在“人工智能+”行动不断深入、人工智能被视为推动新质生产力发展的关键力量的当下，企业级人工智能应用正从探索阶段迈向深化应用的新阶段。1月31日，在雄安新区举办的“人工智能+”创新生态系列活动上，彩讯股份发布了《企业级AI应用白皮书》，全面梳理了企业级AI的发展路径、核心挑战及实践方法，为行业提供了重要的参考框架。活动期间，彩讯股份CEO白琳接受了媒体采访，就企业级AI的发展趋势、应用挑战及彩讯的战略布局进行了深入解读。
白琳指出，当前企业级AI应用正从技术驱动向业务落地深化转型。尽管AI技术已具备在企业中应用的基础条件，但真正实现规模化、可持续业务价值的案例仍较为有限。这一现象的根源并非技术不足，而是企业级AI应用面临一系列系统性挑战，包括业务场景选择、系统架构重构、数据治理、安全合规及组织协同等问题。彩讯股份发布白皮书的目的，并非提供标准答案，而是基于长期服务政企客户的实践经验，系统梳理企业级AI的发展阶段、痛点及可行路径，为企业理性看待AI、构建可参考的思考框架、推动行业形成务实共识提供支持。
针对企业级AI与传统数字化的本质区别，白琳表示，传统企业数字化以“流程数字化+系统自动化”为核心，软件主要作为规则执行者和效率工具。而“用AI重新定义企业软件”则意味着软件角色发生根本转变——从被动执行规则转向主动参与业务理解与决策。在大模型能力的支撑下，企业软件能够理解业务语境、处理非结构化信息、进行判断与推荐，并随业务变化持续演进，最终从“功能集合”升级为“智能系统”。彩讯认为，下一代企业软件需具备三大特征：AI原生架构、场景驱动设计、可治理与可演进性。
为解决企业级AI落地的复杂性，白皮书提出了“1+1+N”策略。白琳解释称，第一个“1”代表顶层方法论，强调优先解决场景选择、价值评估、优先级排序及新旧系统融合等问题，避免AI应用偏离业务目标；第二个“1”指工具平台，以彩讯的RichAIbox为例，通过统一调度模型、数据、流程和系统，确保AI应用的稳定性和持续演进能力；“N”则指向具体业务场景的应用实践，需在顶层设计与工具平台的基础上，通过实践沉淀经验并实现能力复用。这一策略旨在为企业提供从试点到工程化的现实路径。
相较于消费级AI，企业级AI对稳定性、可控性和业务价值的要求更为严苛。白琳指出，企业级AI需承担流程责任、业务结果与合规要求，容错率极低，因此面临三大核心挑战：业务高度定制化导致难以复制、稳定性与安全性要求禁止“试错式运行”、需具备可管理性与可审计性并产生可衡量的业务价值。彩讯的应对方案包括：通过平台化与工程化能力构建统一治理体系，提供智能体构建、数据治理等工具集；强调AI必须深度嵌入业务流程，而非独立于系统之外。白琳认为，企业级AI的成功更多依赖于系统设计与治理能力，而非单点技术突破。
活动期间，彩讯与稳准智能联合发布了“彩讯数擎大模型”，聚焦垂直领域的数据模型（LDM）。与通用大语言模型（LLM）及多模态模型（VLM）不同，LDM主要面向结构化数据，擅长预测、归因和趋势分析，可应用于销售预测、风险控制、智能推荐等核心业务场景。白琳强调，LDM与LLM、VLM形成互补，共同构成企业级AI的完整能力体系，这也是白皮书倡导“多模型协同”的原因——企业级AI需通过系统工程实现，而非依赖单一模型。
谈及未来3-5年的市场格局，白琳认为，企业级AI将呈现分层与专业化趋势：底层模型能力趋于通用化，而差异化竞争将集中在业务理解深度、AI与IT及场景融合能力（如数据治理、服务治理）以及长期陪伴企业演进的能力。彩讯将依托RichAI全栈体系，聚焦大模型能力与企业业务价值的衔接，通过深耕企业场景、推动系统化落地，与客户及产业伙伴协同，助力AI成为企业发展的新质生产力。
