“企业在引入AI时要考虑两个关键指标：一是投资回报率（ROI） 是否清晰；二是数据安全问题——研发数据高度敏感永华证券，比如，企业普遍不敢将核心知识放在公有云上，相比之下，维修知识属于对外服务范畴，使用公网大模型的接受度更高。”
腾讯云智能制造和智慧能源首席专家邴金友近日在接受南方+记者采访时介绍，只有推动AI技术与实际业务场景深度融合，才能将技术优势转化为实实在在的产业价值。同时，AI落地要关注成本与效率的平衡。目前来看，大多数企业落地的还是小模型或传统AI场景，比如AI质检、AI巡检等，而大模型的需求主要集中在知识密集型领域，比如研发、客服、设备维修等。
以设备维修为例，很多设备分布在海外或偏远地区，维修人员不可能都是高水平专家，但维修又需要非常全面的产品知识。大模型的价值就非常实用：工人拍一张故障照片，或者描述一下问题，系统就能快速给出诊断建议和维修方案。
另一个重要场景是研发。研发人才存在明显的“梯度断层”：一方面有资深专家，他们经验丰富但需要查资料、做深度研究；另一方面是刚入职的年轻工程师，大模型结合知识库和智能体（Agent），既能显著缩短新人的学习曲线，提升整体研发效率，又能帮助专家查漏补缺。
腾讯也在探索更多AI场景，比如和一家电动车企业合作，内部试点“AI差旅助手”——自动安排行程，订机票、酒店、火车票等。这类内部管理场景还在探索阶段，等到AI成本进一步下降，未来所有业务系统——ERP、MES、财务系统——都可以嵌入AI，实现全面提效。
而从企业实践来看，还面临一些挑战，一是人才短缺，二是算力成本与技术选型问题。邴金友建议永华证券，企业先用公开大模型+低成本方式培养人才，等团队具备AI思维后，才能系统性地发现高价值场景，否则仅靠老板或IT部门拍脑袋，容易走弯路。
邴金友就发现，前段时间很多企业采购“AI一体机”，但实际使用效果参差不齐。这通常会遇到两个问题：
一是模型优化问题，腾讯内部团队做过研究，未经优化的一体机部署DeepSeek满血版大模型，与腾讯内部通过CPU/GPU任务调度调优、内存访问方式优化等手段优化过后的一体机部署性能相差能达到10倍左右，大部分企业购买一体机是从硬件厂商或者小的云厂商、小型大模型厂商购买的，性能优化不到位；
二是硬件架构差异。一体机通常采用8卡GPU Nvlink 两两互连，通信带宽50G，但云端fuGPU服务器一般采用的是NvS with方案可以实现8卡互链，带宽可达400G， 通信带宽成本可能只有本地一体机的1/8，而通信带宽在大模型推理效率中的比重又非常高。
【对话】
邴金友：AI落地要精准找到高价值场景
南方+：很多企业“拿着锤子找钉子”，AI技术有了永华证券，但找不到合适的场景。
邴金友：确实如此，对企业而言，AI必须带来可量化的提效或降本。目前来看，企业现有的流程已经很成熟，财务、采购、生产都有专业团队在高效运转。AI介入就必须能“再上一个台阶”，要么大幅提升效率，要么显著降低成本。这就需要精准找到高价值场景。
南方+：哪些领域是AI更容易突破的地方？
邴金友：传统工业能源企业的突破点，在客服和维修知识库这类知识密集型场景，AI提效明显。另一个突破口是研发领域，尤其是涉及软件开发的企业。现在很多人都在用AI编程助手，比如CodeBuddy。
南方+：高价值产品更容易引入AI，但很多中小企业是否有足够资金投入？
邴金友：中小企业确实难。我的建议是：AI投入必须低成本、高回报。不要考虑本地部署，更不要买一体机，建议直接使用公有云大模型API，按Token调用计费。算下来每月几千到几万元，很多中小企业可以承受。
关键是找到“卷得最狠”的环节——哪个岗位最辛苦、人力成本最高，就用AI试试能否替代。选择AI的根本理由是：AI是否比人便宜？效率是否更高？
南方+：刚才提到“卷”，你们有怎样的破局建议？
邴金友：内卷的根本原因是制造业长期“跟跑”——别人做什么，我们也做什么，缺乏创新和差异化。比如光伏，前几年赚钱，仅2024一年某省就新增45家光伏公司，怎么可能不卷？而有些企业靠技术壁垒，就不那么卷。
“卷”其实是倒逼企业寻找差异化赛道。腾讯的价值，就是帮助企业用AI提升创新能力、优化运营效率、打造独特竞争力，不是参与卷，而是跳出卷。
南方+：大模型下一步的突破点可能在哪？
邴金友：我认为下一个结合点可能是深度研究（Deep Research）。比如，企业高管关心的是，竞争对手在做什么？市场趋势如何？新技术方向在哪？这些都需要深入分析大量研报、新闻、专利等。
大模型可以做“深度研究助手”，自动抓取、整合、分析信息，帮助老板快速决策。这属于高层战略支持场景，价值高，容易突破。
南方+记者 郜小平
龙辉配资提示：文章来自网络，不代表本站观点。
