企业网D1net 在企业数字化转型步入深水区的当下，生成式 AI 与 Agent 智能体浪潮正以前所未有的速度席卷各行各业。AI 已不再是可有可无的技术加分项，而是决定企业未来生存与竞争力的核心变量。

近日，通威股份 CIO 周勇结合通威作为光伏、农业双主业大型制造企业的一手探索，系统剖析了实体企业落地 AI 的现实困境，首次对外详细解读 "1+2+3" AI 转型战略蓝图，并披露了从办公提效、业务重构到智能决策的完整落地实践，为传统制造企业 AI 规模化落地提供了极具参考价值的样本。

通威股份 CIO 周勇

机遇与困局：实体企业 AI 转型的现实两面

斯坦福 HAI 最新数据显示，全球已有 80% 的企业在应用层嵌入了 Agent 能力，22% 的生产环境中部署了 3 个以上智能体，AI 正加速完成从感知到认知的技术跨越。在市场渗透层面，金融、科技行业的 AI 渗透率已超过 90%，制造业也达到 58%，产业爆发的大势已经确立。

然而，热闹的技术表象之下，To B 企业落地 AI 面临的现实挑战，远大于消费端。对于中国实体企业而言，AI 时代机遇宏大，但挑战同样严峻——这是一个充满未知的探索领域。通威在实践中，总结出企业 AI 落地面临的四大核心痛点：

技术迭代过快，投资方向难以判断。从大语言模型到 Agent 智能体，新技术、新框架层出不穷，企业难以判断投资方向，时刻担忧技术投入快速过时;不少企业跟风采购硬件和工具，却无法与自身业务有效结合。

缺少行业化、场景化的标准方案。过去数字化转型有成熟蓝图和标准化 ERP 实施路径可供参考，但 AI 高度绑定行业特性与岗位业务，没有通用模板可以直接复用。

缺乏从试点到规模化的方法论。多数企业能跑出少数 AI 试点 Demo，但难以复制推广;与此同时，组织变革、人才储备、业务流程重构等多重难题交织，使得规模化落地举步维艰。

数字化底座基础薄弱。大量企业尚未完成完整的数据治理，系统集成度不足，业务流程数字化程度参差不齐——而高质量的数据和打通的系统，恰恰是 AI 发挥价值的前置条件。

除此之外，一个更为隐蔽的挑战是"认知落差"：外部消费级 AI 工具体验惊艳，但落到企业内部复杂的业务场景中，即便是看似简单的需求也变得异常棘手。企业管理者的普遍心态，是两种情绪的复杂交织——一方面兴奋于这场伟大技术变革带来的增长想象，另一方面又深陷焦虑，害怕错失 AI 时代的发展窗口。

“企业 AI 落地最核心的根基，依旧是对业务本身的理解。AI 项目最大的难点，是深入业务，挖掘真实痛点，找到真正能够创造价值的场景。”——周勇

周勇强调，技术本身不是最大的门槛。懂业务、挖掘业务价值，才是传统实体企业 AI 突围的关键所在。

通威"1+2+3"AI 战略蓝图：拒绝点状试点，走系统化 AI 原生转型道路

通威的数字化建设历经多代演进：从 1998 年信息化 1.0 追求工作效率起步，一步步走到数字化 4.0 阶段，将"深度融合 AI"确立为迈向世界一流企业的核心方向。通威的 AI 建设并非一蹴而就，而是规划出清晰的演进路径：

2024-2025 年夯实 AI 技术底座;

2025 年面向各业务域开展赋能;

2025-2026 年打造以数据和知识为核心的驱动引擎;

2026 年起全面推进办公、业务、决策全维度的 AI 企业转型。

经过多轮实践沉淀，通威最终提炼出"一中心驱动、双底座支撑、三层次赋能、AI 运营体系"的1+2+3 AI 整体战略框架。该框架摒弃零散的单点 AI 应用思路，以体系化架构支撑企业级 AI 原生转型，服务于数字化 4.0"卓越运营、极致体验、融通生态"的总目标。

一中心驱动：统一知识引擎，本体+知识图谱打通企业数据资产

"一中心"是整套 AI 体系的核心驱动引擎，负责多模态异构数据的统一纳管。通威打破过去结构化与非结构化数据割裂处理的思路，将两者统一治理：不仅整合企业内部制度和业务交易数据，同时大规模吸纳外部行业知识——针对光伏主业，已沉淀超百万量级的全球光伏期刊、文献和行业报告，构建起企业专属的行业知识库。

依托本体建模与知识图谱的深度融合，通威打通了客户、产品、供应商、订单、渠道等业务实体之间的关联关系，实现数据语义统一，为上层智能应用提供了高质量的数据与知识基础。周勇认为，在向 AI 深度演进的过程中，本体方法论与知识图谱的融合，将成为企业数据治理非常关键的实现路径。

双底座支撑：AI 应用底座 + AI 模型底座，打造"装备库"与"大脑库"

双底座为数字员工和上层业务应用提供标准化、可复用的原子 AI 能力，包含两大核心板块：

AI 应用底座：内置 AI 工具库、AI 技能库，兼容 MCP 协议、CLI 接口及各类智能体框架，沉淀各业务域、各岗位可复用的业务技能。同时，通威积极推进传统业务系统改造，让系统不仅能服务于人，也可以被 AI 直接调用，为智能体协作扫清障碍。

AI 模型底座：建设大模型网关和模型推训平台，兼顾本地化部署模型与外部 API 大模型接入，支持多模型混合调度，提供模型训练、微调、评估、部署、安全管控的企业级全流程能力。同时，全链路 AI 安全管控贯穿始终，覆盖数据、模型、访问、审计、风险监测等全流程，牢牢守住企业 AI 应用的安全底线。

三层次赋能：重塑办公、业务、决策三大模式

通威将 AI 赋能划分为三个层级——员工层办公智能、业务层业务智能、企业层决策智能，分别对应三种业务模式的深度重塑。

办公智能：从"人找工具"走向智能化任务交付

传统办公模式下，员工需要自行寻找工具、整理数据、拼接结果，流程繁琐、重复劳动多。AI 办公模式以个人 AI 助理为载体，员工只需下达任务指令，由 AI 完成工具调用、数据处理和报告输出，将员工从重复事务中解放出来，聚焦于高价值的创造性工作，实现办公模式的根本性革新。

业务智能：人-数字员工-系统"三元协作"，重构业务流程

这是制造企业 AI 转型中价值最大、难度也最高的板块。传统业务模式以人为主导、线性推进，高度依赖人工，容易出错且响应滞后。通威提出围绕 Agent 智能体的"三元协作"新模式——真人员工、Harness 数字员工与数字化系统协同运行：数字员工承担自动化执行和辅助决策工作;系统完成数据贯通与流程自动化;人则聚焦于决策判断、创新优化。

这不是简单地给原有系统增加 AI 插件，而是一次 AI 原生的全面重构：重新梳理端到端业务流程和岗位职责，明晰哪些工作交给 AI、哪些必须由人完成，重新定义岗位角色，编排数字员工，实现真正的人机共生。以此带来效率跃升、质量提升和决策科学化，同时模型随业务数据持续迭代进化。财务、采购、销售、生产制造等全业务域，均可落地这套三元协作范式。

周勇透露，通威正在推进 AI 原生新一代业务系统的重构实践——不再是给老系统外挂 AI 功能，而是彻底重构流程、岗位和数字员工，打造人机系统全新协同模式，目前已在部分业务域开展落地建设工作。

决策智能：从"经验拍板"走向数据与 AI 驱动的精准决策

通威正在摒弃过往依靠管理者经验做判断的传统模式。依托"一中心"汇聚的全域内外部数据，通过本体与知识图谱打通数据与业务的关联，在上层构建起企业级决策智脑，提供智能推理、趋势预测、风险预警、模拟推演和策略推荐等核心能力。业务人员和决策者用自然语言即可完成问数分析，实现辅助科学决策——做到决策更科学、响应更敏捷、风险更可控，为企业的长远经营提供有力支撑。

AI 三维运营体系：人才 + 文化 + 产品，保障 AI 落地生根

企业级 AI 转型不只是一项技术工程，更是一场深层次的组织变革。通威搭建了包括人才运营、文化运营和产品运营的三维 AI 运营体系：

人才运营：搭建 AI 能力模型，分层定义能力标准，开展考核评估、认证授予和持续培训，构建企业内部 AI 人才梯队;

文化运营：通过系统培训、AI 大赛和实践案例分享，塑造拥抱 AI 变革的组织文化，形成全员共识;

产品运营：对 AI 应用进行全生命周期监测、评估和迭代优化，以数据驱动 AI 产品持续演进，确保 AI 应用真正创造业务价值，而非上线即搁置。

落地实践：大量AI应用落地，从办公助手到灯塔工厂的多智能体制造革新

依托整套战略框架，通威已在 6 大经营主体、7 大业务域累计上线2000 余个 AI 应用，其中高价值应用达 133 个。值得关注的是，已出现业务人员自主创新 AI 应用的现象——AI 不再只是 IT 部门的专属项目，业务员工也正成为 AI 创新主体。以下为几个典型应用场景：

全员办公智能："百晓通"一站式员工 AI 助手

"百晓通"作为面向全体员工的办公智能统一入口，承载了制度问答、个人信息查询、自助流程办理、AI-PPT、AI 写作、翻译等数十项技能，月均处理上万次办公任务，累计处理数千万次员工咨询。员工可以用自然语言查询规章制度、假期和考勤绩效，甚至直接通过语音或文字发起请假、请示等流程单据。

看似简单的员工助手，其落地难点并不在大模型能力，而在于企业知识治理和精细化的权限管控——不同制度信息对应不同的访问权限，这背后需要做大量企业内部知识的梳理与治理工作。

制造业务智能：灯塔工厂中的多智能体光伏生产质量管理

通威成功打造出四川本土、全球光伏电池领域首个灯塔工厂，AI 深度介入光伏制造全流程，带来显著业务收益：光电转换效能提升 12%，缺陷率降低 41%，转换成本下降 37%，CO₂排放降低 33%。

全流程质量 Multi-Agent 多智能体质量管控系统是其中的标杆案例。过去，光伏生产质量管理痛点突出：产前来料缺乏自动预警;产中全工厂质量波动难以实时感知;产后质量异常根因排查高度依赖工程师经验，完整排查耗时 3 至 15 天。通威搭建了一整套多智能体协同架构来系统性解决这一业务难题：Manager Agent 负责任务拆解调度;数据提取 Agent 与数据关联 Agent 负责拉取整合分散的生产数据;描述统计可视化 Agent 完成数据分析图表输出;异常检测 Agent 识别生产异常;机理模型 Agent 结合光伏工业机理进行校验;因果推断 Agent 挖掘故障根因;RAG 检索智能体调取历史复盘经验;报告生成 Agent 自动输出完整的质量分析报告。

整套智能体集群协同完成产前预警、产中异常识别推送和产后自动根因分析追溯。落地后，售后质量成本占比明显下降，质量分析工时大幅缩减，实现了质量闭环，将工程师从海量重复分析工作中释放出来，使其聚焦于研发创新。

电池片工艺参数 AI 优化是另一个核心场景。太阳能电池生产包含十余道工序、两千余种工艺参数，组合空间达到千亿级别，传统依靠工程师按月迭代、单工序调参的方式，很难实现跨工序的全局最优。通威依托单片级电池片 ID 追溯系统，每日处理千万级电池片生产数据、百亿级工业数据，训练机器学习预测模型，自动模拟最优工艺参数组合，完成配方的自动下发、产线验证和多产线推广。

该项目将参数验证周期从 7 天压缩至 2 天，数据处理人员需求下降 30%，电池转换效率获得可观提升。周勇特别指出工业核心场景 AI 的商业价值，远大于普通办公提效场景。

决策智能：基于本体论的 DataAgent 智能问数平台

通威在营销域落地了 Ontology + ChatBI 智能问答系统，以本体论方法论构建营销域数智大脑，沉淀了 90 余个标准化业务实体、600 余项实体关联关系和 129 个核心业务指标，实现三大核心能力：

● 自然语言智能交互问数——无需开发报表，即可直接获取经营数据;

● 自动巡检全量数据——实现风险预警，主动挖掘业务增长机会;

● 融合内外部行业数据——完成异常归因分析，推送可落地的决策建议。

平台问题回答准确率达 87.9%，实现了业务人员用自然语言驱动经营决策分析，大幅降低数据使用门槛，真正拉近了业务与数据的距离。

结语：实体企业 AI 转型，道阻且长，但价值可期

“AI 转型的困难比过去的数字化更大，但潜在价值也更加巨大。”——周勇

周勇表示，AI 浪潮为实体企业带来了巨大的时代机遇，真正让数字化的业务价值得以充分释放。

他最后总结指出，AI 转型不能追逐单点 Demo、跟风技术概念，而是需要搭建完整的企业级架构，夯实数据与知识底座;要从办公场景起步，持续向核心生产业务场景攻坚;核心是回归业务本身，用 Agent 智能体重塑流程，同时构建配套的人才和组织文化运营体系。唯有走 AI 原生的系统化转型道路，才能真正把 AI 技术转化为企业实实在在的核心竞争力。

关于企业网D1net(www.d1net.com)：

企业网(D1net.com)-企业 IT 第 1 门户。面向 IT 行业高端甲方人群(CIO 首席信息官)最精准专业的媒体，面向约六万政企 CIO、信息中心主任、科技部总经理等 IT 主管，提供资讯、营销、活动、项目合作推介等服务。拥有专业注册会员(IT 从业者)约 188万人，主要读者为政企用户及其信息主管、软硬件厂商等，服务过的企业级厂商逾五百家，国内toB的头部IT厂商基本都是D1net的客户。

同时，企业网D1net也运营着国内最大的CIO(首席信息官)专家智库和智力输出变现及社交平台-信众智，也是国内最大的科技高管社交平台。