联想集团副总裁陈敏仪：以价值为导向，联想正在上演一场智能化变革丨数据猿专访

联想集团副总裁陈敏仪在专访中揭示了联想以价值为导向的智能化变革战略，其核心是通过“内生外化”模式推动全行业智能化转型，具体实践围绕数据基础、技术融合与业务深度绑定展开。以下从转型背景、关键路径、技术抓手及战略模式四个维度展开分析：一、转型背景：价值驱动下的必然选择在2023年全球人工智能技术浪潮中，联想提出智能化转型的核心目标是实现价值最大化，而非单纯追求技术迭代。陈敏仪指出，数字化转型需通过创新、改革与持续转型实现，而非依赖单一产品或技术。联想自2017年即前瞻布局智能化，基于中国数字化转型的先天优势（如丰富场景、多样化数据源），结合自身十余年信息化沉淀，形成了一套可复制的转型方法论，旨在通过内生外化赋能千行百业。二、关键路径：从数据到业务的逐级跃迁联想的智能化转型遵循“数据基础-治理协同-业务绑定”的逻辑链条：数据积累与治理：数据是转型的核心。联想通过长期建设积累了高质量的内部运营数据及外部协同数据，并建立统一数据管理平台，确保数据准确性与一致性。例如，通过数据治理打破信息孤岛，实现跨部门共享，为供应链实时监控与智能优化提供支撑。协同与平台化：强调上下游企业数据口径一致性，结合数字化架构与高质量数据，实现统一框架下的协同。营销、销售、供应链等部门可基于平台快速开发AI应用，加速业务创新。例如，联想供应链通过数字化技术实现实时监控，响应速度提升30%。业务深度绑定：技术需服务于业务场景。联想通过场景挖掘-知识管理-系统再造的流程，结合智能体与大模型优化流程。例如，在供应链管理中，利用数字化技术实现智能调度，降低库存成本15%。陈敏仪强调：“技术需匹配真实场景，而非为技术而技术。”三、技术抓手：大模型与生成式AI的融合应用联想将AI技术作为智能化转型的核心驱动力，重点布局大模型与生成式AI的应用落地：大模型：从泛化到垂直的融合：大模型擅长泛化推理，小模型专注垂直行业意图理解。联想通过构建混合模型框架，结合私有云与公有云，实现通用能力与个性化需求的平衡。例如，在客户服务场景中，大模型生成回复框架，小模型补充行业术语，提升效率40%。生成式AI：重塑企业IT架构：生成式AI推动企业IT从工具级向全局级跃迁。联想基于自身数字化基座，通过自然语言处理（NLP）重构业务流程，使业务人员可直接调用AI能力。例如，在产品设计环节，生成式AI可自动生成3D模型，缩短开发周期50%。技术普惠：从内生到外化：联想将内部应用经验转化为标准化解决方案，通过算法框架优化与模型微调，赋能制造业、能源业等领域。例如，为汽车行业提供的智能质检方案，缺陷检测准确率达99.7%。四、战略模式：内生外化的双向赋能联想的“内生外化”战略通过需求洞察-价值沉淀-分层解耦实现技术辐射：需求导向的交付模式：从市场与客户需求出发，反向定义产品形态与解决方案。例如，针对制造业客户，联想结合自身生产经验，提供涵盖专家知识、行业数据的私域模型，帮助客户快速落地智能排产系统。分层解耦与微服务化：将解决方案拆解为可独立配置的服务模块，支持客户自由组合。例如，联想的供应链管理方案包含需求预测、库存优化等20余个微服务，客户可根据业务规模灵活选用。长期价值沉淀：通过输出行业实践与最佳案例，帮助客户构建自主创新能力。例如，联想为某能源企业设计的智能运维平台，客户后续可基于平台自行开发新功能，降低长期依赖风险。联想的智能化转型本质是一场价值驱动的产业革命。通过数据治理、技术融合与业务深度绑定，联想不仅实现了自身效率的飞跃（如运营成本降低25%），更通过“内生外化”模式推动全行业智能化进程。正如陈敏仪所言：“智能化不是终点，而是持续创造价值的起点。”这一战略为传统企业转型提供了可复制的范本，彰显了科技巨头在时代变革中的责任与担当。