社区

得益于持续的技术创新和丰富的算力支持，AI大模型已经成为人工智能商业化应用的新阵地，从去年的“百模大战”到如今的“千模竞技”，以语言处理、图文生成和知识交互为代表的大模型应用层出不穷。根据2024年7月中国信通院发布的《全球数字经济白皮书》数据显示，目前全球AI大模型共1,328个，中国占比36%，基于AI大模型的应用正在工业、医疗、能源、城市、交通等领域不断拓展。       

然而纵观AI大模型的开发与应用现状，在热潮的背后，其发展过程中的痛点也不容忽视。面对不同行业的不同数字化能力与差异化需求，通用大模型难以直接满足行业用户的需求。企业在应用大模型的过程中如何与自身行业know-how相结合，通过已经积累的数据完成通用大模型与行业（小）模型的一致更新和深度融合，成为了当下市场中AI大模型应用落地和价值提升的关键。       

经过多年的实践积累，联想集团提出了“Smarter AI for All”的愿景，正在将AI大模型为代表的公共智能和行业（小）模型为代表的私域智能相结合，以“双螺旋基因”的互补方式构建“混合式人工智能”，使不同企业拥有能够自己打造专属智能体的能力。在日前举办的AI大模型趋势论坛上，联想集团副总裁、业务应用服务交付部门负责人陈敏仪分享了《人本智能：重塑AI方案的创新路径》主题演讲。在会后接受采访时，陈敏仪表示构建AI大模型只是一种技术手段，并不是目的。联想集团在帮助企业推进大模型建设和人工智能应用的过程中，始终坚持以价值为导向，强调场景选择与业务逻辑的深入理解，无论是大模型还是小模型，只有形成更加深度与高效的协作关系，才能将效率优势和创新优势兼收并蓄，让AI真正为企业与个人服务，实现价值落地。

图 联想集团副总裁、业务应用服务交付部门负责人陈敏仪  

技术创新，吹响人工智能应用“冲锋号”       在陈敏仪看来，基于人工智能的应用正在推动着各行各业的创新与颠覆，面向C（Consumer，消费）端的大语言模型，我们可以看到已经衍生出文生图、文生表、文生视频等各类应用。但不可否认的是，to B（Business，企业）端相较于to C端的AI应用环境更加复杂，企业要想发挥AI的价值，必须结合自身多年运营和积累下来的核心数据与专家知识，这是通用大模型所不具备的。另一方面，由于大模型更加擅长生成，但用户面对诸如生产制造的细分行业应用时，业务流程都是运行在MES生产系统上的，此时一个微小的错误就会造成连锁损失，to B端的AI应用更需要的是一种精确的执行能力。       

以联想集团自身的供应链系统为例，全球化的业务模式决定了供应链管理高度的复杂性，关键物料的分配受到多重业务目标和资源限制的影响，传统的计算方式难以在不同业务目标之间找到最优解，且无法快速响应供需端的变化。对此，联想集团采取将大模型与小模型相结合，利用AI和多目标优化算法研发出了供应链计划的关键物料智能分配方案。       

针对小模型，联想集团结合自身多年实践经验和自研引擎，将复杂的业务目标和规则转化为数学模型，并提供仿真计算功能，使用户可以灵活调整规则、优先级和数据参数，从而辅助决策并提升计划的敏捷性。在最优的物料分配策略基础上，用户可以基于小模型实现多目标全局优化，一次性生成产品齐套计划、物料分配计划和补货计划。针对大模型，联想集团将物料、人员、设备等进行多维度的优化，以更易于理解的自然语言方式输出给业务人员，实现产业链上企业整体资源的高效运转。       

通过将大模型与小模型相结合，联想集团不仅做到了快速模拟、支持决策，将单次排产计划时间从3天缩短至不到10分钟，还可以通过中长期供需的最优匹配实现综合节约成本约数百万元，这其中包括节约人力成本、避免库存积压和延迟交付等各个方面。凭借人工智能技术在供应链多个业务场景的应用，联想集团的供应链控制塔连续上榜Gartner的全球供应链排行榜，在最新的“2024年度全球供应链25强”榜单(The Gartner Supply Chain Top 25 for 2024)中，联想集团名列第10位，蝉联亚太第一。       

纵观联想集团供应链的人工智能应用底座，可以看到混合式的模型平台扮演了极为重要的支撑作用。陈敏仪介绍在统一规范的架构下，联想集团正在将自身多年实践“内生外化”，根据客户挖掘大模型应用的场景，提供AI原生的解决方案与服务，例如行业智能体解决方案及服务、企业通用智能体解决方案及服务、智能混合云(xCloud)解决方案及服务、可持续发展解决方案及服务和智能化转型全周期服务等。知行合一，谱写AI大模型落地“方法论”        

对于很多企业而言，基于人工智能的应用很难一蹴而就。陈敏仪介绍目前有些企业构建了各种应用，但成效甚微，投入产出比并不理想，其根本原因在于没有适配对应的场景，甚至很多单点应用还存在数据孤岛的现象。陈敏仪表示针对AI大模型建设的具体需求，企业首先需要对自身进行业务梳理，如果没有长期的信息化建设和数据准备，很难达到智能化的模型应用阶段，这也是AI大模型落地的一个重要门槛。     

 “从联想集团的角度，我们会建议企业先完成数据的互联互通，在打通企业信息流的基础上，做好数据积累。”陈敏仪仍然以供应链管理为例，介绍企业在制定排产计划的时候，不仅要考虑自身车间的生产状况，还需要和库存物流、上游原材料等进行联动，才能促使订单得到高效执行和快速交付。       

其次，是找准AI大模型落地的场景。陈敏仪认为现在基于人工智能的应用切入点很多，但并不是所有都适合通过大模型来重塑。大模型作为一个先进的工具，更多的是将企业智慧具象化。她表示企业不能依赖工具，更重要的是考虑如何将自身know-how借助工具落地，形成核心竞争力。       

例如联想集团在践行智能制造的过程中，制定了“产品个性化、供应协同化、服务主动化、决策智能化”的四化目标，并通过AI Lab与工厂相结合，形成了生产环节的“互联互通、柔性制造、虚实结合、闭环质量、智能决策”五大能力，构建了智能服务供应链预测、智能物流费用管理、智能排产规划、智能产品缺陷检测、智能装箱规划与智能全球服务等一系列应用场景。       

值得一提的是，陈敏仪强调在推动大模型应用的时候，企业务必需要注意将自身积累的小模型与之融合。从横向上看，企业需要采取平台化的思维方式，从算法、算力、数据不同角度培养自身的模型建设能力；从纵向上看，需要根据实际需求导入小模型，完成基于场景的应用落地。这也是为什么联想集团在“内生外化”自身实践时，强调生态合作的原因。陈敏仪介绍在协助企业进行AI大模型的顶层设计过程中，联想集团不可能深耕所有行业和应用场景。在输出自身实践的同时，联想集团也在积极和头部企业、ISV等共同合作，满足不同行业用户对于AI应用场景的差异化需求。       

最后，陈敏仪强调AI大模型应用还涉及数据安全、数据合规、人才培养等一系列问题。特别是如今很多to C端的大模型都与内容生成息息相关，对此联想集团构建了大数据平台，通过数据仓、数据库等形式完成用户的数据隐私保护、企业出海合规性保护等工作。例如联想集团针对法务中涉及的图片及文档处理任务，融合了多模态的基础模型能力如语音模型Whisper，图像模型等。针对法务特定场景下的安全合规需求，自研了数据合规解决方案，确保内容合规。人本智能，激活每一个个体的AI应用“源动力”       

在描绘企业人工智能应用的未来蓝图上，联想集团秉持“人本智能”的理念。陈敏仪解释其倡导的是技术的研发和应用应当恪守人本底线、提倡人本设计、坚持人本理念。联想集团认为只有给人以希望的科技，才是有希望的科技。       

例如联想集团联合西宁野生动物园建设了“青藏高原AI第一园”。通过AI识别分析系统、AI互动科普系统，智慧救助系统、智慧繁育系统等方式，打造了全国首个AI高原科技动物园样板工程，为青藏高原生物多样性保护贡献一份力量。基于这个“青藏高原AI第一园”，联想集团还携手著名导演陆川拍摄了纪录片《西野》，联想的AI PC帮助陆川导演完成了《西野》纪录片的全程制作，极大地提升了创意的视觉化速度，让陆川导演心中对于影片的灵感在AI的助力下变为现实。       

为了服务每一个个体，充分释放AI潜能，联想集团正在推进以AI技术为核心的智能化转型，贯穿企业研发、制造、营销、供应链、服务的全价值链体系。例如在开发测试阶段，用户可以通过接入成熟的第三方智能助手，实现代码补全、代码注释，代码检查、测试脚本生成等，使整个开发周期大幅度缩短。在AIOps阶段，通过在大模型中融入小模型，可以在提升用户体验的同时增加准确率，诸如智能派单和解决方案智能检索在经过微调后，准确率均已达到90%以上。       

在陈敏仪看来，随着人工智能技术的不断创新突破，未来基于AI大模型的应用场景将进一步拓展。联想集团秉持“以人为本，智能向善”的理念，致力于成为AI能力的解放者、AI社会的推动者以及AI世界的桥接者。“联想集团重视每一个个体，希望让AI能够惠及每一个人，充分释放个体的创造力和生产力，使经济与社会发展的动能倍增，从而构建人本智能的美好未来。”陈敏仪总结道。 $联想集团(00992)$