（来源：数字化企业）
2026年10月23日，在e-works数字化企业网主办的“工业AI+制造业数字化转型高峰论坛”上，来自无锡威孚高科技集团股份有限公司人工智能技术总监夏志禹、灵核数智销售与解决方案总经理肖铭洋、常州博瑞电力自动化设备有限公司信息中心主任舒正、观远数据数字化转型专家利骏锋的四位嘉宾，围绕数字化转型深水区的痛点阻碍与工业AI落地的方法路径两大议题展开了深入探讨。e-works CEO黄培博士担任主持人。
内容提要/OVERVIEW
从左到右依次是：主持人e-works CEO黄培博士、无锡威孚高科技集团股份有限公司人工智能技术总监夏志禹、灵核数智销售与解决方案总经理肖铭洋、常州博瑞电力自动化设备有限公司信息中心主任舒正、观远数据数字化转型专家利骏锋
1
数据治理：数字化转型最大的痛点与现实阻碍
主持人黄培博士
当前制造企业数字化转型已进入深水区，最大的痛点与现实阻碍是什么？
无锡威孚高科技集团股份有限公司
人工智能技术总监夏志禹
数据质量达不到AI模型训练的要求，是当前转型最大的阻碍。
结合威孚集团的自身实践，企业多年搭建了大量信息系统，也积累了一定数据，但这些数据多是“半吊子”数据，拿来做AI应用效果并不理想，输出的结果似是而非，存在逻辑错误甚至相互冲突。尽管孤岛式的系统数据已经多数打通串联，但数据质量仍是短板，怎么把数据治理做好，是威孚面临的头号课题。
灵核数智
销售与解决方案总经理肖铭洋
业务系统的孤岛和组织的形式，是数字化转型必然要面对的两大现实阻碍。
很多制造业企业无论做数字化还是数智化，都会面临一个问题：为什么会有孤岛化的应用？制造业的发展分为两个阶段，第一阶段是职能性分工，从销售、订单到交付、物流，各职能部门围绕自身职能建系统，导致数据从源头上就没有被连接起来，更没有发挥更大价值；第二阶段是近几年流行的流程型或矩阵型组织，用端到端的流程牵引，比如从订单到交付、从线索到回款，但受限于业务系统的孤岛，依然没有把这件事做好。
常州博瑞电力自动化设备有限公司
信息中心主任舒正
数据治理方法论虽多，但落地难、成本高、价值难衡量。
数据治理落地难有三重现实：一是方法论虽多，DCMM、DAMA等体系都很全面，但真正落地很难，很多企业包括咨询公司都不知道怎么开展；二是数据治理成本极高，主数据清洗涉及各业务系统的数据分级，这是个大工程，而业务部门未必理解这种投入；三是价值衡量模糊，数字化转型到底来自管理改善、信息化系统提升还是流程优化，很难精确区分，项目启动会上提出的指标很乐观，但落到实际效益上往往止于纸面，很难准确衡量AI和数字化项目的ROI。
观远数据
数字化转型专家利骏锋
数据治理不仅是技术问题，更多是管理要素。
以服务南方电网的经验为例，第一期用一年时间构建了完整的数字化底座，第二年花了一年时间做的事情根本不是技术，而是数据文化以及围绕用数据来承接AI的制度规则。企业通过内部数据应用激活大赛，从初赛到决赛，由计划预算、产供销、人力资源等部门分别孵化种子案例，慢慢形成了数据放权制度和用数激励制度。原来的数据孤岛，是因为各部门围绕自己的一亩三分地开展业务就够了；今天站在整个公司的角度要用好数据，就需要接受治理过程中带来的阵痛。
主持人黄培博士
各位嘉宾的分享指向了同一个根源——数据。AI应用并不能改变“垃圾进、垃圾出”的结果，甚至可能放大错误。数据治理既是技术问题，更是管理问题，需要方法论、组织保障与数据文化的共同支撑。数据治理这门必修课，没有捷径可绕。
2
工业AI落地：如何避开认知误区与试点陷阱？
主持人黄培博士
当前工业AI落地存在哪些认知误区？AI项目如何避免试点陷阱？
无锡威孚高科技集团股份有限公司
人工智能技术总监夏志禹
避免误区的最大方法是全员参与。
线人员和实际从事业务工作的人，最清楚自己的工作存在哪些缺陷、哪些环节可以提优。让他们基于自身工作效率的提升去主动应用AI，比自上而下的推行更加有效。
灵核数智
销售与解决方案总经理肖铭洋
AI落地一定要从公司的经营结果出发，而不是为了噱头讲故事。
结合此前落地数百家企业AI应用的经验，主要有三个误区：一是先上工具、再找场景，先部署模型、场景后补，这种方式并不建议；二是期望得到一问全知的AI，知道营收、知道每个单子的进展、知道ERP里的所有数据，这种想法现阶段很难落地；三是把个人提效等同于组织提效，员工用AI提升了效率，省下来的时间未必转化为组织产出，这种提效对公司而言价值有限。AI落地必须真正提升企业的经营结果。
常州博瑞电力自动化设备有限公司
信息中心主任舒正
最大的误区是单打独斗，AI时代更需要IT与业务的强协作。
业务部门比如生产部门找一个AI模型在里面跑，即便跑出来，数据基座怎么融入工业生产体系？脱离IT部门做不到；反过来，IT人员也不可能比业务人员更了解业务和痛点，脱离业务部门做AI同样不可能。到了AI时代，技术的要求会越来越低，业务的要求会越来越高，IT部门要转型为“IT+AI”的使能者，工业场景的AI落地必须是多方融合，包括与外部服务商的FDE紧密配合。
观远数据
数字化转型专家利骏锋
AI工具让技术壁垒无限降低，也带来了企业级架构无监管的新挑战。
AI工具正在让没有代码能力的业务从业者构建小型周边应用，甚至替代了部分低代码平台的工作，但随之而来的是无监管问题：各部门各自为政、烟囱式建设，若重新回归整个企业去建设支撑AI的完整架构，会发现系统非常混乱、高度耦合。因此，技术人员要与业务人员协同构建完整的架构，个性化应用的部分，可通过费用报销等方式鼓励员工大胆尝试；但对于企业级应用，管理链路需要打通并共同创建。
主持人黄培博士
生成式AI本质上是伪原创，它输出的内容一定是别人创造过的东西，不要把它想得太厉害，只有用正确的数据、包括正样本和负样本去训练模型，才能得到正确的结果。制造业未来的架构，应该是小模型与大模型结合，叠加在现有的数字化系统之上，再加上智能体，某些岗位用数字员工去替代。数据治理这道坎迈过去，AI落地这道坑绕开走，数字化转型之路才能行稳致远。感谢四位嘉宾的精彩分享！
