从信息化、数字化、智能化到企业大模型应用

新时代背景下，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，5G、大数据、云计算、人工智能、区块链等技术加速创新，全域融入经济社会、民生服务全过程，成为资源要素重组、经济结构重塑、竞争格局重构的关键力量。千行百业纷纷投身数智化转型浪潮，以信息化、数字化、智能化为核心动能，构筑了数智化供给新模式。

PART.01

信息化、数字化、智能化区别（大模型回答）

信息化、数字化和智能化是信息技术发展的不同阶段和层面，它们之间既有联系也有区别：

信息化（Informatization）

01

定义：信息化是指通过应用信息技术（如计算机、互联网、通信技术等）来收集、处理、存储和传递信息的过程。它涉及到信息资源的开发与利用，以及信息系统的建设与应用。

特点：

• 侧重于信息的管理和优化。

• 强调信息的获取、处理和传递。

• 目的是提高管理效率和决策质量。

数字化（Digitization）

02

定义：数字化是指将非数字信息（如纸质文档、图片、声音等）转换为数字格式的过程。这样信息可以被计算机系统识别和处理。

特点：

• 侧重于信息的转换和存储格式。

• 强调将模拟信息转换为数字格式。

• 目的是便于信息的长期保存和快速访问。

智能化（Intelligentization）

03

定义：智能化是指利用人工智能技术（如机器学习、数据分析、自动化控制等）来模拟人类智能，使系统能够自主进行决策和学习。

特点：

• 侧重于系统的自主性和智能水平。

• 强调利用数据和技术进行智能决策。

• 目的是实现自动化、优化决策过程和提高系统性能。

三者之间的区别：

• 阶段：信息化是基础，数字化是中间阶段，智能化是更高级的阶段。

• 目的：信息化旨在优化信息管理，数字化旨在转换信息格式，智能化旨在实现自主决策。

• 技术应用：信息化主要使用信息技术，数字化主要使用数据转换技术，智能化主要使用人工智能技术。

• 数据处理：信息化处理结构化数据，数字化处理非结构化数据，智能化处理各种类型的数据并进行智能分析。

联系：

• 数字化是信息化的深化，为智能化提供数据基础。

• 智能化是数字化的高级应用，利用数字化的数据进行智能处理。

• 三者相辅相成，共同推动信息技术的发展和应用。

PART.02

天下大势，分久必合

信息化、数字化、智能化贯穿了新型技术在企业当中的升级利用，虽然每个项目的提法都各有不同，但表现在项目上并没有那么割裂，比如去年我完成的质量类项目，其中包含了机器视觉（零件表面划痕识别，智能化）、流程梳理/业务功能开发（信息化，QMS）、质量运营管理（数字化），所以如果现在企业提及信息化、数字化与智能化，我们都可以定位为是将新型技术用于企业流程梳理、业务变革当中。随着技术的进步，三者之间的界限越来越模糊，它们正逐渐融合，共同推动社会进入智能化时代。

除了信息化、数字化、智能化三者的概念与项目表现会越来越模糊之外，在项目中应用哪一个词汇都会覆盖不了所有的业务，所以越来越多的项目无法以项目名称来衡量建设内容，况且现实当中有很多项目为了避免竞争甚至会随意起一些名字，比如明明是MES系统的项目，但是招投标环节会起名为“生产管理系统”，明明是大数据项目，会起名为运营决策项目；综合来讲，项目的名称已经不足以让外人了解项目的定位以及内容，只能通过项目建设内容来了解项目所包含的功能模块。很多人说ERP、MES项目越来越少，其实也可能是ERP、MES等项目是以其他名称的形式隐藏起来了，做的事情可能并没有太多变化。

PART.03

新型技术普及到企业，方向不同但道路类似

从技术扩散的客观规律看，需求侧、技术侧与环境侧共同推动技术由大型企业点状应用走向中小企业规模化普及。回顾历次产业革命可以发现，新技术推广的路径都是沿着由大型领先企业的试点应用向中小企业规模化普及发展，其中“企业出现新型需求、技术不断走向成熟、推广环境不断得到完善”成为了驱动技术扩散的三大重要因素。

需求侧产生变化，牵引企业应用新型技术。如二战后世界强国间的军备竞赛，推动了工业软件等技术在国防工业以及后续在民用工业中的推广扩散。技术侧走向成熟，支撑企业应用新型技术。如5G、机器视觉、物联网、传感器等技术变革不断降低应用的成本与门槛，让更多的工厂能够应用新型技术实现高效生产。技术推广环境逐渐完善，加速技术传播扩散。在历次产业革命中，各国政府都不断布局技术专利、财政支持等各类型政策，打造有利于技术创新与传播的良好环境，如第三次产业革命期间在美国国防部、能源部等政府部门的资助下，诞生了如CAD软件、化工工艺流程仿真软件等代表性技术产品。

PART.04

大模型技术会从零到一

新型技术的发展如雨后春笋应接不暇，元宇宙、区块链、大模型等概念层出不穷，比如去年由OPEN AI发布大模型技术，在企业应用上的发展肯定也将由需求侧、技术侧与环境侧共同推动。

站在技术侧来讲，大模型技术随着国外技术开源，应用层面也在不断成熟；环境端来讲，回顾历年政府工作报告，从2015年提出的“互联网+”到2019年提出的“智能+”。如今，随着大模型等人工智能技术成为引领新一代产业变革的核心力量，政府工作报告中首次提出的“人工智能+”行动，无疑将为人工智能技术在各行业的广泛应用开启新篇章。但是需求端来讲，企业目前都还只是在观望，到处在组织学习会议精神，或者参与各类大模型技术科普的沙龙。但是真正到立项的还是比较少，综合起来有如下因素：

• 第一个吃螃蟹的，一般都会国企/央企，而国企、央企立项都需要时间周期，目前还尚未到落地的时间；

• 大模型开源的技术成熟度适合于C端，因为C端可能仅仅是娱乐，人们对于大模型的错误是有一定容忍度的，但是B端对于结果正确性的严苛要求阻碍了其发展；

• 目前还正在寻找大模型技术应用的突破口。所以企业在需求侧肯定有，但是刚需目前找到的相对比较少。

企业在大模型应用的刚需目前还没有找到主要有两方面的因素，第一由于大模型的技术还处于科普阶段，企业的业务人员仅仅还只是以娱乐的心态在了解，真正应用到某个业务场景还没有真正的思考。而且企业内部也存在严重的信息差，现在能够参与大模型沙龙的都是领导层，领导层肯定会站在企业整体去思考，对于某个固定的业务场景并不重视，不管是企业信息化阶段的流程梳理，还是大数据阶段的数据贯通都符合这样的定位。但是目前看大模型只是一个功能非常强大的工具，不会站在企业整体上去解决太多问题，仅仅只会就某个单点难点去升华，而企业这样的人员目前还没有去参加大模型沙龙活动的机会。

如下图所示，大家以为的大模型会替代大量人工劳动，会打通企业整个流程，企业运营成本有非常大的降低，但是目前看大模型基本上会应用企业的某个单点业务流中，比如海报设计、报表个性化定制等，这些在企业也并不是刚需，因为只是节省了某个单点业务的处理周期而已。

提及刚需可能很多人无法定义，企业中什么是刚需，什么是伪需求，比如如果某企业之前需要人工去查询信息，现在更换为自然语言输入的方式去查询，这样的大模型应用并不是刚需，因为他们有其他的方式去替代。但是比如航发需要把各类生产信息（来源于ERP、MES、QMS）归集到电子卷宗，也就是将信息按照固定模板去填充，生成合格证，目前只能依靠人工在各个阶段手工填写两份，一份在系统上，一份在纸质单据上，将纸质单据汇总之后成为电子卷宗，需要大量手工重复作业，但是如果采用信息化系统则不能将正确的数据自动生成电子卷宗上，因为电子卷宗的模板成千上万很难根据模板一一定制化开发，但是大模型的出现则会更改这个情况，将NLP+大模型结合能够将系统中的业务数据自动填充到不同的模版中，自动输出电子卷宗纸质版。

PART.05

数智化转型面临的主要问题

企业信息化、数字化、智能化是一项长期、庞大、复杂的系统性工程，既需要认知理念和思维方式的深刻转变，更需要统筹考虑生产体系、技术能力、财务状况、组织文化等多种因素，给各转型主体在认知、实施以及服务响应层面带来诸多困难。信息化、数字化与智能化在企业中应用普遍存在“价值迷茫”“技术迷茫”“路径迷茫”难题。

“价值迷茫”。数智化转型是大势所趋,但要素、新业态、新范式的扩散成熟需要验证、积累、蜕变的过程，数智化转型的长期性、复杂性决定了产业大部分组织仍然处于探索阶段，同时信息化阶段的价值评价方式不适用于数智化阶段，导致组织对数智化转型的价值成效存在疑惑。

“技术迷茫”。数智化转型是5G、人工智能、区块链、大数据等新一代信息技术以及数据要素与传统行业的深度融合，这对管理人员、业务人员、IT人员的知识体系、数字素养、业务技能带来了巨大的冲击，组织自上而下均对新技术、新模式均存在一定程度的恐慌。

“路径迷茫”。数智化转型不是简单的标准化软件的应用，其他组织的成功经验也难以直接复制，需要根据组织的特点制定系统化的转型路径，同时单一数智化产品仅能解决某一领域具体问题，组织缺乏全局性、系统性的谋划，存在转型路径迷茫的现象。
大模型应用到企业端，仍然属于企业信息化、数字化与智能化转型的一部分，所以大模型应用到企业业务中，技术、价值与路径等方面也会遇到同样的问题，技术上大模型开源只有一部分还尚未到直接商用的程度，价值上无法迅速定位给企业带来的价值，实施路径由于涉及到的企业比较小不会又太多问题，目前看最重大的还是在于企业刚需的捕获，这样更加体现了行业专家的重要性，因为需要了解大模型的技术逻辑，对于企业内部业务形态也了如指掌，将两者结合方能产生项目商机。PART.06

前 景

《荀子·修身》中提到“路虽弥，不行不至。事虽小，不做不成。”，任何新型技术开始应用都需要时间去沉淀，不管是让企业决策者去了解、思考，还是推动技术更加成熟。但是按照新型技术在企业应用种更新迭代的规律来看，总是需要一些上个阶段的项目积累去做铺垫，比如数字化需要信息化提供数据，智能化需要数字化去处理数据，未来的项目中肯定会包含信息化系统功能梳理、数字化中的数据关联、智能化的自动场景识别以及大模型的学习。