AI赋能中小企业高质量发展论坛

引言

AI技术正在从高大上的概念走向实际应用，特别是对中小企业来说，这可能是一次弯道超车的机会。在2025年世界人工智能大会上，首次专门设置了"AI赋能中小企业高质量发展"论坛，这个信号很明确——AI不再只是大厂的游戏，中小企业也能分一杯羹。

从传统制造业的智能化改造，到跨境电商的多语言处理，再到医疗、金融等各个垂直领域的AI应用。但说实话，理想很丰满，现实很骨感。正如你提到的，中小企业在AI转型过程中最大的拦路虎还是数据和算力成本。

论坛展示了不少解决方案：钓鱼城的全栈AI系统、百望股份的数据智能平台、各种智能体应用等等。这些技术确实很酷，但对于大多数中小企业来说，关键问题是如何在有限的预算内找到真正适合自己的AI工具，而不是被各种炫酷的demo给忽悠了。

有意思的是，论坛也很坦诚地讨论了当前AI应用面临的四大挑战：不可解释性、数据依赖性、鲁棒性差、不能决策。这说明大家对AI的认知越来越理性，不再盲目追捧，而是在思考如何让AI真正为企业创造价值

会议主题

"人工智能赋能中小企业高质量发展"

中小企业转型现状

面临的问题与挑战

中小企业转型升级正面临一些问题和挑战
面对科技革命和产业变革趋势
如何把握中小企业转型升级的基本逻辑与规律
以科技创新推动中小企业转型升级范式发生根本性变革

中小企业的重要地位

现代化产业体系的基石
是我国打造自主可控、安全可靠、竞争力强的现代化产业体系的基石
对其改造升级是新质生产力发展的根基
我国中小企业占有相当比例
为促进就业、保持经济大盘稳定提供了坚实支撑

AI赋能中小企业的三大变革

一、开启低成本革命

打破算力桎梏的技术突围
中小型企业无须自建算力中心
各类平台应用竞相接入
普通用户可通过手机直接调用大模型能力
用户在短期内暴增，AI技术普惠的临界点已然到来
实现了AI应用的大众化

二、构建开源生态

推动全球竞争规则的重构
基于DeepSeek已衍生出海量行业专用模型
覆盖：智能制造、智慧农业、医疗健康、交通运输、零售业等众多领域
掀起了"赋能潮"
未来AI竞争不再是单一企业间的"参数竞赛"
而是生态体系间的"标准之争"

三、重构操作系统级

实现从工具向智能体的范式迁移
人工智能正从"功能插件"升级为"操作系统级入口"
中小企业用户无须理解技术细节
通过自然语言交互即可完成复杂操作
AI技术将深度融入社会运行底层架构
成为水、电、互联网之后的新一代基础设施

企业数字化转型新模式

从技术占有到服务订阅

企业数字化不再依赖购买软件或自建系统
可以"零代码"方式定制AI工具
按需调用AI功能
且接入开源模型后，成本显著降低而效率提高

"人工智能+"国家战略

政策支持

今年"两会"政府工作报告指出：持续推进"人工智能+"行动
并将"支持大模型广泛应用"首次写进报告
从"互联网+"到"人工智能+"
彰显着我国对新一代人工智能向实体经济融合渗透的高度重视和战略布局

核心要素

"人工智能+"作为新一代数字技术集合体
以数据、算法和算力为核心要素
驱动科技革命实现从孤岛走向连接
从初级走向高阶、从工具走向价值的全面升级
是推动科技创新与产业创新深度融合的重要切入点

数据要素市场化改革

政策突破

国家数据局等五部门联合印发《数据资产入表指引》
明确"可信数据空间内流转的数据可计入无形资产"
可信数据空间是破解数据"不敢用、不愿用、不会用"痛点的关键路径

创新组合

中小企业要通过"人工智能+数据要素"这一创新组合
用好多层次、立体化的人工智能技术体系
面向各领域、各场景进行全方位、全角度、全链条数智化改造
促进数据要素价值释放

三大发展路径

第一，引领传统生产方式创新性突破

推动中小企业在研发设计、生产制造、采购销售、运营管理等环节
向协同制造、个性化定制以及数据驱动的供应链管理等方式转变
实现生产效率、产品质量、创新能力等方面质的飞跃
形成新业态、新模式

第二，推动制造业转型升级

推动制造业从流程驱动向数据驱动
从自动化向智能化、从人控系统向人机协同演进
开启一场对传统制造业的"再定义"

第三，开辟战略性新兴产业新赛道

未来产业由前沿技术驱动
具有战略引领性、前沿颠覆性、场景突破性等显著特征
围绕六大领域：
- 未来制造
- 未来信息
- 未来材料
- 未来能源
- 未来空间
- 未来健康

重点发展领域

战略性新兴产业

商业航天
低空经济
深海科技

未来产业

生物制造
量子科技
具身智能
6G等未来产业

挑战与展望

当前面临的四大挑战

不可解释性
数据依赖性
鲁棒性差 - 指系统在面对内部结构和外部环境变化时，保持其性能和功能稳定的能力
不能决策

发展前景

需要在实践中不断创新和完善
任重而道远
持续推进"人工智能+"行动是中小企业转型过程中痛点、难点的破局之举
更是当前培育和形成中小企业新质生产力的关键路径

大语言模型的优势与挑战

优势

逻辑表达能力：提升语言表达与推理能力。
可解释性与溯源：满足用户对自动化决策的解释需求（如GDPR规定）。
公平性与鲁棒性：实现精准性、公平性与鲁棒性要求。

挑战

幻觉问题：如生成虚假信息（Hallucination），不同模型间的表现差异显著。
- GPT-4幻觉率：1.8%
- DeepSeek使用率下降：从50%跌至3%。
小样本决策：生产制造与诊断领域数据规模有限，模型应用受限。

逻辑推理的应用

应用场景

问题求解与决策指定：利用逻辑规则和知识推理进行复杂问题处理。
法律专家系统：如“我不是药神”案例，通过逻辑推理判断是否构成犯罪。

方法

逻辑运算：与、或、非、蕴含等基本运算及量词（如forall、exists）。
归纳与演绎：通过事实和假设进行推理。

机器学习与深度学习

机器学习

使用数据和特征训练模型，自动学习统计规律。
应用场景：
- 图像识别（如AlexNet）。
- 异常值检测与生成任务。

深度学习

通过复杂神经网络模型自动学习特征和统计规律。
爆发式增长：
- 模型规模扩大。
- 经济效益提升。

生成式AI

原理：通过学习数据分布生成新数据和内容。
常见模型：
- GPT：预测下一个词元。
- Diffusion：通过去噪生成数据。
- VAE、GAN等。

大模型与逻辑推理的对比

机器学习（统计流派）

优势：
- 全自动，扩展性强。
- 对新数据适应性强。
- 灵活性高，泛化能力强。
劣势：
- 需要大量样本数据。
- 对多模态数据处理能力有限。

逻辑推理（规则流派）

优势：
- 确定性、一致性和准确性。
- 可解释性强，透明“白盒”。
- 成本低，不需要大量数据。
劣势：
- 难以覆盖全场景规则。
- 多模态数据处理能力欠缺。

钓鱼城全栈AI系统

特点：
- 全栈AI系统，国际无对标。
- 全球最快图计算引擎。
- 获得多项国际学术奖项。
应用：
- 制造业赋能：精准预测电芯容量，节省生产周期与能耗。
- 电商推荐：基于客户历史数据构建相似度模型，有效提升引流点击率。

降低推荐系统的假阳性与假阴性

原理：
- 基于逻辑条件剔除假阳性与假阴性。
- 不需训练新模型即可实现实时决策。
应用：
- 电商推荐：通过逻辑条件优化推荐准确性。

钓鱼城新能源专版（梦溪系统）

精准预测电芯容量：
- 静置/放电与充电模式结合，节省80%分容操作。
- 精度误差≤1%。
行业影响：
- 降低生产周期与能耗。
- 获得国家数据局“数据要素X”大赛优秀奖。

钓鱼城智能推荐专版（水镜系统）

电商精准推荐：
- 融入多维度信息筛选精准人群包。
- 提升点击率与转化率。
科研文献推荐：
- 海量文献推荐模块，提升检索效率，降低信息筛选成本。

总结

本次演讲深入探讨了大语言模型、逻辑推理、机器学习与深度学习的应用场景及其优势与挑战。钓鱼城全栈AI系统的创新应用展示了人工智能在制造业与电商领域的巨大潜力，未来将进一步推动产业智能化发展。

AI赋能企业知识大脑

驱动引擎

静默采集能力：行业独创，通过多类内容采集构建企业知识库。
- 支持多种采集方式，发现并结构化隐形资产。
- 权限精准配置，防止数据外泄。
知识库作用：作为AI高效运转的润滑剂，加速业务响应效率。

AI重塑生产力

智能体赋能中小企业

目标：帮助中小企业打造超级个体。
应用场景：
- 提升员工效率，减少重复工作。
- 结合企业级场景，提供专业领域权威判断和可验证结果。

企业智能化转型中的挑战

起步阶段问题

资金不足：算法模型、硬件设施、安全风险投入成本高。
技术与资源瓶颈：缺乏数据来源、算力基础设施及技术人才。
场景选择困难：不清楚大模型适配场景及准备工作。

落地阶段问题

技术路线复杂：快速迭代的技术难以选择，如微调、预训练、RAG模式等。
安全风险：内容安全、模型攻击等传统安全方法无法应对。
组织协同与人才缺乏：需要AI战略认知、技术团队及文化支持。

医疗智能体案例

痛点与需求

背景：某医院智能导诊系统设计不合理，操作复杂，与挂号信息不一致。
需求：优化流程，解决患者痛点。

技术解决方案

数据收集：症状与科室匹配数据、医生信息等。
知识库建立：构建诊室数据表。
智能体设计：结合RAG检索与分诊推理。

效果

门诊服务优化：智能分诊与挂号信息匹配。
效率提升：流程简化，操作便捷。

AI智能体的应用与协作

企业级智能体

特点：
- 专家级思维能力服务，提供权威判断。
- 多智能体协作覆盖全流程。
- 输出可验证结果，而非简单信息。

服务模式

安全运营平台：通过智能体优化资源投入，实现安全防护、业务管控和企业服务。
行业专家智能体：覆盖营销、财税、销售等场景，打造开箱即用的解决方案。

AI大模型产品体系

全栈式AI原生解决方案

生产要素：聚焦算力、数据、模型与工具。
产品体系：
- 开发者门户：开放服务、智能体商店。
- 智能层：Prompt、RAG、Agent。
- 模型层：开发、训练、评估、推理、运营、安全。

技术范式跃迁

从传统IT系统向AI原生应用转变。
人机协同与共生：
- 数据质量与持续运营是关键。
- 支持AI应用从设计到运行的全链路。

AI生态服务平台

一体化发展生态

普惠性平台：统一开放共享，整合算力、数据、模型等资源。
服务对象：
- 城市政府：加速智能化升级。
- 科研院校：驱动学术成果转化。
- 产业企业：激活创新力。
- 公众个人：提供可信的民生服务。

智能体集市与服务模式

智能体集市

类型：
- 问答类：AI办公助手、代码精灵。
- 营销类：企业营销数字人。
- 客服类：智能客服员工。
典型应用：
- 视频内容生成、直播话术生成。
- 问题识别匹配、智能方案推荐。

服务供给模式

云服务：智能体订购与定制服务。
端服务：预装智能体与运行环境。
定制化服务：根据行业需求构建垂类大模型。
增值服务：提供咨询、培训、数据标注与模型调优服务。

企业价值驱动的设计逻辑

四位一体价值驱动模式

企业价值：降低成本、提升效率、强化竞争力。
客户价值：提升服务质量、增强客户满意度。
产品价值：提供易用产品，优化生产效率。
生态价值：推动业务协同与创新。

世界人工智能大会演讲内容总结

激活数据智能价值，助力中小微企业数智化

主旨

演讲人：百望股份有限公司首席执行官付英波。
主题：通过数据智能赋能中小微企业，推动企业的数字化转型。

从效率工具到数据智能

数据智能的迭代路径

大模型迭代：通过数据积累与能力增强扩展应用场景。
数据自进化：优化决策能力，形成闭环。
智能体：成为数字生产力的核心。

转型阶段

流程信息化：提升工作效率，解决业务场景问题。
业务数据化：实现业务流程信息化。
产业数字化：上下游数字化与互联网化。
产业智能化：模拟人类工作，进行产业链交互。

激活交易数据价值

百望平台数据概览

覆盖行业：20+个行业，200+国家和地区。
核心数据：
- 企业分析报告：1750万份。
- 企业运营指标：4000+种。
- 商品SKU：10485万。
- 产品型号：20亿+种。
交易金额：累计953万亿。

平台优势

实时交易支持：日均服务3000万企业。
数据积累：助力企业智能化跃迁。

强大的数据连接能力

数据驱动的服务体系

交易管理服务：
- 流程驱动的SaaS服务，覆盖生活服务、地产建安、生产制造、交通物流等行业。
数据智能服务：
- Daas平台支持，赋能大型商业银行、互联网银行、地方城市商业银行等金融机构。

数据要素

核心内容：
- 全资产、商品、电子入账凭证等。
- 国家财政部、税务局及其他部委数据支持。
服务对象：
- 企业、消费者、分销商、共享用工等。

服务中小微企业交易智能化

智能体系列

国际化票据处理智能体：
- 支持多语种、多票据类型的自适应训练。
- 非结构化数据采集与智能分类。
- 精准提取抬头，模糊匹配账号。
- 处理多文件格式与多模版支持。
交易开票智能体：
- 自动解析商品并匹配价税计算。
- 智能交易匹配与订单明细校验。
- 对账单、小票、合同、销货单、发票处理。
- 精准处理模糊、阴影、反光等复杂场景。

价值体现

智能化：精准识别匹配业财税数据化逻辑。
全球化：深度支持国际化交易场景。
高效化：提升企业经营决策能力。

AI赋能中小企业的障碍与破局

当前障碍

数据与算力

数据量与算力投入：AI应用需要大量数据与算力支持，但中小企业难以承担高昂成本。
传统企业困境：
- 算力成本居高不下。
- 算力云化与池化尚未普及。

接入AI大模型的难题

需求与现状不匹配：中小企业的实际需求与AI大模型能力之间存在差距。
资源不足：
- 算力、算法、数据、模型缺乏。
- 定制化解决方案成为现阶段唯一选择。

出海与跨境数据流动

数据安全问题：
- 每个国家对数据流动的要求不同。
- 跨境数据流动面临政策与合规性挑战。

中小企业的工具选择困难

应用场景不明确：中小企业难以找到适合自身的AI应用场景。
工具使用效率低：现有工具未被充分利用。

破局之道

短期策略

关注传统AI算法：
- 大模型不是唯一解决方案。
- 传统AI算法可处理精准任务，适合特定场景。
- 大模型对结果不负责任，需谨慎选择。
学会借势：
- 跟随行业龙头企业的步伐。
- 学习流行项目与厂商的合作模式。

长期策略

政策导向：
- 借助政府支持推动AI技术普及。
- 制定适合中小企业的AI发展政策。
中小企业联合：
- 通过中小企业协会实现资源共享。
- 整合算力、数据、算法，形成联合优势。

企业案例与建议

光环云（AIDC）

解决方案：
- 算力云化与池化。
- 算法与数据的整合。
出海策略：针对不同国家的数据要求制定合规方案。

医疗行业

AI应用目标：
- 提升医疗服务质量与效率。
- 增强行业竞争力。
合作模式：与流行项目和厂商合作，共同推动AI应用。

阿里巴巴

服务模式：
- 提供全栈式AI服务。
- 支持中小企业实现快速转型。

商汤科技

痛点与解决方案：
- 痛点：接入AI大模型存在障碍，需求与现状不匹配。
- 解决方案：通过定制化服务满足企业需求。
资源需求：算力、算法、数据、模型是实现AI能力的核心。

总结

中小企业在AI赋能过程中面临资源不足、工具选择困难、跨境数据安全等问题。短期内可通过关注传统AI算法与借势龙头企业实现突破；长期则需依托政策支持与企业联合，整合资源，共同推动AI技术普及与应用。通过明确应用场景与优化现有工具，中小企业将能更好地应对AI时代的挑战。

目录