當前數(shù)字化轉(zhuǎn)型已經(jīng)進入深水區(qū)，通過和各行業(yè)頭部企業(yè)、資深專家、投資機構(gòu)和解決方案商交流，數(shù)字化升級已經(jīng)成為各行各業(yè)謀求高質(zhì)量發(fā)展的良方。

　　然而，不少企業(yè)對數(shù)字化轉(zhuǎn)型仍存有困惑，經(jīng)歷了“不想轉(zhuǎn)”的轉(zhuǎn)變后，“不敢轉(zhuǎn)”、“不會轉(zhuǎn)”是當前企業(yè)面臨的主要難題。

　　5月6日，36氪與京東聯(lián)合舉辦了“ 數(shù)智加速 「企」動創(chuàng)新——益企會客廳 2023創(chuàng)新專場”  線上論壇，邀請專家學者分享他們對于企業(yè)數(shù)智轉(zhuǎn)型的觀察和思考，并回應(yīng)以上企業(yè)正在面臨的難題。

　　Newline副總裁張博 受邀出席大會，與京東零售企業(yè)業(yè)務(wù)事業(yè)部北方區(qū)總經(jīng)理趙延清、華控智加總經(jīng)理劉德廣、華院計算智能制造副總經(jīng)理程振興等幾位數(shù)智化專家，從不同視角分享闡釋了他們看到的2023年機會和挑戰(zhàn)。

　　 沒有數(shù)智化的企業(yè)還有未來嗎？ 數(shù)智化轉(zhuǎn)型的坑與避坑指南

　　京東零售企業(yè)業(yè)務(wù)事業(yè)部北方區(qū)總經(jīng)理 趙延清

　　企業(yè)在數(shù)字化轉(zhuǎn)型過程當中，尤其要注意兩類問題：一是在戰(zhàn)略決策時避免“既要還要“，在一個階段選擇一個重點問題進行攻堅，因為如果目標不清晰，就會讓執(zhí)行層非常難做。二是在執(zhí)行時要有足夠的定力，能夠面對各方面的阻力、壓力和抱怨，堅決貫徹執(zhí)行。

　　京東企業(yè)業(yè)務(wù)在服務(wù)企業(yè)數(shù)字化轉(zhuǎn)型時，也會針對這兩類問題給予充分支持：在轉(zhuǎn)型初期，京東企業(yè)業(yè)務(wù)會為企業(yè)客戶做好細致的戰(zhàn)略規(guī)劃和頂層設(shè)計，明確每一階段的轉(zhuǎn)型目標。在執(zhí)行階段，京東企業(yè)業(yè)務(wù)會積極分享服務(wù)其他企業(yè)數(shù)字化轉(zhuǎn)型的成功經(jīng)驗，并提供豐富的數(shù)字化轉(zhuǎn)型工具，幫助企業(yè)更好地達成數(shù)字化轉(zhuǎn)型的目標。

　　Newline 副總裁 張博

　　企業(yè)在數(shù)字化轉(zhuǎn)型過程中，主要解決三大問題，如何高效協(xié)同辦公?如何實現(xiàn)降本增效?如何提升創(chuàng)造企業(yè)收益/價值?

　　從數(shù)字化辦公維度來講，當企業(yè)支出收縮成為整個社會的共識之后，要利用協(xié)同辦公軟件系統(tǒng)對工作流進行有效管理，其配套的全場景數(shù)字辦公硬件產(chǎn)品(大屏、音視頻外設(shè)等)就需要根據(jù)不同企業(yè)的需求來進行靈活配置。

　　其次，硬件生產(chǎn)力工具與跟企業(yè)現(xiàn)有的協(xié)同辦公軟件生態(tài)的有效融合和深度打通至關(guān)重要，可降低IT建設(shè)和投入成本，同時也是企業(yè)降本增效、創(chuàng)造價值的基礎(chǔ)。未來，AI對于數(shù)字辦公的賦能也是必不可少的，將加速企業(yè)數(shù)字辦公的進程。

　　華院計算智能制造副總經(jīng)理 程振興

　　人工智能對企業(yè)帶來哪些價值或者想象力，是企業(yè)家最想得到的答案。我以華院計算作為智能制造領(lǐng)域的案例給大家分享一下總結(jié)經(jīng)驗。

　　華院計算在冶金領(lǐng)域的配料、質(zhì)量、能源、安全及企業(yè)管理都做了一些案例：從配料角度，我們提升了企業(yè)生產(chǎn)產(chǎn)品的質(zhì)量;在企業(yè)經(jīng)營上，我們可以幫企業(yè)產(chǎn)品做市場分析，對產(chǎn)品做客戶需求的精準定位;在生產(chǎn)過程當中，我們幫企業(yè)進行節(jié)能減碳減低生產(chǎn)成本。

　　總的來說，人工智能可以讓企業(yè)管理更加高效、流程更加精簡。通過人工智能數(shù)學模型優(yōu)化工藝參數(shù)，讓生產(chǎn)過程中的設(shè)備、原材料和人無障礙溝通，形成一個一體化的模型，這可以使機器人發(fā)揮最大能動性，真正實現(xiàn)節(jié)能減碳。

　　華控智加總經(jīng)理 劉德廣

　　目前像能源行業(yè)，大家總體效益還相對不錯，所以做數(shù)字化改造的能力或者意愿更強，面臨的問題主要有，傳統(tǒng)人工智能要基于海量樣本數(shù)據(jù)標注訓(xùn)練學習，但工業(yè)場景下大型設(shè)備可靠性非常高，不容易壞，如何通過有限缺陷樣本把模型訓(xùn)練好，在全球都是面臨難點。其次是工廠環(huán)境的非標準化，工業(yè)場景噪音大、干擾多，如何在這個場景下把人工智能用好，基本需要企業(yè)從頭開始開發(fā)，選擇一個有痛點、可復(fù)制、高價值的場景進行嘗試。

　　這需要企業(yè)有戰(zhàn)略目標，愿意配合方案供應(yīng)商一起拿出解決方案。這個過程中，企業(yè)對數(shù)字化的理解會更深入，供應(yīng)商的產(chǎn)品也會越來越越成熟。