拒絕case by case，“昇騰+星火”如何破解央國企數(shù)智化困局

文 | 智能相對論

作者 | 葉遠(yuǎn)風(fēng)

長期以來，央國企的數(shù)智化轉(zhuǎn)型總被業(yè)界認(rèn)為是一個(gè)“case by case”的過程。

相比于中小企業(yè)可以借助標(biāo)準(zhǔn)化的云和AI產(chǎn)品快速實(shí)現(xiàn)數(shù)智化，央國企的轉(zhuǎn)型路徑似乎天然帶有“定制化”屬性——組織架構(gòu)復(fù)雜、業(yè)務(wù)流程獨(dú)特、數(shù)據(jù)安全要求嚴(yán)苛，這些因素使得每一次成功探索都難以直接復(fù)制到另一個(gè)場景或另一家企業(yè)。

但在過去一年中，這一局面正在發(fā)生微妙的變化。一些在油氣、鋼鐵、民航等關(guān)鍵領(lǐng)域落地的數(shù)智化項(xiàng)目，開始展現(xiàn)出超出預(yù)期的可復(fù)制性。這背后，是一套正在成型的、具備底層共性邏輯的數(shù)智化體系在發(fā)揮作用。

央國企數(shù)智化的“復(fù)制困局”，卡在哪？

事實(shí)上，央國企的數(shù)智化探索并不算晚。許多頭部企業(yè)早在數(shù)年前就開始了數(shù)字化投入，也打造了一批在特定場景中成效顯著的項(xiàng)目。

但這些項(xiàng)目大多陷入一個(gè)共同困境——投入巨資形成的成果，往往只能服務(wù)于單一業(yè)務(wù)或單一部門，難以在企業(yè)內(nèi)部其他板塊復(fù)制，更遑論在同行業(yè)推廣。

這一困境的根源，可以歸結(jié)為三個(gè)層面的痛點(diǎn)。

第一，底層技術(shù)底座不統(tǒng)一。央國企的數(shù)字化建設(shè)往往起步于不同時(shí)期，由不同部門主導(dǎo)，采用的算力芯片、軟件架構(gòu)、技術(shù)標(biāo)準(zhǔn)各不相同。這種“各自為政”的建設(shè)模式，使得任何一個(gè)項(xiàng)目積累的技術(shù)能力，都很難遷移到另一個(gè)環(huán)境中，形成了事實(shí)上的技術(shù)孤島。

第二，數(shù)智化能力缺乏復(fù)用性。傳統(tǒng)項(xiàng)目開發(fā)通常是“一事一議”，針對特定場景進(jìn)行深度定制。這種模式雖然在解決當(dāng)下問題時(shí)效率較高，但開發(fā)出的模型和算法往往與具體場景深度綁定，無法直接應(yīng)用于其他業(yè)務(wù)。這就導(dǎo)致每次新的需求出現(xiàn)，都需要投入幾乎相同的開發(fā)資源。

第三，落地流程缺乏標(biāo)準(zhǔn)化。由于缺乏統(tǒng)一的實(shí)施方法論，數(shù)智化項(xiàng)目的成功高度依賴專家團(tuán)隊(duì)的個(gè)人經(jīng)驗(yàn)。經(jīng)驗(yàn)無法沉淀為可復(fù)用的流程和工具，使得復(fù)制一個(gè)成功項(xiàng)目的成本，往往接近甚至超過重新開發(fā)一個(gè)新項(xiàng)目。

在油氣、鋼鐵、民航等核心領(lǐng)域，上述痛點(diǎn)還被進(jìn)一步放大——這些行業(yè)的數(shù)據(jù)敏感度高、合規(guī)要求嚴(yán)、業(yè)務(wù)流程復(fù)雜，使得數(shù)智化轉(zhuǎn)型的試錯(cuò)成本極高。因此，企業(yè)在推進(jìn)智能化項(xiàng)目時(shí)，往往需要在“謹(jǐn)慎試點(diǎn)”和“規(guī)模推廣”之間反復(fù)權(quán)衡，難以形成規(guī)模化價(jià)值。

要破解這一困局，顯然不能靠零敲碎打的單點(diǎn)突破，而需要一套能夠從算力底座到應(yīng)用落地全鏈路打通的系統(tǒng)性方案。這正是過去一年中，以昇騰和訊飛星火為代表的中國“算力+模型”生態(tài)所聚焦解決的核心命題。

中國算力生態(tài)，構(gòu)建了有底層共性邏輯的“央國企數(shù)智化體系”

值得一提的是，當(dāng)業(yè)界還在討論央國企數(shù)智化的“復(fù)制難”問題時(shí)，昇騰AI生態(tài)與科大訊飛星火大模型的組合，已經(jīng)開始從實(shí)際落地中摸索出一套可行的方法論。

這套組合的價(jià)值，遠(yuǎn)不止于“算力+模型”的簡單疊加。從實(shí)際落地的經(jīng)驗(yàn)來看，它正在從三個(gè)維度，構(gòu)建一套面向央國企復(fù)雜需求的、具備標(biāo)準(zhǔn)化潛力的數(shù)智化體系。

一、統(tǒng)一的算力底座：從源頭解決“各搞一套”的問題。

央國企數(shù)智化復(fù)制難的第一道門檻，往往是底層算力的統(tǒng)一。如果每家企業(yè)的技術(shù)棧都自成一派，那么任何經(jīng)驗(yàn)的遷移都將面臨巨大的適配成本。

在這里，昇騰提供了一套自主創(chuàng)新的標(biāo)準(zhǔn)化算力底座，從芯片、硬件架構(gòu)、AI基礎(chǔ)軟件框架到應(yīng)用使能工具鏈，都實(shí)現(xiàn)了技術(shù)上的統(tǒng)一與自主創(chuàng)新，并且與第三方開源生態(tài)充分適配。這意味著，無論項(xiàng)目是為中國石油打造賦能油氣全產(chǎn)業(yè)鏈的昆侖大模型，還是為寶鋼構(gòu)建的圍繞濺渣護(hù)爐等關(guān)鍵場景的轉(zhuǎn)爐大模型，都可以運(yùn)行在同一個(gè)技術(shù)棧上。企業(yè)無需再為模型適配、性能調(diào)優(yōu)等基礎(chǔ)問題重復(fù)投入，可以更聚焦于上層業(yè)務(wù)價(jià)值的挖掘。

具體來看，中國石油在建設(shè)昆侖大模型時(shí)，其平臺和應(yīng)用均基于本土算力、模型構(gòu)建，完全滿足央國企在信息安全與自主創(chuàng)新方面的嚴(yán)苛要求。中海油海能人工智能模型的落地同樣遵循這一路徑，從底層算力到上層應(yīng)用實(shí)現(xiàn)了統(tǒng)一且自主地創(chuàng)新。很顯然，統(tǒng)一的底座使得跨項(xiàng)目、跨企業(yè)的經(jīng)驗(yàn)復(fù)用成為可能——一個(gè)項(xiàng)目在模型與算力上的優(yōu)化經(jīng)驗(yàn)，可以快速應(yīng)用于另一個(gè)項(xiàng)目。

二、模塊化的模型能力：讓“可拆可拼”替代“一事一議”。

有了統(tǒng)一的算力底座，下一步就是讓上層的能力能夠被靈活復(fù)用。而星火大模型的架構(gòu)設(shè)計(jì)，正是為此而構(gòu)建的，其核心邏輯是“通用底座+行業(yè)模塊+場景智能體”的分層結(jié)構(gòu)。通用大模型底座承載了語言理解、文本生成、邏輯推理等核心AI能力，是所有應(yīng)用的基礎(chǔ)。在通用底座之上，科大訊飛基于在油氣、鋼鐵、民航等行業(yè)的深度實(shí)踐，將行業(yè)共性場景獲取的知識沉淀轉(zhuǎn)化為可復(fù)用的行業(yè)模塊。

中國石油昆侖大模型便是一個(gè)典型案例。該模型集成了油氣勘探、煉化工藝、油氣儲運(yùn)、產(chǎn)品銷售、工程建設(shè)、裝備制造六大領(lǐng)域的萬億級行業(yè)語料，形成了可復(fù)用的行業(yè)知識模塊。在此基礎(chǔ)上，科大訊飛深度參與了昆侖大模型100個(gè)行業(yè)場景中的32個(gè)場景建設(shè)，覆蓋生產(chǎn)與安全、管理與服務(wù)兩大業(yè)務(wù)領(lǐng)域，涵蓋油氣勘探開發(fā)、煉油化工、銷售、裝備制造、辦公管理、財(cái)務(wù)管理等15個(gè)子領(lǐng)域。

寶鋼的情報(bào)洞察智能決策系統(tǒng)同樣體現(xiàn)了這種模塊化思路。在模型層以通用大模型為基座，結(jié)合OCR模型與鋼鐵行業(yè)專項(xiàng)篩選模型；在平臺架構(gòu)層采用“智能體+服務(wù)庫”的雙軌設(shè)計(jì)，集成政策分析師、市場分析師、數(shù)據(jù)分析師等專業(yè)智能體。

不難發(fā)現(xiàn)，通過這種分層架構(gòu)，科大訊飛將數(shù)智化能力從“針對單一場景的一次性開發(fā)”轉(zhuǎn)變?yōu)椤翱刹鸾狻⒖山M合的模塊化能力”，大幅降低了復(fù)制的邊際成本。

三、標(biāo)準(zhǔn)化的落地路徑：將“個(gè)性化項(xiàng)目”轉(zhuǎn)化為“工程化操作”。

除了技術(shù)能力的標(biāo)準(zhǔn)化，科大訊飛在與眾多央國企的合作中，還形成了一套可復(fù)制的落地方法論，可概括為“建算力-理數(shù)據(jù)-訓(xùn)模型-落場景-保安全-精運(yùn)營”。這套流程將復(fù)雜的數(shù)智化轉(zhuǎn)型，從一個(gè)充滿不確定性的“個(gè)性化項(xiàng)目”，轉(zhuǎn)變?yōu)楦咝У摹皹?biāo)準(zhǔn)化操作+個(gè)性化適配”的工程化過程。

以中國海油的實(shí)踐為例，在成功落地知識管理、員工健康、輔助辦公等通用領(lǐng)域場景后，進(jìn)一步賦能海上作業(yè)安全分析、鉆井地質(zhì)設(shè)計(jì)等專業(yè)場景，形成了“專業(yè)+通用”雙輪驅(qū)動的應(yīng)用體系。寶鋼的實(shí)踐同樣遵循了這一路徑，平臺建設(shè)遵循“數(shù)據(jù)層-模型層-平臺架構(gòu)層”的遞進(jìn)邏輯，先構(gòu)建鋼鐵行業(yè)高質(zhì)量數(shù)據(jù)集，再通過通用與領(lǐng)域?qū)ｍ?xiàng)模型協(xié)同，最后采用“智能體+服務(wù)庫”雙軌架構(gòu)，形成了一套完整的落地閉環(huán)。

正是這種從“單點(diǎn)突破”到“根據(jù)地深耕”再到“多場景延伸”的戰(zhàn)術(shù)，使得成功經(jīng)驗(yàn)可以在企業(yè)內(nèi)部快速復(fù)制推廣。而對于同行業(yè)的其他企業(yè)而言，這套已經(jīng)驗(yàn)證的方法論提供了明確的可參考路徑。新項(xiàng)目不需要從零開始探索，只需在標(biāo)準(zhǔn)化流程基礎(chǔ)上進(jìn)行相對較少的業(yè)務(wù)適配，就能快速復(fù)刻已有的成功經(jīng)驗(yàn)。

非標(biāo)品但可高效復(fù)制的數(shù)智化，是央國企下一階段的關(guān)鍵需求

時(shí)至今日，昇騰與星火構(gòu)建的這套可復(fù)制體系，已經(jīng)在多個(gè)行業(yè)的標(biāo)桿項(xiàng)目中得到驗(yàn)證，并輸出了可量化的價(jià)值成果。

在油氣行業(yè)，昆侖大模型的落地帶來了顯著的效率提升，如地震解釋效率提升40%，設(shè)備故障預(yù)警準(zhǔn)確率達(dá)到92%，煉化領(lǐng)域的設(shè)備智能診斷系統(tǒng)幫助客戶節(jié)省檢修環(huán)節(jié)人力30%等等。這些數(shù)據(jù)不是孤立的試點(diǎn)成果，而是可以成為同行業(yè)企業(yè)對標(biāo)和參考的標(biāo)準(zhǔn)。

在鋼鐵行業(yè)，寶鋼情報(bào)洞察平臺將營銷人員的工作效率整體提升約20%。通過多智能體協(xié)同分析市場動態(tài)，平臺能夠自動生成行業(yè)研究報(bào)告，幫助營銷人員更及時(shí)、更精準(zhǔn)地把握市場變化。

在民航行業(yè)，航行通告智能助手將人工解析投入預(yù)計(jì)減少50%，非計(jì)劃性維修助手大幅縮短排故預(yù)案時(shí)間。這些成果已經(jīng)在國航、南航、東航、廈航等多家航司的不同業(yè)務(wù)場景中落地驗(yàn)證。

這些量化成果的價(jià)值，不僅在于為企業(yè)帶來了實(shí)實(shí)在在的降本增效，更在于它們?yōu)橥袠I(yè)企業(yè)提供了明確的可復(fù)制范本。當(dāng)一個(gè)成功案例的成效被量化和驗(yàn)證后，它就不再是“僅此一家”的定制孤品，而成為可以在行業(yè)內(nèi)批量化推廣的成熟方案。

展望未來，央國企的數(shù)智化轉(zhuǎn)型正在進(jìn)入一個(gè)新的階段。從宏觀層面看，國家戰(zhàn)略要求央國企在新質(zhì)生產(chǎn)力發(fā)展中發(fā)揮引領(lǐng)作用，這需要更大范圍、更深層次的智能化升級。從企業(yè)自身來看，面對日益激烈的市場競爭，央國企也需要通過數(shù)智化實(shí)現(xiàn)降本增效、提升核心競爭力。

很顯然，像過去那樣靠一個(gè)一個(gè)“燈塔項(xiàng)目”緩慢推進(jìn)的模式，已經(jīng)無法滿足現(xiàn)實(shí)需求。央國企需要的是能夠快速復(fù)制、規(guī)模化落地的數(shù)智化方案。而昇騰與訊飛星火構(gòu)成的成熟的“算力+模型”生態(tài)，已經(jīng)為迎接這一需求做好了準(zhǔn)備。

結(jié)語

“復(fù)制難”曾是央國企數(shù)智化轉(zhuǎn)型的突出瓶頸。如今，這一問題正在被自主創(chuàng)新的算力生態(tài)所破解——昇騰與星火的深度融合，不僅為央國企提供了一套“懂行業(yè)、能落地、保安全、可進(jìn)化”的整體解決方案，更重要的是，它構(gòu)建了從底層算力到上層應(yīng)用皆可復(fù)制的能力體系。

這套體系的成熟，標(biāo)志著中國數(shù)智化產(chǎn)業(yè)正在從項(xiàng)目驅(qū)動走向體系驅(qū)動。當(dāng)“復(fù)制”不再是難題，央國企數(shù)智化的規(guī)模化落地便具備了現(xiàn)實(shí)可能。

*本文圖片均來源于網(wǎng)絡(luò)