文 / 富贵研究所这两年，几乎所有企业都在说自己要做 AI 转型。开会的时候，人人都在讲大模型。汇报的时候，PPT 上全是智能体。朋友圈里，CIO、CTO、咨询公司、云厂商，个个都在喊：再不上 AI，就晚了。但真相是——大多数企业，根本不是在做 AI 转型。它们只是给旧系统，贴了一层新壁纸。OA 还是那个 OA。ERP 还是那个 ERP。数据还是一堆烂表。流程还是靠人催。部门还是各管一摊。最后在最上面，再接一个会聊天的模型，弄几个“智能问答”“智能助手”“智能报告”。然后老板一看，觉得企业好像进步了。员工一用，发现还是原来那套班子，只不过多了一个会说漂亮话的插件。这就像什么？这就像一栋年久失修的老楼，楼板是裂的，水管是漏的，电路是乱的，承重墙都快空了。结果业主不修楼，先在客厅摆了一台最新款空气净化器。空气是新鲜了一点。楼，还是危楼。所以今天，真正的问题不是：企业要不要做 AI？而是：
企业到底是在“加一个 AI”，还是在“借 AI 重做自己”？
这两者的差别，比装空调和翻建房子还大。而最近我看到的一个大型能源企业案例，恰恰把这件事说透了。它不是在做“AI+某个小应用”。它是在把企业，从战略、架构、数据、平台、场景，到未来的训练资产，整条链路重做一遍。这，才叫企业 AI 转型。
一、很多企业不是不会用 AI，而是根本没想清楚，AI 到底该改什么
为什么大多数企业的 AI 项目，最后都做成了“智能助手工程”？原因很简单。因为“上个模型”最容易。买 API，接知识库，做个问答，三周出效果。领导能看见，供应商能交付，项目经理也能结项。但真正难的，从来不是模型接进去。真正难的是：你的业务有没有被重新梳理过？你的流程有没有被重新设计过？你的系统是不是还是烟囱？你的数据能不能支撑连续决策？你的组织，有没有能力承接 AI 带来的新工作方式？说白了，企业 AI 转型最难的，不是技术。是你敢不敢承认一件事：
为什么？因为企业过去那一套组织方式，本来就是为“人管系统、人跑流程、人做协调”设计的。你想想看，一家大企业为什么会长成今天这样：一个业务，要拆成十几个部门协同一件事，要穿过四五层系统一个数据，要反复填三遍一个决策，要等周报、月报、专题会一个项目，从前台到中台到后台，靠无数人传话、对表、补洞这套东西，在没有 AI 的时代，是没办法的办法。因为过去企业处理复杂性，只能靠三样东西：分工、流程、层级。现在 AI 进来了，尤其是大模型、智能体、数据编排、算法中台、数字孪生这类能力开始融合以后，企业第一次有机会摆脱这种旧逻辑。不是说部门立刻没了，系统立刻没了。而是说，企业第一次有机会把原来被切碎的东西，重新连起来。让数据不再只是存档，而是变成决策燃料让流程不再只是流转，而是变成自动协同让系统不再只是记录，而是变成经营操作台让 AI 不再只是问答入口，而是进入真实业务闭环这时候，AI 才不是“外挂”。它开始变成企业的新骨架。
这个案例给出的答案，非常完整。它不是一个点。它是一整条线。第一层，是战略重构这个项目的目标，并不是做几个数字化模块，而是支撑企业从传统运营模式，走向更高阶的“绿色智慧综合能源运营商”方向，并推动核心业务体系的系统升级。这意味着什么？意味着它不是把 AI 当成 IT 项目。而是把 AI 当成企业转型的经营工程。很多企业做 AI，最大的问题是：战略没变，业务没变，组织没变，只想技术先变。这当然不成立。因为真正有价值的 AI，从来不是漂在企业上空的。它必须落进企业的主航道里。第二层，是顶层设计先行这个项目里，专门包含“数字化咨询”部分，内容不是写几份材料，而是企业数字化转型蓝图、核心业务流程梳理、体系构建，去支撑公司数字化系统性推进。这一步非常关键。今天很多人一提顶层设计，就觉得虚。其实不是顶层设计虚，是很多人把顶层设计做虚了。真正的顶层设计，不是画一个五层架构图。而是回答这几个问题：这家企业未来三到五年的经营模型是什么？哪些业务环节最值得被 AI 重构？哪些能力要沉淀成平台？哪些数据必须被统一治理？哪些场景能形成业务闭环和价值闭环？没有这一步，后面的所有 AI 建设，都会变成零碎工具。
四、这家企业真正聪明的地方，是先把“企业运行系统”打通了
这个案例最让我觉得对路的地方，是它没有把平台理解成“IT 平台”。它实际上在做的，是企业的新型运行系统。项目建设内容非常完整，包含：路侧+微电网管理工商业园区综合能源管理虚拟电厂升级与电力交易新能源充电运营平台升级项目全过程管理驾驶舱统一服务平台数据中台算法中台数字化咨询等模块。注意这里最重要的，不是模块多。而是模块之间的关系。这不是“做了一堆系统”。这是在把一个能源企业的经营、运营、调控、项目、服务、分析，重新织成一张网。1. 统一服务平台：先把企业入口和流程打通这个项目里明确提出，要打造统一业务及应用服务平台，建设流程引擎、统一门户、统一用户中心（IAM）、可视化孪生场景编排等能力，实现用户、入口和流程的统一汇聚与快速流转。这一段很多外行看过去，会觉得平平无奇。但真正做过企业转型的人都知道，这一层极其重要。因为 AI 如果不能进入统一入口、统一身份、统一流程，它就永远只能做“聊天的旁路”。只有把入口统一、账号统一、消息统一、流程统一，AI 才有机会真正进入业务链条。否则它只能待在边上，当一个看起来很聪明的观众。2. 数据中台：不是为了报表，而是为了统一经营语言项目里的数据中台建设，明确写了几件事：数据采集数据治理数据仓库建设数据资产目录数据服务数据平台建设并且要打破多系统烟囱，统一数据资源，打破数据壁垒，沉淀数据资源与资产。这说明什么？说明这家企业知道，AI 转型不能建立在一堆“各说各话”的数据岛上。过去很多企业为什么做不出真正的智能化？因为业务看业务的数，财务看财务的数，生产看生产的数，项目看项目的数，领导最后看一张汇总出来却谁都不完全认的表。在这种状态下，别说大模型。你就是请十个行业专家进驻，也做不出连续决策。所以数据中台最重要的价值，从来不是存数据。而是建立一套企业内部统一的经营语言。3. 算法中台：让企业不只是“看见”，而是“推演”和“调控”这个项目里还有一层非常值钱——算法中台。它不是简单做几个预测报表，而是围绕结构化仿真、调度算法、历史数据驱动的仿真算法与能源预测算法建设，支撑企业的运行能力提升。这意味着，这家企业在往前走的，不是一般数字化。而是从“可视化”走向“可计算”，再走向“可优化”。这是企业智能化的关键分水岭。看见，是数字化。推演，是智能化。能调控，才是真正进入经营现场。
五、真正的高手，不是做几个 AI 应用，而是把 AI 落进赚钱和控盘的场景里
很多企业做 AI，特别喜欢挑那些容易出 Demo 的场景。比如：智能纪要智能问答智能写报告智能知识助手这些都能做。也有价值。但它们很难真正改写一家大企业的经营能力。真正能证明你有没有做 AI 转型能力的，是你敢不敢碰主业务。这个案例敢。它切进去的，都是硬场景：工商业园区微网虚拟电厂联动能效管理碳管理电力交易项目全过程管理充电运营领导驾驶舱与多维分析这些场景直接关系到企业的运营效率、资源利用率、收益结构和决策质量。这才是为什么这个案例有力量。因为它不是在企业边缘放烟花。它是在企业主航道上修跑道。很多人讲 AI，总喜欢讲颠覆。但真正的大企业 AI 转型，第一步不是颠覆，而是先接管关键场景。因为企业不是实验室。大企业每一个系统后面，都挂着真业务、真资产、真流程、真责任。谁能在这种地方把 AI 做进去，谁才有资格谈“从顶层设计到实战”。
这背后是一个非常大的认知跃迁。过去很多企业做数字化，停在“系统建设”。先进一点的，停在“平台建设”。再先进一点的，停在“数据治理”。但 AI 时代真正的护城河，最后不是系统，不是平台，甚至不只是数据。而是：能不能把数据，炼成可直接支撑模型开发与训练的高质量数据集。这个项目后续提出，要建设一个面向动静态交能场景的高质量数据集，赋能11 个创新领域应用场景，同时建设两个平台——数据集开发运营平台、数据基础设施与安全设施，以及两套机制——标准机制验证及提升推广体系、价值贡献与权益分配机制。这里面最有意思的，不是“数据集”三个字。而是它背后的企业认知：企业不再把数据只当运营副产品。而是开始把数据当成未来的 AI 生产资料。这一步，太关键了。因为在 AI 时代，谁掌握了高质量数据集，谁才真正掌握了模型能力的地基。这个项目提出的目标非常硬：原始数据总量超600T多模态数据总量665.04T包括文本、图像、音频、视频等多种模态清洗后的验证数据集112 万条指令微调数据集56 万条测试集30 万条并要求重复率控制、统一格式规范，可直接用于大模型训练。这已经不是普通意义上的“企业数据治理”了。这是在干什么？这是在把一家企业，从“业务数字化公司”，往“AI 资产型公司”推进。
夜雨聆风
