温氏邝颖杰：70个场景的AI落地实践

第一，我们对近期外部环境进行了深入分析。我们认识到，除DeepSeek大模型所代表的AI技术外，本集团早在数年前已开始应用传统AI技术，包括非生成式机器学习、优化模拟及数据科学等领域。随着近期生成式大模型工具的兴起，我们重新审视了传统AI方法是否可迁移至大模型中应用。同时，我们也认为，尽管DeepSeek等大模型功能强大，但不同的大模型产品仍各具特色。

第二，我们明确了AI技术落地的前提条件：一是技术必须成熟可靠；二是需有明确的业务应用场景；三是需具备充足的数据准备和人才支撑。这些能力的重要性不言而喻，在座各位皆是行业专家，自当明了。

我们温氏集团在AI蓝图的设计规划上，早已启动并明确了发展路径，主要分为几个关键阶段。首先，全集团范围内导入AI文化，并对现状进行全面诊断。其次，着手组建所需的能力体系，明确所需人才类型，通过内部转化与社会招聘相结合的方式构建团队。接着，组织各事业部及专业线深入开展AI场景规划，此环节至关重要。经过严格筛选，进行MPV场景POC验证，最终形成落地实施方案。在此过程中，我们重视金种子能力的培训，因为在传统企业中，推动业务部门提出AI场景并非易事，业务单位往往倾向于维持现状，如何引导其突破思维局限，提出更高层次的需求，并借助AI实现落地，是我们面临的一大挑战。

自2021年起，我们着手数字化转型，形成了“流程+组织+数据+IT”的落地框架。在AI领域，我们重点聚焦于识别痛点，明确方向，夯实基础，注重落地，力求成效。原先IT部门的人员可能缺乏识别AI场景及对应开发落地的能力，因此我们注重人才培养与转化，如算法人才、AI场景规划师等，以形成落地的参照体系。

我们从三个方面入手识别场景：一是自上而下，依据领导层制定的战略，部门进行分解，明确哪些内容可通过数字化或AI进行支撑；二是参考同行实践，如华为、美的、金蝶等，从外向内类比自身场景；三是基于业务流程，自下而上全面梳理，打开每一个业务流程进行细致分析。

对于业务部门提交的大量点子，我们通过“12问”机制进行筛选，确保需求的合理性与可行性。AI作为一种投资，必须考虑回报。我们要求每个AI需求都要明确其目标是增收、降本还是控风险，同时需具备基础条件、规则、场景实现及运营计划等。我们最关注的是增收和降本两类场景，其他场景建议转化为这两类场景进行推进。

对于每个场景，我们都会按照既定的表格进行识别和分析，明确提出场景的原因、场景的功能、价值所在、革新点以及是降本还是扩收等关键信息。这是有组织、有计划、有方法地进行AI场景设计的过程。

自去年起，温氏集团通过员工大会和各条线的培训，全面开展文化宣贯工作。文化宣贯至关重要，它旨在转变每位员工的理念和意识。许多人担心自己可能被AI替代，这是一种错误的认知。同时，也有人认为AI必须达到100%准确才能使用，这同样是一种误解。为了扭转这些错误认知，我们依靠文化宣贯和培训，让员工明白思想通达则一切皆通。在此基础上，我们进行能力建设、场景识别、POC验证等全过程工作，这是从上至下全员参与的行动。

目前，我们已经成功落地了多个场景。例如，在卖猪和小猪苗进入养殖舍时，如果人数无法准确清点，AI技术能够比人工计数更准确。23万路的视频监控也不再需要人工盯守，AI能够自动识别并发出警报，如房间出现老鼠等异常情况。此外，我们还通过接入DeepSeek技术辅助代码编程，显著提高了编程质量和效率。测试工作也实现了自动化，仅8人的测试科室就能支撑整个集团的作业量。

这些落地场景还包括猪只死亡识别、重复死亡判断、提前预知猪场发病概率等。我们已经成功实现这些功能，并因此获得了科技进步奖。此外，AI技术还在精准营销等方面发挥了重要作用。

目前，我们的大模型已应用于多个领域，其中客服早已落地实施，数据助手、营养配方师以及诊疗师均是我们重要的应用场景。未来，我们的目标并非替代配方师或兽医，而是随着业务规模的持续扩大，无需相应增加这些专业人员的数量。我们将利用大模型进行替代，以提升效率。

对于未来，我们有几个重要的启示。首先，观察AI技术或新技术的发展，可以发现它们通常遵循两个方向。第一个方向是从外到内，即新技术先从社会层面传导至行业，再进一步渗透至企业。历史上的每一次新技术革新，包括AI，都遵循了这一规律。因此，我们需要密切关注新技术何时传导至行业，何时进入企业，以便及时应对，避免被颠覆。第二个方向是从企业内部往外发展，像谷歌、阿里等高新技术企业，它们先从自身企业做起，然后逐步对外扩展。

我们判断，对于企业而言，未来无论是大模型还是其他AI技术，都将呈现出收费白菜化的趋势。以数字人为例，前两年其收费非常高昂，但现在每分钟仅需6元，价格已变得非常亲民。此外，大模型的私有部署也将成为现实，这将为企业提供更多选择和灵活性。随着AI应用的日益丰富，我们认为未来的基础设施可能会从CPU逐渐转向GPU。最后，我们也认为，未来需求的提出将更加注重革命性和高质量，这将推动需求向高质化演变，并可能带来诸多颠覆性的变革。

我们同样采取了这样的策略，积极拥抱变化，加速数智化转型。我们遵循之前提到的四个方向：文化导入是前提，场景识别是关键，数据获取是基础，人才培养是保障。自2021年起，我们便开始了数智化转型的征程，至今已持续三四年之久。在AI技术的助力下，我们提出了“稳中求快”的策略，坚持做好流程优化、系统规划建设与落地工作，同时加大投入，推动数据AI人才的引进，并与原有业务流程深度融合，强化AI文化的宣导，提升变革的紧迫性，并引导业务负责人转变观念。

观察我们的组织架构，你会发现它并非纯粹的IT架构。除了IT人员外，还汇聚了大量业务精英和骨干。他们从各事业部和业务单位被抽调上来，组成了养殖数据中心、财经数据中心、企管数据中心等团队。这些团队成员都是业务分析师，他们负责识别对应场景，为各部门和各业务条线赋能，这是我们组织架构的一大转变。

在AI需求方面，我们也有着独特的做法。普通需求按照原有流程处理，而AI需求则通过专项行动来推进。例如，每个中心科室每年都需提出一定数量的场景纳入考核，而非随意行事或推一推就干。

今天，我为大家分享了我们的实践做法，主要围绕企业如何运作、如何将AI融入管理与流程之中展开。这是今天分享的核心内容。

最后，非常感谢金蝶在我们数智化转型及AI实践过程中给予的诸多帮助与指导，也感谢今天给我这个机会与大家分享，谢谢大家！