各位领导好,我是酷爱科技(COOL AI)的【XXX】。我们创始人张总今天临时有事,委托我来跟大家做这次交流。我们是一家专注人工智能的技术型公司,在整个 AI 生态里的定位很清晰——解决 AI 在企业落地的"最后一公里"。
先说我们的技术底色。我们核心团队早在 2017 年前后就在海外做 AI 创业,那时 GPT 还没火,到现在已经深耕 AI 落地近十年。我们创始人张总,之前在 IBM 带过算法团队,也拿过谷歌开源模型的特殊贡献奖;公司回国不到半年,就拿到了阿里巴巴前 CEO 陆兆禧的个人投资——看中的正是我们底层技术的硬实力。
这几年我们也入驻上海模速空间——去年总书记调研人工智能时去的就是那里,我们作为明星企业参与了座谈,也两次上了新闻联播。这次也是上周长虹领导到模速空间交流后,希望我们尽快进到各个 BU 做深入调研。
现在大家或多或少都用过 AI——写个材料、做个 PPT、生成个日报,确实有点帮助。但真正切到核心生产、核心业务流程里,落地好的案例其实很少。为什么?
第一,通用大模型有幻觉;第二,更关键——它不了解长虹的业务、你们的数据、你们的工艺经验。所以它给的答案只能是泛泛的。这就是 AI 难在核心场景落地的根本原因。
所以我们做的事,不是卖一个标准化产品,也不是卖一个搭智能体的平台工具。市面上扣子、Dify、百炼这些平台很多,但搭出来的智能体到了业务里——连不上你的 MES、看不到你的生产数据,最后还是用不起来。我们卖的是"陪跑落地",确保 AI 真的能在你们的业务场景里跑起来、产生价值。
我们有一套成熟的方法论,落地不是拍脑袋,而是自上而下一张蓝图。
第一步,看企业的战略目标——所有 AI 都要服务于战略,找不到对应战略的动作就是多余的。第二步,把战略拆成一个个可量化的指标(比如报价准确率、交付率)。第三步,围绕指标梳理应用场景——我们一般会列出三五十个场景,再用一套评估体系打分:痛不痛、技术能不能快速做出来、成本多高、ROI 几何,筛出第一批最该优先落地的。
这些场景往下,就接到最核心的AI 大脑——它是中枢,往上对应战略和场景,往下调用 AI 能力和你们的数据底座(MES、ERP、CRM 这些)。这样每一个落地动作,都能清晰回溯:服务哪个战略、调用哪些数据、用了哪几项 AI 能力。
而且 AI 大脑带来的不只是"快",更是决策质量的提升。同样一个订单排产,通用 AI 只会看哪条线空就排;而懂业务的 AI 大脑会一眼看出:这是个海外高优先级客户、合同有违约条款交期不能误;它还知道某条产线周三要检修、某个原料 40 分钟前刚通知延迟到货——它把这些全局信息拉通,给出真正能落地的排产。这就是单点工具和 AI 大脑想象力的差别。
说几个我们正在做的案例,有几个和长虹很相关。
L1 工具化——人问 AI(豆包、ChatGPT),独立于业务;L2 自动化——AI 能跑特定任务,但不懂业务上下文,这是现在市面工具的天花板。
最关键的鸿沟在 L2 跨到 L3——而这道坎不是模型能力,是业务理解。L3 智能化,就是企业自己的 AI 大脑:懂业务、跨域协同、持续积累——这正是我们的核心战场。再往上,L4 原生化是人机共生、可计算的组织;L5 是组织本身就是 AI、自主进化、增长靠算力不靠堆人。
现在约 70% 的企业还卡在 L1。我们要帮长虹跨过 L2→L3 这道"业务理解"的坎,快速建起自己的 AI 大脑。
我们的合作方式很务实——陪跑。我们的角色几乎就相当于长虹自己的 AI 团队,只不过工资我们自己发。我们不着急一上来谈个几百万的大系统,而是先找一两个最痛、最容易见效的小切口,5 到 7 天做一个 POC 打样,大家先看到真效果、建立信任,再一步步滚起来。所以今天我最想听的,是你们业务里最真实的痛点。
来之前我们也做了功课,简单说说对两家的初步了解,不对的地方请各位领导指正。
我先简单介绍到这里。接下来更想听各位讲讲——日常工作里哪些环节最重复、最依赖老师傅经验、跨部门最容易卡的地方,我们一起看看 AI 能在哪里最快帮上忙。