宣亚国际现任Ceo、宣亚国际投资有限公司

2019年，随着云计算、人工智能技术、大数据技术、物联网技术的蓬勃发展，传统企业服务行业开始拥抱产业智能化，开始了全面转型之路。在中国经济人口红利逐渐收缩和资本市场回归理性的背景下，传统企业开始在其内部，利用产业互联网、人工智能等技术，提升整体效率来寻求增长。

但是，在波涛汹涌的浪潮之下，不仅传统企业面临着种种挑战，企业服务公司在行业场景落地过程中也困难重重。

过去二十年，是中国经济腾飞的二十年，传统经济在改革开放大潮下飞速发展，创造了大量的社会财富，同时也涌现了大量优秀的企业。与此同时，伴随着信息革命，互联网企业如雨后春笋快速涌现，出现了一大批改变每个人生活的产品以及公司。

而随着移动互联网的全面普及，以及未来5G的快速发展，传统企业与互联网公司之间的楚河汉界已经渐渐变得模糊，任何企业都面临着信息化改造的挑战。对于企业来说，需要通过信息化来提升自身工作效率和效能；与此相对，信息革命在客观上又使得企业传统的生产、营销环境发生了巨大变化，数据化分析、智能化应用开始普及，如果不去适应这种变化，企业就会被时代所淘汰。

所以这不仅仅是将传统业务以及工作流程进行信息化，而是需要将云计算、人工智能等信息革命中最核心的互联网技术，深入应用到传统产业领域中，以此改变传统产业在生产制造、管理、销售、以及品牌传播等各个环节，全面提升企业的效率和效能。

传统企业在信息化过程中，核心面临如下两大挑战：

1、如何处理业务流程中涌入的海量数据以及新的数据类型

产业智能化浪潮来临，传统企业的原有工作流程将充分结合产业互联网，实现高度的信息化。产业转型要求企业具有更高的信息处理能力和时效性，传统企业原有的人工方式势必将无法解决新流程中的问题。在数据量级上，由于企业互联网程度的提高，数据量级较之前将呈指数级增长，从全行业看，将是数十ZB量级的天文数字。在数据类型上，随着企业平台化建设的发展，企业内外数据高度整合，各种结构化、半结构化和非结构化数据在企业平台上涌现、组合，已经超越了人类能够感知和理解的复杂度。

2、如何利用过往业务数据提升业务效率

作为产业智能化的基础，产业互联网、物联网以及各种新技术的出现，将产生海量高纬度数据，这些数据往往高度互联。由于缺乏人工智能、大数据等技术经验，传统企业在处理新型业务数据时将面临巨大挑战。

而为了处理未来海量的业务数据，必须通过深入挖掘以往业务数据的信息及特征，进而指导未来业务的自动化流程处理，利用过往经验来指导业务新的增长和需求，这一点能否顺利推进决定了企业未来业务的整体效率。

随着信息密度的不断增长，信息处理的效率决定了企业的整体效率

产业智能化的核心就是解决“自动化”与“数据化”问题。

所谓自动化就是通过智能技术提升企业自动处理业务的能力，从而提高业务流程处理的效率。数据化就是发挥既有业务数据价值，提升对于既有数据利用率，通过历史数据积累下来的特征提升自身业务的自动化处理能力。数据化包含对于既有数据的可视化分析；通过算法挖掘既有数据的价值，并将其应用于新的业务数据处理中。

企业想要在产业智能化革命中占据一席之地还是有很大的挑战的，传统企业由于缺乏技术基因，很难快速将技术应用到业务中来，而互联网企业则由于缺乏对于传统企业业务的深入了解，也很难深入到产业智能化的最核心去。这就是产业智能化发展中一个巨大的机会，随着产业智能化浪潮的深入发展，这个问题会更加凸显，所以必然会成长起一大批能够利用好技术来解决企业智能升级问题的优秀企业。

传统企业智能化有两大比较突出的难点。其一，传统企业对于应用新技术有比较大的抵触，需要找到愿意勇于接受技术的先行者；其二，企业服务如果要做到一个对客户有价值的产品，就不能简单从技术发展的角度来实现产品功能，不能手里有锤子就到处找钉子，而是需要深入理解企业客户需求，不仅要用好手里AI技术的“锤子”，更要找到用户手里的“钉子”。

传统企业在面对互联网化、智能化转型时，仍然面临不少困难。传统企业在具有一定体量之后，由于固有的组织架构和业务体系，难以快速使用互联网技术、人工智能技术等对原有业务进行改造。2018年，中国企业的上云比例为30.8%，而公有云仅有19.8%。从上云率来看，仍处在比较初级的阶段。在人工智能技术的应用角度，仍然主要停留在安防、金融、消费互联网等垂直行业，其他传统行业智能化程度较低。

不同于C端用户，企业客户对人工智能技术等软件类企业服务的需求有着非常高的定制化需求。正因如此，中国企业软件服务业仍停留在定制化软件开发阶段，大多数互联网公司在服务企业客户时，仍然难以摆脱定制化软件开发的模式。产业智能化需要企业服务公司在不断满足客户定制化需求的过程中，真正找到行业客户普遍需求，形成具有极强市场竞争力的标准化产品。

经过几年AI商业落地的发展，包括AI独角兽在内的AI公司的生存空间并不算乐观。不同于互联网行业的赢者通吃，在更加碎片化和复杂化的企业服务市场里，AI公司面临着来自传统行业巨头、行业客户、小型企业服务公司等多方面的压力。2019年，AI独角兽的融资和上市进程均不太理想，唯有解决AI技术在企业服务场景落地的困局，才有可能在市场上走的更稳更远。

1、场景碎片化严重

人工智能除了算法、算力以及数据三大核心要素外，还有一点至关重要，那就是场景落地，我们认为这是第四要素。前三大要素解决好并不能决定一个AI公司的成功，如果没有很好地做好技术在应用场景落地，那就只会停留在顶着光环高高在上，但是难以为企业创造真正的价值。

产业智能化将优先在数字化、互联网化程度较高的垂直行业进行，最终会在几乎所有产业落地，并像能源、信息技术一样成为产业增长的重要动力。企业服务公司面对的是碎片化十分严重的应用场景，各行业间的需求、数据、设备等因素差异化巨大，行业壁垒较高。就算国内已经涌现了一批批AI独角兽，也难以在如此巨大的市场上做到一家通吃。再强大的AI能力也不能直接解决传统企业的问题，必须深入其内部，深刻理解企业智能化需求，发掘其业务中的痛点与难点，并提出相应的解决方案。

2、互联网企业缺乏服务基因，在企业服务过程中面临挑战。

另一方面，互联网企业以及AI独角兽，由于是技术起家，更加擅长在技术以及算法。与长期在企业服务市场打拼的公司相比，互联网企业需要首先深入行业场景，吃透用户需求。在落地过程中又势必与行业内企业服务公司形成对标和竞争。如何利用自身技术优势，制造行业场景内的产品壁垒和商业壁垒，是所有互联网和AI独角兽要解决的重要问题。

从这一点来说，互联网企业应该深入到企业服务行业中，发掘传统企业服务的优势与价值，找到有大量企业服务经验和客户的同盟，充分利用同盟服务过往客户的经验，共同挖掘用户的需求与痛点，推进AI技术在企业领域的应用。

3、数据隐私问题凸显

智能时代，企业的数据具有极大的商业价值，企业也越来越注重自身和用户的数据隐私。将重要数据资产交由企业服务公司进行产业智能化升级，企业服务公司在使用数据时往往会受到不同程度的掣肘，同时需要面对较大的数据泄露、企业信任等风险。唯有坚持专业的态度，以高效、可靠、安全的出发点打造AI产品，才能赢得企业客户的信赖。

所以，对于投身于企业服务的企业来说，有两点至关重要，第一，需要清楚数据隐私的红线并无条件遵守，而不能因为企业发展越雷池半步；第二，需要用技术手段解决客户的数据安全问题，这是在业务发展之前的大前提，如果这个问题解决不好，那么必然会给企业未来的发展埋下隐患。

产业智能化的浪潮已经袭来，不论企业是否愿意，都无法阻挡这股浪潮对自身行业的颠覆与变革。产业智能化对于企业服务市场当前存在巨大的机会。

第一个机会：深入挖掘企业需求并为其提供工作流优化。

那些愿意深入企业内部，深入挖掘企业转型需求，并将其技术落地应用到企业流程中的公司，必然会创造其价值。云计算和SaaS不仅会提升传统企业的效率，而且会为传统企业的智能化建设提供巨大助力。2018年，中国企业级SaaS市场规模为243.5亿元，而这一数据将在未来几年迅速扩大。人工智能落地传统产业，充分挖掘企业流程中的智能化改造空间，将创造出巨大市场空间。

第二个机会：将智能算法及AI技术应用于企业智能化过程，帮助企业提升效率。

传统产业平台化的发展将彻底激发人工智能技术对传统产业转型的赋能作用，产生巨大价值。企业服务公司将AI技术应用于企业智能化进程中，帮助其在自动化率和智能化能力上获得极大提升，从而创造巨大价值。在2019年人工智能赋能实体经济产业规模接近570亿元，这一数字预计到2022年将达到1573亿元。

第三个机会：视频化浪潮对于既有工作流程的冲击，出现新的机遇。

同时，全行业视频化的浪潮下，视频数据将进一步增长和爆发。视频数据将在企业业务流程中得到空前发展，并广泛应用于外部传播营销过程。在新媒体营销广告形式中，视频营销占比由2018年9.0%提升至16.0%，这样的增长趋势将持续保持。企业在智能化过程中，将对视频结构化分析技术及其在各行业的应用产生巨大需求，为企业服务公司创造机会。

作者简介

刘洋

宣亚国际新任CEO

毕业于中科院计算所，数十年智能系统、大规模数据系统、图像视频多媒体处理系统研发经验。曾参与国家863计划曙光5000研制工作，独立负责分布式文件系统相关研发；前百度网盘研发负责人，从零搭建百度网盘技术架构，支撑七亿用户。近几年主要聚焦于产业智能化及企业服务领域。