从大模型到“超级个体”，AI如何重塑企业数字化转型？

对企业数字化转型，这场圆桌给出的判断很直接：大模型已经不是瓶颈，真正卡住落地的，是企业里有没有能驾驭它的人——一个"超级个体"比一百个工具更重要。

7月31日，由动点科技与BEYOND Expo联合主办的人工智能创新主题沙龙活动现场，一场聚焦"AI技术创新与产业数字化转型"的圆桌论坛上，来自AI教育、AI科研、数据智能体和政务数字化的四位嘉宾，几乎不约而同地绕开了技术本身，把话题引向了同一个更"软"的层面：人。

从联通背景的培训咨询公司，到做AI for Science的分子势能，从做了14年RFID的云畴科技，到东方网旗下的东方怡动，他们服务的行业各不相同，却分享着同一个观察：AI的推进速度，远比组织吸收它的速度快。问题从来不是模型不够聪明，而是企业里的人还不会用它。

从培训到经营：

AI最大的收益，藏在行业里

姜浩的公司依托联通股东背景，业务从人员入职培训一路延伸到行业人员转型、搭建经营体系，他习惯把这套打法概括为"培训、咨询、工具、开发"四个阶段，去适配不同行业的需求差异。

在他看来，AI应用是数十万亿的市场，而"未来AI真正能产生最大收益的，肯定是在行业里"。但进到行业里的第一步，恰恰是最不起眼的培训——因为培训是双向交流，"不仅仅是教大家用最新工具，更多时候我们能了解到行业的痛点，知道未来服务这个行业有哪些重点工作要做"。

他的打法务实而克制：先和客户沟通出共同目标，对结果交付做兜底，抱持长期主义。落地路径是先找行业头部企业，把标准化东西沉淀下来，再复制到更多企业。

他讲了一个内部的小故事：公司一个原来负责招投标的小伙子，自己搭了个应用平台，把做PPT这些痛点一点点优化进去，平台已经在海外备案上线。"未来企业的形态正在发生很大变化，我跟员工更像伙伴了。"他说，一个基于数据治理和更新知识库的智能体，实实在在帮客户解决了全国服务的痛点，能看到实打实的降本增效。

别给拿刀的人硬塞冲锋枪：

AI落地先找"超级个体"

做AI for Science的李响，公司叫分子智能，用人工智能辅助科研，最擅长医药板块、生物材料和工业材料设计，做一站式agent服务、集成自研算法，最擅长的是大分子领域的设计。

他先抛出一个反直觉的事实：很多国际大药企的数字化水平，可能停留在15到20年前。"我之前服务过全球大概最大的一家数据服务公司，全球几万人，但数字化水平让人想象不到。"对药企来说最宝贵的是数据，而数字化转型恰恰是他们的瓶颈。

他打了个很形象的比方：以前大家用的是刀，你直接给他一把冲锋枪甚至大炮，"它使用起来相对来说比较困难"。所以AI落地的第一步，不是铺工具，而是找一个"superman"——在小组范围内有一定影响力、愿意支持你的人，你不是来破坏他原有生态的。

第二步更有意思：让这个超级个体用工具做"半成品"，最后的价值由人工生产出来。"最后人工来做智能化产生的最好的内部东西，他自己的价值才能体现出来。否则工具太好用了，什么都是工具干的，人的价值在哪里？企业不会接受这样的情况的。"

在金融行业做了多年垂直领域的他，把话收得很稳："无论什么赛道，做人工智能这件事，还是要根据自己赛道的情况，自己去看，自己去推动，自己去交付。"

会看、会做、会恢复：

数据智能体是AI时代的"守夜人"

云畴科技的研发副总裁王瀚，做了14年RFID，今年把经验融入产品，打造数据运营智能体。他切入的是一个很少被讨论、却极其刚需的角落：数据灾备、备份和运维。

他先点出行业的普遍现实：全国3家客户里，有专职灾备团队的非常少，绝大多数是服务器、数据库、网络安全IT在兼职。而用户的IT环境极其复杂——虚拟化、云平台、数据库、公共机、大数据平台，学习成本和配置部署成本都很高，"这其实需要专业知识供应链"。

所以他的数据验证智能体，要有三个能力：第一，能看清方案——识别系统环境等级、SLA、配置，帮企业制定复杂灾备方案；第二，能执行——不是只给建议，而是一体化落地配置；第三，能识别灾难恢复——数据到底能不能恢复、时间点干不干净。

他举了两个很真实的案例。制造业里，产品分IT和OT两套，客户有一两万台风机需要备份，但"IT不敢碰制造产线，OT又不太会做"，智能体帮整个工厂评估什么时候备、怎么备、用什么策略。政企场景里，上海某客户数据中心有16000台虚拟机，每天两三百台上线下线的调度，IT人员每天忙到不行——这些都能靠智能体做评估、做配置。

他特别提醒一个容易被忽视的点："AI也需要被保护。"模型、知识库、工作流、向量数据库一旦出问题，整个AI业务系统会很差，"所以数据保护这个底座，反而在赋能AI"。

软件正在变成"日抛品"：

真正的壁垒是人的判断力

东方怡动创新业务总监邵文明，公司以政务业务起家，扩展到融媒体、文化数字化、教育智能化，最新在做人工智能教育。他是四个人里对AI演进速度最有危机感的一个。

"我们两年前给用户做的东西，当时觉得还不错，现在以现在的眼光看，只能打一个低分了。"他坦言，AI用于政务、文化旅游、教育做过流程再造和赋能，但进展太慢了。

他观察到软件行业正在发生根本性变化：过去花大力气写软件、部署软件，现在很多软件开始变成"月抛甚至日抛"——超级个体出现后，有任何想法就快速写个脚本、搭个智能体，取代了原来固定软件干的很多事情，成本低，即用即抛。

所以东方怡动的赋能转向两个方向：一是把底层工具做好——用什么模型、什么知识库、怎么微调、怎么汇聚梳理知识，"把刀给他磨快"；二是告诉他怎么用这把刀做菜做饭，"至于你用它切豆腐还是切丝瓜，随你了"。

他讲了一个自己公司内部的"反噬"案例：一个从来没学过编程的人事姐姐，花两个礼拜用AI写了一套人事考勤系统，只在最后部署时请IT帮了忙。"这给了我们危机——人事姐姐都会用AI写软件了，其他同事写出来的也不超过她。"

这让他开始思考一个更深的问题：当AGI真的到来，人还要保留什么？他的答案是学习能力、沟通能力、判断能力、共情能力、审美能力——"这些是目前智能化还不能取代我们的"。就像那个人事姐姐，核心竞争力在于她理解要做考评、做激励，要做什么事情，"这不仅仅是一个工具的事情，这是对业务的理解"。

智能平权的时代，

人该保留什么

当主持人抛出最后一个问题——AI技术创新和产业数字化转型如何可持续发展、如何突破共性瓶颈——四位嘉宾的答案，又一次绕开了技术。

姜总说，行业知识非常重要，AI在企业中扮演的角色还需要一段时间才能展露，"我们更多从经营层帮客户提升经营能力，从数据角度把原有业务通过数据翻译、知识库搭建，反向赋能业务发展"。

李总的判断最有概括力："互联网和移动互联网做到的是信息平权，人工智能时代做的是智能平权。"在算力都差不多的情况下，怎么做出special的东西，才回答了那个问题——为什么不用豆包，而要用你的人工智能工具。他建议各赛道在AI时代初期"保好自己的数据和经验"，因为每一次反馈都是在给工具做强化学习，"但人工智能厂商也要解决一件事，把信息回归到个人，否则大家都不愿意贡献自己的idea"。

王总补充了行业化的难点：企业知识经验大多在人脑子里，要总结沉淀出来、跨部门协作，非常难，"做好一个行业化的AI智能产品，可能是内发的，外部行业很难做到"。同时要约束智能体的行为，"把AI的行为约束起来、把流程串起来，让它反复执行"。

邵总用一个问句收尾：如果我们软件公司都能做到日抛，大家都变成超级个体了，"还要我们软件公司干嘛呢？"这正是危机感所在。但换个角度看，当AI越来越智能，人和组织要回答的不是"怎么用工具"，而是"在智能平权之后，我们还能贡献什么"。

这场圆桌最终没有给出数字化转型的标准路径，却给出了一条贯穿始终的线索：AI落地最稀缺的从来不是算力、不是模型，而是一个个愿意学习、敢于提问、能判断方向的"超级个体"。就像邵文明说的，当下最重要的事情，是把AI普及化做得更深入，"让更多人变成一个一个超级个体"。