在2026 ITValue Summit数字价值年会前夕的一场深度对话中，三一集团CIO许国强与智元科技创始人吴云峰围绕“AI对大型企业意味着什么”展开讨论。作为年收入超千亿的重型制造企业的信息化负责人，许国强分享了三一集团在AI落地过程中的实践路径：重新定义公司愿景为“AI原生机器人公司”，但在推进节奏上保持克制，采取“像下象棋一样，下等着”的策略。
许国强坦言，三一并非互联网原生企业，数据治理基础并不完善，业务线上线下“两层皮”的问题依然存在。但他认为，正因为基础不牢，才更需要节奏感。“如果在战略机遇期不布局，未来可能赶不上。但全面铺开肯定不行，组织大调也不行。”这一判断基于对AI技术周期与企业承受能力的双重考量。
三一的AI推进逻辑分为四步。第一步是全员应知应会培训，让传统制造企业员工先了解AI的能力边界。第二步是做样板而非铺摊子，在数据成熟、业务成熟、技术相对成熟的场景中先做出标杆，再在事业部之间复用。第三步是以用促建，今年重点建设具身智能平台、数据标注平台等底层能力，但所有建设由业务牵引。第四步是推进智能体战略，今年7月已组织相关研讨，并向更深层次推进。
在算力投入上，三一没有冲动自建GPU集群，而是选择云端算力。许国强解释，GPU迭代速度太快，自建算力可能买在最高点。对于一体机等热门概念，三一同样选择观望。“我们有愿景驱动，但过程要有节奏。”
从厂商视角，吴云峰总结了四类典型的“烧钱陷阱”。第一类是已有报表和数据，仅用AI重新做一遍展示，没有创造新价值。第二类是乙方用AI话术包装概念，回避与业务团队的深度协作。第三类是群开发项目，让AI生成代码但缺乏架构治理，最终产出“垃圾软件”。第四类是单元级优化项目，只做一个点的优化，没有端到端拉通。
许国强对上述判断基本认同，但对AI辅助编程有不同看法。三一也在使用AI编程工具，前提是“责任不能转移”，代码必须在现有架构下通过审核，不能变成无人认领的“死代码”。他表示，三一的底线很清晰：价值讲不清楚的AI项目就是伪需求。
数据治理方面，三一采用“靶向治疗”而非“大扫除”策略。2022年，集团曾组织高管封闭学习《DAMA数据管理知识体系指南》，统一数据治理语言。目前集团已成立数据治理委员会，明确各领域“数据管家”责任，数据权利等同于业务负责人权利。针对维修助手等具体场景，三一开展专项数据治理，同时建设数据标注平台等底层能力。吴云峰则提醒，外部数据治理比内部更重要，很多企业数据不好的根本原因是“业务没做好”，建议从业务需求出发反向拉动数据治理。
在组织机制上，三一按15个业务域推进AI应用，每个域设第一负责人。业务和IT双向选择形成“同盟军”，资源投入和战略选择同步到联席总裁层面。目前需求最旺的是“微笑曲线”两端，即研发和销售、营销、服务领域。以服务域为例，“维修助手”项目被选为战略项目，三一产品覆盖180多个国家、十几条产品线，维修需应对多语言、小语种、专家经验的多重组合，AI助手能快速诊断并支持小语种，在不显著增加人员的情况下解决跨国维修难题。
关于AI项目价值衡量，三一采用双轨算法。能算清账的直接算，例如相似物料识别项目，通过识别不同事业部采购的相似物料，统一采用价格更低的采购方案，成本节约可直接衡量。算不清账的则用流程指标衡量，例如招投标流程在AI加持下明显提速，但负责人员并未减少。许国强认为，“流程能不能自动化”本身就是衡量指标，效率提升必须用财务口径衡量，但不能完全用财务口径衡量价值收益。当AI将员工从重复性工作中解放出来，转向战略供应商选择等更高价值工作，这种“价值转移”也应纳入评估。
AI正在改写大型企业的组织基因。许国强指出，BPIT部门的核心职能正从做项目转向建平台、做培训、定方法论，让AI能力渗透到业务一线。IT人员的核心能力不再是写Java代码，而是懂业务、建架构、辅导业务用好AI。在人机权责划分上，三一划出红线：智能体只是工具，不能承担业务责任，责任必须落实到人。集团正在建立事前明确责任人、事中定义介入机制、事后审计留痕的三阶段体系，确保AI在探索期可控可溯。
面对AI概念快速迭代的行业环境，三一保持审慎态度。当三维图纸生成等热点出现时，三一没有盲目跟进演示级方案，而是与达索等合作伙伴做试点和论证，等技术成熟后再引入。许国强表示，AI技术正处于爆发期，大型企业AI转型的关键不在于追逐每一个技术热点，而在于建立清晰的愿景、把控推进节奏，并始终以业务价值作为衡量标准。这场对话所呈现的实践路径，为大型企业AI落地提供了一种基于制造业场景的参考样本。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
