神州數碼郭為WAIC演講：數據即權利，智能即資產，重構生產力底層邏輯

2026年7月18日上午，世界人工智能大會（WAIC 2026）備受關注的AI管理創新論壇“冰山下的價值掘金”在上海世博中心舉行。

論壇現場，神州數碼董事長郭為圍繞AI如何重新定義生產力，發表了題為《數據即權利，智能即資產：AI for Process與組織生產力重構》的主旨演講，分享多年行業深耕的思考。他從系統工程、商業實踐、歷史文化等維度，深刻闡述從信息化到數字化再到智能化的技術躍遷，提出了以“AI for Process”突破AI時代企業創新與治理瓶頸的破局之道。

神州數碼董事長 郭為

數字化本質躍遷：

從系統控制到數據資產化

首先，郭為直指行業長期存在的認知誤區，明確數字化不是信息化的自然延續，而是一次顛覆性的技術躍遷。他以自身著作《數字化的力量》核心觀點為根基，回溯管理信息系統的起源，指出上世紀60年代誕生的管理信息系統依托控制論、信息論、系統論構建，核心目標是實現系統的可定義、可控制、可管理，本質是服務于傳統管理范式的工具升級。而數字化時代的核心變革，在于數據成為全新生產要素，數字化的根本目的不再是系統控制，而是持續積累數據資產，這是數字文明區別于農耕文明、工業文明的核心標志之一。

從生產要素演變的歷史維度審視，農耕文明以土地為核心財富載體，工業文明以資本為關鍵生產要素，而數字化時代，財富形態進一步虛擬化，數據成為資產的核心表達方式。中共十九屆四中全會明確數據作為生產要素的定位，為數字經濟發展奠定了制度基礎，也印證了這一歷史趨勢。郭為強調，人工智能技術的爆發，正加速數據資產的積累進程，區別于傳統人為創造數據的模式，AI能夠自動、海量生成數據，推動人類社會進入高速發展新階段。資本市場的估值邏輯已然印證這一變革，科技企業的高市值本質上是對其數據資產價值的認可，企業價值的核心衡量標準，正逐步轉向所擁有的數據資產總和，這一認知重構，徹底改變了企業價值評估與發展的底層邏輯。

創新系統工程：

技術、商業與管理的三重協同

基于數據成為核心生產要素的前提，郭為重新詮釋熊彼特創新理論，提出創新是生產要素的重新編排，而AI時代的創新，是技術范式、商業模式、管理方法三者協同作用的系統工程。他指出，行業長期存在“創新”概念泛化的問題，將技術發明、科學發現與創新混為一談。而熊彼特定義的創新，本質是企業創造財富的商業活動。數據作為新生產要素的重新組合，正是AI時代企業創新的核心形態。

在郭為提出的“企業創新風輪”三大核心要素中，技術范式迭代是根本動力，2025年諾貝爾經濟學獎得主喬爾·莫基爾（Joel Mokyr）的技術進步驅動經濟發展理論，進一步驗證了技術對創新的底層支撐作用。商業模式變革是創新落地的關鍵載體，移動支付在中國的快速普及，對比信用卡漫長的推廣周期，彰顯技術賦能下商業模式創新的巨大潛力。管理方法則是創新持續推進的保障，完善的激勵機制與管理閉環，才能激發主體參與創新的積極性。

郭為以景德鎮制瓷工藝為經典案例談到，700年前宋末元初的制瓷過程，將老師傅的高超技藝專業化拆解，這套工藝體系在清代演化出標準化72道工序圖解，同步推進燃燒技術、材料工藝等技術范式革新，打造適配海外定制需求的柔性化商業模式創新，落地專業化分工、計件激勵等管理方法，成就了中國瓷器的全球影響力，這一古代創新實踐，與AI時代的系統創新邏輯高度契合。

從傳統工藝到現代產業，這一創新邏輯在AI應用中持續落地。神州數碼在制藥行業的實踐中，針對臨床研究報告CSR撰寫這一復雜環節，依托多智能體組合重構工作流程，將原本依賴資深工程師經驗、耗時三個月的百頁報告生成工作，壓縮至數天完成，效率提升近九成。這一過程如同將制瓷老師傅的經驗拆解為標準工序，通過智能體連接數據斷點，把隱性知識轉化為顯性資產，既解放了高端科研人才的生產力，又讓初級員工能夠參與核心工作，實現經驗的標準化、可復用，充分印證了AI創新是技術范式、商業模式、管理方法協同發力的系統工程，而非單一技術工具的應用。

AI for Process：

流程重構激活組織生產力

當技術范式、商業模式、管理方法形成合力，最終落地為業務流程的重構，這正是AI for Process的核心內涵。郭為提出，AI的價值不在于孤立的工具應用，而在于深度嵌入業務流程，將傳統固化流程轉化為自適應、自學習的智能工作流，實現組織生產力的系統性重構。演講中，他以醫療、金融、高端制造三大領域的實踐案例，全方位詮釋AI for Process的落地價值與實現路徑。

在醫療領域，神州數碼聯合國內頂尖醫院胰腺外科，以AI for Process理念構建胰腺癌圍術期的多個智能體，實現診療流程的系統性重構。術前，可切除性評估智能體融合影像、病歷、檢查等多模態數據與臨床指南，形成標準化、結構化評估報告，將評估準確率提升至93.67%；腫瘤TNM分期智能體，對難度最高的N分期進行針對性優化，準確率達81.33%，在特定測試條件下超越普通主治醫師水平。術中，胰瘺風險預測智能體實時分析多源數據，為醫生判斷手術風險、優化決策提供輔助支撐。術后，并發癥輔助診斷智能體，通過信息抽取、智能判別、報告生成三大節點協同工作，高效輔助診斷并自動生成報告，專家則負責最終復核與確認。

這一實踐表明，AI正在推動診療模式從經驗驅動轉向人機共舞，讓臨床經驗轉化為組織可沉淀、可復用的知識資產，實現流程持續進化。診療過程中產生的數據，也可進一步反哺知識庫與智能體模型，形成診療流程的數據閉環。隨著數據、知識和模型能力的持續積累，智能體將在實際應用中不斷優化輔助診療能力，推動醫療流程實現持續進化。

除此之外，金融及高端制造領域也有類似的閉環。

在金融領域，針對銀行私人理財業務長尾客戶服務不足、方案優化依賴歷史臺賬的痛點，神州信息通過智能體沉淀資深理財經理經驗，構建行業技能庫，結合客戶畫像與市場數據形成服務閉環，讓每一次客戶交互都成為智能體優化的養分，提升客戶服務覆蓋面與精準度。

在高端制造領域，聚焦工業導管腐蝕故障檢測這一依賴專家經驗的核心環節，神州數碼通過多智能體分層分析，實現宏觀判斷、微觀檢測、材料分析的協同作業，將稀缺專家經驗轉化為標準化流程，既保障生產安全，又實現知識資產的沉淀復用。

這些案例共同印證，AI for Process的核心是打破知識斷點、重構業務流程，將分散在個體身上的隱性經驗，轉化為組織層面的顯性能力，實現從“人依賴經驗”到“流程承載智能”的轉變。郭為強調，人類的進步依托學習能力，而傳統流程無法自主學習迭代，AI的加入讓流程具備自適應進化能力，這正是組織生產力重構的核心。

高質量雙地基：AI次方價值躍升

AI for Process的落地成效，高度依賴兩大核心基礎，郭為將其總結為高質量數據集與頂級專家協同，這也是實現 “AI 次方”價值放大效應的關鍵。他引用清華楊斌教授的觀點，AI應用不是簡單的“AI+”，而是“AI次方”，數據質量與專家水平決定了價值走向，低質量的基礎要素只會大幅削弱AI價值，落地效果近乎歸零，唯有高標準的雙地基支撐，才能實現價值的指數級增長。

當前企業AI應用的核心痛點，在于高質量數據集的缺失。行業內備受關注的Palantir FDE（前線部署工程師）模式，核心正是深入業務一線完成數據整理，實現數據與模型的高效適配。神州數碼的實踐始終堅持與各領域頂級機構合作，醫療領域依托知名醫院的診療指南與專家經驗，制藥、金融、制造領域均攜手行業頭部主體，正是因為只有知名專家才能突破現有流程瓶頸，創造高質量訓練數據，讓AI應用從規定動作升級為創新突破。

郭為指出，企業推進AI轉型，必須著力培養深入一線的FDE團隊，聯動行業知名專家，構建專屬高質量數據集，這是AI落地見效的前提，也是企業構建核心競爭力的關鍵。

為支撐企業實現這一目標，神州數碼歷經四五年探索，打造出適配AI原生轉型的完整框架——神州問學，面向客戶提供智能體構建能力，沉淀企業私域知識圖譜與核心技能經驗，依托MaaS平臺靈活適配私有化、公有云等多場景模型調用需求。神州數碼致力于與各行業客戶共創，從核心痛點切入逐步打通全流程，助力企業邁向AI原生，而十年之后，AI將成為先進企業的標配，不再是獨立討論的應用話題。

郭為以“數據即權利，智能即資產”總結核心觀點，為AI時代企業發展錨定終極價值方向。數據資產的累積是企業追求的核心目標，而數據資產的價值必須通過AI應用實現釋放。數據之所以成為權利，在于數據的應用場景與業務邊界決定了企業的發展邊界，例如，字節跳動依托用戶數據拓展業務版圖、美團基于消費數據延伸服務場景，都是數據驅動業務邊界突破、企業話語權提升的典型案例。當企業成為AI原生主體，數據邊界即是業務邊界，數據的突破直接帶來商業價值與市場權利的擴張。

智能即資產的核心邏輯，在于企業將模型、經驗、流程等智能能力沉淀為可復用、可增值的組織資產，形成持續的復利效應。數據資產的長期復利增值潛力顯著高于傳統實體資本，企業通過AI持續沉淀數據、優化模型、完善流程，能夠實現價值的自我增長，構建起難以復制的競爭壁壘。

最后，郭為以都江堰水利工程為喻，強調AI如同水資源，兼具機遇與挑戰，中國智慧倡導的“因勢利導、系統治理”思路，正是應對AI變革的最佳路徑，中國企業有能力依托自身實踐，在全球AI競爭中走出特色發展之路。

李湛 | 文

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org