前不久，2025 ITValue Summit 数字价值年会在三亚如期举行。本届大会以「AI 场景落地真相」为主题，聚焦企业应用 AI 过程中的「十大核心问题」，系统性拆解 AI 战略、可靠性、数据困境、场景选择、模型选型、行业落地、知识库构建、安全合规、人机协作与人才瓶颈等现实难题，力图为企业找到可落地、可借鉴的解法。
期间，大会举办了五场闭门会，涵盖制造、金融、零售、酒旅 & 航司、CIOxCFO 多个话题和领域，与会者基于行业具体问题深入探讨。
从 " 人拉肩扛 " 到 " 数据驱动 "：供应链为何成为数字化的关键战场？
" 很多中小型企业上了很多系统，自动化设备也都有，但老板最常问的是，每年花那么多钱，ROI（投资回报率）到底在哪里？" 这句话道出了当前大量制造企业在数字化转型过程中的真实困境——系统上了、数据采了，但价值却未如期而至。
这不是个别现象。在 2025 ITValue Summit 数字价值年会期间，智造家 CEO 令狐荣茂在钛媒体与 ITES 深圳工业展与工创联共创的制造业分论坛上分享，目前 90% 的制造企业数据仍处于 " 沉睡 " 状态，尤其是中小型企业。它们缺乏统一的数据标准和业务流程标准，盲目上系统、搞自动化，反而造成系统间数据孤岛严重、业务协同低效。
供应链数字化并非新话题，但在非标制造、项目式生产的行业背景下，其内涵正在发生深刻变化。它不再仅仅是把采购流程从线下搬到线上，而是要通过数据打通实现端到端的协同与优化。
深圳市创世纪机械有限公司信息管理中心总监王恒信分享了企业的真实挑战：" 我们虽然各类系统齐全，例如：SAP、PLM、MES、WMS、SRM、CRM，但系统之间数据缺乏有效整合，形成了数据孤岛。" 这导致业务数据无法贯通，企业因而缺失全局视角以支撑高效决策。为破此局，创世纪已引入 AI 大模型技术，通过自然语言交互，智能关联与整合各系统数据。通过直接输出全局化的分析洞察，彻底打破数据壁垒，实现数据的高度共享与价值释放。
标准缺失的问题则更为根本。令狐荣茂深刻指出：" 很多企业其实并没有去做业务标准和数据标准的设计，直接跳入上系统、干自动化。" 这种本末倒置的做法导致即使上了最先进的系统，也因为缺乏统一标准而无法发挥效用。特别是在非标制造领域，边设计、边生产、边采购的 " 三边工程 " 模式下，每个项目都有其独特性，如果没有建立统一的数据标准和业务规范，系统之间难以对话，数据自然陷入沉睡。
广州特控电子实业有限公司产品总监赵晓盟从硬件架构角度提供了另一种视角。他们认为数据沉睡问题部分源于数据分布模式的不合理：" 一些客观的、常态化的数据应该存在远端服务器端，而主观的、临时性的数据应该存在近端。" 然而现实是，许多企业既没有建立中心化的数据管理体系，也没有形成有效的边缘数据处理能力，导致数据要么集中沉睡在服务器中，要么分散湮灭在各个终端设备里。
创世纪机械的实践表明，解决 " 数据沉睡 " 问题的症结在于业务与 IT 的深度融合。数字化成功的核心并非技术本身，而在于其赋能业务的能力。这必须依赖业务部门的深度参与，与 IT 团队协同制定数据标准与应用场景。一旦业务人员能够从 " 如何利用 AI 提升效能 " 的角度思考问题，便标志着数据实现了有效流动与价值转化。
三家企业虽然视角不同，但都指向同一个解决方案：从标准入手，打破孤岛。智造家总结的数字化转型四步曲中，第一步就是标准化，其次才是上系统、数据采集和 AI 建模。这种循序渐进的方法看似笨重，却是解决数据沉睡问题的根本之道。毕竟，没有统一的语言，再多的数据也无法形成有意义的对话；没有标准的流程，再先进的系统也难以发挥真正的价值。
尽管挑战巨大，但 AI 与数据技术正在逐渐被应用于提升供应链的透明性、响应速度和风险应对能力。会上，多家企业分享了供应链数字化的实践路径。
赵晓盟透露，他们通过 AI 分析历史销售、出货、库存和关键元器件（如 CPU、内存）的价格数据，成功预测到近期芯片涨价和缺货风险，主动备货、调整订单，避免了重大损失。"AI 提前两三个月发出预警，告诉我们 H10、Z390 等芯片可能会大涨，采购部门迅速行动，省下了大量成本。"
面对非标件采购的低效，智造家则是推出了 " 采购管家 " 平台，针对非标制造中频繁的询价、核价，比价、招标、履约等环节，构建了供应商协同网络，实现实时报价、交期承诺和风险提示。通过智能核价，基于多模态大模型技术，通过千万级的图纸训练数据，实现了 2D/3D 图纸的快速核价，" 我们目标是让非标采购像淘宝下单一样简单可控。"
除了采购环节，生产计划与物料分配也成为 AI 应用的重点。智造家还开发了基于实时设备状态、订单优先级和物料库存的智能排产系统，可动态调整生产顺序、减少换线时间、优化物料配送路径，初步实现了 " 计划 - 执行 - 物料 " 的闭环。
2025 年被不少企业视为 "AI 应用元年 "，尤其是生成式 AI 和大模型技术迅速渗透至各行各业。但在制造业，AI 的落地路径却与互联网行业显著不同。
" 制造业不需要几百亿参数的大模型，我们最重要的可能就是那几个参数，甚至就那一两个参数，" 一位嘉宾表示。他指出，制造业 AI 的核心在于 " 小数据 " 和 " 场景闭环 "，而不是盲目追求大模型。
没有生产智能化那样的炫酷机器人，也没有数字孪生那样的虚拟大屏，供应链数字化更像是一条暗流涌动的河——它不常被提及，却真正决定着制造企业的生死与效率。
正如闭门会中一位嘉宾总结的那样：" 系统也好，AI 也罢，最终都要回答一个问题：你的供应链是否更稳、更快、更聪明了？" 毕竟，无论时代如何变化，制造业的核心始终是：做出好产品，交付给需要的人。
告别概念炒作，如何引领金融创新 " 脱虚向实 "
在金融闭门会上，来自科技、资产创新一线和跨境贸易等行业的多位专家共同参与。
对话的核心涉及当下 AI 基础设施如何发挥产业助力，以及从实体商品出发探索合规的 RWA 路径。
产业 AI 棋局
面对金融等传统行业在 AI 转型中的普遍痛点，京东云产品总监贺皓表示，真正的 AI 价值，必须从解决产业的真实问题开始。
贺皓提到，京东正依托其庞大的零售、物流、健康等多元业态，积累了训练和打磨 AI 模型的独特数据优势。其核心战略是构建从底层 AI 算力管理、大模型开发平台到上层智能体应用的全栈式能力。
他表示，京东云正致力于解决金融客户在 AI 化进程中最急迫的痛点：提升昂贵的 GPU 算力利用率。通过统一的 JoyScale AI 算力平台，可将资源利用率从不足 30% 提升至 70% 以上，并兼容多种国产芯片，以应对地缘政治带来的供应链风险。在应用层，京东内部已部署上万个智能体，覆盖研发、客服、营销、投研等场景。其 JoyAgent 智能体已演进至 2.0 阶段，能够实现多智能体协作，像 " 数字员工 " 一样自动执行复杂业务流程、生成专业报告。
京东云数字化效能部商业化产品负责人郑伟娜则表示，大模型应用非常火热，但理想与现实存在巨大落差。企业期望 AI 能降本增效、加速创新，但现实中面临四大核心困难：
场景迷雾：客户对 AI 能力边界认识不清；
数据黑洞：企业数据往往分散在不同生态，难以打通；
成本悬崖：AI 的成本远未达到像 " 水电煤 " 一样廉价的程度；
人才缺口：市场极度缺乏既懂业务又懂 AI 的产品经理，以及懂 AI 技术的研发人员。
郑伟娜提到，企业级 AI 应用成功的关键要素已不再是算力、模型和开发平台，而在于以下三点——数据：数据的质量、差异性和流通性；场景：精准识别出业务中那些高频、低效、适合用 AI 解决的场景；组织与人才：建立配套的组织架构和人才培养体系。
RWA 需要 " 实物锚 "
原上海期货交易所 CTO 李大鹏则展示了一条更为专注和务实的 RWA 创新路径。他的核心理念是：在中国，合规的 RWA 必须牢牢锚定在实物大宗商品上，而非虚拟的金融工具。
李大鹏详细介绍了他已落地的两个 RWA 项目：
酱香基酒 RWA：酱香基酒具备天然的资产属性——每年增值约 15%，且市场存量巨大。其团队通过将从高粱种植到仓储监管的全流程数据上链，确保资产的可追溯性，在国家大数据局指导下，作为可信数据空间资产，在贵州大数据交易中心成功挂牌，同时正积极探索在迪拜和香港的跨境发行。
鲜食葡萄 RWA：该项目旨在将拥有上千种新品种的优质葡萄资产化，其挑战在于如何为保质期极短的生鲜产品建立价值模型，目前探索预售模式。
在他看来，开展 RWA 业务必须深刻理解监管边界。其策略是坚决面向 B 端，避免触及 C 端发币，所有操作力求在现有法律框架内进行。而从实物商品出发，在商务部的框架下作为 " 商品流通 " 来管理，则为 RWA 在国内的发展提供了一条更为稳妥的路径。
对于跨境流动，李大鹏表示正探索通过香港、迪拜等持牌交易所的渠道进行。在他看来，RWA 的本质是将实体经济中的优质资产通过技术手段数字化，从而提升其流动性和价值发现能力，而非纯粹的金融游戏。
CIO眼中的零售业：术与道并重，接受 " 卷 " 是常态
零售业是永恒的行业
在会上，新燕莎商业 CIO 孙学啟以《回看购物中心的 20 年》为主题，通过回顾我国城市第一代购物中心代表作品 20 年发展的浮沉，从 CIO 和 CFO 的视角总结出零售行业的本质规律、并对购物中心专业化运营如何与时俱进，给出自己的建议。
北京金源新燕莎 MALL 是北京最早的购物中心业态，也是目前国内大型综合购物中心业态的代表。金源新燕莎 MALL 筹建于 2003 年，于 2004 年正式开业，至今已有愈 20 年的时间，服务了京城数以百万计的消费者。在开业之初，金源新燕莎 MALL 就做出 " 全客群 " 定位，这在购物中心还是新生事物的年代，曾经不被人理解。参与整个筹备开业过程的孙学啟指出，购物中心可以被视作零售业的终极业态，可以容纳各个年龄、阶层人群的不同消费需求。正是把握了业态的本质，金源新燕莎 MALL 才能穿越经济周期，成为国内购物中心的代表作之一。直到 2025 年易主之时，该项目在财务方面取得了可观的利润回报。
在科技互联网行业，创新常常被挂在嘴上。但是在零售行业，特别是购物中心的运营，追求的则是 " 日日新 "。根据宏观经济和市场的趋势去引领去制造让消费者心动的消费热点。孙学啟认为，零售行业可以说是世界上最卷的行业，没有之一。因此 " 日日新 " 也可以说是这个行业的特性推导出来的要求。在金源燕莎购物国过往的大多数年份中，每年置换或者移位的品牌面积达到 4 万平方米，几乎相当于每年都为消费者重新呈现了一个中小型的百货店。为了 " 日日新 "，购物中心的专业运营商，必须要卷自己，卷同行，卷品牌商，甚至 " 卷 " 消费者。这里的 " 卷 " 和今天所说的内卷的 " 卷 " 并不是同义语，更多指向的是自我要求的不断提高。
在金源新燕莎 MALL 发展早期，运营方曾经提出 80% 的商户不能盈利的时候，运营方也不追求盈利。孙学啟指出，购物中心本质上是构建一个生态，是消费者和品牌沟通的界面和桥梁。在一定的发展阶段，购物中心的租金提升空间，其实是有天花板的。专业的运营商，必须不断精进，提高服务产品的价值，才能对冲运营成本，实现各方的多赢。
正因此，金源新燕莎 MALL 做了很多行业内开创性的动作。比如投入巨资，通过 IT 信息系统，为购物中心场内 400 多商户实现统一收银。统一收银不仅实现了运营方对于商户经营状况的监控，也为后来的会员体系打下了坚实的基础，为后面深入进行数字化改造铺了路。在购物中心的场景下，如何在不碰货的情况下实现人货场的数字化一直是行业难题。金源新燕莎 MALL 通过数字化手段，借助用户的支付行为，捕捉用户的运动轨迹，进行大数据关联分析，发现了堪比沃尔玛 " 啤酒尿布 " 的品类组合—— " 内衣 + 红酒 "（女士买内衣时，男士为了打发时间，去红酒屋消费）。孙学啟总结说，购物中心本质上是通过品牌管理来影响货盘。因此运营人员要有能够高于日常商品的管控能力，能够跳出来看问题，最终又能落脚回到 " 物美价廉、物超所值 " 这个零售业的核心价值。
孙学啟认为，他一直相信零售业是一个永恒的行业，只要有人类的活动存在，零售业就一定会存在。这点业内同仁不用担心。即使是在 AI 时代，大家仍旧应该对零售业充满信心，继续开放思想，保持内心的活力。但是具体到某一个项目，这个项目会有自己的生命周期。他回顾自己在购物中心行业的这 20 年生涯，有成就感亦有遗憾之处。但是，这也是零售业永恒的魅力所在。
CIO需要精通术，更需要重视 " 道 "
在会上，无锡商业大厦集团党委副书记、CIO 吴大为先生以《零售企业 CIO 的道与术》为主题，切入当下中国本土百货业的经营实况，幽默风趣地分析了百货业所面临的挑战以及可能的应对之道，并对于 AI 技术对于零售百货业未来可能产生的影响，给出了自己的看法。
吴大为指出，过去 CIO 们对于行业的认知和改造，更多聚焦于实操的技术和解决方案层面。在这方面，不同企业之间的差距其实不大，大家的数字化应用和赋能的起点都很高，可以说商业百货行业的头部企业都非常精于 " 术 "。目前看来，这并不是制约当下中国百货业发展的本质问题。
关键在于，百货业态作为零售行业最经典、最古老的业态，当下面对的挑战更多来自于社会消费文化的变迁和消费者消费者行为习惯的改变。与之相对应，百货业的地位，相较于 80、90 年代能够成为一座城市的消费中心，如今主要目标客群已经演变为更多的服务中等收入群体、有钱有闲、拥有家庭采购权的女性为主。与此同时，互联网电商平台和社交媒体平台共同改变着消费者的购买路径和信息交互路径。面对消费趋势发生的巨大变化，CIO 们应该更多向外看，更多关注技术迭代之外的产业动向和消费者心理以及行为的变化，并且从企业发展战略的高度，重新理解自己的工作。这是 CIO 的 " 道 " 的部分。
具体以无锡商业大厦集团的百货板块为例，吴大为指出，核心的策略有两个要点：第一是要用各种手段，把公域流量变为私域流量，充分挖掘会员价值，形成流量的小闭环。第二是要用 AI 技术等手段，不断制造营销热点，拉近线下场景与消费者的亲近感，引导消费者回归线下。例如，位于无锡的鼋头渚作为中国最著名的 " 赏樱胜地 " 之一，每年吸引了全国各地大量的游客。每到樱花盛开的季节，大东方百货充分调动各种资源手段，把无锡的樱花变为新型 " 社交货币 "，利用樱花季节实现旅游人群的流量到店转化。
面对未来，吴大为先生指出，AI 等科技趋势对于百货业的影响正在逐渐显现。例如，大东方百货通过系统改造，改变了百货业统一收银的惯例，通过柜组收银和自助收银机等方式，实现分散结账、优惠券自动叠加和积分自动累计，解决了大促销时收银排长队的问题。同时，这也带来了传统百货业人力资源结构的调整，未来随着 AI 应对的普及深入，比如智能客服、服务机器人的广泛应用，对于人力结构、工作岗位的影响会更加明显，百货业对于这样的发展趋势，应当做好准备。每一次伟大的技术革命给商业带来的都不仅仅是技术更新，而是经营思想的转变和经营方式的革命。
AI驱动酒旅航司变革，共探落地路径与 ROI 提升
在酒旅 & 航司闭门会上，来自民航公司、集团酒店、各地文旅公司的企业 CIO、CDO，以及地方文旅协会的相关负责人围绕 AI 应用场景选择、ROI 等话题展开深入讨论。
在酒旅 & 航司闭门论坛中，心逸酒店集团董事长、CEO 朱晖表示，在酒店的数字化历程中，心逸酒店也走了一些弯路，" 原先采用自有 APP 的模式，让客户下载 APP 的成本太高，转化率并不好，" 朱晖进一步指出，" 从 2020 年前后开始，集团转向了企业微信 + 小程序的模式，在节省了 APP 团队研发成本的同时，还通过企微增加了 25% 的客源。"
不过朱晖表示，这一转变得背后，也存在一些痛点——总部无法直接触达客户，需要通过门店分发，这种 " 去中心化 " 的架构，也在灵活性上付出了一些 " 代价 "。
而当时间来到了 AI 时代，心逸酒店团队选择将 AI 嵌入到已有十年历史的移动管理平台之中，首先是实现知识库问答，但方言和指令混乱导致 " 数据污染 "，让技术团队花费数月优化纠错能力。例如，店长询问 " 去年今天业绩 " 可能有几十种表达方式，需通过反复训练覆盖长尾需求；其次是，通过 AI 能力尝试动态定价，通过分析历史数据及监控商圈热点（如竞对价格、本地活动），生成调价策略。
与酒店集团相同的是，作为文旅行业一大支柱的航空公司，近年来也面临着 AI 化改造的挑战。对此，上海东航数字科技有限公司副总经理李志军表示，生成式 AI 刚问世的时候，东航就开始关注 AI 应用领域，但彼时 AI 成本太高，一个商业模型需要至少 2000 万的投资，这也导致了很多企业望而却步。" 但当 DeepSeek 问世之后，将成本降了下去，能让更多企业应用上生成式 AI。" 李志军如是说。
在部署了 DeepSeek 之后，东航在两周内完成了针对性的培训，快速部署了本地化模型，李志军介绍，目前东航已开发上百个 RAG 应用和智能体，1 万多一线员工通过 " 掌上东航 "APP 实现移动端知识检索。更为重要的是，企业级 AI 工程作为 " 一把手 " 工程，企业 " 一把手 " 牵头是走好 AI 落地不可或缺的第一步，李志军表示，目前东航董事长亲自 " 挂帅 " 担任 AI 领导小组组长，东航成立了人工智能应用创新中心，并组建了科创联盟，大力推进 AI 应用落地。
CIOxCFO：从共识转向价值深耕
连续在大会期间举办了两年的 CIOxCFO 闭门会上，推动企业 AI 落地的两类关键角色—— CIO 们和 CFO 们围绕当前 AI 技术在企业中的应用展开了深度交流。
会上，由钛媒体研究院和 ACCA 共同出品的《数字化转型新范式》（下称《报告》）正式发布，这是该报告连续第四年推出，从过去三年《数字化转型新思》到如今《数字化转型新范式》，报告名称的变化也展现了当前转型进程的变化。此外，今年报告的重要内容是在调研中总结了四大特征，并以对应案例进行了详细拆解。
现场 CFO 和 CIO 们也在积极对话，探讨不同视角下的 AI 落地共识。
南方电网邱国峰博士以审计数字化转型为主题，对审计的现状与未来，以及构建智能审计生态进行了分享。
他对审计未来有四大判断：" 算力密集 " 代替 " 人力密集 "；" 全量审计 " 代替 " 抽样审计；" 区块链存证 " 代替 " 审计底稿’；审计过程实时、公开 " 代替 " 审计报告编申。
在这一趋势下，构建智能审计生态势在必行。具体来看，审计工作模式的转变主要有五点：1、审计覆盖全面化 : 抽样审计 > 详细审计；2、审计技术智能化 : 大数据、机器学习、自然语言处理、社会网络分析 3、审计信息多维化 : 文本信息、音频信息、视频与图像信息；4、审计过程连续化 : 连续审计 + 项目审计；5、审计组织中台化 : 人 + 机 > 审计数据中台；6、审计报告灵活化 : 智能灵活报告模式。
绿城中国数字化建设中心总经理补声东也以企业 AI 大模型落地实践为主题，对现阶段 AI 在企业的定位、企业成功应用大模型 7 大关键、大模型应用的技术路线和案例场景进行了分享。
在他看来，企业成功应用大模型的七大关键在于：1、企业成功应用大模型需更新意识、积极拥抱同时理性期待；2、注重高质量数据积累整理，包括私有数据补充；3、打造复合型团队，有机融合 AI 技术与业务需求；4、聚焦企业高价值业务场景，结合 AI 优势领域快速见效 , 如制度优化等；5、衡量企业应用的效果，立项时明确价值点，定期复盘价值达成目标；6、要持续运营，" 用起来 " 是 AI 能产生价值的基础；7、要把 AI 应用当成一个持续演进的系统。
在大模型应用的技术路线上，他认为要避开大模型的不足，让大模型持续做它擅长的事情，是企业大模型应用技术路线选择要解决的核心问题。
在闭门会的自由讨论环节，现场嘉宾对更多实操中组织文化融合与理念碰撞等问题进行了探讨。
比如，一个成功的 AI 项目落地，需要 IT 技术和业务的人相向而行，但这两个群体如何有效融合、共同推进？
补声东明确表示，AI 不仅仅是数字化能力的提供者，而是一个平台。AI 能否成功在公司落地实施，关键在于业务部门的基准。" 我们提出了公司内部的三方共创模式：首先，明确一线员工必须参与；其次，总部要发挥职能，最后才是数字化部门。" 补声东表示，验证一个 AI 功能最重要的是发现问题，通常在上线前会要求一线员工向我们提出 200 个以上的问题。" 这是我们与一线团队共创的一个重要逻辑。我们认为创新都在一线。"
" 我们需要与业务部门合作并创造价值。只有通过创造价值，我们才能获得认可，进而建立起信任。" 补声东表示，为了实现这一目标，必须首先确定相应的价值。" 我也希望 IT 部门能够告知业务部门，所提出的需求必须与其创造的价值相对应，对于无法创造价值的需求，应当相应地进行调整。"
此外，如何计算 AI 落地的 ROI 仍是共创价值衡量的现实问题。
补声东分享说，在确立业务部门的首要责任原则上，对项目进行分级管理，并对不同等级的项目设立不同等级的负责人，例如 S 类项目要求必须由业务部门的负责人与技术侧共同确定目标；而对于 A 类项目，则由副总负责设定目标。
业务目标有两个：一是称为成功目标，即功能目标，也就是 IT 的目标；二是业务成功标志，比如上线后能挣回来多少钱。
当然，还有一些大量的项目无法直接计算出收益。补声东和团队后来提出一个 " 运营效率提升 " 的概念。例如，公司全面预算系统以前做一些价格和利润关联的压力测试需要一个季度的时间，现在一个月就能计算一次。
在定价方面也有所体现，以往在每个项目开盘前都会进行定价，并编制定价报告，成本人员需测算成本及利润情况。现在 1 小时就可以算出来。在领导审批时，他们可以立即看到价格调整对 IR 和 RE 的影响，这有助于领导快速做出决策。
结语
从 2009 年开始， ITValue Summit 数字价值年会已经不间断连续举办 17 年，" 长期主义 " 是大会主办方和参与者们身上最深刻的标签，这些人不仅是时代的见证者，更是技术和产业进步背后的中坚力量。
每一个行业都有其特殊性，都值得深入、聚焦的交流，ITValue Summit 数字价值年会两天的日程虽然密集且精彩，但对不断思索数智化落地的同行者们来说显然不够，我们同样也在全年持续推进线上对话和线下沙龙。
独行快、众行远，ITValue Summit 数字价值年会与众多数智化的思考者们一起探索 AI 落地的答案，希望在 AI 落地上有更多收获。 （本文首发于钛媒体 APP，作者 | 房煜、蔡鹏程、韩静娴、张申宇，编辑 | 盖虹达）
