圆桌三：智变·新生态——从单点突破到系统重构

　　朱君：过去讲的是竞争，现在都讲生态，因为单点技术再强，如果说没有系统的协同，可能也很难打通。第一个问题，在人工智能时代，对我们在行业生态里的位置和作用带来了哪些改变和影响呢？

　　袁先登：我是盛邦安全的袁先登，我们是做网络安全的企业，随着AI的发展我们的位置和作用，这几年变化还是很明显。简单说就是更靠前，要更全面，更加对结果负责。

　　第一，网络安全防御的模式在AI面前要发生一些改变，安全好多年来都离不开规则和对规则的对比，大楼里的很多安全是不是消防做得好，保安做得好，都是和规则做对比。这个方式只能让我们去解决已知的漏洞和已知的风险，如果有新的变异我们是不知道的，所以要求安全企业也利用AI技术能够自己去学习，能够去发现未知和变异的漏洞。

　　这一场主题是单点和系统，原来的网络安全这些设备都放到自己企业的机房里面，保护自己的软件也好，硬件也好，现在不一样了，现在各家企业很多都在调用大模型，或者采购云服务。我们除了要保护好自己的这些软硬件，还要防止第三方系统给我们带来一些麻烦，或者协调很多第三方的产品一起工作。面临新的时代，我们就应该改变我们的思想，然后去学习，做得更多。

　　朱君：首先是预判，面对越来越多风险的时候，要有更多的底气和实力去应对和解决它。

　　孟庆昕：这一轮AI的变革对四维图新（002405）来讲，就是我们积累了20多年数据资产，通过AI进行了系统性的大跃迁。一个是通过AI，原来四维图新沉淀的现实世界还原的，为智能车服务的自动驾驶数据库，最早受限于自动标注极其昂贵，很难释放，但通过AI我们可以让数据的标注和算法，包括整套方案能快速迭代。第二，让我们的数据更精准，这也就是对自身产品的一个变化。还有就是我们看到这些数据通过AI的提炼，以及我们对于多场景的应对是一个横向的拓展。现在能够看到低空经济，包括人工智能里面的具身机器人，这些客户的涌现场景复用，对于四维图新就是赛道有一个新的变化，这是我们的体会。

　　罗骅：国科恒泰（301370）是一家服务于医疗器械行业的企业，从整个流通服务，整个服务是从生产企业出厂开始，一直到最后一公里的医院患者的手术植入，整个链条都是国科恒泰的服务范围。

　　在数字化领域，我们有一个科技公司叫国科恒兴，我们有实业，又有科技，实业+科技相结合的公司。科技公司也是基于恒泰的主业来服务于整个产业链，当时做的数字化是叫产业互联网，从生产企业一直到医院服务，到患者服务，整个链条都是之前做的数字化。

　　现在有AI以后，对于现在的服务多元化，以及核心竞争力的提升是一个巨大的变化，现在有一句话说得很好，我们也特别认同。以前的数字化更多的是交付给客户一个工具，现在的AI交付给客户的一个结果，这是一个巨大的变化。

　　恒泰这种全产业链深度服务多场景的情况下，AI就会发挥出很大的作用，它会区别于原来的数字化产品交给客户一个工具之外，我们可以基于AI深入到场景的应用里面去，给客户更多的结果。特别是在目前大的医疗环境下，各个企业都面临巨大的挑战，特别是提效降本的挑战，AI在提效降本这一块是有巨大的促进作用，这就是我们一个比较大的变化。

　　杨新辉：我是中科创达（300496）的杨新辉，中科创达是做操作系统的企业，我们做的操作系统是覆盖像手机、汽车等各种各样的智能硬件，包括机器人上面运行的操作系统。

　　今年看到最大的变化，可能是从23年开始，实际上AI在操作系统里面产生的重构，会对整个产业发生翻天覆地的变化。生态上会有什么变化？一个企业必须重新考虑你的产业链上下游的生态重建，因为以前没有AI的时候，自己的生意可以是在一个独立的产业链里面完成的，有了AI之后，可能会有一些新的角色要出现，比如说算力的供应商，比如说模型的供应商。特别是模型的供应商，三五年前在很多产业里是不存在的，不需要使用模型供应商来做事情。模型的重要性逐渐从0变成了非常大的规模，企业的开销，企业的投资，企业很多费用出发的方向反而发生了很大的剧变，就是以前应该花钱的地方不花了。

　　对我们的影响，或者对整个产业的影响，所有企业要重新思考生态上产生的结构性的变化，这个结构性的变化里面跟AI相关的环节和生态上下游需要更加重视。

　　有一些企业可能过程中就会被调整和淘汰，因为不在产业链里面，而且重要性变得越来越差，这是我们整体的认知。

　　朱君：所以要思考的更多的是从无到有的问题。

　　闻化：我是凌雄科技的闻化，我们公司是做IT设备的订阅、技术服务、SaaS软件类的服务，以及资产回收管理的综合解决方案。在过往自身的定位是IT设备的运营商，或者IT设备全生命周期的管理服务商，这两年AI整个风潮过来，对我们的业务结构，包括整个生态的定位也发生了很大的变化。目前自身的定位叫AI算力的普惠者，或者说是叫行业的整合者。

　　为什么这么说？首先从行业的痛点来看，现在AI的浪潮下，中小企业都会去拥抱AI，有一个很大的门槛，第一个门槛不是算法，是算力。一台高端的GPU服务器目前市场价格已经到了百万，甚至数百万，要做一个比较小型的算力集群，投入也超过了千万。在这样的情况下，中小企业去购买设备，这个行为是一个高投入，高风险的行为。凌雄科技最大的优势就是为客户提供轻资产、灵活性强的解决方案，我们可以把千万级的算力集群的投入拆解成为按月付费，按需扩容的订阅服务。

　　目前我们已经为超过2000家的科技企业和科研机构提供算力订阅的服务，当中有80%是中小微企业。他们通过订阅服务，原来可能要花几千万去购买的设备，现在每个月花费几万元就可以享受到最新算力的接入，这是我们认为的普惠者订阅的角度。

　　其次，我们除了对外输出价值，对内也是通过AI对整个运营流程做了重构，让我们在行业内实现整合者的角色。这两年开发出了自己的AI算力管理平台，有三个作用，第一是帮助我们做算力的调度，有的公司可能白天要去做训练，晚上要做推理，通过算力调度平台，给他匹配方案，降低了他的成本，提升算力设备的使用率，从原来35%可以提升到72%。

　　第二，智能风控，通过这个平台可以把坏账率控制在0.3%以下。

　　第三，可以做一个精准的残值评估，我们做这个业务最大的难点就是怎么样去评估到这个设备的残值，跟原来的PC和传统的服务器最大的不同，传统PC服务器残值率比较低，单价比较低，二次利用价值没有那么大。现在AI使用场景下，算力服务器的价值非常高，但是市场波动也比较大。智能管理平台就可以结合现在设备硬件损耗程度，以及市场的需求，技术迭代的周期去做一个比较精准的预测，这个预测可以控制在5%以内。这样就可以让我们把淘汰下来的设备，能够进入到梯次应用的通道中，实现高端设备的采购，首次订阅，翻新再制造，再到再次订阅的循环闭环，这样我们就可以做到整个上下游的组织，上游可以厂商去消纳产能，中游可以帮企业接入到算力，落实比较低成本的算力接入，帮助循环企业做资源最大化的循环和利用。这就是对新的定位的解释。

　　朱君：五位都是来自不同的行业，有的做设备连接，有的做安全守护，还有做数据底座和供应链协同的角色，五位嘉宾都从最前沿，最一线的感受给我们介绍了。

　　感觉大家提到比较多的一个词是降本增效，再就是意识的变化，从无到有的改变。接下来我想问一下凌雄的闻总和国科恒泰的罗总，凌雄是做设备即服务，国科恒泰是做医疗器械的供应链服务，两家企业都是服务化转型的一个代表。现在AI引入之后，公司的服务模式有没有发生过去做不到的一些变化呢？

　　闻化：我们确实在这两年发生了比较大的变化，在AI的场景下，主要有三个，第一个就是在算力服务的弹性化和定制化方面实现了突破，因为过往去做PC和传统设备提供的时候，我们做的是标准化的服务。客户要什么，以及我们有什么，都是按照现有的产品里面去选择，除了极少数的场景，我们都会提供标准化的服务。但是在目前算力的场景下，首先从客户的需求来说，两个案例，第一个是做智能驾驶的客户，刚开始去做大模型训练的时候，需要A100的设备100台，后面完成训练了以后可能只需要十台去用于推理。第二个，做AI绘画企业客户，它具有很强的脉冲性，节假日需要很强的算力扩容，节假日他的用户会有拍照的需求，使用量会比较大。在这种场景下，现在开发出的算力管理平台就可以帮助客户解决这个问题，客户可以通过API接口接入我们，可以实现算力设备忙时使用高配或者是扩容，闲时使用低配，或者减少用量，可以减少客户的成本大概在40%以上。

　　第三，整个服务响应的预判性和响应度，过往我们去做服务的时候，基本上靠人工巡检+客户报销的方式，现在AI设备里面植入了AI传感器，这个传感器不会涉及客户的信息和数据，只是监测到硬件的运行情况，比如说GPU的温度，算力的负荷等，可以实现提前预警。去年的时候帮助一家公司，提前24小时发现有10台A100出现了温度报警情况，我们提前进行了介入，帮助他避免在模型训练中产生中断、造成比较大的损失。

　　客户在使用算力的时候，出现了软件兼容问题，或者硬件的使用问题，过往需要人工服务，现在通过AI智能体服务可以在十秒内调取，帮助他解决问题，可以解决客户80%的问题，剩下20%的问题通过员工的介入来解决。

　　再就是资产的循环最大化，在过往我们去评价和评估资产价值的时候，更多的是靠基础系统和人工，现在是依靠智能的平台，可以实现很精准的评价。这样就会让淘汰下来的设备可以更好进入到更加有匹配需求的客户当中，甚至实现了高配的设备进行首次订阅，二次回来以后，再制造以后，可以匹配到有需要的中小型企业客户当中的手上。

　　朱君：可以说解决了客户最刚需的问题。

　　罗骅：刚才也提到了国科恒泰是一个服务于全产业链，做深度的服务应用公司，实际上我们的服务场景还是很多的。

　　我们有独立的科技公司，基于我们对行业Know-how的前提之下，深耕于现在的这些场景，我们去做智能化。

　　举几个例子，对很多生产企业来说，它的新产品出来，传统的方式是通过常规的对经销商渠道的培训，需要对医生学术的推广和教育等环节，逐步去把新产品推广到市场。其实在这个环节过程中，我们通过智能体可以跟生产企业合作，把它产品知识、临床知识、专业知识、营销知识、学术知识等内容，都可以通过智能体作为载体赋能到下游的渠道、经销商，甚至医生手上，能极大地提高信息传播的效率，也能够非常准确地帮助终端的用户实时掌握厂家的产品，以及服务，以及学术优势。

　　现在有一个服务叫手术跟台，医生给患者做手术的时候，需要有一个专业的人员去指导医生怎么用植入的假体和工具去完成整台手术，这是需要厂家专业人员去辅助医生来做的。这个过程在很大层面上依赖于终端的服务人员的专业性，以及跟医生的互动，以及对厂家的产品和手术临床知识专业性的掌握。实际上在很多厂家覆盖全国各大医院的手术里面，很难做到每个人都有这么高的水平。可能个别大医院服务人员水平很高，但不是说所有的。有智能体以后，实际上这些能力都能够通过智能体来形成非常强的支撑，对人的要求就低了，不一定对专业服务人员的能力要求这么高，甚至可以直接给到护士，由智能体结合护士就能帮医生完成这台手术了。传统的无论是信息化，还是以前整个服务体系是不可能做得到的。特别是针对这一类的服务，对于生产企业出海，很多生产企业要把自己的技术、服务和产品全部复制到海外去，帮助拓展海外市场。传统的方式通过大量的投入人力物力，去完成整个海外市场的拓展，以后通过智能体，这一块的费用就大大节约了，也不用工程师天天跨国飞行去支撑一些落后国家的手术，通过智能体能大量的复制出去，这也是传统领域做不到的，也是这个行业未来可能的一个巨大变化。

　　朱君：全面落地大概还需要多长时间？

　　罗骅：因为医疗行业是一个严肃的应用环境，它对AI的幻觉接受度是很低的。通过技术的发展，模型的发展，以及数据的积累和不断地迭代，我觉得这个时间应该不会很慢，因为技术发展很快，现在的技术应该是以月为单位在更新。

　　朱君：下一个问题想问盛邦安全的袁总，盛邦安全在整个生态里面扮演着“守门员”的角色，现在也是有越来越多的企业开始用AI来重构业务，但是在这个过程中，关于AI带来的有可能的潜在风险是大家特别关注的，包括罗总也提到了可能会出现AI的幻觉，在这个过程中盛邦安全去护航安全的过程中，您觉得发生了哪些变化，或者还需要怎么去应对？

　　袁先登：确实应该有一些变化，你问的这个问题，一年半之前DeepSeek诞生的时候，我们其实做了很深刻的思考，但是这个过程肯定不愉快，很焦虑。安全很多年来是一个“守门员”，在企业网络的边界做守护，是比较被动的。

　　我们现在认为应该是一个伴行者，整个软件从诞生到使用的过程，包括业务流程的过程应该是一个伴行者，这是我们需要做的。展开来讲，我觉得有两点是我们觉得比较深刻的，需要改变的地方，一个是我们要把安全产品的思想变成安全能力的思想。产品是经过漫长的开发，经过测试推向市场，然后就定型了。可以重新改造它，但是都需要时间，可是AI时代不是这样的，每天都在变。所以我们应该把安全变成一种原子化的能力，让它分布到各个环节，无论是结构上的各个位置，还是时间节点的各个时间点，它应该有它在，应该把它从一个站在门口的“守门员”变成一个全流程网络毛细血管里面的伴行者，这是需要做的。

　　第二，我们也更深刻地思考，我们觉得应该把安全这件事从一个成本中心变成价值中心，一提到安全就是要买很多的东西，然后去放一个概率的事，有可能发生，有可能不发生，就是要花钱的感觉。传统的做防御就是这样，买了很多设备在机房里，有攻击来了，它有作用；没有，它就没有作用，就放在那，甚至有的时候来了也守不住它，现在需要改变，把它变成一个价值中心。怎么样去改变呢？我们思考了很多，安全是我们追求的，如果安全实现了，能给客户带来什么，我觉得实现了安全就应该是更加便捷，更加有序，更加自由。如果能实现这个，对企业来说就有很多的价值。

　　让各个企业实现安全，能够很便捷地去拥有所有的软件，很多的国内外的大模型，今天要做的是文字，我们调用A模型，要做的是视频，可能调用模型，效果最好，成本最低，在切换过程中又是非常无感的。盛邦安全还做基于微信互联网的业务，一个客户一艘船如果在地球上航行，到了不同的地方，可以调用不同的卫星通讯，靠近岸边的时候可以使用5G基站，让它很可靠地做通信，很省成本地做通信，我觉得我们做的事就很有价值。这两个是我们觉得最大的两个感受。

　　确实AI来了之后，我们要改变。这三场圆桌我都听了，其中每场都有嘉宾提到了软件是工具，未来需要的是结果，不是工具，软件可能很麻烦。大家都说日后软件不值钱了，因为AI写软件太厉害了，软件变成了日抛，需要的时候就写一个，用完了就没用了，面对这种情况，我们确实需要很多的思考，我觉得这也是一个企业能够长久发展必须做的事情。

　　朱君：在AI时代，护航安全的作用任重而道远。

　　问一下四维图新的孟总，四维图新高清地图是自动驾驶生态的基础设施，在数据共享和数据资产保护之间，我们怎么去寻找一个很好的平衡点呢？

　　孟庆昕：问题特别好，四维图新这么多年我们的客户都是车厂，从传统的燃油车到新能源，以及现在的智能驾驶，四维图新一直在做一件事情，就是如何让它的移动出行更安全，让政府的监管更放心，且如何让数据能够有效地共享，这才能让它的商业价值最大化。

　　举一个例子，比如说智能网联车初期的时代，车厂担心的是车端的数据采集出来，是否被别的车厂共享，把自己的核心算法拿走？对于我们的用户个人隐私只要进到车端，比如说语音交互的声纹，人脸识别，四维图新最早把智能网联车，包括智能驾驶涉及的个性和地理信息的脱敏，做了一整套的合规工具链。

　　具身智能机器人怎么去管理，它的移动的位置，以及每一个动作，进入的每个场景可不是在路上跑的智能车，它要进入家庭，要陪伴孩子、照顾老人，这些交互的场景怎么去做有效的数据采集、数据脱敏，以及当发生危险的情况下，怎么有效地监控管理，这些都让我们看到的是一个巨大的机会。理论上从智能网联车端的场景迁移到具身智能的场景。

　　前一段时间亦庄有一个机器人马拉松大赛，在赛前四维图新把所有的高清地图进行了采集，且能够看到自主奔跑的机器人，像冠军的荣耀，包括比较熟知的宇树、天工、智元这些机器人都装了四维图新的时空数据安全合规方案，也就是我们能够做到无论从采集到最后的合规，是做到了整体的闭环，这就是主持人提到了从自动驾驶的数据库延展到具身智能，怎么有效地平衡，大家还是关心的数据合规怎么做，数据安全，以及数据共享，这是我们看到了现在对于行业理论上任何一个场景，像智能车如果没有数据安全作为前提，可能商业化门槛也进不去。具身智能也是一样，所以这就是我们看到的。

　　朱君：下一个问题想问中科创达的杨总，中科创达为智能汽车和互联网提供操作系统的解决方案，现在当AI去重新定义终端智能的时候，我们所构建的生态底座需要做哪些调整呢？

　　杨新辉：跟上一个问题有一定的连续性，我们对这次AI带来的变化其实还是感觉非常兴奋的。主要的原因因为AI带来的创新体验是以前完全没有的，以前很多的工作是在做跟随，由客户去定义产品，或者由产业界领先的欧美企业去定义产品，因为他们走的时间更长一点。AI时代来的时候，中国整个产业链的速度是非常快的，可以定义一些创新的体验，把AI放到车里面，放到座舱里面，放到智驾里面，放到其他的产品形态里面，这个体验完全是一个全新的，就是大家都没有做过。

　　去年我们在IAAMOBILITY上和英伟达，和吉利首发了大模型上车，端侧模型和云端模型互动产生了新的体验，这些其实大家都没有做过。所有企业在一条起跑线上同时去做创新，对他们就产生了非常多新的机会。对我们的战略升级，把原来传统的操作系统+AI升级为AIOS，通过AIOS把所有的产品再重新做一遍，让每个产品都有灵魂，以前的产品都是被动类型的设备，不存在真正主动感知的能力。现在有了AI之后，所有的产品都具备了新型能力，我们觉得是一个非常好的时代，对继续创新，持续把AI带到产业里的企业是非常大的机会。

　　朱君：这个问题可以用简短一句话来回答，可以来做一个预判，大家觉得在未来的三年，AI可能会给所在的生态带来的最大风险是什么？在两三年之后再回头看这个预判就会非常有意思。

　　袁先登：我们是做安全的，由于深度伪造，我们看到的视频图像都可能是假的，还有提到了AI幻觉，这些危险如果不解决，我们担心未来会带来数字世界，甚至由此也会引起物理世界的信任体系的崩塌。

　　孟庆昕：其实数据的开源共享是非常重要的，如果大家都是认为自己的场景自己来做，将来我们认为这个产业也是一个无序的发展。

　　罗骅：基于AI应用的风险会有几个方面，第一个方面就是在于数据，我们是需要权威而专业的数据，AI不会打开互联网功能去爬各种数据，更多会用到更加权威和专业的数据，去做AI的预训练。

　　第二，做预训练的过程当中，实际上它的整个模型的训练和迭代是由专业的专家来训练，而不是说普通的技术人员去做训练。

　　第三，在模型层面，我们会基于最擅长的大语言模型，最擅长的多模态模型，还有擅长的医学模型，基于这些模型去提升能力，在很大层面上能控制风险，去规避掉AI的幻觉。

　　在目前严谨医疗AI应用的环境下，我们希望通过数据应用，以及专业的专家能力去尽可能规避AI幻觉，为客户提供更加专业而精准的服务，这既是风险也是挑战。

　　杨新辉：我觉得企业和个人同时的挑战，就是要做结构调整。企业所做的结构调整，要把人才结构向AI去趋向，选择用AI，掌握AI。对个人来讲，个人的知识结构也要往AI上去靠，就是我们讲的AIFirst，不能说硅基和碳基再去竞争了，现在看起来确实竞争不过，所以只能选择拥抱AI的方向，去做AI不做的事，企业也是这样的，拥抱AI。

　　闻化：从我们的企业和行业来说，我认为最大的风险可能是算力设备硬件技术的迭代周期会超过整个目前的硬件设备折旧周期，我们做整个设备的运营和管理，从过往的PC和传统服务器来说，它是一个完整的生命周期，不管是折旧周期还是管理周期，是非常完善的。AI这几年才兴起，现在做算力业务还没有完全跑完这个周期，这个对未来可能最大的一个影响就是设备减值，加上整个行业的价格竞争，会带来比较大的压力，对利润表现可能会有比较大的影响。

　　朱君：非常感谢五位嘉宾给我们带来精彩的分享，一起合影留念。

　　通过几位嘉宾的分享，让我们对于行业生态现在的发展，在AI时代的浪潮之下，对于行业的理解有一种拨开云雾的通透感。