本文内容根据“数智跃迁：AI赋能消费品行业新增长” 专题会议上的高峰对话环节整理

技术狂飙背后，一次关于生存与转型的深度思考正在各行业中悄然展开。

近日，在“数智跃迁：AI赋能消费品行业新增长” 专题会议上，一场既不谈论宏大叙事，也不回避现实焦虑的高峰对话就此展开，由琥珀物言科技创始人&CEO刘志彬（左一）担任嘉宾主持人，与中粮福临门食品营销公司CIO宋世武（左二）、零售行业专家朱远刚（左三）、华彬快消品集团信息总监谢旭晖（右二）、天士力控股CDO史建华（右一）四位业内重量级嘉宾展开讨论。

以上五位嘉宾来自不同行业，从快消品到3C数码，从医药研发到企业服务，几位IT老兵倾情分享了AI浪潮下企业的真实应用与挑战，为广大IT同仁带来了诸多启发和思考，本文从渗透、分类、挑战、应对、影响、趋势六个专题出发，梳理了各位嘉宾的主要观点，以下为本次对话的详细内容。

一、渗透  

AI在企业应用已经相当广泛。宋世武首先描绘了快消品行业的应用场景：“AI就像龙卷风，卷到整个IT体系。”他提到的现实场景颇具冲击力——过去依赖数千业务员进行的门店巡查与稽核，未来可能被智能摄像头、智能眼镜替代。“未来AI的持续发展，稽核这项工作可能会交给更智能的设备去做。”

快消品行业正在全链路应用AI：从终端门店业务生成、经销商管理到促销费用管理。这种变革尤其适合业务员少、规模大的生意模式。如今中石化、中石油这类央国企已经走在前列，建立了多达数十个智能体。

朱远刚则以苹果防串货为例，展示了3C行业的AI应用深度。他讲到苹果通过AI大模型进行图片识别与数据校验，对商品从入库到销售激活的全流程进行合规监控。一旦发现异常便自动预警，甚至可以对违规代理商执行停止供货。代理商和零售店必须解释，误差超过一定比例，系统自动停止供货，影响极大。

华彬集团的谢旭辉分享了更早的AI实践，他讲到：“我们很早就开始做视觉神经网络，训练识别图像，做OCR识别。”大语言模型出现之前，就已经在用视觉神经网络做SKU识别、陈列场景识别、价签识别和门头照识别。“在投入成本上，这是最优方案。”

大语言模型带来了另一条赛道——效率工具。探索企业内部知识库构建，“AI把项目信息从几十份会议纪要中抽出来，甚至比人来做汇报还要有条理。”这也是AI的应用场景之一。

二、分类  

天士力集团的史建华提出了清晰的AI应用分类框架。“我们把它分成两类：价值创造类和效率提升类。”价值创造代表产品力，效率提升代表生产力。对于价值创造领域，特别是智能制造和药物研发场景，“这是可以不计成本投入的”。因此天士力集团与多家厂商合作，推进药物研发场景的AI应用。

效率提升领域则采取了不同策略。“我们大概列了18个场景，所有软件都要重新按照AI重构。”行业里有人在提“AI For Process”——需要重新审视流程，用AI视角重构。对于企业来说，业务需要把自己的痛点串起来，看是否能用AI解决。这种系统性的视角变革，才是AI真正带来效率提升的关键。

嘉宾主持人刘志彬讲到：“四位嘉宾中有三位所在企业已经拥有了垂类大模型。”这超出了他的预期，同时也显示出了传统行业在AI应用上并不落后于互联网原生企业。他还分享了一个观察：“互联网服务商最难的就是场景，尤其是在深入行业的时候，很容易成为‘瞎子’。”懂技术的缺乏业务思路，有业务思路的缺乏AI思考方式，这种鸿沟让很多互联网公司在企业AI落地时“有力使不出来”。

三、挑战  

现实挑战远比想象中复杂。朱远刚直言：“我认为现阶段推动AI还有不少困难。”最大的困难就是如何找到合适的场景，以及模型行业化、私有化后能否匹配业务场景。

谢旭辉则提出了一个更具体的问题：数据安全。他表示：“一般的民营企业来讲，投入产出是始终一个绕不过去的坎。”数据安全成为使用大模型的绕不开问题。敏感部门始终在意这一点：私有化部署大模型成本太高；API调用外部模型存在数据安全风险，如何达成平衡十分困难。

“我们与一位合作伙伴沟通了好久，他们提供了非常多保障之后，我才说服我们核心财务部门把文档知识库化。”史建华分享说，同时他总结了三个核心难点：场景、数据、认知。“场景价值是你首先要找的ROI项目。”在企业应用中，连贯性的数据很少，只能在点上找到一些数据。而认知问题最为棘手。“老板很焦虑，中层推不动，碰到成本问题可能老板又开始退缩了。”

对此，刘志彬也补充了一个现实：“在有些企业中，IT归财务管，甚至有些几百亿的企业都是这样。”在这样的情况下，IT部门的话语权甚微，想要推动AI的落地或许挑战更大。

四、应对  

面对挑战，各企业采取了不同策略。宋世武透露：“从国资委对大多数央国企的指导来讲，会有AI率的要求，因此企业就要思考到底有多少个业务需要融入AI。另外值得关注的是大多数投入可能还会进入智能工厂领域。”

朱远刚则寻求共创。“我们希望能够与业内的一些合作伙伴去共创，在某些垂类，或者某些场景上面的模型进行深化应用。”朱远刚强调，最终企业需要沉淀出自己的私有化模型，因为当下公有模型在安全性方面还是难以保证。

华彬集团采取相对务实策略。“在大模型这一板块我们不会自己去做，但我们可以自己部署一点小模型。”谢旭辉解释，对于聚焦场景，小模型就够了。他们与合作伙伴紧密合作，同时自己做垂类的小视觉识别模型。“把我们识别特别精准的小视觉模型和大模型结合起来，通过一些提示词限制，能够实现以前无法实现的功能。”通过结合两种模型，可以更精准地识别门店招牌名称，排除干扰信息。

天士力集团的实践更为具体：构建“素材工厂”智能体。例如从抖音扒取爆款视频文字、通过多维表格、结合营销方案和素材库、用大模型生成内容、评分筛选、再优化、最后投流的闭环流程。

史建华介绍说：“我们做了A/B组测试，一个人对五个人，看最后一年有多少条能进入排行榜。”这种务实做法让老板看到了实际的价值。

五、影响  

AI是否会导致大规模裁员？四位嘉宾观点不一。宋世武认为：“AI的发展到一定的高级阶段，就像打游戏，打到最后一关的时候，就是AI和我们的人类人性去决战的时候。”

他预见到AI或许将会挑战人类的权利边界：“人是不是把自己的权利交给它？是不是把我们的生命交给它？包括机器人做手术、远程医疗等等，是不是把我们脑子里的真实的想法交给它，这可能是需要从人性的角度去思考的问题。”

史建华相对乐观：“我至少没有看到大规模裁员是因为AI。”他承认AI会影响到一些岗位，就像电子门票取代印刷厂，但绝大多数人不会因此失业。同时他对人形机器人持保留态度：“为什么机器人一定要做成人形呢？”他不认为AI会在可预见的未来达到与人类对抗的程度。

刘志彬分享了一个现实案例：麦当劳、肯德基的营销海报制作过去外包给媒体公司，现在300多人的工作被AI替代，年省数千万元。某家居公司请明星拍摄产品的环节也被AI替代，单项节约成本达5000万。

六、趋势  

面对趋势，各位嘉宾用一句话表达了自身的看法。

宋世武总结：“AI会创造未来，当然AI一定是在人的指导下创造未来。”

朱远刚分析了短期与长期：“从短期来说，可能替代人的不是AI，而是懂AI的人。但长期来说，AI可能还是会替代绝大部分的工作。”

谢旭辉保持工具视角，他认为：“现阶段的AI还是工具属性，它并不具备通用智能模式，所以我们不用太过焦虑，好好去应用它就好。”

史建华引用了发展阶段理论：“AI的发展有五个阶段：大模型、物理AI、通用智能、科学AI、组织型AI。目前我们还没走过第一个阶段，所以大可不必焦虑。”

刘志彬最后总结到：“科技向善、人机共创是未来的趋势。”

回顾本次高峰对话，恰如一束探照灯，将AI浪潮下企业最真实的应用场景、挑战与应对清晰地投射在行业面前。从门店稽核到药品研发，从效率工具到流程重构，AI已不再是遥远的技术想象，而是加速融入业务内核的转型引擎。

我们能够看到，无论国企还是民企，巨头还是新锐，无一不在主动或被动地卷入这场深刻的生产力变革之中。技术本身已不是最高壁垒，真正的较量在于谁能更快地识别场景、更有效地平衡安全与效率、更系统地重构组织与流程。

焦虑在所难免，但焦虑的背后，恰恰是机遇。如各位嘉宾所言，与其担忧AI将“替代人”，不如思考如何成为“善用AI的人”。技术的演进或许会重塑部分岗位，却也必将催生新的角色、新的模式与新的价值空间。