從一定意義上講，人工智能本身就是一種新質生產力。我們都知道馬克思經濟學定義生產力是勞動者、勞動工具和勞動對象這三個要素相互作用和協調的結果，而新質生產力我們可以理解為是新質勞動者、新質勞動工具和新質勞動對象這三個新要素共同作用的結果；首先AI可作為新質勞動者，AI可以執行各種任務，這些任務傳統上需要人類勞動者來完成。

例如AI可以分析數據、生成報告、進行客戶服務、駕駛汽車等。在這些情況下，AI充當了勞動者的角色，代替或輔助人類完成工作；其次AI作為新質勞動工具，AI技術本身也可以被視為一種工具，幫助人類勞動者更有效地完成任務，例如，金蝶云·星空旗艦版銷售預測算法可以幫助企業提高銷售預測準確率，庫存算法可以優化庫存管理，實現動態庫存管理等等，在這種情況下，AI是增強人類勞動能力的工具，提高了生產效率和質量；最后AI作為新質勞動對象，我們可以使用AI來創造或改進AI系統，包括AI系統的設計、開發、訓練和維護。例如，數據科學家可能會使用機器學習技術來訓練一個新的AI模型，或者軟件工程師可能會開發AI應用程序；因此我認為人工智能本身就是一種新質生產力。

這個問題我們可以從“供需”兩方來分析，首先看“需求方”，也就是廣大企業，今年金蝶開展了“成就世界級隱形冠軍”數字化轉型工作坊，目前已成功舉辦兩期，每期60人左右，從調研問卷以及與企業家交流時，都感受到他們對AI的期待，可以說需求旺盛，他們希望有更多的不同角色的數字人，也就是我前面所講的新質勞動者，幫助企業解決工作效率以及協同效率的問題；他們也希望有更多的AI機器人，也就是我前面所講的新質勞動工具，如產線、庫房、物流等場景的AI機器人，提高效率的同時降低人工成本；當然前兩者都離不開AI 模型應用開發以及模型賴以生存的數據問題，也就是前面所講的新質勞動對象，在這個方面，成長型企業不比大型企業，由于人才匱乏，自己很難自主開發和應用AI，一味靠引進又擔心投入成本太高，另外多數制造企業設備互聯、系統孤島等問題造成數據的準確性、完整性和及時性等問題，解決這些問題都需要投入。

總之在我看來，人工智能在制造企業落地的挑戰就是成本、數據和人才問題。如何克服？一則引進外部力量；二則在消化吸收過程中培養和鍛造自己的AI隊伍。這是“需求方”，作為供方而言，像金蝶，作為一家國內領先的云SaaS管理服務廠商，我們一直堅持產品和服務創新，就是希望我們的客戶能及時享受到新技術帶來的紅利，我在演講時介紹了金蝶新一代成長型企業EBC，也就是金蝶云·星空旗艦版，它依托企業級AI平臺，構建“研產供銷服”全價值鏈應用，賦能企業數字業務能力建設，幫助企業實現管理價值提升，從而實現企業跨越生命周期的成長。我們有大模型和研產供銷服各領域的小模型，但缺少應用場景，這就是我們的挑戰。企業方有場景缺AI應用、缺人才，服務提供方有AI應用，缺應用場景，“供需”雙方各自的挑戰正好可以對接，可以一起進行AI領域模型應用的共創、共享，進而實現共贏。我們歡迎廣大成長型企業選用金蝶云·星空旗艦版，讓我們一起在AI時代并肩向前。

要想AI在企業落地應用并且持續見效，它必須有一個持續迭代的過程，因為模型需要迭代，所以我想套用“PDCA”的邏輯，從四個方面給出建議：第一個是“P”，規劃或者計劃，就是建議企業將AI戰略作為企業發展戰略的重要組成部分，同時制定AI在本企業應用的中長期規劃；第二個是“D”，即AI項目落地實踐，建議企業科學選擇AI試點應用領域進行項目實踐，這個試點領域不一定要求“大”，而是要切實解決企業實際問題，如大多數企業面臨的銷售預測不準、庫存積壓和訂單準交率等問題，企業可以選擇銷售預測模型、庫存動態優化模型和計劃優化模型等等；同時需要選擇一個合適的供應商提供相應的AI產品和服務，以解決企業技術和人才短板問題，這也是確保AI項目成功的保障，金蝶云·星空旗艦版就是不錯的選擇。

第三個是“C”，就是檢查AI應用效果，找出不足和優化空間；第四個是“A”，即AI模型的持續優化，這部分建議企業在AI項目落地實踐中要注重培養自己的AI隊伍，尤其是懂業務，理解AI的人才，倒不一定是算法科學家，這就涉及到AI時代企業組織人才和發展的問題，要解決這個問題，我們必須得回到“P”，在規劃階段，企業要從戰略層面思考“我到底要成為一家什么樣的企業？”

一家有強烈社會責任感的企業在未來借力AI進行數字化轉型過程中，是讓AI替代的傳統崗位的員工離開，還是為他們在時間和空間上提供成長機會？這個問題留給企業家朋友們思考。