随着AI技术的迅猛发展，AI大模型已成为推动央国企数智化转型的重要力量。在2025央国企数智化转型闭门研讨会上，二十余位央国企数字化决策者围绕“AI大模型如何破解央国企数智化转型的真问题”展开了热烈讨论。

如何看待近期大火的DeepSeek？它背后到底蕴含着什么巨大的能量？

DeepSeek，作为近期AI大模型领域的明星产品，其开源性和广泛的应用场景受到了企业的广泛关注。有观点认为，DeepSeek的出现打破了美国对中国的技术封锁，为中国的AI发展开辟了新的道路。它深度思考的方式和步骤，比结论更具参考价值，能够帮助企业实现具体的事务性执行。同时，DeepSeek也促进了国内算力市场的发展，为央国企提供了新的发展机遇。然而，也有专家指出，DeepSeek并非万能，其局限性不容忽视。央国企在拥抱新技术的同时，应保持审慎态度，充分考虑技术的安全性、稳定性以及长期发展前景。

观点一：DeepSeek相较于以往的大模型更接近于人的思维，其深度思考的价值，往往不在于最终得出的结论，而在于思考的方式与步骤，这些更具参考价值。在大模型和人工智能的应用方面，更多是大模型、小模型以及一些具体工具的组合，助力企业完成具体的事务性执行工作。未来，借助脑机接口、具身智能等技术，有望发展成近乎碳硅基生物结合的智能体，为人们分担日常工作。

观点二：DeepSeek背后实则是中美之间的博弈。美国试图以算力与大模型优势锁住中国，而中国在算力方面存在短板。DeepSeek的出现带来了破局之道，提供了更多解决方案，其蕴含的能量在于打破了美国对中国的封锁。

观点三：我认为，DeepSeek近期大火主要归因于以下几点。一方面，其开源特性有力推动了行业应用的发展；另一方面，它的应用场景极为广泛，涵盖了一些其他大模型所不具备的领域。DeepSeek背后蕴含着巨大的能量，主要体现在三个方面。其一，它能够促进各行各业实现产业转型升级；其二，有助于提升科研创新能力；其三，能够增强中国在世界人工智能领域的影响力，进一步提升中国的国家形象。

观点四：在我看来，DeepSeek是人工智能发展史上的一个关键时刻，它最大的亮点在于普惠化和低门槛，就像一条鲶鱼，激活了人工智能领域的创新活力。DeepSeek的创新并非停留在理论层面，而是聚焦于工程应用，其算法的优化更是加快了人工智能普惠化的进程。目前，国内在DeepSeek领域个人应用较为普遍。未来，要更好地发挥DeepSeek的作用，关键在于将其与具体场景相结合，实现与业务的深度融合。具体而言，企业数字化平台的重构是首要任务，这能为DeepSeek的应用搭建坚实的基础；其次，企业要重视人才培养，提高员工对DeepSeek的理解和运用能力；最后，要推动DeepSeek与场景的深度融合，如此才能在企业中充分挖掘DeepSeek的潜力，使其得到充分利用。

观点五：AI是企业行业应用最多的产品，如今所有公司都在押宝AI，不做AI基本在市场上没有机会。今年AI的核心有两个，一是VLA的端到端大模型，二是VLM的视觉大模型，目前所有行业和车企都在关注。

如果只允许选择一个场景试点大模型，供应链优化、智能客服、风险管控等——您会如何选择？

在供应链优化方面，AI大模型可以通过隐私计算等技术手段，提高供应链的顺滑度和数据匹配度，从而保障供应安全。在智能客服领域，AI大模型已经取得了显著成效，能够显著提升客服水平，降低人工成本。此外，风险管控也是AI大模型的重要应用场景之一。通过深度思考和分析，AI大模型可以发现更多潜在风险，为企业提供更加精准的风险管理方案。

观点一：在智能客服方面，当前很多航空公司呼叫中心的智能化水平较低，智能机器人的整体表现不足50%，因此DeepSeek在航空公司的智能客服场景具有广阔的发展空间。在风险管控方面，DeepSeek需重点关注用户身份识别、安全过滤、操作行为审计以及知识分权隔离等几个方面。

观点二：对于财务公司而言，适用的场景更多是风险管控。像合规性风险、操作类风险、金融市场类风险以及资金舞弊风险等，都可以与DeepSeek合作进行模型固化，应用于司库体系建设是很好的尝试。

观点三：我们的行业是传统行业，信息化、数字化、数据化建设更多需结合业务实际。DeepSeek的应用场景应围绕核心主业，助力提升经营、营销和利润水平。

观点四：大模型应用有两个方向，即管理层面和业务层面。在管理层面上，DeepSeek具有明显优势，在风控、供应链、人力、财务等场景都能通过大模型提高人的工作效率。在业务层面存在一定难度，业务层面主要依赖AI，公司一直在使用西门子的研发工具，该工具不断更新迭代，在AI层面进行功能迭代和仿真，尽量减少设计过程中的流程实验。

观点五：每个央国企都拥有庞大的知识体系，这些体系杂乱无章，可能分布在不同的系统中，甚至还有许多纸质文件，如规章制度体系、工程建设行业的工艺工法技术资料等。如何运用好这些知识体系并做好知识传承，DeepSeek可以发挥重要作用，这方面的需求较大。

大模型与老旧IT架构（如ERP）是“推翻重建”还是“渐进融合”？

针对大模型与老旧IT架构的融合问题，有观点认为，推翻重建并非明智之举，而应采取渐进融合的策略。这一策略既能充分利用现有IT架构的优势资源，又能逐步引入AI大模型的新能力，实现平滑过渡。同时，企业还需要考虑数据安全、离线存储灾备模式以及分布式架构的灵活性等问题。在引入AI大模型的过程中，要确保企业的业务连续性不受影响，保障数据的完整性和安全性。

千亿参数大模型vs行业精调小模型，谁的ROI更高？

在千亿参数大模型与行业精调小模型的对比中，有人认为大模型具有更强的通用性和可扩展性；而另一些人则认为小模型在特定应用场景下具有更高的性价比和实用性。实际上，这一问题的答案取决于企业的具体需求和业务场景。企业应综合考虑其应用场景、投资回报率以及技术可行性等因素，选择适合自己的AI模型。无论是大模型还是小模型，都应成为推动企业数智化转型的有力工具。

运用数智化手段，除了拓展新业务，是否可以实现企业内部管理方面的降本增效？

数智化手段不仅可以拓展新业务，还可以实现企业内部管理的降本增效。通过智能分析、预测和决策支持系统等技术手段，企业可以更加精准地掌握市场动态和客户需求，优化生产计划和资源配置。同时，数智化手段还可以帮助企业提高运营效率和服务质量，降低运营成本和人力成本。这些应用不仅提高了企业的经济效益和社会效益，还增强了企业的竞争力和可持续发展能力。

观点一：作为一家以市场化运营的公司，业务是我们的核心。以往的经验表明，业务员的需求是我们最为关注的核心需求。如何更迅速地提高业务员的业务效率，将一些主动提醒推送给业务员，让他们了解到所收集的客户可能是最有前景开拓市场的对象，这对于我们实现降本增效而言，是一个较好的途径。

观点二：在报销场景，我们通过支票账报一体的解决方案，从两个方面降低企业成本。一方面，减少员工操作成本。以往员工在报销时，需要在邮件中查找发票、下载到本地，再上传到报销系统审批，之后还要下载打印等多个步骤才能完成报销。而蚂蚁集团打造了支付宝回票网络，员工开票后，支付宝可获取发票并自动同步到企业报销系统。运用这套能力后，报销步骤从原有的6个、耗时80秒，减少到只需2秒，节省了78秒，大大节省了员工的时间和操作成本。另一方面，提高财务工作效率。过去，财务仅能获得发票，无法获取原始消费凭证，核实消费真实性的成本极高。蚂蚁集团的方案在提供发票的基础上，还提供支付宝账单和整体支付风控模型，助力财务智能化审核报销单，从而减少虚假报销造成的资损，以及减少大量财务审核人力，实现降本增效。这些应用能力无需企业自行购买系统和部署，只需现有企业报销系统与蚂蚁集团对接部署即可，十分便捷。

在AI大模型时代，央国企应扮演“规则制定者”还是“生态参与者”？

央国企作为行业头部企业，应扮演“规则制定者”的角色。通过提前投入和布局AI大模型技术，推动其在行业中的广泛应用和发展；同时加强与其他企业和机构的合作与交流，共同推动AI技术的创新与突破。此外，央国企还需要加强人才培养和团队建设，提高员工的创新意识和实践能力；加强技术研发和创新投入，不断提升自身的技术实力和核心竞争力。

观点一：央国企作为行业头部企业，应该扮演“规则制定者”的角色，因为行业大模型不光是技术，更多的是对业务的理解，必须提前投入和布局。

观点二：在98家央企中，70%的央企处于传统领域，真正从事高科技业务的央企数量并不多。尽管被称为“国家队”，但业务性质较为传统，我认为，如果央企不努力，那么70%的央企可能仅仅只是传统产业的参与者。