帆软第七届智数大会：政企协同+产学研共振，解码企业数智转型的破局之道

在全球数字化浪潮的推动下，数字经济已经成为世界经济发展的核心驱动力。如今，数据作为数字化转型的关键要素，其战略意义不断上升，正深刻改变着各行各业的运作方式与商业模式。数字技术的快速发展，尤其是在AI与大数据领域的突破，已为全球企业提供了前所未有的机遇。

2025年9月19日，帆软第七届智数大会在重庆盛大开幕。大会以“数字无界，智见无限”为主题，汇聚了全球超过1000家企业的高层领导、CXO及数字化领域的专家。来自不同行业的学者、技术人员以及行业领袖们齐聚一堂，共同探索数字经济时代下，数据与AI融合的无限可能。

「AI+数据」成新质生产力核心引擎

目前，国家层面已将人工智能发展提升至战略高度。不久前国务院常务会议审议通过《深入实施人工智能+的行动意见》，明确以人工智能赋能高质量发展，划定人工智能+科学技术、+产业发展、+消费机制、+民生福祉、+治理能力、+全球合作六大重点行动领域。

该政策设定了清晰的发展目标：2027年人工智能与六大领域实现深度融合，新一代智能终端智能体应用普及率超70%；2030年普及率突破90%，使智能经济成为重要增长极；2035年全面步入智能经济和智能社会新阶段。

清华大学 孙茂松 院士

清华大学孙茂松院士在大会演讲中对此解读指出，这一战略为企业发展提供了核心定力，而落实战略的关键在于“大数据与大模型双剑合璧”。他强调，脱离大数据的大模型如同无源之水，二者协同才能真正释放技术价值，这一组合既是科技创新的核心方向，更是产业升级、民生赋能等政策目标落地的底层支撑。

人工智能的发展始终围绕“数据驱动”形成清晰的演进脉络，其中两个时间节点成为关键里程碑。

2012年，基于深度学习框架的图像识别技术取得突破性进展，而这一突破的核心基础是李飞飞团队通过亚马逊众包平台构建的ImageNet数据集——167个国家约5万人参与标注的海量数据，直接推动了深度学习的“一炮而红”，印证了海量标注数据对技术爆发的关键作用。

2017年预训练模型的兴起，看似弱化了人工标注需求，实则将数据的重要性提升至新高度：模型训练需吸纳互联网级别的海量文本数据，其规模达到传统大数据的平方甚至立方级；而要实现模型的实用化，后续的SFT微调、人类反馈强化学习等环节，又回归到对高质量精标数据的依赖，形成“海量基础数据+多类型精标数据”的双重需求。孙茂松院士指出，这种演进规律充分印证了“数据是AI时代第一生产要素”的行业共识，数据的规模与质量直接决定了人工智能技术的上限。

作为西南地区的产业重镇与国家中心城市，重庆对本次大会的大力支持，释放出区域加速推进数智化转型的明确信号。本地龙头企业的实践成为区域探索的鲜活样本。

赛力斯集团构建“DATA+AI+APP”数智赋能新范式，打造“连山”智能赋能平台，通过统一数据底座整合企业侧12PD数据、产业侧2000多万条车路云数据等资源，在AI质检、智能装配等制造场景实现效率革命，其产业大脑还链接300多家生态伙伴，引领重庆汽车产业高质量发展；

泸州老窖作为传统酿造企业，以数字孪生技术重构生产流程，搭建行业首个智能化大区生产中心与高速智能灌装线，实现传统技艺与数字科技的深度融合，获评行业唯一的卓越级智能工厂。两家企业的探索不仅展现了西南地区在数智制造、传统产业升级领域的先行优势，也成为国家“人工智能+”战略在地方落地的典型实践案例。

AI时代组织与技术的双重重构

帆软软件CEO陈炎在大会中通过几个故事的实践分享，拆解出AI时代组织能力构建的三大关键路径。

帆软软件CEO 陈炎

陈炎以研发业务评审的困境为例：2000万预算过半花完却无法决策是否调整投入，他指出核心症结在于数据与流程的不透明。陈炎认为，组织需先“打开数据”，核查业务目标、研发投入等数据的真实性，破除“数据美颜”；再“打开流程”，梳理各角色冗余动作与跨流程内耗，实现端到端的业务价值支撑。这一过程是组织精准决策、高效执行的基础。

针对线上营销团队重复执行与创造力撕裂的难题，帆软团队通过“知识库+大模型”搭建智能体，让数字员工承接登录、复制、发布等重复性工作，正式员工聚焦内容创作等核心任务，实现“碳基员工（人脑）+硅基员工（手脚）”的协同模式。陈炎强调，数字员工是“腾手”而非“抢饭碗”，唯有解放重复劳动，才能释放人的创造力，而管理者需通过激励机制凸显正式员工的核心价值，避免技术应用中冷落人力。

结合客户“采购AI工具后快速过时”的教训，陈炎提出工具选择的两大原则：一是采用“水涨船高”型工具，即工具能力可随大模型技术升级而同步提升，避免陷入“大水淹没固定柱子”的被动；二是优先选择年付费模式，降低工具不成熟带来的试错成本，通过灵活付费实现低成本的流程再造。

清华大学孙茂松院士以两大典型案例，解析了“大模型+高质量数据”的技术落地范式。

在诗词生成领域，团队以200多万首存世古诗词训练“九歌”系统，大模型自主习得五律的对仗、平仄、押韵等复杂隐含规律，生成的作品不仅符合格律规范，更兼具“归期梦里谋”等细腻意境，超越90%人类创作者。在蛋白质结构预测领域，依托全球实验室积累的22万个蛋白质序列与结构（精标科研数据）训练大模型，将原本需博士生耗时两年的研究工作缩短至数小时。

孙茂松指出，大模型的核心优势是从海量数据中发现复杂规律，而高质量数据（包括专项数据、精标数据等）决定了技术应用的精度与价值上限，二者结合才能完成从技术突破到产业赋能的转化。

中国人民大学彭剑锋教授提出，AI时代的组织变革需以量子思维替代工业文明的传统思维，推动八大认知转变，其核心逻辑聚焦“生态、组织、人才”与底层价值观。

中国人民大学 彭剑锋 教授

在战略与组织层面，他强调生态化战略与平台化组织。以赛力斯为例，其通过开放合作拥抱华为、宁德时代等伙伴，凭借智能制造长板实现跨界协同，正是量子思维中“开放纠缠、长板利他”的实践；在人才层面，倡导“合伙化人才”与“人机协作大师”培养，要求管理者既能与AI协同，又能激发团队想象力，这是AI无法替代的核心竞争力。

同时，彭剑锋重申底层价值观的重要性。数字化转型需坚守长期主义、产品主义、利他主义与创新向善，唯有价值观与认知同步升级，组织才能在变革中筑牢根基。

多行业数智转型的标杆样本

赛力斯集团以“DATA+AI+APP”数智赋能新范式为核心，打造“连山”品牌智能赋能平台，构建起“数据底座-治理体系-场景应用”的完整转型路径。

赛力斯集团 IT与网络数据安全总部 部长 雷相其

在数据基础层面，塞力斯搭建集团统一的数据能力底座，通过一站式大数据开发平台汇集全域数据，构建统一标准规范与集中管理机制。目前已接入企业侧超12PD数据、产业侧2000多万条车路云数据、社会侧200多万条舆情监测信息及政府侧1200项数据，同时建立高质量数据集支撑智能化场景落地，实现跨部门、跨领域、跨系统的数据共享与交换。

据赛力斯集团IT与网络数据安全总部部长雷相其介绍，集团已在智能制造环节实现多场景AI深度应用。AI质检覆盖100多个场景、300多个检测项及1200多个检测点位，可自动拦截不合格产品并建立“一车一档”体检报告；车门智能装配通过模型精算三维坐标引导机器人精准抓取，实时测量间隙面差，单次调节节拍小于1秒，螺栓拧紧响应小于10秒；车身焊点在线质检依托自研算法与多模态融合技术，实现100%自动监测与缺陷精准检测，保障整车质量安全。

据了解，塞力斯通过产业大脑承载300多个产业生态伙伴，接通250多项运营数据指标，建设26个数字化场景，深度链接12家企业并孵化5座未来工厂。转型后研发效率提升8%，订单交付准时率提升6%，产品不良率下降7%，充分发挥链主企业作用，引领重庆汽车产业高质量发展。

泸州老窖作为传统酿造企业，在坚守百年酿造技艺“守正”的基础上，以数字化“创新”实现产业升级，探索出传统产业数智转型的特色路径。

泸州老窖股份有限公司数字化发展中心副总经理 余秀强

在生产端，泸州老窖将数字科技与传统工艺深度融合，建成行业智能化最高的综合生产园区。酿造环节打造行业规模最大、自动化水平最高的固态白酒酿造生产线，通过IOT平台实现IT与OT数据融合，优化工艺控制；灌装环节建成国际领先的智能包装中心，其中光瓶酒高速智能化灌装线实现每小时5万瓶产能，国窖1573灌装线达每小时1.5万瓶，填补白酒行业技术空白。同时与西门子合作，通过数字孪生技术构建从园区到设备的数字孪生体，经十年虚拟运行优化工艺参数，推动酿造水平升级。

在供应链端，泸州老窖针对国外技术壁垒，耗时五年与供应商共创全国第一条智能包装生产线，实现从包材入厂、自动卸货、立库存储，到清洗、灌装、封装、检测、装箱、出库的全流程自动化与无人化。借助数字孪生技术实现园区到设备的数据穿透，达成高效物联与协作，在产能、效率、能效方面大幅提升，用工成本显著下降，获评行业唯一的卓越级智能工厂。

在营销端，公司推动从“以渠道为中心”到“以消费者为中心”的模式转型，构建大数据赋能的数字化营销体系。通过“五码关联”核心技术打通经销商、终端、消费者数据链路，实现产品追溯、费用投放、控盘分利等全流程管理；搭建“前台差异化服务门户+中台统一能力支撑”的技术体系，形成覆盖全产业链的数字化生态链，有力支撑量价提升目标。

帆软软件联合创始人季明华围绕“AI原生的可信数据分析产品组合”，提出以三大支柱构建可信数据分析能力，为企业数智转型提供工具支撑。

帆软软件联合创始人 季明华

场景聚焦：遵循“越聚焦越有用”的大模型应用原则，在垂直场景实现深度落地。以连锁咖啡店店员招聘为例，针对岗位对意向度、安全操作规范、学习能力等单一化技能要求，将标准固化到知识库并对大模型预训练，最终实现从笔试到发OFFER全流程AI接管，替代人工面试并大幅降低成本，验证了垂直场景下大模型的实用价值。

数据贯通：打破传统单品产品数据孤岛，构建统一平台整合帆软全系列产品，实现账号、通讯录、权限的统一管理与底层数据存储的贯通。基于该平台，用户可通过自然语言对话直接调用跨产品数据资产，如在通勤途中提问“未达标回款的战区及负责人”，系统可检索已校验的看板数据并直接返回结果，无需手动切换系统或查找模板，最大化激活沉淀数据的价值。

全链路可追溯：建立“源头管控-指标统一-血缘追溯”的可信保障体系。源头端接入经长期测试的第三方准确数据，支持可视化配置快速引入；通过数据中心指标平台统一定义跨部门共用指标，由IT与业务共同校验保障口径一致，减少60%~80%的中间计算表；依托全链路血缘管理，可从任一数据节点快速追溯至源头数据库、处理环节或关联指标，精准定位错误，为数据可靠性提供兜底保障。

来自制造、传统产业及工具支撑领域的实践样本，既展现了 “DATA+AI+APP”“守正创新” 等差异化转型路径，也印证了数据贯通、场景聚焦、可信可溯是数智化落地的核心共性，为各行业提供了可借鉴的实践范式。而在细分领域，更多垂直场景的探索同样折射出数智化的渗透力。

本次大会设多场分论坛，聚焦行业细分场景与技术实操。数智制造分论坛中，通威股份分享 AI 赋能管理实践，宗申动力阐述柔性智造路径，助力制造业效率革命；智慧消费分论坛里，良品铺子详解 “AI + 低代码” 应用，麻爪爪分享精益管理案例，诠释零售敏捷转型。数智健康分论坛有华润三九智能制造、达仁堂健康智能体实践，数字国资分论坛中冶建工、广州地铁展现央国企转型逻辑。技术专场中，FineBI v7.0、FineDataLink 5.0 等新品发布，凸显 “低门槛 + 高可信” 工具趋势。

结合国家 “人工智能 +” 行动政策导向与企业实践探索，未来数智化发展将呈现三大方向。其一，高质量数据成为企业核心资产，从海量基础数据到精标多类型数据的积累与治理，将成为企业竞争力的核心壁垒；其二，人机协同成为组织标配，数字员工承接重复劳动、正式员工聚焦创造力输出的 “碳基 + 硅基” 协作模式，将广泛渗透至各业务流程；其三，垂直领域 AI 应用进入爆发期，在制造质检、消费运营、健康服务等细分场景，聚焦特定需求的 AI 解决方案将实现规模化落地