2025 云棲大會(huì)人聲鼎沸，其中既有 CXO 級(jí)別的高管，也有站在 AI 一線的各種角色，所有人都希望找到自己想要的答案，而這恰恰是當(dāng)前行業(yè)最稀缺的共識(shí)。

大模型時(shí)代，業(yè)界廣泛共識(shí)的 "AI 三要素 " ——數(shù)據(jù)、算法、算力，確實(shí)構(gòu)成了人工智能發(fā)展的基礎(chǔ)，但它們?nèi)匀徊蛔阋灾?AI 從 " 能用 " 走向 " 好用 "，更無法真正實(shí)現(xiàn) " 規(guī)?；涞?"。

越來越多的企業(yè)在實(shí)踐中意識(shí)到，這些都只是大模型的必要不充分條件，企業(yè)想要的不是短期的、單點(diǎn)的 AI 應(yīng)用，而是長期的、系統(tǒng)的 AI 生產(chǎn)力。AI 要從實(shí)驗(yàn)室走向企業(yè)現(xiàn)場，還需要新的架構(gòu)思維、新的組織機(jī)制以及貫穿全生命周期的智能化能力。

新的趨勢開始顯現(xiàn)，AI 原生架構(gòu)——這一詞匯高頻出現(xiàn)在各種場景，圍繞其所展開的討論正迅速從技術(shù)蔓延到業(yè)務(wù)，企業(yè)重新思考 AI 戰(zhàn)略、技術(shù)架構(gòu)和組織人才。當(dāng) AI 能力就是業(yè)務(wù)本身，這不僅是一次技術(shù)迭代，更是一場關(guān)于創(chuàng)新范式的深層變革。

落地企業(yè) AI 戰(zhàn)略，先理解 AI 原生

過去幾年，人工智能幾乎成了所有行業(yè)創(chuàng)新的關(guān)鍵詞。從客服到營銷，從零售到制造，似乎每一個(gè)系統(tǒng)、每一個(gè)崗位都在 AI 化，但很多企業(yè)在真正落地時(shí)會(huì)發(fā)現(xiàn)，AI 應(yīng)用的效果做到及格不難，要做到真正可用、好用，要付出的成本和心力指數(shù)級(jí)增長。

從另一個(gè)側(cè)面來看，企業(yè)如今最缺的人才已經(jīng)不是提示詞工程師、算法工程師或者 AI 產(chǎn)品經(jīng)理等。一位大模型行業(yè)高管表示，" 今天企業(yè)特別缺少 AI Architect/AI Solutions Architect。這個(gè)角色既要懂模型、懂算法，最好還能動(dòng)手編程，更重要的是能理解客戶需求，并把這些需求變成真正可落地的技術(shù)方案。"

這背后反映出企業(yè)探索 AI 的現(xiàn)狀，僅靠現(xiàn)有的人才和技術(shù)無法真正落地 AI 應(yīng)用，自然而然就會(huì)追問一個(gè)更根本的問題：是不是現(xiàn)有的技術(shù)和組織框架，本身已經(jīng)不足以承載 AI？

這正是 AI 原生（AI-Native）架構(gòu)的時(shí)代背景。簡而言之，"AI 原生架構(gòu)師 " 需要負(fù)責(zé)把模型、數(shù)據(jù)、業(yè)務(wù)場景 " 拼裝成可上線、可運(yùn)行、可評(píng)估的系統(tǒng) "，并能協(xié)調(diào) AI 工程全生命周期的交付。

而對于企業(yè)，更重要的不是一個(gè)崗位，而是讓企業(yè)所有人具備 AI 原生思維，自上而下推動(dòng) AI 原生——讓 AI 從附屬變成底座，從被調(diào)用的工具，變成驅(qū)動(dòng)系統(tǒng)、業(yè)務(wù)與組織的核心。

如果還有企業(yè)沒理解到 AI 原生的內(nèi)涵，不妨從《國務(wù)院關(guān)于深入實(shí)施 " 人工智能 +" 行動(dòng)的意見》中尋找答案，該文件首次提出：培育智能原生新模式新業(yè)態(tài)。

鼓勵(lì)有條件的企業(yè)將人工智能融入戰(zhàn)略規(guī)劃、組織架構(gòu)、業(yè)務(wù)流程等，推動(dòng)產(chǎn)業(yè)全要素智能化發(fā)展，助力傳統(tǒng)產(chǎn)業(yè)改造升級(jí)，開辟戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)發(fā)展新賽道。大力發(fā)展智能原生技術(shù)、產(chǎn)品和服務(wù)體系，加快培育一批底層架構(gòu)和運(yùn)行邏輯基于人工智能的智能原生企業(yè)，探索全新商業(yè)模式，催生智能原生新業(yè)態(tài)。

是時(shí)候，做一家 AI 原生企業(yè)了。AI 原生架構(gòu)不僅是技術(shù)的重構(gòu)，更是思維模式的重塑。它要求企業(yè)跳出 "AI 工具化 " 的舊框架，轉(zhuǎn)而以 AI 為核心去設(shè)計(jì)產(chǎn)品、優(yōu)化流程、重構(gòu)組織。

全棧 AI，向 AI 原生架構(gòu)升級(jí)

如果說，如何轉(zhuǎn)向 AI 原生架構(gòu)是一個(gè)問題，那么現(xiàn)階段而言，基于不同業(yè)務(wù)場景，企業(yè)在架構(gòu)選型上各有側(cè)重。

"AI 時(shí)代的企業(yè)架構(gòu)升級(jí)，關(guān)鍵在于全棧 AI 能力的構(gòu)建與落地。" 阿里云智能集團(tuán)公共云事業(yè)部首席解決方案架構(gòu)師韓鴻源表示，今天的模型能力，一定會(huì)成為未來所有業(yè)務(wù)系統(tǒng)開發(fā)的一個(gè)基礎(chǔ)設(shè)施能力，而今天的大語言模型，也一定要考慮把 AI 能力引入到系統(tǒng)里。

韓鴻源強(qiáng)調(diào)，對于絕大部分企業(yè)來說，他所說的 " 全棧 " 并非指模型技術(shù)研發(fā)的全棧，而是指企業(yè)從數(shù)據(jù)管理、模型應(yīng)用、業(yè)務(wù)集成到最終價(jià)值實(shí)現(xiàn)的全鏈路能力。在這一過程中，AI 應(yīng)當(dāng)是業(yè)務(wù)系統(tǒng)的基礎(chǔ)設(shè)施，企業(yè)應(yīng)當(dāng)聚焦如何將 AI 能力融入業(yè)務(wù)系統(tǒng)。

云棲大會(huì)上，一批有著先進(jìn) AI 架構(gòu)的企業(yè)技術(shù)一把手，道出了自己通向 AI 原生架構(gòu)的實(shí)踐。

云端協(xié)同，AI 進(jìn)化

比如搜推廣、內(nèi)容生產(chǎn)、內(nèi)容安全、多模態(tài)及云端交互為核心的場景下，企業(yè)需要既能滿足模型訓(xùn)練及推理服務(wù)的算力支撐和快速部署，又要能基于模型服務(wù)平臺(tái)構(gòu)建端到端 AI 應(yīng)用的全棧 AI 能力。

哈啰 CTO 劉行亮指出，哈啰目前已經(jīng)推出了多個(gè) AI Agent，同時(shí)還有 Robotaxi 業(yè)務(wù)。通過構(gòu)建 " 車云數(shù)據(jù)閉環(huán) "，哈啰實(shí)現(xiàn)了全棧 AI 能力的協(xié)同。

在云端，哈啰利用海量數(shù)據(jù)進(jìn)行模型訓(xùn)練與仿真，優(yōu)化出更強(qiáng)大的駕駛 Agent（VLA 模型）和座艙服務(wù) Agent，再部署至車端。這使智駕決策能持續(xù)迭代，更準(zhǔn)更穩(wěn)；同時(shí)，座艙能深度融合用戶意圖與生態(tài)服務(wù)，實(shí)現(xiàn)從 " 出行工具 " 到 " 個(gè)性化第三空間 " 的體驗(yàn)升級(jí)。

好未來 CTO 田密分享了 AI 在教育領(lǐng)域的進(jìn)階路徑，提出 AI 老師的 L1-L5 分級(jí)。目前好未來已實(shí)現(xiàn) L3 級(jí)閉環(huán)教學(xué)，通過軟硬件結(jié)合打造個(gè)性化學(xué)習(xí)體驗(yàn)。

在多模態(tài)的模型訓(xùn)練上，好未來使用 Qwen2.5-32B-VL 做九章多模態(tài)模型的后訓(xùn)練和強(qiáng)化，最終在多個(gè)任務(wù)上，包括 OCR、公式識(shí)別和圖力解題等層面，都取得了 SOTA 的結(jié)果。

在這一過程中，" 云端一體 " 發(fā)揮了很大作用。田密認(rèn)為，未來云端結(jié)合的范式越來越常用，把訓(xùn)練好的大模型蒸餾到本地之后，效果足以滿足應(yīng)用需求，而且響應(yīng)速度更快。在走向 AI 原生時(shí)代的過程中，好未來的架構(gòu)升級(jí)理念已然誕生：基于通義千問開源模型做后訓(xùn)練，同時(shí)進(jìn)行云端協(xié)同。

Agentic AI，應(yīng)用落地

也有部分企業(yè)更加關(guān)注上層 Agent 構(gòu)建，采用 MCP 架構(gòu)以支持?jǐn)U展性，可以接多種大模型，將傳統(tǒng) API 服務(wù) MCP 化，快速構(gòu)建 Agentic Workflow，并通過第三方伙伴協(xié)助完成最后一公里建設(shè)。

身處電視行業(yè)，創(chuàng)維酷開智能系統(tǒng)研究院院長郭尚鋒的分享，或許能揭示傳統(tǒng)領(lǐng)域企業(yè)如何借助 AI 破局。郭尚鋒表示，在架構(gòu)支撐上，阿里云 AI 全棧技術(shù)提供了從底層算力、模型訓(xùn)練到應(yīng)用部署的全鏈路支持，為智能體的構(gòu)建與運(yùn)行提供了堅(jiān)實(shí)底座。尤其是基于云原生 AI 網(wǎng)關(guān)、Function Call 和 MCP 廣場生態(tài)等產(chǎn)品，將傳統(tǒng) API 服務(wù) MCP 化，在百煉平臺(tái)上快速構(gòu)建 AI 應(yīng)用，貫穿跨終端、跨場景的智能體體系，構(gòu)建無界融合的全場景智慧體驗(yàn)?；诖?，創(chuàng)維酷開的 Agent 得以實(shí)現(xiàn)長記憶、快思考、秒行動(dòng)的核心優(yōu)勢能力。

跨國企業(yè)昕諾飛擁有全球 1.56 億個(gè)智能互聯(lián)照明節(jié)點(diǎn)，對其而言，AI 的價(jià)值恰恰在于挖掘這些節(jié)點(diǎn)產(chǎn)生的數(shù)據(jù)，實(shí)現(xiàn)智能運(yùn)維和能效優(yōu)化。

昕諾飛中國研究院院長劉海濤表示，從發(fā)展方向上，昕諾飛的三個(gè)關(guān)鍵詞是高效互聯(lián)、云邊協(xié)同和生態(tài)共創(chuàng)。尤其是在生態(tài)共創(chuàng)層面，劉海濤強(qiáng)調(diào)，昕諾飛這樣的照明企業(yè)非常希望通過 MCP 協(xié)議，打通各個(gè)設(shè)備之間的互聯(lián)。

劉海濤還從應(yīng)用者的角度對云平臺(tái)提出了四大訴求：極致的安全與合規(guī)、模型生態(tài)的開放與敏捷、高性能低成本的推理優(yōu)化以及行業(yè)級(jí)的大模型運(yùn)維（LLM Ops）賦能。

他特別強(qiáng)調(diào)，"AI 本身是個(gè)工具，工具本身要和各個(gè)垂類的應(yīng)用進(jìn)行創(chuàng)新，如果不了解應(yīng)用本身，只有這個(gè)工具，很難找到真正的落地場景，真正為客戶解決問題。" 作為跨國企業(yè)，昕諾飛在中國的 AI 創(chuàng)新實(shí)踐體現(xiàn)了 "Local for Global" 的策略，即利用中國領(lǐng)先的 AI 技術(shù)和應(yīng)用市場環(huán)境，打造最佳實(shí)踐后向全球輸出。劉海濤表示，在多年的合作中，阿里云這樣的企業(yè)給了他們很好的支持，推進(jìn)了公司在中國的 AI 業(yè)務(wù)落地。

AI for Data, Data for AI

另外，還有一部分企業(yè)有龐大數(shù)據(jù)沉淀和處理需求，尤其是數(shù)據(jù)打標(biāo)（如 VOC、評(píng)論等）、智能問數(shù)、智能助手等場景下，將大數(shù)據(jù)上云，利用數(shù)據(jù)湖平臺(tái)為 AI 提供高質(zhì)量、多樣化的數(shù)據(jù)，挖掘非結(jié)構(gòu)化數(shù)據(jù)價(jià)值，以 Data+AI 架構(gòu)支撐 AI 落地，成為關(guān)鍵。

識(shí)貨 CTO 陳歡在分享中詳細(xì)介紹了識(shí)貨如何利用 AI 重構(gòu)其核心資產(chǎn)——商品數(shù)據(jù)平臺(tái)。面對巨量的數(shù)據(jù)處理，AI 的應(yīng)用使商品庫建設(shè)流程（渠道關(guān)聯(lián)、商品新建、審核）的自動(dòng)化率達(dá)到了 85% 以上。而陳歡也提到，其技術(shù)架構(gòu)的核心是構(gòu)建了 10 億級(jí)規(guī)模的商品向量庫，基于通義千問進(jìn)行訓(xùn)練，從而實(shí)現(xiàn)了高精度的商品匹配和去重。

陳歡提到的核心理念之一是雙平臺(tái)能力的建設(shè)。底層平臺(tái) "Model X" 圍繞研發(fā)流程，比如接到大模型需求之后任務(wù)拆解做提示詞編寫、微調(diào)、自動(dòng)評(píng)測、運(yùn)維資源分配和成本管理等，讓研發(fā)團(tuán)隊(duì)能高效完成大模型需求，全流程自主開發(fā)上線，后期會(huì)推廣到產(chǎn)品及運(yùn)營；而 "Model L" 旨在加速算法訓(xùn)練推理，尤其聚焦推理的復(fù)雜場景。陳歡表示，這套算法大模型平臺(tái) + 研發(fā)大模型平臺(tái)的雙平臺(tái)模式，是大模型時(shí)代最接地氣和實(shí)用的架構(gòu)。

OPPO 大數(shù)據(jù)部長鄭秋野分享了 Data+AI 統(tǒng)一底座的建設(shè)經(jīng)驗(yàn)，上云后成本降低 50%，并通過 AI 助理實(shí)現(xiàn)自然語言查詢與智能打標(biāo)，提升數(shù)據(jù)使用效率。

當(dāng)下，OPPO 在 AI 時(shí)代的應(yīng)用主要聚焦在用戶、產(chǎn)品、營收三個(gè)方面。鄭秋野特別提到，在營收增長層面，多云協(xié)同的智能推送已經(jīng)是公司內(nèi)部增長的核心引擎，團(tuán)隊(duì)也一直持續(xù)在探索如何在保障體驗(yàn)的同時(shí)，借助 AI 驅(qū)動(dòng)收入上的增長。

總結(jié)而言，這三個(gè)方面的落地其實(shí)都離不開 DATA+AI 深度的協(xié)同，但過往自建 IDC 存在成本高、彈性差、運(yùn)維難等問題。經(jīng)過和阿里云的深入溝通和技術(shù)支持，OPPO 采用混合云架構(gòu)和精細(xì)化的遷移方案，實(shí)現(xiàn)了業(yè)務(wù)無感遷移和成本降低 50% 的結(jié)果。基于此，OPPO 構(gòu)建了具備統(tǒng)一存儲(chǔ)、統(tǒng)一元數(shù)據(jù)、彈性伸縮和多引擎兼容四大特性的 Data+AI 底座，持續(xù)支撐 AI 業(yè)務(wù)的擴(kuò)張。

AI 原生不是簡單地 " 在現(xiàn)有系統(tǒng)里疊加 AI 功能 "，而是把 AI 視為底座，重新設(shè)計(jì)企業(yè)的技術(shù)架構(gòu)與業(yè)務(wù)邏輯，這很容易讓人聯(lián)想到，上個(gè)時(shí)代云計(jì)算向云原生的轉(zhuǎn)向。

就像 " 云原生 " 不是把舊應(yīng)用搬到云上，而是從一開始就為云環(huán)境而設(shè)計(jì)，AI 原生同樣意味著，從一開始就讓 AI 能力融入系統(tǒng)、流程、產(chǎn)品的每一個(gè)環(huán)節(jié)，在云棲大會(huì) AI 原生架構(gòu)十問夜話活動(dòng)上，24 位企業(yè) CIO、CTO 又進(jìn)一步達(dá)成一些共識(shí)和行動(dòng)指南，涵蓋戰(zhàn)略及 ROI、技術(shù)及架構(gòu)、組織及人才等各方面，諸多要素相輔相成。

在 All in AI 的戰(zhàn)略共識(shí)層面，企業(yè)要實(shí)現(xiàn) AI 原生轉(zhuǎn)型，大致可以經(jīng)歷三個(gè)階段

AI 融合期：在現(xiàn)有業(yè)務(wù)中嵌入 AI 功能（如智能客服、智能推薦）。

AI 驅(qū)動(dòng)期：核心流程由 AI 自動(dòng)執(zhí)行，人參與關(guān)鍵決策。

AI 原生期：業(yè)務(wù)邏輯、系統(tǒng)架構(gòu)和組織結(jié)構(gòu)都為 AI 而生，形成智能閉環(huán)。

最終，企業(yè)將從 " 用 AI" 走向 " 靠 AI 生長 "。

天鵝到家 CTO 杜佳利則分享了 AI 在家政領(lǐng)域的 " 激進(jìn) " 落地路線：包括考慮企業(yè)的獲客成本、運(yùn)營成本、優(yōu)先在 ROI 高的場景投入等。

在 AI 技術(shù)架構(gòu)的全面升級(jí)層面，傳統(tǒng)架構(gòu)已到極限，軟件的復(fù)雜性和數(shù)據(jù)規(guī)模都在指數(shù)級(jí)增長，人工規(guī)則式的系統(tǒng)越來越難適應(yīng)變化，AI 原生架構(gòu)能以更低的邊際成本處理更復(fù)雜的任務(wù)。過去企業(yè)拼的是執(zhí)行力，現(xiàn)在拼的是 " 智能密度 "，誰能讓 AI 更好地理解業(yè)務(wù)，誰就能跑得更快。

在軟件研發(fā)層面，茄子快傳 CTO 陳少為表示，寫文檔比寫代碼更難，因?yàn)樗箝_發(fā)者從技術(shù)視角轉(zhuǎn)向客戶視角，具備產(chǎn)品意識(shí)。許多工程師雖技術(shù)出色，卻缺乏用戶導(dǎo)向的表達(dá)能力，因此企業(yè)應(yīng)培養(yǎng)技術(shù)人員的產(chǎn)品思維。

他認(rèn)為，AI 最能幫助的是具備跨領(lǐng)域能力的高級(jí)程序員，他們能借助 AI 整合開發(fā)、測試與產(chǎn)品設(shè)計(jì)，實(shí)現(xiàn)更高效的個(gè)人閉環(huán)。AI 使 " 一個(gè)人搞定更多事 " 成為可能，但也讓中層、技能單一的程序員面臨挑戰(zhàn)。

陳少為強(qiáng)調(diào)，AI 轉(zhuǎn)型不僅是技術(shù)問題，還涉及組織、HR、財(cái)務(wù)等協(xié)同，必須是一把手工程。AI 真正的價(jià)值在于減輕重復(fù)勞動(dòng)，讓工程師專注于架構(gòu)思考和創(chuàng)新，實(shí)現(xiàn)研發(fā)效率與創(chuàng)造力的雙提升。

在領(lǐng)域知識(shí)的轉(zhuǎn)化層面，樹根互聯(lián)副總裁沈春鋒以工業(yè)領(lǐng)域?yàn)槔I(yè)數(shù)據(jù)與消費(fèi)互聯(lián)網(wǎng)數(shù)據(jù)最大的不同，在于它包含了大量隱性知識(shí)，這些知識(shí)往往藏在設(shè)備、傳感器與工藝過程之中，無法直接以文字或標(biāo)簽的形式呈現(xiàn)。

這意味著，工業(yè)智能化要走通，必須解決 " 如何讓工業(yè)數(shù)據(jù)會(huì)說話 " 的問題。以某全球林業(yè)客戶為例，他們擁有多年的種植和土壤數(shù)據(jù)積累，希望通過 AI 找出特定地塊產(chǎn)量不高的原因。然而，由于相關(guān)知識(shí)體系尚未結(jié)構(gòu)化，現(xiàn)有模型難以直接回答。

樹根科技正在探索一種 " 多個(gè)小模型協(xié)同 " 的思路：通過大量貼近場景的小模型，對每一類數(shù)據(jù)、每一個(gè)細(xì)微變量進(jìn)行分析，再將這些結(jié)果交由大模型統(tǒng)一整合與推理。

他認(rèn)為，未來 AI 在工業(yè)場景中的發(fā)展路徑，可能并非單一大模型主導(dǎo)，而是形成 " 大模型 + 無數(shù)小模型 " 的組合生態(tài)。小模型深入現(xiàn)場、理解具體工況；大模型在上層進(jìn)行知識(shí)歸納與智能決策。只有這樣，工業(yè)領(lǐng)域龐雜的隱性知識(shí)才能被真正激活，讓數(shù)據(jù)不再沉默，推動(dòng) AI 從 " 能用 " 走向 " 好用 "。

類似地，在組織與人才層面，達(dá)能中國、北亞及大洋洲信息技術(shù) & 數(shù)據(jù)副總裁劉冰提出的一個(gè)問題，幾乎擊中所有企業(yè)的痛點(diǎn)：AI 應(yīng)該應(yīng)用在哪些場景，誰來決定？如果完全由 IT 部門主導(dǎo)，AI 可能變成技術(shù)的自娛自樂；如果完全交給業(yè)務(wù)部門，需求又可能超出技術(shù)邊界，變成不切實(shí)際的幻想。

達(dá)能的解法是成立 "AI 攻堅(jiān)組 "，把業(yè)務(wù)和技術(shù)人員放在一起，從數(shù)據(jù)、流程到文化全面推進(jìn)。首先是讓分散在不同渠道的數(shù)據(jù)沉淀下來，形成可復(fù)用的資產(chǎn)；其次是重構(gòu)業(yè)務(wù)流程，而不是在舊流程上簡單加一個(gè) AI 模塊；最后則是推動(dòng)文化變革，讓員工日常工作中習(xí)慣性使用 AI 工具，甚至自己動(dòng)手訓(xùn)練小模型或小 Agent。劉冰強(qiáng)調(diào)，AI 原生不是自上而下的命令式工程，而是戰(zhàn)略定力與文化自覺的雙輪驅(qū)動(dòng)。

杜佳利也表示，天鵝到家在具體的組織上也作出了變革，以更好更快地支撐 AI 戰(zhàn)略的落地，他們打破部門壁壘、崗位壁壘，通過成立 AI 實(shí)驗(yàn)室、高頻次的內(nèi)部分享和頭腦風(fēng)暴，從上而下（從 leader 到骨干），快速提升全員認(rèn)知，并鼓勵(lì)跨崗位參與 AI 項(xiàng)目。

如上所述，AI 落地的 " 冰山之下 "，隱藏著比模型本身更龐雜的系統(tǒng)工程。技術(shù)只是冰山露出水面的那一角，而真正決定成敗的，是水面之下的架構(gòu)、數(shù)據(jù)、人才、業(yè)務(wù)與組織等深層因素。

架構(gòu)決定了 AI 能否與企業(yè)現(xiàn)有系統(tǒng)高效融合；數(shù)據(jù)是模型學(xué)習(xí)與持續(xù)進(jìn)化的 " 燃料 "；人才則是連接技術(shù)與業(yè)務(wù)的橋梁，既懂算法又懂場景的人才尤其稀缺；業(yè)務(wù)流程是否具備可被智能化改造的空間，直接影響 AI 的落地價(jià)值；而組織機(jī)制——從戰(zhàn)略投入、跨部門協(xié)同到績效體系——?jiǎng)t決定了 AI 能否從 " 試點(diǎn)項(xiàng)目 " 走向 " 規(guī)?；芰?"。這些因素相互作用，構(gòu)成了 AI 落地的深層 " 地基 "，決定著企業(yè)智能化轉(zhuǎn)型的厚度與韌性。

阿里云智能集團(tuán)公共云事業(yè)部 AI 加速器解決方案總經(jīng)理婁恒綜合表示，企業(yè)落地 AI 可遵循 " 三步走 "：

場景選擇：根據(jù)大模型的能力邊界和成長性，進(jìn)行三維價(jià)值評(píng)估——業(yè)務(wù)價(jià)值、技術(shù)難度與數(shù)據(jù)支撐；

戰(zhàn)略與組織保障：制定適合的 AI 戰(zhàn)略，并建立相應(yīng)的組織保障；

技術(shù)架構(gòu)與規(guī)劃：選擇適當(dāng)?shù)募夹g(shù)架構(gòu)，需要 AI 全棧架構(gòu)與 AI 落地規(guī)劃相結(jié)合。