由企业网D1net、信众智(CIO智力输出及社交平台)和中国企业数字化联盟共同主办的2026秋季央国企CIO及数科公司高管峰会(第19届) 在京圆满召开。
本次峰会以“AI落地场景&ROI”为主题，汇聚来自全国各地的央国企IT高管，与会嘉宾包括国家电网、中粮信科、中数联物流科技、三峡集团、中海油气电集团、航天长征化学工程股份有限公司、中国通用技术集团、中国烟草机械集团、中国电信集团、北京海航数科控股有限公司、中华保险、百联集团等在内的一百余位央国企CIO、IT负责人以及数科公司高管，围绕 AI 场景落地、项目投资回报展开深度研讨，探索央国企数智化转型新路径。
大会现场
企业网D1net CEO、中国企业数字化联盟秘书长 范脡
会议伊始，企业网D1net CEO、中国企业数字化联盟秘书长范脡在致辞中表示，当前很多单位大力推进信创与国产化建设，但 AI 可能成为全新安全漏洞。这几天的案例显示，部分大模型后台可静默切换服务，把用户请求转发境外平台，造成涉密监控画面、国企源代码、生产密钥、地方维稳等敏感数据外泄，已不是普通漏洞，属于主动向外输送数据，风险影响面极大。
除安全风险外，AI 落地还有多重挑战：行业缺少成熟参照，落地需要持续试错;技术迭代速度快，市场格局变化难以预判，前期投入存在过时失效风险;企业高层高度关注 AI，容易产生快速落地的不现实诉求，真实需求与焦虑叠加，要求和真实业务落地差距明显。
AI 落地还面临诸多管理难题：AI 指标如何制定、是否纳入 KPI;业务变革带来的人员调整压力由谁承担;数据治理责任归属 IT 部门还是业务部门。
本次大会邀请甲乙双方专家分享落地经验，探讨 AI 落地难点与解决方案，希望通过交流分享经验教训，帮助大家少走弯路、降低试错成本。
某大型矿业央企 CIO结合行业趋势与企业实操，分享了央国企 AI 落地核心思考。2026 年大模型迭代节奏加快，行业竞争告别单纯跑分，转向智能体能力与真实业务价值，技术研发重点向后训练、工程落地转移。同时，行业正从 “AI+” 迈入智能原生阶段：AI 从单点工具升级为自主执行任务的智能体;组织管理需建立人机协同模式，统筹人类员工与数字员工;业务层面不再用 AI 适配旧流程，而是打造 AI 原生场景;当前行业模型安全人才缺口突出。Token 已实现商业化计费，但企业内部结算机制缺失，成为基层推广智能体的现实阻碍。
嘉宾指出，AI 建设重心由 “以模型为中心” 转向 “以数据为中心”。不少企业数据看似完备，却因业务语义口径不一致导致模型效果不达预期。工业场景零容忍 AI 幻觉，可通过搭建业务本体统一规则，同步建设企业知识库沉淀制度与专家经验。借助本体技术，工业多智能体可拆解任务、设置风险边界，具备落地条件。
结合实践，嘉宾认为，AI 是典型一把手工程，需组建 AI 专班，建设 AI 中台与行业大模型;核心业务应坚持自研，经营管理域择优引入外部能力。AI 有望开启央企第二增长曲线，转型亟需业务-AI 复合型人才，推动 IT-OT-数据体系协同重构，做到创新与稳健并重。
金山办公企业解决方案负责人 高波
金山办公企业解决方案负责人高波表示，普通通用 AI 仅依托互联网公开信息，输出的方案框架完整，但缺少企业内部业务信息，很难直接用于实战。WPS Comate 组织级 AI，打通公网资料、企业 CRM、订单工单、会议纪要与内部知识库，输出可直接落地使用的业务结论，核心是补齐组织级上下文，同时做好权限隔离、流程约束与安全可控执行。
组织级 AI 能力分为三级递进：L1“AI 进入工作”，让全员便捷上手 AI 工具;L2“AI 理解业务”，读懂企业知识、业务逻辑与内部数据;L3“AI 执行业务”，在安全受控前提下完成完整业务闭环。AI 能发挥多大价值，取决于六大上下文要素：知识、关系、数据、流程、时间、边界。
目前，多个央国企真实场景已经印证WPS Comate 组织级AI办公平台落地成效：文档智能伴写提升报告编写效率;沉淀设备资料自动生成电网维修方案;钢厂依托本体模型实现生产缺料提前预警;制造业质检自动比对标准，报告编制由两三天压缩至数分钟;集团经营月报自动汇总分析;人事监管从半月人工统计升级为实时风险预警，百家下属企业每年可节约人力超 2000 小时。
金山办公总结出治理-构建-执行落地三步法：汇聚全量数据、搭建业务本体并管控权限;围绕业务场景打造行业专家智能体;受控运行、留痕审计、人机确认，闭环完成业务。整套体系形成上下文飞轮，业务经验持续沉淀反哺 AI，实现越用越懂企业。
星环科技行业解决方案负责人 徐流明
星环科技行业解决方案负责人徐流明指出，当前行业出现两大关键变化：一是数据使用主体从人转向 AI 智能体，数据库需要同时处理结构化和非结构化等多模态数据，并结合向量检索、知识图谱等技术完成知识检索与多轮推理;二是 AI 建设重心正从 “以模型为中心” 转向以数据为中心，随着模型和算力逐步普惠，央国企 AI 落地的瓶颈已不在模型本身，而在于高质量业务数据集不足、数据语义不统一、企业知识难以沉淀和调用。由此催生了对AI-Ready 数据平台的需求：平台既要同时服务 AI 训练与推理，也要承载高质量数据集、企业知识库、数据湖仓以及 AI 记忆系统。
面向这一趋势，星环科技推出 GPU 原生认知数据库，将 SQL 分析、知识库、记忆系统融合一体，并把数据处理全流程迁移至 GPU 执行，解决 AI 智能体在高频数据调用过程中面临的CPU性能瓶颈。相比 CPU 架构，该产品具备并发更高、吞吐更大、链路更短、性价比突出四大优势。
据徐流明介绍，目前该产品已实现多项技术突破：相比主流CPU系统，结构化 SQL 分析性能最高提升 106 倍;向量索引构建性能最高提升50倍，检索性能最高提速 238 倍;通过显存卸载技术，仅占用5%的显存资源即可支持20倍的数据规模;记忆能力两大权威基准测试均取得行业领先成绩;并支持自然语言交互完成数据开发与治理。GPU原生加速知识入库、检索及AI推理全链路，在复杂金融文档推理基准测试OfficeQA Pro 测试中，文档解析入库(含OCR)性能提升10倍，数据检索性能提升20倍，准确率达79.3% ，超过多个国际领先模型。
目前，星环科技GPU 原生认知数据库已在金融量化回测、银行实时风控、财务多维归因、基因测序等场景中实践，并支持私有化与云服务两种模式，为央国企智能体建设提供统一的认知数据基础设施。
腾讯云能源行业技术负责人 王德喜
腾讯云能源行业技术负责人王德喜表示，企业 AI 生产力建设实践的核心路径是从超级个体走向超级团队。
桌面端 AI 原生办公智能体赛道，正在进入爆发式增长阶段。 2026年6月，头部产品合计月访问量突破 6000 万(相比3月增长300%);其中，WorkBuddy 以 2097 万月访问量领跑。
王德喜表示，在落地的过程中看到一个鲜明的反差：个人用 AI，提效立竿见影;企业上 AI，规模价值却迟迟不见。问题不在模型能力，而在三道绕不开的坎：数据敢不敢用、系统能不能通、组织愿不愿变。建议分清狭义与广义办公，找准落地卡点，狭义办公以个人为中心，做报表、写材料等场景上手快，很容易实现个人提效。这也是大多数企业 AI 试点最先跑通的部分。而广义办公属于业务深水区，需要深度打通公司内业务系统，完成流程调度与业务闭环。很多时候落地瓶颈并不出在 AI 产品本身，而是源于存量业务系统缺少适配接口，同时还要攻克数字员工权限管控等复杂的治理难题。
最后，王德喜给出企业落地建议：优先试点打磨超级个体，充分释放员工个体创造力;待个体 AI 能力跑通之后，再循序渐进向超级团队演进。
金蝶中国央企数字化咨询部经理 程衍巧
金蝶中国央企数字化咨询部经理程衍巧指出，当前央国企 AI 建设呈现个人办公应用、局部专业场景、企业全域运行三类并行发展形态。很多央企已打造出一批高价值单点 AI 场景，覆盖设备运维、智能投标、财务风控等领域。但这类 “深井式” 点状应用，难以自动沉淀为集团级公共能力，容易形成 AI 烟囱，无法适配央国企跨组织、跨系统、跨主体的复杂业务网络。AI 真正价值不止于个人提效，更要深度嵌入企业判断、决策与执行全链条，服务企业经营运转。
当 AI 从输出建议进阶到参与企业实际业务运行，瓶颈已不再是大模型本身能力，而是两大核心挑战：一是 AI 如何真正理解企业，读懂业务对象、组织关系、制度规则与业务语义，而非仅读取文档数据;二是实现 AI 受控行动，在身份权限、流程制度、责任边界约束下完成业务动作，做到过程可观测、可审计、可追溯。这就需要依托企业级 AI 原生工程，搭建企业业务语义体系，同时落地全栈 AI 运行治理能力。
针对集团级 AI 规模化落地，金蝶提出 “0-1 场景突破、1-N 平台复用、N-∞持续进化” 建设路径。不追求一步建成大而全的系统，优先立足真实经营痛点跑通最小业务闭环;将实战验证的共性能力沉淀至统一平台，以能力复用替代项目复制;通过常态化运营把新增能力持续回存平台，完成从项目交付向集团 AI 能力运营转型，依托金蝶灵基企业 AI 操作系统，助力央企实现经营洞察到行动闭环，驱动企业整体进化。
普元信息 CTO 焦烈焱
普元信息CTO焦烈焱提出，企业 AI 转型可以优先从风险可控的场景破冰：现场管理人机辅助、短生命周期小工具应用、非结构化数据价值挖掘。这类场景容错空间充足，非常适合作为 AI 能力的练兵场。但当试点想要进一步深入核心业务深水区时，往往会遭遇模型输出不稳定、结果难以管控的现实瓶颈。
针对这一痛点，普元提出完整的3+2+1 落地体系，包含三大平台、两套方法论、一套业务执行流程，系统性破解落地难题。三大平台分别负责智能数据治理、AI 应用开发、全域融合集成，依次夯实数据底座、实现工程化开发，完成新旧业务系统打通与 AI 调度管控。
在数据治理工作中，可以利用即抛型 AI 机器人，弥补企业专职数据岗位的人力缺口。航空航行通报解析项目印证，仅靠大模型准确率止步 60-70%;引入业务本体对齐语义规则，再搭配业务流程兜底策略，准确率可稳定达到 85% 以上。业务选型不必盲目追逐最新模型，要采用多技术路线组合，拒绝单一大模型包打天下。
AI 代码生成虽能高效完成 POC、投标材料，但在长周期核心业务中整体产能仅提升 10-20%，需要梳理业务语义与规则，沉淀可复用 Skill 资产。同时在 AI 调度环节，需要人工介入做上下文压缩，避免关键业务信息被模型自动过滤。
配套两套方法论为：本体认知治理统一业务语义，A.I.G.E.T 五维治理把智能体当作员工管理;业务流程融合 PDCA 与 OODA 闭环，依靠自检互证、人工确认、异常回退多层防线保障安全。焦烈焱表示，归根结底 AI 只是能力放大器，想要避免平庸输出，仍离不开人的业务判断。
某国有大型电网运营企业信通中心副主任表示，在新型电力系统建设背景下，电网面临系统平衡安全、规划仿真、故障防御等复杂课题。企业级智能体与 C 端产品差异巨大，央企专网场景下数据安全风险突出，要厘清 AI 擅长概率类任务、不适合零容忍确定性任务的边界，落实人-AI-机器分工与人在回路机制，由岗位单点赋能走向全链路业务协同。
企业级智能体整体架构分为四层：底层为模型、算力、知识三大基础资源;中间层是运行时、工具、技能、记忆、安全五大基础设施底座;再向上构建智能体互联网，支持中心化、群体协同等多模式多智能体协作;最上层打造超级智能体，作为全员统一交互入口，承担意图识别、任务拆解与调度。该企业在实践中落地了充电桩报装、配电网智能诊断、招标智能评标等场景，取得显著提效。
关于AI 原生电网构想，他表示，核心是完成物理电网对象化、状态化、任务化、模型化、能力化重构。同时面临五大现实瓶颈：对象语义本体建模、实时状态感知、多模型协同求解、旧系统能力改造开放、可信执行与全链路安全治理。央企应重视底层基础打磨，不必一味追求建设速度。
中粮信科总经理 牛武
中粮信科总经理牛武结合内部落地案例，分享了央国企 AI 应用实践。在战略洞察、资讯推送、客服营销、商机发现、舆情监测、投资决策等众多场景，实现运营、质量、风控能力提升，工作效率成倍提升。
为推动AI2.0 与业务深度融合，中粮配套多项管理机制：将 AI 应用纳入各部门绩效考核，开展 AI 业务竞赛;压缩传统营销预算，增加AI 专项预算，推动全员使用 AI;建设统一知识库与数据中台，把制度、台账、业务规则沉淀为可被智能体调用的资产。
未来的AI3.0 ，将打造智慧组织与数字大脑。以制度数字化、运营一体化平台为抓手，打通业务、管理、决策闭环，推动组织自循环运转。
牛武分享AI应用的三大底座：一是企业知识库，智能体能力高度依赖知识沉淀，需要做好知识目录、标签、权限、本体建模，避免知识碎片化;二是 AI 导向的数据中台，业务数据要服务智能体调用;三是智能体平台，面向不同业务建设场景化智能体，不追求单一大而全智能体。
牛武提到 AI 重塑岗位能力，标准化工作被 AI 承接，员工需要转向高价值分析、人机协同。AI 不是数字化部门的独角戏，业务需求部门才是第一责任人，统一认知、组织保障是规模化落地的关键。
某国有物流数字科技企业总经理认为，真正 AI 原生的评判标准不在于 AI 投入占比，而是产品与系统的第一服务对象到底是人，还是智能体 Agent。该企业参考 3D 打印社区的思路搭建 AI与物流开源开放平台，不做重型 AI 工具，而是打造面向 Agent 的任务协作社区，90% 代码由 AI 参与生成。平台把业务拆解为带明确验收标准的结构化任务，AI 负责发布任务、执行、初评打分，人类只做点赞、收藏、打赏与最终裁决。
该平台实践已经验证多个落地模式：以内部大赛形式破解项目停滞难题，门户设计、办公空间装修任务通过众包产出高质量方案;创新 AI 原生招聘，候选人在平台完成真实业务任务，AI 先行初筛，大幅降低人工评审负担。平台主动取舍，绝大部分发帖、评论由智能体完成，实现运营自动化。
最后，嘉宾给到四点实践启示：试点不必一上来就建设大平台;系统设计要以 “是否服务 Agent” 作为评审标尺;试错探索过程也要沉淀组织资产;守住规则与人工裁决的可控底线。央企 AI 竞争力不在于部署多少模型，而在于能否建立让 AI 稳定合规创造业务价值的运行机制。
某国有大型清洁能源央企总信息师提出，AI 大国博弈是完整生态体系的竞争，我国在 GPU、通用大模型上存在短板，但在绿电能源、行业场景、高价值行业数据集方面具备独特优势，这也是央国企发挥价值的关键阵地。我国可再生能源装机规模、度电成本具备全球竞争力，催生出算电协同、绿电直供等多种落地模式。
数据是 AI 的基础生产原料，工业领域普遍存在数据封闭、开放度不足的痛点。面向国家建设可信数据空间的规划，该集团打造两大数据服务平台，通过空-天-地-水多维度采集手段汇聚流域多源异构数据，以 “数据不动、程序动” 的可信计算模式，实现数据价值释放同时守住数据安全底线。
行业大模型需要平衡专业性、泛化性、经济性的不可能三角。集团打造水电行业垂类大模型，面向生产运维、安全质检、电力交易、地质灾害预警开发系列应用;搭建算法靶场，让水文、风光功率预测算法同台实测择优，通过算法优化挖掘巨大发电增益。
AI技术演进路径正在从大模型问答走向智能体，未来迈向具身智能，将 AI 能力嵌入巡检、水下作业等实体工业机器人。他认为，传统央国企不必盲目深耕底层基础底座，应立足自身业务场景、行业数据优势，联合生态伙伴，把技术快速转化为产业实际竞争力，服务国家 AI 生态建设。
硅基流动解决方案总监 唐安波
硅基流动的定位为Token 工厂，既服务公有云千万级终端用户，也帮助央国企搭建内部专属的 Token 工厂，承接繁重的底层工程工作。
当下 AI 应用快速迭代，Agent、长文本处理类任务大量涌现，Token 消耗呈指数级上涨。国产大模型版本更新节奏很快，但想要在国产芯片上做到精度无损的稳定运行，要克服大量工程难题。为此硅基流动提出Token 生产力核心公式：Token 生产力 = 产能 × 利用率 × 交付质量。其中产能由芯片硬件能力、模型优化水平共同决定;利用率依靠流量治理与算力智能调度实现;交付质量包含模型推理精度、工具调用成功率，以及生产环境必备的 SLA 服务稳定性。
据硅基流动解决方案总监唐安波介绍，针对多芯片混合的异构算力现状，平台通过算子深度重写、PD 分离、分布式 KV-Cache 分级卸载等技术，适配长上下文、多轮 Agent 复杂任务，在各类硬件上对齐模型原厂精度，有效提高集群吞吐与缓存命中率。整套平台采用四层解耦架构：模型网关运营平台、模型服务平台、推理框架、异构算力调度层，支持 Serverless 按需调用、租户计量计费。
以某央国企集团落地为例：改造前各子公司各自部署数十套模型，算力资源大量闲置浪费;完成平台化改造后收敛为十余套核心模型统一托管，通过网关对外输出服务。算力利用率显著提升，可稳定运行 GLM-5.2 等大参数模型，单 Token 成本大幅下降，支撑更多生产级业务落地。
唐安波同时指出，随着企业内部的场景从探索阶段到规模化应用，可以结合应用侧的场景的特殊性，进行面向推理优化的设计，如更好的 context 构造，提升 cache 的命中，更好的流量分流策略，提升模型的吞吐等。硅基流动期待与央国企协同，真正释放算力产能，推进 AI 规模化落地。
在精彩的演讲过后，大会迎来国务院国资委商业科技质量中心《科技强国智库专家》聘书荣誉颁授仪式，和央国企数智化优秀案例/团队颁奖仪式。
在之后的圆桌讨论环节，来自北京海航数科控股有限公司、航天长征化学工程股份有限公司、中国通用技术集团、中国烟草机械集团、中华保险、百联集团的CIO、信息主管，针对“AI在央国企的落地难点”这一主题展开了深入的交流探讨。
与此同时，金山办公、腾讯云、金蝶、星环科技、普元、硅基流动、卓世科技等IT厂商也在峰会期间展出了各自优秀的产品及解决方案。
本届大会上，在AI的选型和规划上，许多甲方都表达了一些共同困惑：
以往的五年计划基本失效或者难以落实- AI变化太快了，可能三个月后技术路线和选择就完全变了。投入多了怕过时，投入少了怕落后，不投入更不是一个选项。
另外AI也带来了很多挑战。多Agent的管理，权限，安全，绩效评估和算力分配;AI对组织和流程带来的冲击;ROI评估和验收等，都没有参照物。甲方对许多新AI供应商的说法，难以判断其真实水准......
目前，没有任何人有笃定的正确答案。这也是D1net在下月底即将举办的2026全国甲方IT/AI选型大会上要探讨的重要话题。目的不在于追求标准答案 - 因为没有。只是希望协助大家在做明年的规划和预算计划时，尽量避免一些已经比较明显的偏差，少走弯路，少交学费，多为职业安全和发展找一些保障。
10月24-25日，宁波。我们一起探讨，大会计划安排PK辩论，厘清需求和焦虑。
提前锁定席位(不安排直播)!
关于企业网D1net：
企业网-企业 IT 第 1 门户。面向 IT 行业高端甲方人群(CIO 首席信息官)最精准专业的媒体，面向约六万政企 CIO、信息中心主任、科技部总经理等 IT 主管，提供资讯、营销、活动、项目合作推介等服务。拥有专业注册会员(IT 从业者)约 188万人，主要读者为政企用户及其信息主管、软硬件厂商等，服务过的企业级厂商逾五百家，国内toB的头部IT厂商基本都是D1net的客户。
同时，企业网D1net也运营着国内最大的CIO(首席信息官)专家智库和智力输出变现及社交平台-信众智，也是国内最大的科技高管社交平台。
