2025年4月18日，由非凡资本领衔主办，霞光社、给力讯息、云赛空间协办的「生成式AI商业高峰论坛暨第六届非凡奖颁奖礼」在上海漕河泾万丽酒店圆满落幕。
此次盛会吸引了超过80位AI领域的演讲嘉宾和千名AI相关从业者参与。通过主题演讲、圆桌论坛、互动展览和晚宴派对等丰富多彩的活动形式，非凡资本为参与者打造了一个全面而深入的AI行业交流盛会。
大会首场圆桌会议以《AI浪潮：上市公司在资本市场中的价值创造与战略决策》为主题。主持人是国金计算机首席分析师孟灿。嘉宾包括：方巍森（光典信息发展总经理）、陶振宇（中亦科技大数据解决方案部总经理）、王兵（艾融软件研究院院长）。以下是圆桌讨论核心内容：
AI对业务的影响：
AI（特别是大模型如GPT、DeepSeek）极大改变了行业，尤其是在过去一个季度加速。公司积极开发基于AI的新产品和工具，提升内部生产效率（如档案处理、内部管理、销售支持、编程辅助），将AI能力融入现有产品。
客户对AI的兴趣和需求显著增加，AI已成为业务洽谈的必需品。客户主动寻求现有系统的AI升级。金融行业对此应用谨慎，但正在积极探索，尤其是在大模型成本下降后，小型机构也有了应用可能。
具体的AI应用案例：
内部主要是提升管理效率（如员工报工）、优化日常工作（如写报告、销售标书）。
外部包括：利用AI进行跨模态数据检索和分析（如档案、历史文献），将非结构化数据转化为结构化知识体系；提升便民服务响应速度；升级运维监控、数据库管理等现有产品，实现故障快速发现和定位；帮助客户降低成本，如提高客服效率、防范AI攻击（如人脸识别防伪）。
挑战目前主要集中在“帮客户省钱”，更大的难点在于如何通过AI“帮客户赚钱”，这需要解决数据整合、跨部门数据打通、数据合成等问题。
AI对行业的长期影响与壁垒：
AI不会完全颠覆行业，但会提出更高要求，促使企业适应、发展和突破。AI的替代效应在短期内同时影响多行业，带来挑战，但也带来机遇（如AI编程需要高素质工程师）。核心壁垒在于具体的场景应用经验、结合本地数据和行业知识的能力，以及数据治理和新知识体系的构建。对行业的深入理解是AI无法完全替代的。
目前最快落地的环节是提升内部效率和帮助客户降低成本。未来潜在空间最大的环节是帮助客户创造新的收入来源，以及构建企业级、部门级的专业AI服务体系。
孟灿：感谢非凡资本的吴总团队，感谢主持人，也感谢各位台下的小伙伴和各位科技行业从业者。我是国金证券研究所计算机行业的老研究员，叫孟灿。当然，在几位前辈面前，我们也属于晚辈了。今天也很荣幸能够主持这个论坛。希望通过跟几位上市公司领导的交流，让大家从产业应用落地的角度，了解上市公司在主业和AI结合上的新拓展。我就不多耽误大家宝贵的时间了，咱们直接开场。
因为主持人已经对三位嘉宾做了简单介绍，我想请三位嘉宾再简要补充一下自我介绍，尤其是讲一下自己负责的业务以及怎么重点跟AI结合的。简要讲一讲就行。好，那先请方总开始。
方巍森：很高兴有这个机会参加这样的一个活动。我是光典信息发展有限公司的总经理方巍森。我们母公司是一家科创板创业板的上市公司，2015年上市的公司，主要从事几个板块的业务，包括档案业务、政务业务、司法业务、食品安全业务。我主要负责档案政务这块的业务。作为一家上市公司，我们这块业务主要是针对政府机关，特别是档案馆、博物馆这些文化场馆做一些相关的数字化赋能。早期主要是以信息化的应用系统建设为主，后来也从事一些数据服务，现在主要以AI为技术手段，进行生产力发展的服务工作。
陶振宇：大家好，我是中亦科技的陶振宇。中亦科技2022年上市，专注于IT运维领域20年了。我们围绕IT技术架构为客户提供了运维服务和产品，尤其是在信创服务领域。我们的产品研发团队聚焦在智能运维上，基于人工智能的技术，结合多年对行业的理解，为客户提供AIOPS产品。今天非常荣幸能跟大家一起交流。
王兵：大家好，我是艾融软件研究院的负责人。我们公司是北交所的上市公司，可能很多在座的朋友都听过。一方面，如果大家投在北交所有投资的话，或多或少都会听说过我们公司——去年9月份一个月暴涨了十倍。另一方面，从我们公司的主营业务来看，我们主要针对中国的头部银行业，提供数字化解决方案，进行联合研发开发等。在座的各位用的银行手机银行APP里面，可能有百分之五六十是由我们公司开发的。所以，我们公司在十几年以来一直与银行在数字化层面合作得非常深入。近几年，我们转向了AI、人工智能和虚拟现实技术在金融领域的应用。虽然像大模型推出以后，对银行有很大的促进和改变，但也面临很多挑战。通过今天的论坛，希望能够向各位专家学习并得到提升。
孟灿：第一个问题想跟三位领导分别探讨一下。过去两年多GPT的火爆，再到最近一个季度的快速发展，整个AI行业正在日新月异。比如对我们公司或各位领导负责的业务线，带来了哪些明显的变化？包括产品方案的供给端，以及用户兴趣意愿、接受度、付费等需求端的变化。过去两年和过去一个季度有什么新的变化？先请方总开始。
方巍森：在讲这个问题之前，我想把我们主营的业务给大家做个介绍。档案业务可能很多嘉宾和在座的朋友都不太了解，平时接触也比较少，但是一到人生大事的时候就一定要用到档案了。为什么这么说呢？上海早几年有一网通办，我相信每个上海市民都应该用过，手机上应该都有APP，对吧？一网通办里面的27项涉民办事事项，深入到每一个社区。其中有一块就是档案的工作，我们在很多事件办理时必须要用到这种资源。从早期的便民服务流程化管理，到现在更多的是在安全基础上如何使用好数据、保障数据，特别是数据的规范化和自动化。对我们行业的开展业务确实提出了一些挑战。特别是今年年初春节的时候，DeepSeek突然出来，很多机关单位的领导就开始说，“赶紧把我们的DeepSeek这些东西和系统进行全面接入。”基于这样的机会，我们确实做了大量工作，使我们的数据和业务形成了一个完整的闭环。特别是用了大模型应用之后，我们也积极开展了相关工作。
刚才主持人提到供给侧这一块我们做什么呢？我们立马从两个方面着手。第一个方面是通过AI相关技术，打造一系列针对本业务开展的软件和工具。原来可能需要大量人工的工作，慢慢从人工工作中脱离出来。我们在下面还开玩笑说，“方总你的秘书是不是已经被你开掉了？”我说，“快了。”所以说，很多半文半见的政府工作、窗口工作，很多已经被AI替代，或者至少提高了50%到60%的生产效率。所以窗口接待的时候也提出来，“哟，你们现在的响应速度居然有大幅提高，不像原来还要去翻查、翻找。”所以从某种角度来讲，对我们整个便民服务的响应度是有很大提升的。
另外从需求侧来讲，我们现在有很多商机订单等，也通过AI这一块做了进一步推进。大部分需求从最早的这种安全信创趋势，慢慢往AI这方面升级，而且这种需求量越来越大。可以这么说，不提AI你就没法出去谈了。所以在突击业务里面，怎么样使我们的数据层面更好地服务客户，我们提出了第二个方案，就是数据治理。所以我们推出了两个产品：一个是灵智AI能力平台，另一个是灵数AI数据平台。这两个平台是我们未来5到10年重点研发的产品和解决能力方案。
陶振宇：刚刚方总说得很好，还是要回到具体领域去做一些结合。其实最早的时候，大模型出来之后，我们就在思考它在具体领域任务上能达到什么样的水平。所以我们最开始做了一个运维标准的测试和测试方案。现在用最先进的大模型回头去测我们的方案，发现这种大模型在客观题上能达到90分，主观题上也能达到85分，是一个中高级工程师的水平。但在实际运维任务中，不是简单的问答，而是要借助很多工具完成复杂的交互。所以我们在积极推进运维领域的智能体研发，也取得了一些比较好的效果。
我想讲一个小点，去看新技术给供给侧和需求侧带来的变化。15年前后最火的是大数据，当时我们给很多运维部门的客户做运维知识库的需求。因为运维知识比较碎片化，管理一直是个难题。当时我们用的技术是ELK，基于大数据的FAQ库加规则引擎的方式去做。到了18-19年，最火的是知识图谱。我们跟很多客户讲，要用RDF三元组的方式存储知识，引入图数据库和推理引擎，帮客户做一些知识问答，也引入了一些智能概念。当时也取得了一定的效果。
到了2023年，客户主动来找我们，说以前做的知识库要升级，问我们新一代方案到底是什么样子，产品升级到了什么水平。这就是过去一年我们在做的事情。我想说的是，新技术的变化无论是在供给侧还是需求侧，都会带来同步的变化。随着大模型技术能力的持续提升，像MCP协议等共识的推进，我相信日常工作中使用大模型的地方会越来越多，与传统系统的集成节奏也会越来越快。未来一两年，我觉得我们的产品都会有大的升级，工作方式可能也会有一些改变。
王兵：要说到人工智能在生产和正应用，从供给侧和需求侧来讲，首先是要明确我们在大模型上的定位，或者我们公司对大模型的理解。我们认为，以DeepSeek为代表的大模型在应用方面可以分成“3+4+N”的概念。所谓“3”，就是对企业内部管理的作用、对企业生产的作用、对客户服务的作用。这三个方面来思考产品供给和客户需求。另外还有四个层次。
四个层次中，大家在用大模型时都觉得非常好用。但真正用到实际工作中时，你会发现好像总是差一点，不够权威，甚至幻想比较严重。在这种情况下怎么办？我们认为大模型的应用将来分为四个层次。第一个层次是通用大模型，像DeepSeek、GPT、Kimi这种。第二个层次是行业大模型，比如我们公司服务的金融行业，我们要针对金融行业做专门的训练和蒸馏，这些模型对金融行业更擅长。第三个层次是企业大模型，要在行业大模型基础上建企业大模型。最后是在企业大模型基础上，还要有一个类似于部门大模型或专家模型的模型。
这样才能对一个企业，特别是大型企业，形成完整的人工智能服务体系。在这个基础上再去建立N个智能体，通过智能体的服务去服务不同领域。所以从今年以来，过去两年和一个季度以来的变化，我觉得首先是我们公司未来发展打开了更大的空间。我们会觉得过去十几年的积累，在未来通过人工智能叠加会有更大的发展，也会有更大的领域。
所以我们也在开发了很多基于人工智能、基于大模型的产品，包括典型的人脸识别过程中，现在整个AI攻击、人脸攻击非常严重。所以我们利用大模型的一些功能，加上专家模型来应对AI换脸这种攻击，用人工智能对付人工智能，也取得了一些成绩。这是在供给侧。
在需求侧，特别是今年以来，金融行业对大模型的应用是非常谨慎的，大家都愿意尝试，但用的时候主要偏重于内部管理和试点状态。但今年蒂普提克出来以后，明显感觉到它带来了两个变化。第一个是过去大模型只有大型金融机构才能用得起，因为算力的问题。大型金融机构有自己的算力，小金融机构没有，只能望洋兴叹。但现在，小银行觉得自己可能布得起了，这是一个应用的变化。第二个是大银行纷纷探讨在部门级或专家级的专业细分领域如何吃透大模型。这一点可能会出现真正能落地的商业应用，所以这方面的变化感觉很明显。
孟灿：接下来我们进一步具象化。整个AI的落地，包括对内结合和对客户的赋能，有哪些比较具象的案例？比如在AI与coding的结合、招聘的结合等方面，提升了多少效率，优化了多少正确率？对客户的降本增效等带来了怎样的比例和幅度？请三位嘉宾分享。如果涉及特别细节或重大非公开信息，可以不用详细说明，或者讲个大概区间。
方巍森：前面提到我们的业务更多是资政育人，这和社会效益相关。今年有几个针对行业大模型垂直落地的应用场景。上海这边主要是多模态数据检索任务。因为上海是中国共产党几次重要会议的举办地，相关的领导会多方了解党的历史进程。这些文件之间有大量的关联关系，但信息散落在不同单位，数据碎片化且非结构化。
我们有个产品叫“星空搜索”，利用行业大模型进行跨模态、多模态的数据解锁，将文字、音频、视频、图像等数据整合起来，在海量数据中找到相关关系。第一步是将这些碎片化的非结构化数据转化为结构化数据，这是我们早几年的工作。现在的任务是进一步量化这些信息，找出它们之间的关系，形成数据化的展现方式。
通过AI技术，我们减少了人工工作量，提升了生产效率，同时保障了数据的安全性。举个例子，故宫的IP非常丰富，但我们只用了1‰的数据，已经产生了巨大的经济效益。我们通过AI技术挖掘典籍中的创意点，并将这些内容串联起来，形成知识体系。未来，从数字到数据，再到知识体系的建设，是我们的重要方向。
此外，AI的应用也颠覆了企业的经营方式。我们原来有几百甚至上千名研发工程师，但随着AI技术的应用，我们在人才梯队建设上重新审视了惯性思维。未来5到10年，AI工程师和行业应用解决方案工程师将是重点招募方向。
陶振宇：我从内部和外部两个方向来谈。内部方面，我们公司积极培养员工使用AI的习惯。例如，帮助销售人员写标书，根据招标文件要求筛选人员资质、经验和案例，并生成简历和合同。这些看似小的点，但效率提升非常明显。对于运维工程师来说，日常巡检和写报告的时间从几小时缩短到几分钟。
外部方面，我们开发的软件产品也在进行AI升级。比如运维监控平台、数据库智能管理平台等。春节后接触的新客户基本都对AI提出了新需求，这些需求与我们过去一年的工作完美契合。供给侧和需求侧逐渐达成共识，市场驱动着我们不断优化产品。AI技术的加持下，我们的实践能力也有很大提升。例如，“一分钟发现故障，五分钟定位，十分钟恢复”的目标正在实现。这些都是AI技术带来的实质性进步。
王兵：前面两位嘉宾的分享对我很有启发。关于AI在金融行业的应用，我们公司也做了很多思考，并有一些案例落地。
第一，从公司内部来看，AI提高了管理效率。例如，我们用大模型管理2000多名员工的报工情况，覆盖全国十几个城市的分公司。这大大提升了管理效率。
第二，对于服务的客户，目前讨论最多的是如何帮客户省钱。比如建立知识体系，提高客服应答速度，防止人脸识别攻击等。这些应用实际上是帮助客户降低成本。
然而，我们现在面临的痛点是如何帮客户赚钱。这一点在整个行业中还没有特别好的解决方案。要实现这一点，需要克服很多难点，比如基础数据的整合、跨部门数据的打通、以及数据合成技术的应用等。我们公司参与了一个国家重点数据合成项目，试图解决这些问题。
尽管目前面临一些限制，但方向是明确的。我们希望通过智能体和虚拟现实结合的技术，帮助客户创造更多价值。当AI真正能够帮客户赚钱时，这个行业的发展将迎来质的飞跃。
孟灿：接下来是一个大家长久以来关注的问题。中国的软件计算机行业与美国相比，产品化和SaaS化程度较低，更多依赖集成定制化软件外包。在这种背景下，AI的发展对我们行业的影响是什么？是否会有负面或中性的影响？是否会颠覆行业发展状态？另外，核心壁垒在哪里？目前落地最快的环节和模式是什么？未来潜在空间最大的环节和模式又在哪里？
方巍森：这是个好问题，也是个尖锐的问题。我不认为AI会颠覆行业的根本，而是对行业提出了更高要求。我们要适应、迎合、发展并突破。AI技术不仅改变了传统业务结构，还要求每个人都要懂AI，运用AI工具推动企业发展。
今年对我们公司来说是一个重要的AI元年。我们投入了大量资金进行研发，尽管当时有阻力，但我认为这是正确的决策。垂直模型和AI应用场景的落地是我们当前的重点。不仅关注如何帮政府省钱，还要帮企业赚钱。
我们梳理了七八十种产品，最终聚焦在15个AI能力平台上，分别在北京、上海、广州、深圳等地落地。这些产品不仅要解决实际问题，还要体现经济效益和社会效益。这是一个良性循环。
陶振宇：AI会不会颠覆行业？我心里也没有答案。有时候我会感到焦虑，因为很多人谈降本增效。但我认为，只要积极拥抱新技术，就不用太担心。我们过去的产品中已经有了一些AI功能，比如异常检测、容量预测等。虽然渗透率只有10%，但现在有了大模型技术，渗透率提升到了20%-30%。
我们的核心竞争力在于具体的场景应用，以及本地数据和知识的结合能力。关键是要将数据流程与企业业务流程相结合，不断积累新的数据和知识，并加以利用。双轮驱动，才能走得更远。
王兵：AI对行业的挑战是多方面的。与过去的工业革命不同，AI的替代效应在短时间内同时影响多个行业。这不仅是对我们行业的挑战，也是对整个经济的挑战。
如果我们仅仅聚焦在帮客户省钱，行业会越来越卷，失业率会增加。但如果能帮客户赚钱，就能拓展新的渠道，减少焦虑。例如，AI编程对我们公司的机遇大于挑战。我们需要高素质工程师对AI生成的内容进行甄别和优化。
AI并不能完全替代对行业的理解。例如，在金融行业，AI可能只能替代部分流程，但会产生新的知识。掌握这些新知识的人才永远会被行业需要。
孟灿：谢谢三位嘉宾的精彩分享。如果大家希望与上市公司产生业务或投资合作，可以会后联系几位领导或通过非凡资本的吴总团队对接。接下来的时间交给主持人和后续嘉宾。
走之前记得一键三连，好内容值得被更多人看见❤️