中软国际助力企业完成AI时代组织转型

10月15日，中软国际副总裁、AIGC研究院院长万如意在第27届中国国际软件博览会上，以“大模型应用落地最后一公里的挑战和应对”为主题分享实践成果。结合中软国际近两年参与的300余个大模型项目落地经验，他指出企业AI落地难的核心症结在数据，进而详解以“本体”破解困局的路径。

软件行业的 “冰火两重天”，替代与溢出的双重效应

过去行业常说 “软件吞噬世界”，如今则是 “AI 吞噬软件”。从行业现状来看，一方面 AI 对传统软件工作的替代效应明显，写代码等基础工具性工作正逐步被智能系统承接；另一方面企业拥抱 AI 时释放的 “溢出效应”，让软件企业迎来新需求高峰 —— 客户推进 AI 应用落地时，会提出传统软件时代无需考虑的外围与深度需求，例如数据相关工作。而溢出效应之所以流向软件企业，核心在于软件行业培养的人才仍是 AI 时代主力军，软件企业既要应对 AI 带来的替代冲击，更需承接好企业 AI 建设的新需求。

痛点：企业 AI 落地陷 “POC 困局”，数据准备不足是核心瓶颈

谈及企业 AI 落地现状，万如意指出核心矛盾：政策上，政府企业纷纷出台 “人工智能 +” 计划等明确 AI 应用方向；实践中，大量项目却止步 POC 阶段 —— 客户虽采购 10P 至万 P 级算力、投入高额资本，应用端仍难突破。对比个人端大模型的流畅体验，企业级 “POC 泛滥” 的关键在于 AI 落地的数据环境未就绪。而艾森哲强调 “AI 落地最重要的是数据准备”，Palantir 创始人也提出 “未来 AI 应用资金将流入 GPU 算力与本体（Ontology）两大领域”，均印证数据的核心价值。

关键：区分 “高质量” 与 “高保真” 数据，本体是 AI 推理的核心支撑

万如意指出高质量数据与高保真数据二者并非同一概念：前者是训练优质模型的基础，后者是 AI 推理的关键，需完整映射现实物理世界的操作条件与环境（契合数字孪生核心），且满足统一、动态、可互操作要求。中软国际旗下的深开鸿打造的KaihongOS操作系统，其接入的物联设备数据及企业 ERP 核心数据均属高保真数据，可数字化还原企业全流程，为 AI 推理提供关键支撑。

Palantir所提及的 “本体（Ontology）”本质是高保真数据的载体，当前核心问题并非是否要构建本体，而是如何在中国市场探索简化版、渐进式的本体构建路径。中软国际的解决方案从基础工作着手，例如数据分析指标可作为简化版本体 —— 既体现数据真实性，又契合业务需求，通过指标治理、数据目录与业务语义对齐、知识图谱构建等环节，逐步实现高保真数据落地。

实践：从半导体到医疗，本体技术破解业务效率难题

以中软国际的标杆项目为例，印证本体技术的价值。在半导体制造领域，某企业 2000 名研发工程师配套 600 名物料工程师，工程师每天要根据产品需求，从 10 万种物料中找匹配的物料工作饱和却效率有限。中软国际的解决方案是构建基于本体的 AI 系统：让 AI 理解 10 万种物料的规格参数，再匹配研发需求，实现精准选型。最终物料选型时间从 15 分钟压缩至 1 分钟，BOM 编制效率提升 12 倍，一次通过率从 40% 提升至 60%，成为少数实现 ROI 正向循环的项目。在医疗领域，面对医保规则日益复杂的痛点，过去靠医生经验保障处方合规，现在 AI 通过学习医保知识本体，能解放医生在合规审核上的繁琐思考，让医生更聚焦诊疗。

展望：软件行业的使命，助力企业完成 AI 时代组织转型

万如意强调，未来做企业软件需更关注 “企业” 而非 “软件”，技术革命必然伴随组织变革 —— 电网普及前工厂按传动轴布局，交流电推广后转向按工序排产；AI 时代亦是如此，过去物料工程师的经验储存在个人身上，未来将转化为企业集中沉淀的数据与算法，正如柴油车的分散燃烧转变为电厂集中发电再供能，企业知识也需从 “分散” 转向 “集中”。

软件行业的使命，是帮助客户将企业组织转型为 AI 时代的形态；AI 并非软件的替代者，而是软件形态的必然延伸，未来软件行业将发挥更大作用，支撑企业在 AI 时代的转型。