2026 ITValue Summit 数字价值年会前夕，钛媒体联合创始人万宁作为主持嘉宾，把三一集团 CIO 许国强和智元科技创始人吴云峰请到了一起。这两位在 AI 落地上的实践经验很有分量：一位是在年收入超千亿的重型制造企业里亲手推 AI；一位是跳出大体制、给一票客户做落地交付。这次聊的话题也很大：AI 对大型企业到底意味着什么？
但一场深谈下来，反而是 " 别急着做 " 的清醒。
重新定义自己，但别推翻自己
" 像下象棋一样，下等着。" 许国强这样形容三一集团的 AI 战略。这不是消极，而是一种刻意为之的克制。
许国强透露，三一已经把公司愿景重新定义为 "AI 原生机器人公司 "。
这并非追风口式的口号。过去三一讲智能产品、智能制造、智能运营，数字化始终是个助攻角色——业务跑在前面，IT 跟在后面打配合。现在 AI 来了，数字化要从助攻变成主攻，引领战略转型和价值创造。
但吴云峰看得更直接：中小企业没有历史包袱，反而更容易成为 AI 原生企业；中型企业最该做的是停止建系统；而大型企业，哪怕转型障碍却比中小企业大得多。
许国强没有回避这一点。他坦承，三一不是互联网原生企业，数据治理并不算好，业务线上线下 " 两层皮 " 的问题依然严重。但正因为基础不牢，才更需要节奏感。
" 如果在战略机遇期不布局，未来可能赶不上。但全面铺开肯定不行，组织大调也不行。" 许国强坦言。
大企业的 AI 节奏：不是百米冲刺，而是排兵布阵
三一的 " 等着 "，背后是一套清晰的推进逻辑。
第一步，让全员应知应会。去年春节后，三一在一周内定了全员 AI 推广的基调。但第一件事不是上项目，而是培训，此举意为让传统制造企业的员工先知道 AI 到底能干什么。
第二步，做样板，不铺摊子。三一的方法论是，在数据成熟、业务成熟、技术相对成熟的场景下，先做出标杆，再在事业部之间复用。
第三步，以用促建。今年的重点是建平台，例如具身智能平台、数据标注平台。但所有建设由业务牵引。一个关键变化是：AI 大赛的参与者，从技术人员变成了业务人员。
第四步，智能体战略。今年 7 月的智能体研讨后，三一继续向更深层推进。
这种克制贯穿始终。GPU 迭代太快，自建算力可能买在最高点，三一没有冲动自建，而是选择了更划算的云端算力；一体机概念火热时，三一选择观望。" 我们有愿景驱动，但过程要有节奏。"
你的钱，可能正烧在伪需求上
从厂商视角，吴云峰见过太多 AI 项目掉进同一个坑。他总结了四类典型的 " 烧钱陷阱 "。
第一类，" 脱裤子放屁 " 式项目。已有报表和数据，只是用 AI 重新做一遍展示，没有创造新价值。" 为什么不让系统自动推送给用户？"
第二类，" 变魔术 " 式项目。乙方用 AI 话术包装概念，声称把图纸喂给我就能自动生成全套方案 "，却回避与业务团队的深度协作。" 这类项目我们不敢做。"
第三类，群开发项目。让 AI 生成代码但缺乏架构治理，最终产出 " 垃圾软件 "。
第四类，单元级优化项目。只做一个点的优化，没有从客户需求到研发、从订单到交付的端到端拉通。" 还不如直接买一个产品。"
回到许国强的视角，他对这几点基本认同，但对 "AI 写代码 " 有不同看法。三一也在用 AI 辅助编程，但前提是 " 责任不能转移 " ——必须在现有架构下通过审核，不能变成无人认领的 " 死代码 "。
他表示，三一的底线很清晰：价值讲不清楚的 AI 项目，就是伪需求。
数据治理：不做 " 大扫除 "，做 " 靶向治疗 "
AI 落地，数据是硬骨头。三一的做法是以用促建，不搞大规模运动式清洗。
2022 年，三一曾组织高管封闭学习《DAMA 数据管理知识体系指南》，从董事长到董事，统一数据治理的语言。如今，集团成立了数据治理委员会，明确各领域 " 数据管家 " 的责任，数据权利等同于业务负责人的权利。
针对维修助手等具体场景，三一做专项数据治理，同时把数据标注平台这类底层能力建起来。
吴云峰则提醒：外部数据治理比内部更重要。很多企业数据不好的根本原因，是 " 业务没做好 "。他建议从业务需求出发，反向拉动数据治理，并且重视外部数据与内部数据的融合。
谁说了算？业务牵头，IT 搭台
三一以用促建，本质上是业务在前头拉车。
全集团按 15 个业务域推进，每个域有第一负责人。选什么场景，先由他们自己做行业对标、做规划。目前需求最旺的是 " 微笑曲线 " 两端——研发，以及销售、营销、服务。
这里有个关键机制：同盟军。业务和 IT 双向选择，不是 IT 强加给业务。双方把资源投入和战略选择同步到联席总裁，拿到公司层支持，再重点切入。
比如服务域，" 维修助手 " 就是被选中的战略项目。三一的产品卖到 180 多个国家，十几条产品线，维修要应对多语言、小语种、专家经验的多重组合。AI 助手能快速诊断、支持小语种，人员不显著增加，却解决了跨国维修的难题。
怎么算账？ROI 不是唯一标尺
AI 项目的价值怎么衡量？三一有一套自己的算法。
能算清账的，直接算。维修助手没有显著增加人员却解决了跨国维修的难题，价值一目了然；再比如相似物料识别，识别出不同事业部在采购相似的物料，统一用价格更低的采购方案，成本直接可衡量。
算不清账的，换个算法。比如招投标流程，AI 加持后确实提速了，但负责招投标的人并没有减少。许国强认为，" 流程能不能自动化 " 本身就是衡量指标。效率提升必须用财务口径衡量，但不能完全用财务口径衡量价值收益——当 AI 把员工从重复性工作中解放出来，让他们去做战略供应商选择等更高价值的事，这种 " 价值转移 " 也应被纳入评估。
组织重构：IT 去中心化，人机划红线
AI 正在改写大型企业的组织基因。
许国强指出，BPIT 部门的核心职能正在转变：从做项目转向建平台、做培训、定方法论，让 AI 能力渗透到业务一线。以前业务人员提需求、等交付、给评价；未来是同盟军，大家一起划船。
吴云峰则从厂商视角补充：流程不是企业经营的本质，业务收益才是。" 很多流程改不了，不是因为流程难改，而是因为没人承诺效益、没人担责。"
许国强回应：流程没有不能改的，但改革必然触及人性。最大的阻力来自岗位价值焦虑和既得利益冲突。三一的应对是，在推进过程中给员工设计未来的职业方向—— IT 人员的核心能力不再是写 Java 代码，而是懂业务、建架构、辅导业务用好 AI。
在人机权责上，许国强在三一实践中划了红线：智能体只是工具，不能承担业务责任，责任必须落实到人。三一正在建立事前明确责任人、事中定义介入机制、事后审计留痕的三阶段体系，确保 AI 在探索期可控可溯。
结语：大型企业要学会 " 等着 "
AI 技术正处于爆发期，概念迭代极快。当三维图纸生成的热点出现时，三一没有盲目跟进博主的 Demo，而是找达索等合作伙伴做试点、做论证，等技术成熟后再引入。
对于大型企业而言，AI 转型不是百米冲刺，而是一场需要战略定力、节奏把控和价值锚定的马拉松。
三一的实践表明：真正的 AI 原生，不是推翻重来，而是在历史积淀中找到进化的节奏；不是技术炫技，而是让业务人员成为 AI 的同路人；不是机器替代人，而是让人机协同创造更高维度的价值。
正如吴云峰所言："AI 的终局没人知道，但方向很明确——从业务出发，为客户创造可感知的价值。"
这或许正是大型企业在 AI 时代最该有的姿态：既要仰望星空，重新定义自己；也要脚踏实地，算清楚每一笔账。
（本文首发于钛媒体 APP）
