优势。因此，此次实践的首要也是最重要的心得在于：我们为中顺洁柔找到了未来线下增长的可靠路径，坚定执行是唯一要务。基于当前成果预判，未来三年内，即便不对方案进行重大优化，它亦能支撑业务规模实现翻倍增长，其潜力可见一斑。刘湘明：这个的确是业绩增长最有说服力的。但是我个人的观察，这基本上还是发现了业务的问题单点突破，然后摸着石头过河解决问题。中顺洁柔是个百亿级的企业，未来怎么去迈到更高的台阶，可能还有很多体系性系统性的工程，这个是不是一个很大的挑战？杨森林：这确实是极具挑战性的任务。信息化的本质在于信息的传递与连接，而真正数字化的最终目标是解决决策问题，即实现算法决策。因此，我们所有的努力都在推动算法决策的实现。但我们的流程体系呈现出纵向链条的特点。与过去的业务流程标准化实践，以及类似IBM的大型方法论相比，可能存在一些差异。我们探索的是具有“中国特色”的流程建设路径——并非一味追求业务流程的完全标准化，而是寻求与企业自身文化的融合。中顺洁柔是一家极具弹性、充满人文关怀的企业。并非所有场景都完全适用机械的标准化流程；相反，我们更注重将中国文化特质融入其中。我们的流程体系可能与传统理念有显著不同。然而，正是这样的流程背景，使团队工作得更加顺畅自如，员工乐于接受这样的流程——我认为这就达成了流程建设的初衷。好的流程应该赋能员工高效工作，达到这个目的，便是成功。数据治理方面同样如此。当我们通过显著的业务增长成果反推过程时，发现包括AI模型的搭建在内，我们成功构建了具备75%准确度的模型。接下来的关键任务是：若能为知识库输入一批更精准的数据，AI的决策精度必然随之提升。策略是首先让业务部门切身感受到AI的有效性（即使暂时精度不足）。在这一阶段，我们可以争取时间声明：“AI已显示出价值，只是精度有待提升。请给予时间，我们将致力于提升数据准确性。”正是在这样的背景下，我们的主数据治理框架与整体数据标准化体系得以迅速推出。推进过程中非但没有遇到阻力，业务部门反而充满期待，主动提出核心关切：例如“一物多码”问题解决了吗？混乱的产品报目清单理顺了吗？迭代中的一代、二代、三代产品上市与退市管理清晰了吗？事实上，是业务需求在驱动我们前进。我们的方法论始终是“倒推式”的。我始终坚持将自己代入业务角色，力求比业务人员更懂业务。你关注的增长KPI或许仅限于本部门，而我承担的是全公司所有部门的增长KPI。换一个视角思考与实践，路径自然顺畅。因此，我们优先解决了方案落地问题，后续再查缺补漏，逐步解决其余挑战。 新技术，在IBM内部先“跑”起来刘湘明：也能看到中顺洁柔在AI化数字化领域，动作是非常的坚决。回到IBM这边，美国软件行业有个话叫吃狗食，就是什么东西做出来自己先吃一遍。我特别想了解IBM自己在应用AI方面都做了哪些实际的工作？陈旭东：应该说我们是AI比较大的受益者，这个是得益我们自己对AI的认知，因为我们知道AI一定是有用的，只不过是用在哪里的问题。我们整个数字化建设基础还是比较不错的。比如像我们客户的管理，这些系统都非常健全。所以你要去找以前所有客户的数据，都能找到很完整的数据来分析我们自己。比如说在销售上，我们内部就有这样的系统。只要你把跟客户接触全过程记录下来，通过历史的各种参数的判断，系统会帮你判断这个客户值不值得再进一步往前推进。我们内部搞了很多，在供应链、HR、财务，包括营销等上面，全部都是自己在用。比如报表，我们有一套EPM系统，所有的报表都在上面，可以根据你的需求来定制化生成（报表）。除此之外，还有一件事，IBMwatsonx推出的三年间，每一年都搞了一个叫watsonx Challenge，就是让员工自己参与到这个实践中来。前面两年都让大家先熟悉watsonx系统。今年做法就变了，要求每个业务部门的人去根据自己业务，提出对AI有什么需求，之后由公司专门机构来评估这个需求是不是最值得投资的。（如果）最值得投资，IBM会将全球的技术力量集中起来，进行研发。这样就变成业务驱动。这样的话这个项目肯定会落地，因为这是他的需求。这样的话，我们AI内部的应用，从最早期是被逼着推着走，已经慢慢转向了由业务部门在驱动。AI大模型落地场景有哪些？刘湘明：其实你们两个不约而同的都在谈业务驱动AI。回到杨总这边，就是你刚才谈了很多AI的应用，我特别想追问一下，就是在这里面能不能给我们分享一两个AI大模型落地的案例？包括在过程中到底解决了哪些问题？还有哪些容易踩坑的地方跟大家分享一下。杨森林：刚才提及的“人货场”匹配就是AI决策的典型应用。现在再分享两个更具体的例子——一个是生成式AI的应用，另一个是AI决策的应用。第一个例子是生成式AI在财务差旅流程中的应用： 传统差旅申请涉及填写行程、粘贴票据、申请核销等多个环节。如今，只需一句话指令（例如：“帮我提个出差申请并报销这张发票”），上传发票照片后，整个流程一步即可完成。切勿小看此类小型AI应用——此前，公司财务部门需安排40人专职处理票据粘贴与核销事务。其价值并非仅仅在于AI本身的技术功效，更在于推动了底层劳动力向高级劳动力的转型：传统的出纳型会计得以升级为管理型会计甚至战略型会计。即便如此微小的应用，也在财务转型中发挥了切实的推动作用。第二个例子在供应链领域的AI决策探索： 我们的B2C业务模式是厂家直发消费者（Direct-to-Consumer）。过去，该流程因涉及快递公司选择、包裹类型判定、物流成本核算等问题而异常复杂。现在，我们利用算法驱动，实现了包裹与特定区域消费者的动态精准匹配。该算法需综合模拟各种影响因素（如配送路线、特定区域未来两天内包裹接收密度预测等）。同时，依托公司七个生产基地及多个仓库的布局，系统会动态匹配各仓库的实时库存与未来三天的生产计划，最终实现送货环节的最优化方案。最直观的成果是千万级成本节约，这完全依靠AI决策算法驱动实现。那么生成式AI在其中扮演何种角色？当一批次货物完成分拣后，工作人员仅需调用系统下达简单指令（如“这批货发完了”）。此处，生成式AI主要提供了自然语言输入与指令输出的交互层。然而，整个应用的核心竞争力在于底层算法引擎——正是算法弥补了各环节的决策需求，甚至可以称之为“AI全场景驱动”。其最大优势就是直接带来了千万级别的降本效益。在投入成本方面，我们虽搭建了全功能版本（“满血版”）模型，总投入也仅在百万级别。这意味着用100万投入撬动了1000万利润——如此高效的投入产出比，无疑是极富价值的商业决策。当切实实现盈利增长时，关于团队能力、数字化价值乃至AI有效性的质疑自然烟消云散。刘湘明：刚才提到了决策AI，这其实就是一个比较核心的应用。但是AI我们都绕不过一个很大的问题，就是幻觉的问题。杨森林：我想就这个话题阐释两个核心观点，其中或许有一个略显“惊世骇俗”。先阐述解决方案层面的观点。在内部调用AI的过程中，主要涉及输入和输出两个端口，这如同房屋有其入口与出口。从本质上看，我们还需要调用DeepSeek模型的深度处理能力——过去这部分如同“黑盒”般无法透视，而如今我们已能洞察其深度运算的完整过程。该模型先前模拟了约8种思维模式，但这种基于Transformer机制的方法存在瓶颈（早期使用的是RNN序列处理，并包含净化机制）。然而，即便Transformer机制本身也无法充分确保结果的高精度。如何提升精确度？关键在于在模型内部运算完成、结果输出之前增设一道“闸门”。目的是拦截可能的错误输出：即当大模型生成不可靠内容（“胡说八道”）时，通过这道闸门将其过滤。举例说明：过去提出100万个问题可能产生100万个回答；现在通过闸门机制，或许仅输出70万个回答，但能确保这70万个结果的可靠性。这正是本地知识库结合算法拦截所实现的成效。第二个观点可能与主流看法不尽相同：尽管我们也在推进数据清洗与治理以优化知识库，但我认为有必要提出一个反思：过去没有任何（数字化）系统的时代，企业依然能做出有效决策并实现盈利。如今，置身于信息化、数字化高度发达的环境，我们反而失去决策能力？这本身是个伪命题。因此，AI决策的有效性并非必然依赖于数据治理的极端规范化；相反，它伴随着风险与机遇的共存。我认为这里存在一种战略性的博弈：你是否敢于进行局部押注？ 在一些特定业务领域，不必过度追求彻底消除AI的“幻觉”（其存在可能具有持续性）。我们更需要聚焦的是：在实体企业的哪些具体环节应用AI，才能最大化其价值？陈旭东：我补充一些观察。实际上杨总公司还是挺有特色的，特别在信息化数字化建设上面，像杨总这样的CIO相对比较少，因为他同时又负责战略的变革。这两个身份放在一起，特别有利，技术是一个必选项。利用技术去驱动企业变革，实际上特别有利于企业的发展。像杨总这样，懂技术，然后企业CFO也懂得算法，这种非常难得，具备这个特点的企业非常少。他们揭示的这些问题，是共性的。比如说在企业里怎么去用AI，对AI的认知，我觉得都是值得大家学习和借鉴的。比如说有一些认知，像你刚才提的幻觉，确实不是AI应用中最大的挑战。我们说的幻觉更多是大语言模型出来的幻觉。在很多决策模型下，实际上是不存在这种幻觉的。决策模型可能在某些情况下可能不一定是最优解，但没关系，他90%的情况下是最优解就OK了。就像供应链整个优化过程中，也不敢保证在这个算法下，每一单都是最优解。但是整体下来，比原来省了1000万，很明显就已经比原来的解优秀了。但你敢说他最优解吗？也不敢说，所以我们企业不是追求最优解的，我们是要追求进步。刘湘明：反过来讲，旭东现在是IBM在中国的最高决策人。对你来说，你做决策的时候有多大的程度会去借助AI呢？还是说完全跟原来的决策过程是一样的。陈旭东：我想给你举个例子，我不一定通过AI来做，但我在说服整个组织用AI。比如现在我们在做的另外一个是东西叫Ask-Sales。其实很多sales（销售）真正要发挥作用，培训一个sales（销售）懂得IBM这么复杂的知识也是很大的挑战。IBM光软件就有好几百个，你要真的什么都懂，或者每一个都精通，其实理论上是做不到的。但是我们现在在做一个什么模型呢？就是我们有目标的客户群，我们的软件适合哪些客户？我们会有一个入口。比如说销售把客户的信息拿来输入信息，然后根据知识库来帮他判断这个客户像不像我们的客户。就有点像描绘一下这家公司跟我们的生意有多大关系，这家是否值得做？第二个就是，一旦有了接触，比如说跟杨总聊了多长时间。然后你总结出来的东西写给这个系统，这个系统就会帮你分析，他有什么痛点，有什么困难，然后给你导出来一些分析，最后给你建议，用哪个解决方案能够满足客户的需求。能够系统的分析，供销售参考，如果觉得不对，销售还能再去做调整。我觉得这就有助于企业内部提高效率。IBM能为中小型企业带来什么？刘湘明：对。再回到最开始的问题，旭东其实也谈到了业务重心现在聚焦在民营企业，杨总他们就是个特别典型的民营企业，规模在百亿左右。我的问题就是你们现在服务他们这样规模的民营企业，你觉得你们现在具备哪些能力呢？凭什么去服务他们呢？陈旭东：其实刚才这个杨总已经替我回答了很多，企业他要找别人帮忙，一定是遇到了困难和挑战。现在是普遍性的我觉得有两个大的转折点。一个转折点就是刚才杨总提到的，整个产业在经过过去高速发展以后，现在面临了一个平台期。怎么在这个平台期的竞争中胜出？这是一个企业现在全部都在考虑的问题。那这个问题只有两个解，一个解就是全球化，第二个就是高端化。想不在低水平竞争，怎么能脱颖而出？在更高的地方建立起竞争力，这两个都是企业家梦想的方向。国际化和高端化两个都不简单。这里头我们可以帮助企业的就是给你出主意，你往这两条路走，到底你要思考哪些东西？最核心的是：要明确公司战略，很多公司不清楚要如何制定战略。第二个就是我们现在观察到民营企业基本都到了一个换代的转折点。你看洁柔公司就很好的转向了以职业经理人为主的时代。还有很多企业转向了二代经营。无论是转向职业经理人还是转向了二代经营，他们共同的选择都是做数字化。我们经常说每个技术会带来技术的原生态。由互联网公司带来互联网的原生企业。AI时代其实也会带来AI时代的原生企业，他一开始就觉得我就得用AI，企业的数字化也一样。比如前面几年建立的企业，建立在完整的数字化平台上。他就没说我为什么要这些数据，而是一开始就积累数据，而这些企业他们将来在AI应用上可能会很顺畅。这些还没有完全建起来的，借着这波转型一定会很大的投入，来完善他们的数字化或者补数字化的课。这是我们看到的大商机。这个过程中确实需要有人来帮他。我觉得IBM一方面能在公司战略上给这些公司提供一些建议，也就是我们的咨询业务；另一方面，IBM能在数字化转型方面提供一些方法和工具，推动数字化落地。大家以前总觉得IBM特别贵，IBM给人贵的原因是什么呢？以前我们卖大型主机给银行，每一台很贵，大多数企业可能用不着这么大的算力和那么高的可用性。大部分应用没有这么高的可用性要求，一旦把这个要求99.9%，后面六七个9的话，就会变得很贵的。所以大家在理解，以前主要客户群在那，现在我们同样一个技术可以用在民营企业。这时候我们要求的高度可能就没有那么高了，所以整个的成本各方面也会降下来。而且我们更多通过合作伙伴更多的去降低这个成本。刘湘明：这个有没有什么更具体的例子帮助哪些民营企业现在做了这些事情？陈旭东：有一家企业我觉得跟杨总他们很像。也是传统企业，做某一个零部件的企业。它已经是个全球化的企业。在发展过程中，老板还没有退位，但是准备移交给下一代。下一代进来看的时候，就推荐了用IBM这套技术，帮企业建了一套系统。建了这套系统以后，老一辈的人觉得特别好，他也不着急退休了。就以他们这个应用作为范本，然后建立起一套去可以服务周围其他的同辈创业家，然后给他们去提供这相应的服务，这是我们在苏州孵化了一家。从客户变成了合作伙伴。第二种就是我们直接通过技术帮他提高生产效率。以前我经常给大家举过例子，跟生成式AI没有关系。我们帮助一些做了很大的企业，他每天订单无数，订单进来转化成企业内部生产订单，很多企业就很乱。我们也是通过机器学习，把上亿张订单学习，然后转化成内部做比对。把错误率从15%降到只有3%左右。这样的话整个企业效率提高了很多，出错率大大降低。还有很多是我们原来传统的一些企业在生产过程中，质量检验。很多质量检验还是靠人来看，知道这东西合不合格，看久了眼睛就看花了。我们有一套系统叫视觉检测系统，帮企业做检测。通过一段时间学习，准确率比人要高很多，而且他不会累。还有一些复杂的场景。汽车行业现在研发速度越来越快，就给他推荐研发管理系统，复杂系统的研发管理和简单系统的研发是不一样的。靠人来监督是搞不定的，部署以后，整个研发就是数字化了。现在还有很多企业固定资产非常多，但是大家没有算过一本账。每年固定资产存续的话，大概得花的固定资产总值的10%。我不知道在你们企业怎么样，各种生产设备，每年要维护保养它，这个成本是很高的。这个成本每年你要降一个点，就是很多钱。我们有很成熟的一套资产管理系统，帮企业做预测性维护，只要用我们系统给你打保票至少省一个点，甚至不止。因为生产设备有好多零部件，零部件管理可能就是一个问题。为了维护生产设备，经常很多企业零部件过剩，所以很多企业管理的细节是可以去不断优化的，我觉得民营企业在这个阶段其实蛮需要我们。我刚才提到的这些，有些是提高研发竞争力，有些是提高资产利用率，这些都是对企业发展非常有帮助的。出海、AI....百亿规模企业还需要“乙方”提供哪些能力？刘湘明：讲的非常好。杨总你听旭东总讲了这么多，你们现在对IBM，比如说现阶段你会有什么样的需求呢？杨森林：中顺洁柔可以视为众多实体企业中的一个典型代表。我认为，营收规模在200亿以下的企业，其核心诉求与我们基本一致。当下，我们面临的最大困境在于如何破局。而要真正实现破局，最终只能依靠自身——因为没有人能够手把手地指导每一步。因此，我们亟需一位长期的导师——并非提供一次性咨询，而是能够陪伴企业从“小学”（起步阶段）一路成长，直至完成“初中”、“高中”乃至“大学”（成熟阶段）。以中顺洁柔当前所处阶段为例，我们相当于“初中生”需要完成三年学业，自然需要导师的系统指引。正因如此，我们与IBM合作的首要诉求点便是：必须是一位长期陪伴成长的导师型伙伴。这个合作不预设具体KPI或刚性要求，其价值正如刚才旭东总所言——IBM能指出潜在改善空间（例如“这里可优化成本降低一个点”、“那里可如此尝试提升效率”）。毕竟，即使将中顺洁柔所有高管的成功经验汇聚起来，不过区区几十个案例。而IBM已服务全球上万家企业，其视野之广阔、经验之丰富堪称“只有您想不到的，鲜有他们未接触过的”。IBM能为我们提供极其多样化的实战案例库。例如，在“出海”这一极具挑战性的话题上，IBM完全可以凭借其全球经验反问我们：“您的目标市场是哪里？具体策略是什么？类似案例我们都实践过。”——这正是我们期待导师提供的关键支撑：持续陪伴并提供多元化场景的解决方案。我们第二个明确诉求是：获得一套标准化的企业转型方法论与实施体系。引入IBM成熟的方法论、专业的决策工具乃至办公辅助系统后，其赋能效果显而易见——必将显著提升我们的运营与决策效率。综上所述，我认为IBM对于广大实体企业，尤其是营收规模在300亿以下的群体而言，可能是当下最应寻求的战略伙伴。因为在这个群体里，我们不仅清醒认识到必须破局，正积极寻求破局之道，同时也拥有足够的意愿投入所需资源。刘湘明：对，说的非常好。刚才谈到出海，杨总你们现在出海的这个真实状况是什么样的？杨森林：诚然，中顺洁柔可视为实体企业探索出海的典型代表。但我认为，营收在200亿以下的企业所面临的真实状况是：我们尚处于在地图上规划路线的摸索阶段。首先，知识产权问题已成为一大障碍。 虽然我们在越南建立了海外中心并取得了显著成果，但整体战略并非仅聚焦单一国家的突破——这源于不同国家迥异的文化背景及生活用纸领域特定的专利要求。这些复杂因素构成了出海的第一层壁垒。仅我们意识层面能够预见的障碍，可能仅占总量的3%。真正的挑战在于：大量未知风险无人预警，我们只能亲身“踩坑”后再艰难脱身。 尽管多数中国企业出海过程异常艰辛，但一旦成功跨越此阶段，发展前景将非常广阔。因此，在与IBM探讨合作时，我们首要诉求就是：请帮助我们优先识别风险，而非急于提供方案。希望IBM能系统性地梳理一百种真实失败案例，这些“前车之鉴”的价值远超成功经验。其次，我们极度缺乏深度的海外市场数据。 目前掌握的信息非常有限。以生活用纸品类为例：若想进入东南亚、阿拉伯国家市场或阿布扎比，谁能提供关键决策所需的数据支持？——例如该地区便利店的数量与分布？零售渠道整体规模？头部零售商是谁？是否存在与其他品牌的合作机遇？如何高效构建销售渠道？这些都亟需数据支撑。因此，中顺洁柔整体仍处于出海探索期。尽管已在部分国家取得初步成绩，但尚未形成成熟、可复制的拓展模式。当前最紧迫的任务，是将前述两大关键点（风险识别与数据获取）高效整合。我们期待一位资深导师能够详解“出海十大核心风险点与一百种潜在壁垒”，并结合中顺洁柔特点，针对性剖析其他企业遭遇过的实际困境。建立这种结构化知识体系与可靠信息渠道，才是我们当下最迫切的需求。刘湘明：那旭东你觉得从IBM角度来看，现在是一个出海的好时机吗？包括刚才杨总也谈到了，出海需要做好哪些准备呢？陈旭东：我觉得出海不是一个好不好时期的问题，必须得选择这个路。刚才我说的两个选项，我觉得很难躲开这个选项。因为企业发展到一定阶段，假设一个市场饱和了，这个饱和的市场很难再给你带来成长的动力了。那就看我们中国企业，比如行业竞争力是不是比别的国家的竞争力强，只有我们比他们强的时候，你才有机会渗透到那个市场，然后去抢他们的份额。所以这是一个全球竞争的关系。所以只要是追求成长的企业，这个（出海）是必选项。出海的这个道路是不一样的，有自己不停的去踩坑，然后总结经验。还有一类就是去并购一些成熟的企业，这个也是一套打法，怎么去做这两个事情？第一类是制定相关的战略。其实要让咨询讲，都有很多案例。IBM也可以给你讲这些，怎么样去打一个市场，甚至在国外去打到高端市场，我们都有案例。在国外跟在国内定位是没关系的，你到另外一市场，你可以把自己定的很高。所以可以有不同的策略去打不同的市场。这个打法确实得有咨询公司帮你梳理出一套基本的打法，然后你得理解这套打法，并得认可这套打法，最终实施。实施过程中可以有咨询公司来陪你去纠错。这些我觉得是IBM可以给中国企业提供的。第二类就是基础的数字化转型。课该补，还得补，不补的话你很难走出去。现在有很多企业来找我们，因为他要跟国外的企业对接系统，我刚才举的汽车的那个例子，就是ELM这个软件。很多下游企业他要跟你对接这个系统，（你）没有，所以他只好再来上这个系统。中国很多传统企业，就刚才我举那个例子，已经是隐形冠军了，他并不需要类似的系统，他也能活下来。因为那些年市场不错，一直在增长。但现在进入到全球化竞争以后，要求就提高了。这事情上，因为IBM在全球基本上所有行业的前十名都是我们的客户。所以在这个体系里头，我们自己有很多很成熟的系统方案可以给大家来做参考。刘湘明：中国市场其实还是一个基本盘，不管对IBM来说，还是对中顺洁柔来说。刚才旭东你也谈到了，说你觉得中国市场的这种拐点已经到了，应该怎么去理解这句话？就是怎么样让更多的观众去看到IBM在深耕中国这40年之后，在中国继续发展的底气和力量在哪里？陈旭东：第一个很重要底气就是—IBM在过去40年做的整个信息化的普及工作以后，在整个市场上有大量的IBM的客户和员工，这些人对IBM是有认知的，凡是用过IBM产品技术的人，就很少听到说IBM不行。认可度是非常好，这是我们一个很好的基础。我经常跟我们员工讲，很多客户来拜访，肯定经常发现，前两批的员工在这公司里，大家就比较好聊。因为大家都有一个基础文化平台，这是我们的一个优势。第二个就是刚才说到，面临数字化转型的需求日益增长，从这两年我们看到一个明显的趋势。别的路子已经很难再帮助他提高竞争力，所以很多企业在做转型。第三个就是我们各条业务线逐渐看到了抬头的趋势。比如我们的咨询业务逐渐有抬头趋势，我们存储的业务也逐渐有趋势，因为我们确实有一些产品和技术在市场上是比较独特的。比如说我们的（磁）带库，小的企业可能用不上，但是大的企业或互联网公司这是一个必备的东西。磁带库是一个以最低成本，超大容量存储冷数据的解决方案。数据现在每年翻倍增长，越来越多数据企业要以很高的成本存，所以在这上面我们看到了很多反倒是有增长。我们同时也在积极寻找外部的合作伙伴，开始寻找一批（能服务于）民营企业的客户，而且要覆盖更广，更低级别的市场。比如中顺洁柔，我们现在可能还没有一个合作伙伴能服务于你们，所以这些都需要我们去开拓的。当我们在这些地方逐渐的拓展以后，我们看到一些趋势也出来了。所以为什么我觉得这个拐点就已经开始出现了。我们在内部都在讲，我们重新开一个IBM公司，相当于我刚来中国市场，但以前的东西还在。只不过以前大家认为IBM的东西都很贵，买不起。你去看同类的产品，比如像刚才你做这个运筹的，IBM有一个很成熟的软件可以帮你，不用自己去搞很多算法。大多数企业是没这个能力去搞这套算法，而且（这套算法）也很便宜，也不是很贵。刘湘明：这个真是挺好。今天很重要的一个信息点就是IBM现在也便宜了。最后一个问题，给杨总，你能不能总结一下，快消品，包括传统的民营企业，的确遇到很大的竞争压力。你觉得怎么持续保持竞争优势的这种秘诀是什么？杨森林：AI只是一个工具。过去我们最早叫信息化，后来到数字化，到数智化，我们又有了AI，我们也谈过元宇宙。今天还有一个新的概念叫脑机接口。所有的一切，其核心还是看人。想要做增长，就（需要）不断改革自己。就像我们说数字化转型，为什么老是CIO提这个话题？数字化转型，改革企业，推动业务变革，你自己变了吗？你懂业务吗？所以我经常提到的叫六边形战士理论，懂战略、懂业务、懂技术、懂数据、懂流程，还有懂创新。情商、智商、逆商你都要有。陈旭东：其实AI的技术变革，大家看到它带来两类作用。第一个作用，它会新增出很多完全基于AI的一些新的业务。另外一类就是他用这个AI技术去改造原有的企业，就是IBM一直在努力去做的事情。刘湘明：对，的确是。有人在说这个技术进步其实改变就两个维度。一个就是个脑力劳动和体力劳动的维度，另外一个就是用复杂和简单的，蒸汽机最早替代的就是简单的体力劳动，然后呢现在AI逐渐的替代掉了简单的脑力劳动和复杂的脑力劳动，最难替代的叫做复杂的体力劳动。家政机器人，包括现在我们看到机器人搏斗大赛，那个复杂的体力劳动，这个是最后才会。感谢两位嘉宾特别精彩的分享和交流，谢谢，也感谢各位观众的关注。然后本期的IBM AI会客厅就到此结束，谢谢大家。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App