导 语
2024 年8 月 31 日下午 2 点，制造业高管们齐聚上海，共同参与了《精英六人谈》系列讨论的最新一场。这一活动再一次成为制造业 CIO 和 IT 负责人们交换思想火花、深入探讨前沿趋势的理想平台。本期的嘉宾主要来自新能源、汽车、汽车零部件以及化工等行业，围绕企业出海过程中 IT 系统的构建及 AI 智能体在制造业中的应用展开了热烈讨论。
本次活动首先聚焦于企业出海过程中面临的 IT 系统建设及跨境合规问题。
在全球化背景下，美国的产业政策对中资企业在美扩展提出了更高的要求，尤其是在信息技术和制造业等领域。近年来，美国政府通过一系列产业政策，力求通过技术创新和产业升级保持其全球竞争力。同时，严格的本地化要求为中资企业带来了不小的挑战。
首先，中资企业必须应对美国对敏感技术领域的政策红线。美国对涉及国家安全的技术出口施加了严格限制，特别是在半导体、人工智能和网络安全等关键领域。若想进入美国市场，中资企业需严格遵守这些政策，否则可能面临禁令、罚款，甚至市场准入的撤销。
其次，本地化是中资企业在美国市场取得成功的关键要求。美国政府强烈支持本土制造业与就业增长，因此，企业在美开展业务时，必须确保制造能力和供应链的本地化。这不仅意味着生产设施需要落地美国，还包括研发中心、数据中心和其他关键资源的部署。
尽管全面本地化战略能够帮助中资企业更好地适应美国市场，但同时也增加了运营成本和复杂性。因此，中资企业在进入美国市场时，必须仔细权衡政策风险、成本和长期发展战略。这一趋势不仅影响中资企业在美国的发展模式，也为全球化背景下的企业战略带来了新的挑战。
在建设数据中心时，必须重点考虑数据跨境合规问题，特别是GDPR的充分性认定。目前，包括日本、韩国在内的15个国家已获得充分性认定，允许数据自由跨境传输，而新加坡和香港尚未获得认定。因此，企业在这些未获认定的地区传输数据时，需要采取额外的合规措施，以确保符合欧盟的数据隐私和安全标准。
利用AI技术在企业进入某国市场前进行合规标准的预测与检测，具有极大的潜力。通过AI对各国法规和政策进行实时分析，企业能够提前识别潜在的合规风险，尤其是在数据隐私、跨境数据传输和行业监管方面。AI还可以自动监控法规的变化，并提供及时的合规建议，从而帮助企业有效应对复杂的国际监管环境，降低法律风险，提升合规效率。这将为跨国企业在新市场中的顺利运营提供强有力的支持。
但是需要通过下面的措施，使AI技术能够有效保障合规检测的时效性与准确性，帮助企业降低风险：
实时数据更新：与官方法律数据库、政府网站和国际法规平台建立实时连接，确保AI模型能够获得最新的法规信息。这能保证AI能够快速识别最新的政策变化。
多源数据验证：通过多渠道获取法律法规数据，并使用交叉验证技术，以确保信息的准确性。AI可以从多个权威来源提取并核对数据，减少误报和遗漏。
定期模型更新：AI模型需要定期更新和训练，尤其是针对特定国家和地区的法律、政策变化，保持模型的精准性和适应性。
专家审核机制：AI生成的合规建议应结合法律专家的审核，以确保模型输出的准确性和合规性。这种人机协作的方式能够提高AI的可信度。
地域性法规理解：不同国家和地区的法律环境复杂多变，AI系统应具备地域性法规的深度学习能力，以应对各国特定的合规需求。
选择合适的IT架构对企业至关重要，需要综合考虑多个因素。
首先，应评估业务需求和增长潜力，确保IT架构能够灵活扩展。
其次，必须考虑数据安全和合规要求，尤其是在跨境数据传输和隐私保护方面。云架构的灵活性和成本效益适合全球化企业，而传统的本地架构可能更适合数据敏感性较高的行业。
此外，架构的技术支持与维护成本、系统集成能力也是关键考量因素，确保企业运营的稳定性和可持续发展。
在确保实现7*24小时不间断服务的过程中，人的因素是决定性的一环。全部使用中国团队虽然能在沟通和管理上更加顺畅，但在实际操作中可能面临排班压力和员工过度疲劳的问题。尤其是年轻员工，由于工作与生活平衡意识的增强，很多人不愿意长时间工作或参与轮班制，这使得长期维持高效的7*24小时服务变得困难。
相对而言，选择全球化团队能够利用时区差异，通过不同地区的团队成员协作，避免单一地区员工超负荷工作。例如，北美、欧洲和亚洲团队可以通过轮班覆盖全天，但这种跨时区的协作也伴随着一定的挑战。文化差异是一个常见问题，不同国家和地区的员工在工作态度、沟通方式和决策速度上存在明显差异，容易导致误解和效率低下。此外，远程团队之间的沟通和协作成本也较高，尤其在面对复杂问题时，文化冲突可能导致解决方案无法迅速达成。
中国企业应综合考量两种方式的优缺点，选择最适合自身业务模式的策略。一种可行的方法是采用混合模式，即在核心业务上使用本地团队，确保关键任务的高效执行，同时通过全球化团队支持非关键任务或提供跨时区的技术支持和客户服务。通过这种方式，企业可以在平衡文化差异的同时，提升员工满意度，确保业务的连续性和高效性。
在深入探讨企业出海过程中面临的IT系统建设和跨境合规问题后，讨论的重点逐步转向了AI技术在制造业中的广泛应用。
首先，杠杆不高是一个常见的问题。AI 项目的成功通常依赖于较高的资源投入与技术支持，而当企业未能充分利用其已有的数据、技术基础设施和人才优势时，AI 项目往往无法实现预期的成果。许多企业期望通过较小的投入获得显著的产出，但在 AI 项目中，杠杆效应较低，项目难以形成规模化的应用，导致初期的试点或实验虽然成功，但无法为企业带来长期的实际收益。
其次，POC（概念验证）门槛较低，但工程化成本却大幅上升是AI项目失败的另一个关键因素。在AI项目的初期阶段，企业通常通过POC来验证技术的可行性。POC阶段通常成本较低，所需的时间和资源也相对有限，因此许多AI项目能在这一阶段顺利通过，达到80%的可用性。然而，真正的挑战在于将POC阶段的成果转化为大规模的工程化应用。这一转化过程往往需要大量额外的资源和资金投入，因为要将 AI 系统从80%的可用性提升至95%甚至更高，所需的工程化开发和测试成本急剧上升。这种成本的突增常常超出企业的预算预期，最终导致项目难以为继。
最后，项目边界过高也是 AI 项目失败的一个常见原因。许多企业在启动 AI 项目时，设定了过高的目标和不切实际的边界。AI 技术本身仍在快速发展，企业若在项目初期就设定过于复杂或全面的目标，反而容易导致项目脱离实际业务需求。企业通常试图通过AI解决一系列复杂问题，但忽视了AI的应用场景和技术能力的实际限制。结果，项目的复杂性逐渐增加，项目边界不断扩大，导致资源分散、管理困难，最终导致项目无法按时交付或达不到预期效果。
中外AI生态的不同
首先，在技术发展上，中国的AI发展更注重应用驱动。许多中国企业通过迅速将AI技术融入商业模式，推动了金融科技、智能制造、零售等领域的创新。而在国外，尤其是欧美市场，AI技术的发展更多集中于基础研究和技术标准的制定，强调AI的长期影响与技术伦理。
其次，应用场景的差异也十分明显。中国企业在AI的商业化上展现出较高的灵活性，能够快速落地应用，并且容忍一定的试错风险。相对而言，国外企业在采用AI技术时更为保守，往往需要经过严格的评估和监管，尤其是在数据隐私和安全方面的合规要求更高。
最后，市场环境的差异决定了AI生态的发展模式。中国的市场规模大、数据丰富，为AI模型训练提供了大量的实际应用场景，而国外市场则更加注重国际化扩展和跨行业的标准化合作。这种生态差异推动了中外AI技术在不同方向上的快速发展。
在讨论 AI 技术的应用场景时，选择适合的场景至关重要，这不仅影响项目的成功率，还决定了企业能否从中获得持续的商业价值。通常，适合 AI 技术的应用场景应具备高收益潜力、较高的容忍度以及相对较低的边界要求。
首先，商业模式的高收益是企业选择 AI 应用场景时的核心考量。AI 技术需要大量的初期投入，包括算法研发、数据获取、模型训练以及硬件设施等。因此，只有那些能够带来显著商业回报的场景，才值得企业投入资源。
其次，较高的容忍度也是 AI 技术得以有效应用的重要因素。在一些具有高容错率的场景中，AI 技术可以通过持续优化和迭代来提高精度和性能。例如，在营销自动化和客户服务中，初期的模型可能不会百分之百准确，但这些领域对偶发错误的容忍度较高，允许AI系统逐步完善，从而实现持续优化。而在一些关键的医疗诊断或金融交易场景中，容忍度相对较低，AI系统必须达到极高的准确率，导致部署和落地更加困难。因此，在选择AI应用场景时，企业应考虑该场景是否允许技术在运行中逐步完善。
最后，较低的边界要求有助于AI技术更快落地。AI项目的成功与否在很大程度上取决于其所需解决问题的复杂性和边界。边界过高的场景往往意味着AI技术需要处理大量的变量和复杂的环境，导致开发周期长、成本高，并且在实际操作中难以取得预期的效果。例如，在无人驾驶技术中，AI需要应对极其复杂的道路和交通状况，这样的项目边界较高，难以快速落地。而在一些边界较低的场景中，AI可以专注于单一任务，降低开发难度。例如，物流领域的路径优化或仓库管理中的库存预测，都是边界相对较低的应用场景，AI技术能够在这些领域快速产生效果。
结 语
在讨论的最后，嘉宾们围绕各自企业的实际应用场景，深入探讨了AI技术的可行性及其具体应用方式。各行业代表分享了AI如何在不同业务领域发挥作用，然而，考虑到信息保密和业务敏感性的要求，本次讨论的具体案例和细节未不能公开披露。我们鼓励有兴趣的企业和专家积极参与未来的线下活动，通过面对面的深度交流，更全面地了解AI技术如何与实际业务需求结合，从而推动企业的智能化转型与创新发展。
《精英六人谈》的愿景是成为企业高层决策者之间交流和学习的首选平台。我们致力于搭建一个促进思想碰撞、分享前沿洞察并驱动行业发展的平台。我们相信，通过这些小规模但高质量的交流，可以激发更多的创新思维，助力企业创新，引领变革。
