本文內容根據“數智躍遷：AI賦能消費品行業新增長” 專題會議上的高峰對話環節整理
技術狂飆背后，一次關于生存與轉型的深度思考正在各行業中悄然展開。
近日，在“數智躍遷：AI賦能消費品行業新增長” 專題會議上，一場既不談論宏大敘事，也不回避現實焦慮的高峰對話就此展開，由琥珀物言科技創始人&CEO劉志彬（左一）擔任嘉賓主持人，與中糧福臨門食品營銷公司CIO宋世武（左二）、零售行業專家朱遠剛（左三）、華彬快消品集團信息總監謝旭暉（右二）、天士力控股CDO史建華（右一）四位業內重量級嘉賓展開討論。
以上五位嘉賓來自不同行業，從快消品到3C數碼，從醫藥研發到企業服務，幾位IT老兵傾情分享了AI浪潮下企業的真實應用與挑戰，為廣大IT同仁帶來了諸多啟發和思考，本文從滲透、分類、挑戰、應對、影響、趨勢六個專題出發，梳理了各位嘉賓的主要觀點，以下為本次對話的詳細內容。
一、滲透
AI在企業應用已經相當廣泛。宋世武首先描繪了快消品行業的應用場景：“AI就像龍卷風，卷到整個IT體系。”他提到的現實場景頗具沖擊力——過去依賴數千業務員進行的門店巡查與稽核，未來可能被智能攝像頭、智能眼鏡替代。“未來AI的持續發展，稽核這項工作可能會交給更智能的設備去做。”
快消品行業正在全鏈路應用AI：從終端門店業務生成、經銷商管理到促銷費用管理。這種變革尤其適合業務員少、規模大的生意模式。如今中石化、中石油這類央國企已經走在前列，建立了多達數十個智能體。
朱遠剛則以蘋果防串貨為例，展示了3C行業的AI應用深度。他講到蘋果通過AI大模型進行圖片識別與數據校驗，對商品從入庫到銷售激活的全流程進行合規監控。一旦發現異常便自動預警，甚至可以對違規代理商執行停止供貨。代理商和零售店必須解釋，誤差超過一定比例，系統自動停止供貨，影響極大。
華彬集團的謝旭輝分享了更早的AI實踐，他講到：“我們很早就開始做視覺神經網絡，訓練識別圖像，做OCR識別。”大語言模型出現之前，就已經在用視覺神經網絡做SKU識別、陳列場景識別、價簽識別和門頭照識別。“在投入成本上，這是最優方案。”
大語言模型帶來了另一條賽道——效率工具。探索企業內部知識庫構建，“AI把項目信息從幾十份會議紀要中抽出來，甚至比人來做匯報還要有條理。”這也是AI的應用場景之一。
二、分類
天士力集團的史建華提出了清晰的AI應用分類框架。“我們把它分成兩類：價值創造類和效率提升類。”價值創造代表產品力，效率提升代表生產力。對于價值創造領域，特別是智能制造和藥物研發場景，“這是可以不計成本投入的”。因此天士力集團與多家廠商合作，推進藥物研發場景的AI應用。
效率提升領域則采取了不同策略。“我們大概列了18個場景，所有軟件都要重新按照AI重構。”行業里有人在提“AI For Process”——需要重新審視流程，用AI視角重構。對于企業來說，業務需要把自己的痛點串起來，看是否能用AI解決。這種系統性的視角變革，才是AI真正帶來效率提升的關鍵。
嘉賓主持人劉志彬講到：“四位嘉賓中有三位所在企業已經擁有了垂類大模型。”這超出了他的預期，同時也顯示出了傳統行業在AI應用上并不落后于互聯網原生企業。他還分享了一個觀察：“互聯網服務商最難的就是場景，尤其是在深入行業的時候，很容易成為‘瞎子’。”懂技術的缺乏業務思路，有業務思路的缺乏AI思考方式，這種鴻溝讓很多互聯網公司在企業AI落地時“有力使不出來”。
三、挑戰
現實挑戰遠比想象中復雜。朱遠剛直言：“我認為現階段推動AI還有不少困難。”最大的困難就是如何找到合適的場景，以及模型行業化、私有化后能否匹配業務場景。
謝旭輝則提出了一個更具體的問題：數據安全。他表示：“一般的民營企業來講，投入產出是始終一個繞不過去的坎。”數據安全成為使用大模型的繞不開問題。敏感部門始終在意這一點：私有化部署大模型成本太高；API調用外部模型存在數據安全風險，如何達成平衡十分困難。
“我們與一位合作伙伴溝通了好久，他們提供了非常多保障之后，我才說服我們核心財務部門把文檔知識庫化。”史建華分享說，同時他總結了三個核心難點：場景、數據、認知。“場景價值是你首先要找的ROI項目。”在企業應用中，連貫性的數據很少，只能在點上找到一些數據。而認知問題最為棘手。“老板很焦慮，中層推不動，碰到成本問題可能老板又開始退縮了。”
對此，劉志彬也補充了一個現實：“在有些企業中，IT歸財務管，甚至有些幾百億的企業都是這樣。”在這樣的情況下，IT部門的話語權甚微，想要推動AI的落地或許挑戰更大。
四、應對
面對挑戰，各企業采取了不同策略。宋世武透露：“從國資委對大多數央國企的指導來講，會有AI率的要求，因此企業就要思考到底有多少個業務需要融入AI。另外值得關注的是大多數投入可能還會進入智能工廠領域。”
朱遠剛則尋求共創。“我們希望能夠與業內的一些合作伙伴去共創，在某些垂類，或者某些場景上面的模型進行深化應用。”朱遠剛強調，最終企業需要沉淀出自己的私有化模型，因為當下公有模型在安全性方面還是難以保證。
華彬集團采取相對務實策略。“在大模型這一板塊我們不會自己去做，但我們可以自己部署一點小模型。”謝旭輝解釋，對于聚焦場景，小模型就夠了。他們與合作伙伴緊密合作，同時自己做垂類的小視覺識別模型。“把我們識別特別精準的小視覺模型和大模型結合起來，通過一些提示詞限制，能夠實現以前無法實現的功能。”通過結合兩種模型，可以更精準地識別門店招牌名稱，排除干擾信息。
天士力集團的實踐更為具體：構建“素材工廠”智能體。例如從抖音扒取爆款視頻文字、通過多維表格、結合營銷方案和素材庫、用大模型生成內容、評分篩選、再優化、最后投流的閉環流程。
史建華介紹說：“我們做了A/B組測試，一個人對五個人，看最后一年有多少條能進入排行榜。”這種務實做法讓老板看到了實際的價值。
五、影響
AI是否會導致大規模裁員？四位嘉賓觀點不一。宋世武認為：“AI的發展到一定的高級階段，就像打游戲，打到最后一關的時候，就是AI和我們的人類人性去決戰的時候。”
他預見到AI或許將會挑戰人類的權利邊界：“人是不是把自己的權利交給它？是不是把我們的生命交給它？包括機器人做手術、遠程醫療等等，是不是把我們腦子里的真實的想法交給它，這可能是需要從人性的角度去思考的問題。”
史建華相對樂觀：“我至少沒有看到大規模裁員是因為AI。”他承認AI會影響到一些崗位，就像電子門票取代印刷廠，但絕大多數人不會因此失業。同時他對人形機器人持保留態度：“為什么機器人一定要做成人形呢？”他不認為AI會在可預見的未來達到與人類對抗的程度。
劉志彬分享了一個現實案例：麥當勞、肯德基的營銷海報制作過去外包給媒體公司，現在300多人的工作被AI替代，年省數千萬元。某家居公司請明星拍攝產品的環節也被AI替代，單項節約成本達5000萬。
六、趨勢
面對趨勢，各位嘉賓用一句話表達了自身的看法。
宋世武總結：“AI會創造未來，當然AI一定是在人的指導下創造未來。”
朱遠剛分析了短期與長期：“從短期來說，可能替代人的不是AI，而是懂AI的人。但長期來說，AI可能還是會替代絕大部分的工作。”
謝旭輝保持工具視角，他認為：“現階段的AI還是工具屬性，它并不具備通用智能模式，所以我們不用太過焦慮，好好去應用它就好。”
史建華引用了發展階段理論：“AI的發展有五個階段：大模型、物理AI、通用智能、科學AI、組織型AI。目前我們還沒走過第一個階段，所以大可不必焦慮。”
劉志彬最后總結到：“科技向善、人機共創是未來的趨勢。”
回顧本次高峰對話，恰如一束探照燈，將AI浪潮下企業最真實的應用場景、挑戰與應對清晰地投射在行業面前。從門店稽核到藥品研發，從效率工具到流程重構，AI已不再是遙遠的技術想象，而是加速融入業務內核的轉型引擎。
我們能夠看到，無論國企還是民企，巨頭還是新銳，無一不在主動或被動地卷入這場深刻的生產力變革之中。技術本身已不是最高壁壘，真正的較量在于誰能更快地識別場景、更有效地平衡安全與效率、更系統地重構組織與流程。
焦慮在所難免，但焦慮的背后，恰恰是機遇。如各位嘉賓所言，與其擔憂AI將“替代人”，不如思考如何成為“善用AI的人”。技術的演進或許會重塑部分崗位，卻也必將催生新的角色、新的模式與新的價值空間。
