近日，2024年红杉中国CIO Summit于线上举行。
无论是大模型、AIGC的理性落地以及其所带来的组织内外的影响变化，还是企业积极出海，整合全球资源与价值链，深化全球化业务布局，都体现了在复杂多变的背景下企业以灵活和业务弹性来应对挑战。可以说，“数字化和科技赋能”是当今企业发展的必答题，而外部环境的变化、日新月异的技术更新让我们的解题思路看上去存在了多种可能。
那么，如何让业务与技术更好融合？作为企业数字化管理者，CIO要怎样更好激发业务活力，保证企业增长？在会议上，红杉中国合伙人刘星，红杉中国副总裁杨方，智谱商业技术中心总经理柴思远，齐心集团CTO于斌平，亚特电器副总经理李冉，前全球连锁零售企业CIO、中国区COO马玉涛等嘉宾就大模型与AIGC等新技术在企业的落地，以及多行业出海数字化实践进行了精彩的分享。
今年是红杉中国连续第五年举办CIO峰会。作为“红杉Value+”赋能体系的重要组成，CIO峰会旨在创造一个成员企业的数字化引领者们能够深度交流、相互学习的平台。本次峰会我们还发布了年度企业数字化报告，报告全文可在《2024红杉中国企业数字化指南：聚焦敏捷和弹性增长，在学习中进化迭代》一文中下载。
以下是本次会议的重要观点摘录：
刘星：“要更有信心地应对2025的挑战”
2024年是一个充满挑战的年份。
站在一个数字化管理者的角度来看，以下两个挑战是大多数企业都会遇到的：首先，AI技术发展迅速，它所带来的影响是非常深远的。但是在当下，我们会有一些看不太清哪些应用能够立竿见影地给业务带来帮助？哪些应用需要时间去摸索和体现其商业价值？这种不确定性，甚至会让我们对一些AI创业公司的前景持怀疑态度。其次，不论是什么行业的企业，都可能面临着宏观大环境的变化所导致的企业成长、业务增长上的挑战。这迫使着数字化管理者思考如何更好地支持和激发业务活力。
这两方面的挑战大家肯定也在实践中尝试过用不同的方法去应对、解答。CIO峰会也围绕着这两个方面展开，希望能为大家提供一些帮助与方向去更好地迎接和应对它们。
展望2025年，虽然压力和挑战依旧存在，但我坚信，相比2024年，它将是一个更加光明的年份。我们应对未来保持乐观和信心。
杨方：2024企业数字化调研报告发布
自2021年起，我们连续四年发布了红杉中国企业数字化年度指南。在服务企业的过程中，我们发现大家在认知和实际落地上存在许多共同的问题和挑战。我们希望通过分享我们的经验和CIO们的共同知识与体会，为大家提供更多的参考和思路，帮助大家反哺自己的企业。
今年，我们共调研了246家企业，涵盖了18个不同的细分行业，主要集中在上海、广东和北京等城市，涵盖了不同阶段和规模的企业。我们的调研对象主要是企业的数字化管理者，从企业战略出发，探讨数字化落地的宏观环境和背景，最终落脚在AIGC产业落地方面的实践情况，企业在战略出海过程中的应对策略，组织整体的战略与人才规划的调整，以及新技术、新工作范式对企业的影响。
整个2024年，许多CEO将战略发展集中在寻求新的增长点，其中AI和出海是两个明显的突破力量。这两方面都存在着我们对于数字化、信息化的一些新挑战。此外，在外部压力和环境挑战下，企业还需要控制成本、提高效率，同时寻求创新和挖掘潜在的存量用户价值。
在过去一年与企业的交流中，我们发现不少企业经历了非常大的业务波动。在这种压力下，内部问题变得突出，分歧也会显现，各种角色、定位之间的摩擦也会增多。而且，许多CIO都反映今年面临预算削减、项目取消等挑战。然而，在这样的环境下，我们仍然发现了许多机会。
在数字化投资方面，受访企业平均将1%到3%的营收预算投入到数字化领域，企业数字化投入分布数据显示，与往年相比，企业数字化投入增长比例明显下降。在细分领域中，AI和数据应用等方向的数字化投入较为突出。在预算韧性方面，ERP和数字化转型排在前列，而IT外包、IT咨询和数据中心等领域则相对疲软。
我们还能看到，在应用层面很多企业在积极地尝试和拥抱AIGC。超半数企业已经在战略层面上对引入AIGC进行了规划，超过90%的企业已经把AIGC纳入了日常工作和实践当中。这个比例较去年有明显提升。但大家也更加理性——去年许多企业对AIGC的狂热情绪已经随着这段时间内的技术验证以及成熟度问题显现而褪去，企业在看待AIGC的前景时虽然仍然比较积极，但是也更谨慎。
根据调研数据显示，74%的受访企业表示降本增效是引入AIGC技术的首要目的。一个新技术的出现，特别是颠覆性的新技术，往往会被我们寄予能够改善现有机制的希望。比如蒸汽机刚出现的时候，大家期待它可以让马车跑得更快。但我们希望，大家面对在交互和用户体验、生活方式和生产关系等方面都有革命性突破的AI技术时，能够关注到“把马车变成汽车”之后的事情，比如说“驾校会不会出现”“高速公路谁来修”“无人驾驶会给人类带来怎样的改变”等等问题。
此外，不同的行业、不同的角色对于AIGC的感受有明显差别。例如很多产业圈从业者会表示AI工具还不够成熟，目前还无法纳入到已有的信息化、数字化的体系中；但同时多数前沿技术领域的科学家、工程师、创业者认为，他们看到了很多领域新技术的突破速度超越了两年之前的判断。从另一个角度来说，这恰恰是需要技术方和产业共同努力的方向——寻找成熟技术撬动企业价值的关键场景。
我们还注意到，中小企业在引入AI时，非常担心投入成本、效果验证以及数据安全问题。我们在成员企业中进行了一些模式探索后发现，即使是IT能力不强的企业，通过选择合适的场景和相对成熟的工具，也能解决价值最大的简单重复问题。
关于出海，超过五成的受访企业正在考虑或已经出海。拓展市场、增加营收是大多企业首要的出海原动力。东南亚、欧洲、北美、日韩和中东是中国企业出海的主要目标市场。在出海过程中，企业最关心的问题包括目标市场准入、营销策略、市场研究、物流供应链成本等，而技术和数字化排在最后。对于CIO来说，在企业国际化发展过程中需要特别去考虑数据合规安全、国际化的技术架构、多语言人才梯队的搭建，以及各种文化和风险的应对等。
在AI和大数据对组织和人力的影响方面，有33%的企业认为不会有太大变化，23%的企业不确定，而其他人则认为旧岗位和旧模式可能会消失，但同时新岗位和新模式也值得期待。哪些岗位更容易被AI取代？客服、广告文案、自媒体运营、一部分的数据分析等等。AI产品经理成为新产生的热门岗位之一。
最后，我想分享几点感受。首先，技术发展迅速，CIO需要更多的交叉融合交流学习。其次，CIO在企业发展过程中，应从技术能力出发，逐渐成为技术管理者，最终深入到企业的核心业务价值中。最后，在当前环境下，希望大家能够积聚能量，抓住时机，为个人和企业创造更多价值。
我们希望大家对待新技术有更多的包容性和尝试意愿，看到新技术带来的新价值空间。我们期待软件和硬件的智能化互相促进发展，让我们的生活和工作更加便利，企业经营更高效持续，到时候它将带来新的价值空间、新的技术模式、新的价值链和分配机制。红杉中国也有强烈的意愿希望和大家继续在科技和数字化方面共同努力、一路前行。
柴思远：大模型的探索与实践
大家好，今天想和大家聊聊智谱系列大模型目前已经具备的能力以及我们在各行各业落地大模型应用的探索。回顾AI时代的发展变化，我们可以粗略的将2000年之后AI的发展变化归结到三个阶段：
首先，当我们处于AI的0.5阶段时，构建任何算法模型都需要从头开始，数据需要从0开始准备，并且数量庞大，算法的种类丰富，选择成本很高，只有几家大厂才有实力组建庞大的算法团队进行AI研发；
随后，我们步入了AI的1.0阶段，神经网络算法成熟，一定程度上统一了算法任务的pipeline；而且因为参数规模的上升，特征工程这个环节得到了简化，极大的提升了算法工程师的效率。所以出现了大量AI工厂类型的公司，帮助客户在特定的数据集上构建专属的AI能力；
如今，我们已经站在了AI的2.0阶段，即预训练技术之下的大模型时代，可以将数据、算法、模型、下游任务全部统一到一起。在优秀的大模型的基础上，用户只需要简单的prompt，就可以完成一个专属的AI任务。这提升了整个产研团队的效率，让AI产品的迭代有了加速循环的可能，产品经理只要想清楚业务流程，写一些指令，就可以快速的完成demo甚至上线。
时至今日，智谱GLM系列大模型，已实现了全新升级与技术突破，能够全面覆盖各种模态和场景：
从语言大模型上看，我们既拥有适合跑在端侧的GLM4-Mini、高性价比的GLM-4-Air，也拥有具备超强推理能力的GLM-4-Plus；
从多模态大模型上看，我们拥有多模态理解模型CogVLM和文生图模型CogView等，同时我们也发布了国内首个AI视频通话功能，让清言app成为可以通过文本、图像、音频、视频来进行多模态互动的AI助手；
此外，智谱还打造出了辅助程序员写代码的高效率代码模型CodeGeex、擅长做高情商对话的CharGLM-3、能够端到端的完成手机端与PC端任务的AutoGLM等完善的模型矩阵；
同时，为了将模型落地到应用，智谱还提供了智能体开发平台——智谱清流——专为企业AI应用落地打造的AI智能体，能够基于智谱全模型矩阵叠加与之深度适配的智能体开发框架，轻松实现的企业级AI智能体，其提供的Agents、Workflow、知识管理、批量效果调优等能力，让企业无需专业编程即可快速构建高效的AI应用，推动业务全面智能化升级。
于斌平：AIGC在齐心集团的落地实践
齐心集团专注政企采购服务30余年，从办公用品垂直赛道走向MRO工业品、工会福利、营销物资多场景，成为综合性数字化采购服务平台，目前已经积累了8万多家优质客户资源，赢得了200多家头部大型客户的信赖，其中当前98家央企中已服务过半客户数。作为to B企业，我们的核心是为客户提供价值，即产品或服务能否帮助企业降本增效或提升竞争力。我们给企业提供的服务解决方案，本质上是一个数字供应链模型，包括从需求、采购、履约、结算到售后等一系列服务。在这个方案中，齐心集团已经迭代了好几个版本，目前我们使用的是以AI和大模型为代表的数智化系统支撑的最新版本。
我们的技术部门首先用AI解决业务问题和客户问题。从去年开始，我们很快接入并使用了国内外几个主流的大模型，应用到很多场景。但我们遇到了各种问题，最主要的是基础大模型应用在企业生产场景里“不灵光”——因为大模型用公共知识训练，而企业场景有其独特的行业属性和企业专属属性，基础大模型最多只能解决百分之六、七十的问题。我们想了很多办法，攻克了好多技术难题解决了这些问题，总结了一些大模型相关的调优技术，包括模型外调用、模型内调用、企业知识增强等。
那大模型怎么与企业结合使用呢？我们需要把企业知识向量化后与大模型结合，解决大模型在企业里难以使用的问题。当遇到一些问题时，我们首先把问题向量化，跟我们企业的知识库来寻找匹配，找到后再用大模型来加工。这样企业知识就和大模型完美结合了。
目前，齐心集团有40多个场景使用大模型，从数据治理、采购询价、供应链优化到对账结算、大数据分析、市场分析等。给大家举几个例子：
关于企业如何更好地使用大模型，我们最终总结出了五点：
1. 充分理解AI和大模型的能力；
2. 充分理解行业、企业和客户的痛点和需求。要带着问题去找解决方案，不能“用锤子去找钉子”；
3. 不断探索和学习AI技术；
4. 使用基础大模型能力构建行业和企业场景解决方案；
5. 当基础能力和工程能力不能解决问题时，进行大模型的调优和训练。
李冉：传统制造业出海
对于传统制造业来说，海外整体消费降级以及关税问题，将有可能导致未来出海的成本和盈利压力非常大。特别是跨境电商和本地电商业务将价格压得很低，这要求出海企业要对成本控制有极高要求。海外市场分为三级市场：欧美市场对出海企业的要求较高，东南亚等二级市场标准要求较低。许多国内电动工具品牌在东南亚销售较好，但进入欧美市场门槛较高，很难和传统的欧美老品牌企业抗衡。
在供应链方面，疫情后许多企业选择在海外建厂，但原材料保障和劳动力文化问题成为难点。亚特电器自2002年起以OEM为主，但近几年我们感觉到一个明显变化是：未来十年内，传统制造业在海外会向着“面向用户”这个方向发展，所以我们未来还是会去发展自有品牌，并在多国开设分公司。
管理海外业务时，企业有多种发展模式，包括建立办公室、成立公司、产销研一体化等。还有通过收购来扩张，可以是小股、大股或全股收购，不同的收购模式对应不同的治理标准。在管理过程中，我们可以从销售、供应链、职能等方面考虑IT如何与业务部门有效推动业务发展。
在系统方面，要首先考虑财务维度的全球税架构，然后根据分公司的营销布局和情况匹配系统，以实现管控和业务赋能。全球化电商方面，目前有独立站模式和本土化电商模式，对于大市场通常会有当地运营团队；新兴市场则采用跨境方式，最终目标是拥有自己的独立站模式来运营全球用户。
从财务维度来看，大型企业如海尔在国内有平台性贸易公司，海外有新加坡、香港等平台型贸易公司，以及BVI、荷兰阿姆斯特丹等税公司，再到各地分公司。在这个架构下，我们需要深度参与业务内容，从销售到生产，再到采购，实现端到端的业务线串联和合规。
数据安全法案和税务方面的内容也很关键，不同国家的情况不同，需要将税务内容整合到系统中。IT的发展对企业至关重要，我认为IT部门实际上是企业管理的产品经理。IT部门从产品经理到项目经理再到交付和测试，形成了一个完善的体系。对于出海企业来说，通常在国内成功的基础上希望快速在海外落地。这需要将标准化的东西总结出来，用固定的模板+个性化定制的方式推动，然后进行调研和快速落地。IT需要保障全球化运营与战略不偏离。
随着跨境电商的兴起，制造业有越来越大的机会直接面向海外用户。在全球范围内，我们需要在不同平台上布局，特别是一带一路国家，如南亚、老挝、柬埔寨和泰国等。产品策略方面，我们可以利用线上数据进行企划，通过场景化视频展示产品使用，快速把握产品缺陷并进行迭代。这其中，AIGC可以帮助我们生产大量素材，降低运营成本。
马玉涛：连锁消费企业出海的数字化实践
连锁消费企业出海往往是几十个国家一起进行布局规划，那么就会面临几个问题：不同国家市场需求差异大，如何理解各国需求？绝大部分商品从中国总部直接发货，本地直采业务较少，如何优化这一过程？如何快速了解当地市场经营状态？供应商数量从几百家扩展到上千家，如何有效传递需求？如何快速精准匹配产品到不同门店？如何让产品符合当地法规要求？怎样能让企业在海外市场合规，包括上市合规、业务层面合规等？
从数字化的角度来看，我们可以借助几个系统来解决这些问题。第一个是全球通用的标准化系统，如SAP。这里包括了财务、物流等各职能平台。第二个是从市场调研到售后服务的自研全链路数字化系统。我们把这个全链路数字化系统的搭建分为了在线、连接和智能三个阶段：