鈦媒體的聯合創始人聯席CEO劉湘明（左一）、IBM大中華區董事長兼總經理陳旭東（中）、中順潔柔CIO楊森林（右一）

AI對于企業而言是個機遇，也是挑戰，它是讓企業實現彎道超車的“秘訣”，而錯過它，也很可能讓企業被拍在時代的沙灘上。與大型國有企業在資金、資源上有著豐富的儲備不同的是，對于中小型民營企業而言，既要在AI的變革中不落下風，又要將錢花在“刀刃”上。在這個變革的時代，對于百億級規模的民營企業來說，如何利用好AI技術，在完成從數字化到數智化轉型額度同時，讓企業實現新的增長，已經是企業管理層的“必修課”。

鈦媒體企業數字化IP《數字價值觀察室》本期請來了IBM大中華區董事長兼總經理陳旭東，以及中順潔柔CIO楊森林，在鈦媒體集團聯合創始人&聯席CEO劉湘明主持下，圍繞中小型企業數智化轉型過程中，如何抓住AI機遇展開討論。

中順潔柔是一家有著40多年歷史的生活用紙制造企業，在面臨著復雜經濟環境，渠道流量過度分散等挑戰的背景下，中順潔柔開始了從傳統實體家族企業，向著數字化企業轉變；從單一產品為主導，向著品牌為主導轉變的路程。中順潔柔的轉型一方面是外部環境挑戰，另外也是企業發展延續的必然。

在楊森林看來，無論是數字化轉型，還是數智化轉型，都是企業的變革管理。而在這個過程中，最難的就是人的變革/轉型。“當方法論、模式、工具都正確了以后，如何改變自己是企業面臨的最難的方面。”楊森林強調。

結合IBM對企業的觀察，陳旭東表示，當下企業在數智化轉型的過程中，對AI存在比較大的認知差，“AI等于生成式AI，”陳旭東指出，“這是目前很多企業都存在的比較大的認知偏差。”

此外，陳旭東表示，對于目前企業來說，在應用AI的過程中還會出現兩種誤區。

一種是：企業在AI領域盲目投資，“比如DeepSeek火起來之后，很多企業買了一堆一體機，就覺得是擁抱AI了。但經過半年的應用，發現其實并沒有什么效果。”陳旭東如是說。

另一種是：企業在計算AI的ROI（投產比）的過程中，存在錯誤的認知。陳旭東舉例到，比如有的企業原先的數據體系建設尚未完善，基礎的數字化工程也做的不好，在探索AI應用之前，這些企業就需要“補作業”，將基礎的數據體系搭建完成，并構建起完善的數據集，而企業卻將這部分“數字化補課”的投資計算到了AI應用投資之中，“這些基礎的數字化建設，即便沒有AI技術，企業若想完成數字化轉型，也是需要做好的，所以這部分的費用不應該計算到AI的投資之中。”陳旭東明確到。

而楊森林也有著與陳旭東相似的觀點，他表示，面對AI應用，企業需要首先具備充足的訓練AI所用的數據，形成知識庫，不能在尚未打好基礎的時候，就追求AI帶來的效益，同時，也不能因為沒打好基礎，應用AI效果不好，就歸結于AI不行。

具體到企業內部如何完成數字化，楊森林認為，企業在數字化的過程中，需要從業務的角度出發，倒推出自身的數字化架構，根據業務的需求進而搭建數字化系統，而不是先搭建好之后，再推廣給業務人員使用，“同時，企業還需要根據自身的企業文化去定制適合自身的數字化流程，好的流程能夠賦能員工，使其能高效的，并快樂的完成工作。”楊森林指出。

業務驅動的方式已經不僅僅是在傳統行業，諸如IBM這樣的國際科技巨頭中，也在盛行這種通過業務驅動技術發展的方式。對此，陳旭東表示，IBM watsonx Challenge已經推出三年了，剛開始的兩年，IBM讓內容員工先熟悉全新的watsonx系統，而今年開始，IBM開始要求業務人員根據自身業務，提出對AI應用的需求，之后由公司相關部門分析需求是否值得投資進行深入研發，“如果值得投資的話，我們會圍繞提出這個需求的業務人員搭建技術團隊，IBM會在全球范圍內提供技術支持，進而推動這個需求落地。”陳旭東如是說。

除此之外，在對話中，陳旭東還分享了IBM在服務中小型民營企業過程中，觀察到普遍的問題，以及IBM如何提供相應的解決方案，解決這些問題，并再一次重申了IBM對于中國市場的信心與未來業務布局的展望。

另一方面，楊森林在對話中還分享了中順潔柔在AI方面的一些應用，以及對于中小型企業而言，出海過程中需要注意的問題。

以下為對話實錄，經鈦媒體APP整理：百年科技巨頭，遇見數字化轉型“剛需”企業

劉湘明：各位觀眾朋友大家好，歡迎來到數字價值觀察室之IBM會客廳。我是今天的主持人，鈦媒體的聯合創始人聯席CEO劉湘明。今天我們也特別榮幸的邀請到了本次對話的兩位嘉賓，他們分別是IBM大中華區董事長兼總經理陳旭東先生，以及中順潔柔CIO楊森林先生。

今天我們是AI會客廳，聊聊AI，AI現在已經是一個非常大的話題。回到這個數字化領域，其實IBM一直是繞不過去的一個祖師爺。我們今天有兩個特別大的話題，大概一個是剛才我們談到的AI、另外一個就是出海。不管是數字化還是出海這兩個領域，其實IBM都是中國企業非常值得尊敬和技術的老師，對吧？

中國有兩個非常出色的出海企業：一個是華為，一個是聯想。華為我記得有幾句非常重要的話，任正非曾表示的“先僵化再固化再優化”，包括所謂的“削足適履”等等，這些都是出自當年IBM跟華為的交流合作中，任老板給下面員工下的這個指示。聯想方面，我覺得我就不是最有發言權的人了。旭東總當年是親歷的人，我覺得其實你可以給大家講講當年IBM和聯想的這個故事。

陳旭東：對，這個當時在業界還是蠻轟動的，就是IBM把全球的PC業務賣給了聯想。這個過程實際上是幫助聯想走向國際的這樣一個過程。因為國際化有很多條路的，有的自己去逐漸開拓，像華為可能更多是這樣一條道路。

聯想是用跨越式的一個發展，就是并購。其實國內有很多企業都在走這條路，所以很多企業并購了國外的一些大的品牌。所以在這個過程中，聯想通過IBM的這個thinkpad這些產品，使得自己一步就在國外就有響當當的自己的品牌。然后在這個過程中，把IBM的運營知識融合到聯想自身的一些優勢上進行整合，整合以后，在過去十幾年，在全球的PC市場上，一直保持著全球領先的地位。這是得益于那次跟IBM的并購，還有學習的過程。

IBM在全球有114年了，進入中國也有40年。這40年里頭，除了像聯想、華為這種企業，IBM有過陪伴他們成長以外，其實還陪伴了很多中國的企業成長。包括國內所有大銀行，大的國有企業都是IBM的客戶。通過IBM的技術和咨詢，讓這些企業在過去40年有蠻大的成長。所以IBM對中國的IT行業做了非常大的貢獻。培養了最基礎的IT人才的底盤。培養了一些客戶對IT知識的認知。這些都是IBM給這個社會非常大的貢獻。40年已經過去了，未來IBM在雄厚的客戶基礎的上，繼續把產品和服務拓展到更多需要這些產品服務的企業，向更多的民營企業去拓展。

現在我們逐漸走到企業身邊以后，他們發現跟IBM還是有很多可以合作的點，通過IBM產品技術和服務咨詢來提高他們在市場上的競爭力。這個過程中也有很多企業走向國際化，而且在國外建立了很強的品牌，在全海外的收入超過中國收入，這樣的企業還是蠻多的。我覺得在過去幾十年里頭，我們在企業發展IT系統建設上面，整個中國IT生態體系建設上面，IBM作為一家全球企業做了很大的貢獻。

劉湘明：下面問一下楊總，首先請你介紹一下中順潔柔這家企業，也介紹一下中順潔柔在關于數字化，出海、AI方面的一些事情。

楊森林：中順潔柔是一家擁有四十多年歷史的生活用紙頭部企業。面對經濟下滑、渠道流量過度分散等挑戰，公司啟動了從傳統實體家族企業向數字化企業轉變、從單一產品主導向品牌主導轉變的進程。

這個轉型過程需要一個催化劑，這便是我們提出的數字化，或者更準確地稱之為“數智化轉型”。其核心是將更多原本由人做出的決策，交由數據和機器來完成。

事實上，早在兩年前我們就開始嘗試應用AI。彼時使用的是ChatGPT，而如今，以DeepSeek為代表的開源AI技術迅猛發展，這正與我們倡導的理念相契合。盡管大型語言模型存在局限，但我們通過多種技術手段進行了補充，形成了“數智決策”能力。因此本質上，無論是數字化轉型還是數智化轉型，都是企業的一種變革管理。

而企業變革的核心是人的變革與轉型，這也是最困難的部分。對于實體企業而言，時至今日，我們面臨的最大困難或許在于：在掌握了正確的方法論、模式與工具之后，如何有效落地？改變自身無疑是最具挑戰性的環節，這與“出海”所面臨的困境頗為相似。

兩年前，中順潔柔已開啟出海布局。然而關鍵問題在于：如何行動？我們是否真正了解不同國家的風土人情與市場特色？我們能否滿足各國對中國紙類產品的嚴苛要求？我們是否熟悉目標市場的知識產權規則及相關服務？這些都是中國民營企業（特別是營收在200億以下的中小企業）出海時必須直面的難題。如何以最高效、最低成本的方式實現出海，同時最大限度地降低失誤率與失敗風險？這是中順潔柔當前面臨的重大挑戰之一。

劉湘明：楊總發言其實為后面的討論埋下了很多引子，咱們一點點的來，回到旭東總這邊。IBM去年進中國就40年了，IBM在中國的歷程伴隨著整個改革開放。當下IBM在中國的主要業務領域和戰略的方向是什么呢？跟當初有什么不同？

陳旭東：跟40年前比的話，IBM在全球的業務結構發生非常大的變化。就剛才我們談到的，PC業務賣給聯想，然后又將X86服務器也賣給了聯想。IBM在不斷把自己的業務結構從，以硬件為主，轉變為以軟件和咨詢為核心的架構。

在過去十年內，IBM收購了很多軟件的企業。最大的一個就是花了三百多億美金收購了Red Hat（紅帽），目前來看，IBM的全球業務架構找那個軟件和咨詢業務，在全球的業務占比達到了80%，硬件則變為20%。（這個數據可能在20年前是倒過來的）

IBM在中國的業務也跟隨著這個變化趨勢而轉變。比如在40年前，所有人買PC，買服務器應該都是買的IBM，包括全中國基本上所有的銀行都會采購IBM的服務器、主機、存儲之類的硬件。然后用數據庫來建立了整個銀行的管理系統。

目前，IBM在硬件上的業務主要以存儲業務為主，IBM的客戶結構也在發生變化，從原來以國有企業，特別是銀行金融機構為核心，大的國企（中國移動、電信，石油）轉向了以民營企業為核心的轉型。可以說，IBM從產品結構到客戶結構都發生了很大的變化。

此外，IBM銷售運營體系也發生了變化，以前針對大的企業客戶，都是IBM自己去面向客戶為主。現在面對更廣泛的民營企業群體，我們更多的通過合作伙伴去觸達我。然后通過給合作伙伴提供相應的技術培訓，由他們最終為客戶來提供相應的產品和服務。

增長遇見瓶頸，中順潔柔如何實現破局？

劉湘明：回到楊總這邊，我很感興趣的就是作為一個非常傳統而且很成功的一個紙業企業，為什么你們現在有這么大的動力去推動整個的全面的數字化？

楊森林：企業的數字化轉型，很大程度上源于企業經營遭遇了巨大瓶頸。在增量時代，企業普遍盈利，大家發展狀態良好，并未意識到存在明顯問題。

以中順潔柔為例，2016年公司營收僅為20多億元。而在2000年代末期，我們實現了約90億元的營收。直至2023年前后，公司營收更是達到了歷史峰值。然而，高速增長的背后掩蓋了企業中存在的一些問題。

時至今日，我們發現市場已進入縮量時代。如今消費者購買一件產品，至少可通過7至8個渠道進行購買，并且能夠進行全網比價，產品與消費者之間的信息愈發透明化。因此，我們已無法依靠過去的手段來經營當下的生意。

我們不得不轉向依賴數字決策。而要想實現數字決策，就必須擁有數據，這些數據來源于系統。系統要有效運轉并發揮作用，就必須落地應用。這便是企業必須進行數字化轉型的核心原因。

為此，我們采取“三管齊下”的策略：一方面夯實數字基礎建設，一方面完善智能決策系統（智能大腦），同時補全缺失的數據。我們期望用三年時間，追趕他人十幾年走完的數字化進程。

在這個過程中，我們需要引入一批高精尖人才，建立更優的制度與體系，讓他們加入企業，對數字化進程進行糾錯和糾偏，從而實現彎道超車——這才是真正意義上的企業轉型。

劉湘明：你剛才說準備用三年的時間跑別人十幾年的路，現在進展怎么樣？跑到哪了？

楊森林：目前，我們在營銷端已經打開了局面。我們的首要規劃非常明確：并非盲目追求降本提效，也并非一步到位地建設一套高度標準化的數據體系、流程體系或完整的數字化轉型藍圖。我們的當務之急是優先解決業務增長問題。只有當我們賺取足夠利潤后，才有余力進行優化和降低成本。試想，如果手頭只有100元，無論怎么節省，空間終究只有幾十元；但如果手頭擁有1萬元，即使采用最粗放的降本方式，也能節省數百元——規模效應帶來的空間完全不可同日而語。

因此，我們第一個突破點選擇了線下營銷方案。利用先進的算法技術，我們對線下“人、貨、場”（消費者、產品、賣場）的關系進行了智能化重構與精準匹配。快消品行業線下數字化的核心，實質上要回答一個關鍵問題：?為什么消費者進店后，不能以我們希望的價格購買商品？??

目前，我們已在線下增長這一關鍵課題上取得了突破性進展。通過實施新策略，上半年線下業績增長迅猛，成功填補了過去一年的利潤缺口。在此扎實業績的基礎上，我們的策略自然向前延伸：在確保銷售與業績持續增長的態勢下，我們將重點追求供應鏈送貨環節的最優解。自古“得供應鏈者得天下”——產品要“賣得好”，物流要“送得準”，賬目要“算得清”。解決這三大核心問題后，產能瓶頸與生產制造環節的挑戰將成為下一個攻克目標。

我們的轉型路徑是清晰的：首先解決支撐業務增長的關鍵功能與顯性布局；待這些基礎穩固后，再著手處理大家“看不見、不理解”的中臺能力建設、流程標準化、數據規范化及主數據治理等專業模塊。遵循這樣的邏輯，數字化轉型才能真正落地生根、長久發展。

AI不等于生成式AI，企業仍存在很多誤區

劉湘明：那現在的做數字化轉型跟前幾年很大的不一樣，出現了一個新的變量——AI，那你覺得AI對你縮短整個數字化轉型的進程起到多大作用？

楊森林：關于AI的應用，我認為目前存在一個普遍誤區：AI并不等同于以Transformer架構為核心的自然語言大模型。

像DeepSeek、ChatGPT這類自然語言大模型，其特質更像是一名“文科生”。然而，當前企業需要的許多能力，其實是“理科生”擅長解決的問題——比如確保數據的絕對精準，或是通過簡單指令快速調用報表與應用。這些需求無疑屬于AI范疇，但并非自然語言大模型所能有效覆蓋。

生成式AI的崛起，本質上為企業強化了數據決策與智能決策的能力。我們需要的是一位具備強大數據決策能力的“智能大腦”作為伙伴，這才是能切實解決當下實體企業經營困境的AI形態。反觀當下的自然語言大模型，其核心價值主要在于提升效率，而這種提升往往需要通過減員等人員變動才能真正體現其經濟性。試問：如果效率提升之后，團隊規模與成本結構依然維持原狀，如何證明你投入的AI應用是健康且可持續的呢？

劉湘明：剛才旭東總談到了現在IBM準備深耕民營企業，楊總剛才談的整個中順潔柔的思考是一個特別典型的案例。我也想聽聽從IBM角度來看，中國民營企業在AI的應用，包括投資領域有哪些誤區？包括為什么企業現在談到整個AI其實就有點降溫的態勢，大家的這種預期，包括ROI好像不是那么理想，你覺得原因是什么？

陳旭東：第一個誤區：AI等于生成式AI。從IBM的觀察來看，很多人認為AI就是生成式AI或者干脆就是大模型，就是DeepSeek。但其實從AI誕生到現在應該有70年了。IBM在十幾年前曾經發布過一款產品，叫watson，這款產品在全球已經擁有了四萬多家客戶。

在生成式AI出來以前，AI已經在我們生活中廣泛應用。比如，最典型的就是導航，導航已經有很多年歷史。在生成式AI出來以前，導航的算法絕對不是根據大模型來算的，它是一套數學算法。包括生成式AI也是一套數學算法，更多的是用概率的算法。

第二個誤區就是對于AI的投資的誤區。企業到了真正要用AI的時候會出現兩類情況。一類企業，它對AI的認知是不清楚的，他也不知道該從哪下手；另一類，有一定認知，這些企業碰到的最大挑戰就是投入產出比（ROI）。

第一類的企業容易做出來沖動的投資，比如DeepSeek出來以后，很多企業就去買個一體機，然后覺得這完成了公司給我的AI任務。但是我相信絕大部分用處都不大，所以他對認知不清的時候，容易產生沖動性消費。

第二類，對于有一定認知，然后不清晰的人，他通常會覺得ROI不合算。實際上，AI應用的效果，很大程度上取決于企業的數字化水平。就像剛才楊總說的，你們自己現在也覺得好多數據不健全。如果你要基于不健全的數據進行AI分析的話，第一步需要把AI數據體系建起來。這部分投資到底算AI投資還是算數字化投資呢？這個就很有意思的一個問題。嚴格意義上應該屬于數字化補課的投資。但你如果把數字化補課投資都算到AI投資上，那AI可能就投入產出有點看起來不太合算。

楊森林：企業需要有一些相對標準和正確的數據，并形成AI的知識庫，你要喂給他才可以，你還要有會用的人，但是有些企業太著急了。從DeepSeek的大火，一直到現在將近半年，有些企業就已經失去了耐心，開始覺得這個AI不行，但其實是他們沒做好，并不是AI的能力不行，我認為這是一個誤區。

陳旭東：我覺得你補充的特別好。實際上現在還有一個現象，可能導致大家會有這個困境。大家回顧一下，幾十年前任何一個技術推出來的時候，只有一家企業在那說。他說的時候有一套方法讓大家照那做。現在AI出來有50家企業說我能做AI，然后這50家水平參差不齊，你也不知道哪個是對的，哪個是錯的，然后你就不知道該用哪個。

以前比如說大型主機就IBM有，那大家就跟著這個路走，因為肯定是對的，不然他就做不出來。但是人們并不知道這50家做AI的企業是不是都是對的。所以很難讓大家能夠做出正確的一個判斷和選擇。所以這也是很多企業面臨著一個很大的一個挑戰，他不知道該選誰的。

楊森林：是這樣的。加上現在有一批企業并不是真正懂AI或者有做好AI的能力。就導致了現在我們甲方的視角去選擇這些AI的時候，沒有辦法判定好壞。當你擁抱AI之后，又回到了我剛才那個話題。我找了一個不靠譜的人被騙了一次，我覺得這個AI不行，不會認為是自己的錯誤。我覺得很多的企業都在經歷著這樣的一個局面。

陳旭東：所以剛才楊總又點到了另外一個誤區，以前的IT技術引進公司的時候是由IT部門主導。但是AI技術進來以后，不再是IT部門絕對主導的技術。AI技術要真正用起來，可以給企業帶來效益的，絕對是要業務部門驅動。如果業務部門不提出來，IT部門去做，也不會有任何結果，落不了地。

數字化重構“人貨場”場景

劉湘明：所以剛才旭東總談了很多的痛點，楊總也非常認同。就是我想請教一下，中順潔柔已經取得了階段性的一些成果，這個實現的路徑是什么樣的？剛才談到了怎么樣去找到合適的合作伙伴和合適的外部資源？到底打破了哪些內部的流程？實現了什么樣的ROI呢？

楊森林：作為技術背景出身的管理者，我與算法及數據洞察背景深厚的CFO形成了優勢互補，堪稱“天作之合”。我們將他對數據的深度理解與算法能力，創造性地應用于IT技術領域，原創性地實現了“人（消費者）、貨（商品）、場（賣場）”的智能化重構匹配。這顯著提升了中順潔柔的產品選品精準度，使其更加聚焦核心目標人群。

在此基礎上，我們不僅優化了選品邏輯，更成功解決了選店難題，由此在營銷決策模型中提出了“高潛門店”概念。

中國零售網點總數超過300萬家，而中順潔柔自身業務員僅千人規模，即使加上經銷商體系總人力也不過數千人。面對如此龐大的市場，全面覆蓋顯然不現實。核心問題在于：憑借有限的人力和資金，如何精準定位并聚焦于最可能產生效益的門店？這本身就是一個極具價值的模型方向。

然而，即使聚焦于“高潛”模型，我們仍需面對一個嚴峻現實：當前中國市場年化門店關停率高達30%。必須清醒認識到，?一家門店倒閉造成的損失，往往相當于十家門店創造的利潤總和。一旦選址判斷稍有偏差，十家門店的盈利瞬間化為烏有。這一現實催生了第二個關鍵模型：在識別高收益潛力門店的同時，?精準規避潛在虧損風險，從而確保整體擴店策略的精確性。

第三個戰略支點是渠道精耕。在此過程中，我們沉淀了基于“人貨場”的海量內外部數據（包括公域數據），并通過二次算法挖掘與匹配，最終構建了一套全新的“人貨場”智能匹配機制。

這套策略組合已初見成效：

1、弱勢市場突破：試點城市合肥業績實現了70%的顯著增長。

2、強勢市場進階：即使在已占據近30%市占率、三年增長停滯的西安市場，我們依然取得了近30%的增長，并額外提升了5%的凈利潤率。尤為可貴的是，這些市場的凈利潤率在原有穩定個位數基礎上實現翻倍。這一切都驗證了線下營銷數字化方案的戰略價值。

當然，推進過程并非一帆風順。例如：初期如何化解業務部門的抵觸？當業務部門質疑“你們懂技術的不懂業務，憑什么讓我們配合這種技術性實驗？”或者以“業務繁忙，無暇參與”為由拒絕合作時，我們如何破局？

我們的應對之道是：?深入業務一線，用事實說話。我們親自走訪門店、調研市場、參與鋪貨，直至做到“比業務更懂業務”——業務人員能做的工作我們同樣勝任，而他們不具備的技術驅動洞察能力，則成為我們的獨特優勢。

因此，此次實踐的首要也是最重要的心得在于：?我們為中順潔柔找到了未來線下增長的可靠路徑，堅定執行是唯一要務。基于當前成果預判，未來三年內，即便不對方案進行重大優化，它亦能支撐業務規模實現翻倍增長，其潛力可見一斑。

劉湘明：這個的確是業績增長最有說服力的。但是我個人的觀察，這基本上還是發現了業務的問題單點突破，然后摸著石頭過河解決問題。中順潔柔是個百億級的企業，未來怎么去邁到更高的臺階，可能還有很多體系性系統性的工程，這個是不是一個很大的挑戰？

楊森林：這確實是極具挑戰性的任務。信息化的本質在于信息的傳遞與連接，而真正數字化的最終目標是解決決策問題，即實現算法決策。因此，我們所有的努力都在推動算法決策的實現。

但我們的流程體系呈現出縱向鏈條的特點。與過去的業務流程標準化實踐，以及類似IBM的大型方法論相比，可能存在一些差異。我們探索的是具有“中國特色”的流程建設路徑——并非一味追求業務流程的完全標準化，而是尋求與企業自身文化的融合。

中順潔柔是一家極具彈性、充滿人文關懷的企業。并非所有場景都完全適用機械的標準化流程；相反，我們更注重將中國文化特質融入其中。

我們的流程體系可能與傳統理念有顯著不同。然而，正是這樣的流程背景，使團隊工作得更加順暢自如，員工樂于接受這樣的流程——我認為這就達成了流程建設的初衷。好的流程應該賦能員工高效工作，達到這個目的，便是成功。

數據治理方面同樣如此。當我們通過顯著的業務增長成果反推過程時，發現包括AI模型的搭建在內，我們成功構建了具備75%準確度的模型。接下來的關鍵任務是：若能為知識庫輸入一批更精準的數據，AI的決策精度必然隨之提升。

策略是首先讓業務部門切身感受到AI的有效性（即使暫時精度不足）。在這一階段，我們可以爭取時間聲明：“AI已顯示出價值，只是精度有待提升。請給予時間，我們將致力于提升數據準確性。”正是在這樣的背景下，我們的主數據治理框架與整體數據標準化體系得以迅速推出。推進過程中非但沒有遇到阻力，業務部門反而充滿期待，主動提出核心關切：例如“一物多碼”問題解決了嗎？混亂的產品報目清單理順了嗎？迭代中的一代、二代、三代產品上市與退市管理清晰了嗎？事實上，是業務需求在驅動我們前進。

我們的方法論始終是“倒推式”的。我始終堅持將自己代入業務角色，力求比業務人員更懂業務。你關注的增長KPI或許僅限于本部門，而我承擔的是全公司所有部門的增長KPI。換一個視角思考與實踐，路徑自然順暢。

因此，我們優先解決了方案落地問題，后續再查缺補漏，逐步解決其余挑戰。

新技術，在IBM內部先“跑”起來

劉湘明：也能看到中順潔柔在AI化數字化領域，動作是非常的堅決。回到IBM這邊，美國軟件行業有個話叫吃狗食，就是什么東西做出來自己先吃一遍。我特別想了解IBM自己在應用AI方面都做了哪些實際的工作？

陳旭東：應該說我們是AI比較大的受益者，這個是得益我們自己對AI的認知，因為我們知道AI一定是有用的，只不過是用在哪里的問題。我們整個數字化建設基礎還是比較不錯的。比如像我們客戶的管理，這些系統都非常健全。所以你要去找以前所有客戶的數據，都能找到很完整的數據來分析我們自己。比如說在銷售上，我們內部就有這樣的系統。只要你把跟客戶接觸全過程記錄下來，通過歷史的各種參數的判斷，系統會幫你判斷這個客戶值不值得再進一步往前推進。

我們內部搞了很多，在供應鏈、HR、財務，包括營銷等上面，全部都是自己在用。比如報表，我們有一套EPM系統，所有的報表都在上面，可以根據你的需求來定制化生成（報表）。

除此之外，還有一件事，IBMwatsonx推出的三年間，每一年都搞了一個叫watsonx Challenge，就是讓員工自己參與到這個實踐中來。

前面兩年都讓大家先熟悉watsonx系統。今年做法就變了，要求每個業務部門的人去根據自己業務，提出對AI有什么需求，之后由公司專門機構來評估這個需求是不是最值得投資的。（如果）最值得投資，IBM會將全球的技術力量集中起來，進行研發。這樣就變成業務驅動。

這樣的話這個項目肯定會落地，因為這是他的需求。這樣的話，我們AI內部的應用，從最早期是被逼著推著走，已經慢慢轉向了由業務部門在驅動。

AI大模型落地場景有哪些？

劉湘明：其實你們兩個不約而同的都在談業務驅動AI。回到楊總這邊，就是你剛才談了很多AI的應用，我特別想追問一下，就是在這里面能不能給我們分享一兩個AI大模型落地的案例？包括在過程中到底解決了哪些問題？還有哪些容易踩坑的地方跟大家分享一下。

楊森林：剛才提及的“人貨場”匹配就是AI決策的典型應用。現在再分享兩個更具體的例子——一個是生成式AI的應用，另一個是AI決策的應用。

?第一個例子是生成式AI在財務差旅流程中的應用：?? 傳統差旅申請涉及填寫行程、粘貼票據、申請核銷等多個環節。如今，只需一句話指令（例如：“幫我提個出差申請并報銷這張發票”），上傳發票照片后，整個流程一步即可完成。切勿小看此類小型AI應用——此前，公司財務部門需安排40人專職處理票據粘貼與核銷事務。其價值并非僅僅在于AI本身的技術功效，更在于推動了底層勞動力向高級勞動力的轉型?：傳統的出納型會計得以升級為管理型會計甚至戰略型會計。即便如此微小的應用，也在財務轉型中發揮了切實的推動作用。

?第二個例子在供應鏈領域的AI決策探索：?? 我們的B2C業務模式是廠家直發消費者（Direct-to-Consumer）。過去，該流程因涉及快遞公司選擇、包裹類型判定、物流成本核算等問題而異常復雜。現在，我們利用算法驅動，實現了包裹與特定區域消費者的動態精準匹配。該算法需綜合模擬各種影響因素（如配送路線、特定區域未來兩天內包裹接收密度預測等）。同時，依托公司七個生產基地及多個倉庫的布局，系統會動態匹配各倉庫的實時庫存與未來三天的生產計劃，最終實現送貨環節的最優化方案。

最直觀的成果是千萬級成本節約，這完全依靠AI決策算法驅動實現。那么生成式AI在其中扮演何種角色？當一批次貨物完成分揀后，工作人員僅需調用系統下達簡單指令（如“這批貨發完了”）。此處，生成式AI主要提供了自然語言輸入與指令輸出的交互層。

然而，整個應用的核心競爭力在于底層算法引擎——正是算法彌補了各環節的決策需求，甚至可以稱之為“AI全場景驅動”。其最大優勢就是直接帶來了千萬級別的降本效益。在投入成本方面，我們雖搭建了全功能版本（“滿血版”）模型，總投入也僅在百萬級別。這意味著用100萬投入撬動了1000萬利潤——如此高效的投入產出比，無疑是極富價值的商業決策。當切實實現盈利增長時，關于團隊能力、數字化價值乃至AI有效性的質疑自然煙消云散。

劉湘明：剛才提到了決策AI，這其實就是一個比較核心的應用。但是AI我們都繞不過一個很大的問題，就是幻覺的問題。

楊森林：我想就這個話題闡釋兩個核心觀點，其中或許有一個略顯“驚世駭俗”。先闡述解決方案層面的觀點。

在內部調用AI的過程中，主要涉及輸入和輸出兩個端口，這如同房屋有其入口與出口。從本質上看，我們還需要調用DeepSeek模型的深度處理能力——過去這部分如同“黑盒”般無法透視，而如今我們已能洞察其深度運算的完整過程。

該模型先前模擬了約8種思維模式，但這種基于Transformer機制的方法存在瓶頸（早期使用的是RNN序列處理，并包含凈化機制）。然而，即便Transformer機制本身也無法充分確保結果的高精度。

如何提升精確度？關鍵在于在模型內部運算完成、結果輸出之前增設一道“閘門”。目的是攔截可能的錯誤輸出：即當大模型生成不可靠內容（“胡說八道”）時，通過這道閘門將其過濾。舉例說明：過去提出100萬個問題可能產生100萬個回答；現在通過閘門機制，或許僅輸出70萬個回答，但能確保這70萬個結果的可靠性。這正是本地知識庫結合算法攔截所實現的成效。

第二個觀點可能與主流看法不盡相同：盡管我們也在推進數據清洗與治理以優化知識庫，但我認為有必要提出一個反思：過去沒有任何（數字化）系統的時代，企業依然能做出有效決策并實現盈利。如今，置身于信息化、數字化高度發達的環境，我們反而失去決策能力？這本身是個偽命題。

因此，AI決策的有效性并非必然依賴于數據治理的極端規范化；相反，它伴隨著風險與機遇的共存。我認為這里存在一種戰略性的博弈：?你是否敢于進行局部押注？?? 在一些特定業務領域，不必過度追求徹底消除AI的“幻覺”（其存在可能具有持續性）。我們更需要聚焦的是：在實體企業的哪些具體環節應用AI，才能最大化其價值？

陳旭東：我補充一些觀察。實際上楊總公司還是挺有特色的，特別在信息化數字化建設上面，像楊總這樣的CIO相對比較少，因為他同時又負責戰略的變革。這兩個身份放在一起，特別有利，技術是一個必選項。利用技術去驅動企業變革，實際上特別有利于企業的發展。像楊總這樣，懂技術，然后企業CFO也懂得算法，這種非常難得，具備這個特點的企業非常少。

他們揭示的這些問題，是共性的。比如說在企業里怎么去用AI，對AI的認知，我覺得都是值得大家學習和借鑒的。比如說有一些認知，像你剛才提的幻覺，確實不是AI應用中最大的挑戰。我們說的幻覺更多是大語言模型出來的幻覺。在很多決策模型下，實際上是不存在這種幻覺的。

決策模型可能在某些情況下可能不一定是最優解，但沒關系，他90%的情況下是最優解就OK了。就像供應鏈整個優化過程中，也不敢保證在這個算法下，每一單都是最優解。但是整體下來，比原來省了1000萬，很明顯就已經比原來的解優秀了。但你敢說他最優解嗎？也不敢說，所以我們企業不是追求最優解的，我們是要追求進步。

劉湘明：反過來講，旭東現在是IBM在中國的最高決策人。對你來說，你做決策的時候有多大的程度會去借助AI呢？還是說完全跟原來的決策過程是一樣的。

陳旭東：我想給你舉個例子，我不一定通過AI來做，但我在說服整個組織用AI。比如現在我們在做的另外一個是東西叫Ask-Sales。其實很多sales（銷售）真正要發揮作用，培訓一個sales（銷售）懂得IBM這么復雜的知識也是很大的挑戰。

IBM光軟件就有好幾百個，你要真的什么都懂，或者每一個都精通，其實理論上是做不到的。但是我們現在在做一個什么模型呢？就是我們有目標的客戶群，我們的軟件適合哪些客戶？我們會有一個入口。比如說銷售把客戶的信息拿來輸入信息，然后根據知識庫來幫他判斷這個客戶像不像我們的客戶。就有點像描繪一下這家公司跟我們的生意有多大關系，這家是否值得做？

第二個就是，一旦有了接觸，比如說跟楊總聊了多長時間。然后你總結出來的東西寫給這個系統，這個系統就會幫你分析，他有什么痛點，有什么困難，然后給你導出來一些分析，最后給你建議，用哪個解決方案能夠滿足客戶的需求。能夠系統的分析，供銷售參考，如果覺得不對，銷售還能再去做調整。我覺得這就有助于企業內部提高效率。

IBM能為中小型企業帶來什么？

劉湘明：對。再回到最開始的問題，旭東其實也談到了業務重心現在聚焦在民營企業，楊總他們就是個特別典型的民營企業，規模在百億左右。我的問題就是你們現在服務他們這樣規模的民營企業，你覺得你們現在具備哪些能力呢？憑什么去服務他們呢？

陳旭東：其實剛才這個楊總已經替我回答了很多，企業他要找別人幫忙，一定是遇到了困難和挑戰。現在是普遍性的我覺得有兩個大的轉折點。

一個轉折點就是剛才楊總提到的，整個產業在經過過去高速發展以后，現在面臨了一個平臺期。怎么在這個平臺期的競爭中勝出？這是一個企業現在全部都在考慮的問題。那這個問題只有兩個解，一個解就是全球化，第二個就是高端化。想不在低水平競爭，怎么能脫穎而出？在更高的地方建立起競爭力，這兩個都是企業家夢想的方向。國際化和高端化兩個都不簡單。這里頭我們可以幫助企業的就是給你出主意，你往這兩條路走，到底你要思考哪些東西？最核心的是：要明確公司戰略，很多公司不清楚要如何制定戰略。

第二個就是我們現在觀察到民營企業基本都到了一個換代的轉折點。你看潔柔公司就很好的轉向了以職業經理人為主的時代。還有很多企業轉向了二代經營。無論是轉向職業經理人還是轉向了二代經營，他們共同的選擇都是做數字化。

我們經常說每個技術會帶來技術的原生態。由互聯網公司帶來互聯網的原生企業。AI時代其實也會帶來AI時代的原生企業，他一開始就覺得我就得用AI，企業的數字化也一樣。比如前面幾年建立的企業，建立在完整的數字化平臺上。他就沒說我為什么要這些數據，而是一開始就積累數據，而這些企業他們將來在AI應用上可能會很順暢。

這些還沒有完全建起來的，借著這波轉型一定會很大的投入，來完善他們的數字化或者補數字化的課。這是我們看到的大商機。這個過程中確實需要有人來幫他。

我覺得IBM一方面能在公司戰略上給這些公司提供一些建議，也就是我們的咨詢業務；另一方面，IBM能在數字化轉型方面提供一些方法和工具，推動數字化落地。

大家以前總覺得IBM特別貴，IBM給人貴的原因是什么呢？以前我們賣大型主機給銀行，每一臺很貴，大多數企業可能用不著這么大的算力和那么高的可用性。大部分應用沒有這么高的可用性要求，一旦把這個要求99.9%，后面六七個9的話，就會變得很貴的。

所以大家在理解，以前主要客戶群在那，現在我們同樣一個技術可以用在民營企業。這時候我們要求的高度可能就沒有那么高了，所以整個的成本各方面也會降下來。而且我們更多通過合作伙伴更多的去降低這個成本。

劉湘明：這個有沒有什么更具體的例子幫助哪些民營企業現在做了這些事情？

陳旭東：有一家企業我覺得跟楊總他們很像。也是傳統企業，做某一個零部件的企業。它已經是個全球化的企業。在發展過程中，老板還沒有退位，但是準備移交給下一代。下一代進來看的時候，就推薦了用IBM這套技術，幫企業建了一套系統。建了這套系統以后，老一輩的人覺得特別好，他也不著急退休了。就以他們這個應用作為范本，然后建立起一套去可以服務周圍其他的同輩創業家，然后給他們去提供這相應的服務，這是我們在蘇州孵化了一家。從客戶變成了合作伙伴。

第二種就是我們直接通過技術幫他提高生產效率。以前我經常給大家舉過例子，跟生成式AI沒有關系。我們幫助一些做了很大的企業，他每天訂單無數，訂單進來轉化成企業內部生產訂單，很多企業就很亂。我們也是通過機器學習，把上億張訂單學習，然后轉化成內部做比對。把錯誤率從15%降到只有3%左右。這樣的話整個企業效率提高了很多，出錯率大大降低。

還有很多是我們原來傳統的一些企業在生產過程中，質量檢驗。很多質量檢驗還是靠人來看，知道這東西合不合格，看久了眼睛就看花了。我們有一套系統叫視覺檢測系統，幫企業做檢測。通過一段時間學習，準確率比人要高很多，而且他不會累。

還有一些復雜的場景。汽車行業現在研發速度越來越快，就給他推薦研發管理系統，復雜系統的研發管理和簡單系統的研發是不一樣的。靠人來監督是搞不定的，部署以后，整個研發就是數字化了。

現在還有很多企業固定資產非常多，但是大家沒有算過一本賬。每年固定資產存續的話，大概得花的固定資產總值的10%。我不知道在你們企業怎么樣，各種生產設備，每年要維護保養它，這個成本是很高的。這個成本每年你要降一個點，就是很多錢。我們有很成熟的一套資產管理系統，幫企業做預測性維護，只要用我們系統給你打保票至少省一個點，甚至不止。因為生產設備有好多零部件，零部件管理可能就是一個問題。為了維護生產設備，經常很多企業零部件過剩，所以很多企業管理的細節是可以去不斷優化的，我覺得民營企業在這個階段其實蠻需要我們。我剛才提到的這些，有些是提高研發競爭力，有些是提高資產利用率，這些都是對企業發展非常有幫助的。

出海、AI....百億規模企業還需要“乙方”提供哪些能力？

劉湘明：講的非常好。楊總你聽旭東總講了這么多，你們現在對IBM，比如說現階段你會有什么樣的需求呢？

楊森林：中順潔柔可以視為眾多實體企業中的一個典型代表。我認為，營收規模在200億以下的企業，其核心訴求與我們基本一致。當下，我們面臨的最大困境在于如何破局。而要真正實現破局，最終只能依靠自身——因為沒有人能夠手把手地指導每一步。

因此，我們亟需一位長期的導師——并非提供一次性咨詢，而是能夠陪伴企業從“小學”（起步階段）一路成長，直至完成“初中”、“高中”乃至“大學”（成熟階段）。

以中順潔柔當前所處階段為例，我們相當于“初中生”需要完成三年學業，自然需要導師的系統指引。正因如此，我們與IBM合作的首要訴求點便是：?必須是一位長期陪伴成長的導師型伙伴。這個合作不預設具體KPI或剛性要求，其價值正如剛才旭東總所言——IBM能指出潛在改善空間（例如“這里可優化成本降低一個點”、“那里可如此嘗試提升效率”）。畢竟，即使將中順潔柔所有高管的成功經驗匯聚起來，不過區區幾十個案例。

而IBM已服務全球上萬家企業，其視野之廣闊、經驗之豐富堪稱“只有您想不到的，鮮有他們未接觸過的”。IBM能為我們提供極其多樣化的實戰案例庫。例如，在“出海”這一極具挑戰性的話題上，IBM完全可以憑借其全球經驗反問我們：“您的目標市場是哪里？具體策略是什么？類似案例我們都實踐過。”——這正是我們期待導師提供的關鍵支撐：持續陪伴并提供多元化場景的解決方案。

我們第二個明確訴求是：?獲得一套標準化的企業轉型方法論與實施體系。引入IBM成熟的方法論、專業的決策工具乃至辦公輔助系統后，其賦能效果顯而易見——必將顯著提升我們的運營與決策效率。

綜上所述，我認為IBM對于廣大實體企業，尤其是營收規模在300億以下的群體而言，可能是當下最應尋求的戰略伙伴。因為在這個群體里，我們不僅清醒認識到必須破局，正積極尋求破局之道，同時也擁有足夠的意愿投入所需資源。

劉湘明：對，說的非常好。剛才談到出海，楊總你們現在出海的這個真實狀況是什么樣的？

楊森林：誠然，中順潔柔可視為實體企業探索出海的典型代表。但我認為，營收在200億以下的企業所面臨的真實狀況是：?我們尚處于在地圖上規劃路線的摸索階段。

?首先，知識產權問題已成為一大障礙。?? 雖然我們在越南建立了海外中心并取得了顯著成果，但整體戰略并非僅聚焦單一國家的突破——這源于不同國家迥異的文化背景及生活用紙領域特定的專利要求。這些復雜因素構成了出海的第一層壁壘。僅我們意識層面能夠預見的障礙，可能僅占總量的3%?。

真正的挑戰在于：?大量未知風險無人預警，我們只能親身“踩坑”后再艱難脫身。?? 盡管多數中國企業出海過程異常艱辛，但一旦成功跨越此階段，發展前景將非常廣闊。因此，在與IBM探討合作時，我們首要訴求就是：?請幫助我們優先識別風險，而非急于提供方案。希望IBM能系統性地梳理一百種真實失敗案例，這些“前車之鑒”的價值遠超成功經驗。??

?其次，我們極度缺乏深度的海外市場數據。?? 目前掌握的信息非常有限。以生活用紙品類為例：若想進入東南亞、阿拉伯國家市場或阿布扎比，誰能提供關鍵決策所需的數據支持？——例如該地區便利店的數量與分布？零售渠道整體規模？頭部零售商是誰？是否存在與其他品牌的合作機遇？如何高效構建銷售渠道？這些都亟需數據支撐。因此，中順潔柔整體仍處于出海探索期。

盡管已在部分國家取得初步成績，但尚未形成成熟、可復制的拓展模式。當前最緊迫的任務，是將前述兩大關鍵點（風險識別與數據獲取）高效整合。我們期待一位資深導師能夠詳解“出海十大核心風險點與一百種潛在壁壘”，并結合中順潔柔特點，針對性剖析其他企業遭遇過的實際困境。建立這種結構化知識體系與可靠信息渠道，才是我們當下最迫切的需求。

劉湘明：那旭東你覺得從IBM角度來看，現在是一個出海的好時機嗎？包括剛才楊總也談到了，出海需要做好哪些準備呢？

陳旭東：我覺得出海不是一個好不好時期的問題，必須得選擇這個路。剛才我說的兩個選項，我覺得很難躲開這個選項。因為企業發展到一定階段，假設一個市場飽和了，這個飽和的市場很難再給你帶來成長的動力了。

那就看我們中國企業，比如行業競爭力是不是比別的國家的競爭力強，只有我們比他們強的時候，你才有機會滲透到那個市場，然后去搶他們的份額。所以這是一個全球競爭的關系。所以只要是追求成長的企業，這個（出海）是必選項。

出海的這個道路是不一樣的，有自己不停的去踩坑，然后總結經驗。還有一類就是去并購一些成熟的企業，這個也是一套打法，怎么去做這兩個事情？

第一類是制定相關的戰略。其實要讓咨詢講，都有很多案例。IBM也可以給你講這些，怎么樣去打一個市場，甚至在國外去打到高端市場，我們都有案例。在國外跟在國內定位是沒關系的，你到另外一市場，你可以把自己定的很高。所以可以有不同的策略去打不同的市場。這個打法確實得有咨詢公司幫你梳理出一套基本的打法，然后你得理解這套打法，并得認可這套打法，最終實施。實施過程中可以有咨詢公司來陪你去糾錯。這些我覺得是IBM可以給中國企業提供的。

第二類就是基礎的數字化轉型。課該補，還得補，不補的話你很難走出去。現在有很多企業來找我們，因為他要跟國外的企業對接系統，我剛才舉的汽車的那個例子，就是ELM這個軟件。很多下游企業他要跟你對接這個系統，（你）沒有，所以他只好再來上這個系統。

中國很多傳統企業，就剛才我舉那個例子，已經是隱形冠軍了，他并不需要類似的系統，他也能活下來。因為那些年市場不錯，一直在增長。但現在進入到全球化競爭以后，要求就提高了。這事情上，因為IBM在全球基本上所有行業的前十名都是我們的客戶。所以在這個體系里頭，我們自己有很多很成熟的系統方案可以給大家來做參考。

劉湘明：中國市場其實還是一個基本盤，不管對IBM來說，還是對中順潔柔來說。剛才旭東你也談到了，說你覺得中國市場的這種拐點已經到了，應該怎么去理解這句話？就是怎么樣讓更多的觀眾去看到IBM在深耕中國這40年之后，在中國繼續發展的底氣和力量在哪里？

陳旭東：第一個很重要底氣就是—IBM在過去40年做的整個信息化的普及工作以后，在整個市場上有大量的IBM的客戶和員工，這些人對IBM是有認知的，凡是用過IBM產品技術的人，就很少聽到說IBM不行。認可度是非常好，這是我們一個很好的基礎。我經常跟我們員工講，很多客戶來拜訪，肯定經常發現，前兩批的員工在這公司里，大家就比較好聊。因為大家都有一個基礎文化平臺，這是我們的一個優勢。

第二個就是剛才說到，面臨數字化轉型的需求日益增長，從這兩年我們看到一個明顯的趨勢。別的路子已經很難再幫助他提高競爭力，所以很多企業在做轉型。

第三個就是我們各條業務線逐漸看到了抬頭的趨勢。比如我們的咨詢業務逐漸有抬頭趨勢，我們存儲的業務也逐漸有趨勢，因為我們確實有一些產品和技術在市場上是比較獨特的。

比如說我們的（磁）帶庫，小的企業可能用不上，但是大的企業或互聯網公司這是一個必備的東西。磁帶庫是一個以最低成本，超大容量存儲冷數據的解決方案。數據現在每年翻倍增長，越來越多數據企業要以很高的成本存，所以在這上面我們看到了很多反倒是有增長。

我們同時也在積極尋找外部的合作伙伴，開始尋找一批（能服務于）民營企業的客戶，而且要覆蓋更廣，更低級別的市場。比如中順潔柔，我們現在可能還沒有一個合作伙伴能服務于你們，所以這些都需要我們去開拓的。當我們在這些地方逐漸的拓展以后，我們看到一些趨勢也出來了。所以為什么我覺得這個拐點就已經開始出現了。

我們在內部都在講，我們重新開一個IBM公司，相當于我剛來中國市場，但以前的東西還在。

只不過以前大家認為IBM的東西都很貴，買不起。你去看同類的產品，比如像剛才你做這個運籌的，IBM有一個很成熟的軟件可以幫你，不用自己去搞很多算法。大多數企業是沒這個能力去搞這套算法，而且（這套算法）也很便宜，也不是很貴。

劉湘明：這個真是挺好。今天很重要的一個信息點就是IBM現在也便宜了。

最后一個問題，給楊總，你能不能總結一下，快消品，包括傳統的民營企業，的確遇到很大的競爭壓力。你覺得怎么持續保持競爭優勢的這種秘訣是什么？

楊森林：AI只是一個工具。過去我們最早叫信息化，后來到數字化，到數智化，我們又有了AI，我們也談過元宇宙。今天還有一個新的概念叫腦機接口。所有的一切，其核心還是看人。想要做增長，就（需要）不斷改革自己。就像我們說數字化轉型，為什么老是CIO提這個話題？數字化轉型，改革企業，推動業務變革，你自己變了嗎？你懂業務嗎？所以我經常提到的叫六邊形戰士理論，懂戰略、懂業務、懂技術、懂數據、懂流程，還有懂創新。情商、智商、逆商你都要有。

陳旭東：其實AI的技術變革，大家看到它帶來兩類作用。第一個作用，它會新增出很多完全基于AI的一些新的業務。另外一類就是他用這個AI技術去改造原有的企業，就是IBM一直在努力去做的事情。

劉湘明：對，的確是。有人在說這個技術進步其實改變就兩個維度。一個就是個腦力勞動和體力勞動的維度，另外一個就是用復雜和簡單的，蒸汽機最早替代的就是簡單的體力勞動，然后呢現在AI逐漸的替代掉了簡單的腦力勞動和復雜的腦力勞動，最難替代的叫做復雜的體力勞動。家政機器人，包括現在我們看到機器人搏斗大賽，那個復雜的體力勞動，這個是最后才會。

感謝兩位嘉賓特別精彩的分享和交流，謝謝，也感謝各位觀眾的關注。然后本期的IBM AI會客廳就到此結束，謝謝大家。