神州数码郭为WAIC演讲：数据即权利，智能即资产，重构生产力底层逻辑

2026年7月18日上午，世界人工智能大会（WAIC 2026）备受关注的AI管理创新论坛“冰山下的价值掘金”在上海世博中心举行。

论坛现场，神州数码董事长郭为围绕AI如何重新定义生产力，发表了题为《数据即权利，智能即资产：AI for Process与组织生产力重构》的主旨演讲，分享多年行业深耕的思考。他从系统工程、商业实践、历史文化等维度，深刻阐述从信息化到数字化再到智能化的技术跃迁，提出了以“AI for Process”突破AI时代企业创新与治理瓶颈的破局之道。

神州数码董事长 郭为

数字化本质跃迁：

从系统控制到数据资产化

首先，郭为直指行业长期存在的认知误区，明确数字化不是信息化的自然延续，而是一次颠覆性的技术跃迁。他以自身著作《数字化的力量》核心观点为根基，回溯管理信息系统的起源，指出上世纪60年代诞生的管理信息系统依托控制论、信息论、系统论构建，核心目标是实现系统的可定义、可控制、可管理，本质是服务于传统管理范式的工具升级。而数字化时代的核心变革，在于数据成为全新生产要素，数字化的根本目的不再是系统控制，而是持续积累数据资产，这是数字文明区别于农耕文明、工业文明的核心标志之一。

从生产要素演变的历史维度审视，农耕文明以土地为核心财富载体，工业文明以资本为关键生产要素，而数字化时代，财富形态进一步虚拟化，数据成为资产的核心表达方式。中共十九届四中全会明确数据作为生产要素的定位，为数字经济发展奠定了制度基础，也印证了这一历史趋势。郭为强调，人工智能技术的爆发，正加速数据资产的积累进程，区别于传统人为创造数据的模式，AI能够自动、海量生成数据，推动人类社会进入高速发展新阶段。资本市场的估值逻辑已然印证这一变革，科技企业的高市值本质上是对其数据资产价值的认可，企业价值的核心衡量标准，正逐步转向所拥有的数据资产总和，这一认知重构，彻底改变了企业价值评估与发展的底层逻辑。

创新系统工程：

技术、商业与管理的三重协同

基于数据成为核心生产要素的前提，郭为重新诠释熊彼特创新理论，提出创新是生产要素的重新编排，而AI时代的创新，是技术范式、商业模式、管理方法三者协同作用的系统工程。他指出，行业长期存在“创新”概念泛化的问题，将技术发明、科学发现与创新混为一谈。而熊彼特定义的创新，本质是企业创造财富的商业活动。数据作为新生产要素的重新组合，正是AI时代企业创新的核心形态。

在郭为提出的“企业创新风轮”三大核心要素中，技术范式迭代是根本动力，2025年诺贝尔经济学奖得主乔尔·莫基尔（Joel Mokyr）的技术进步驱动经济发展理论，进一步验证了技术对创新的底层支撑作用。商业模式变革是创新落地的关键载体，移动支付在中国的快速普及，对比信用卡漫长的推广周期，彰显技术赋能下商业模式创新的巨大潜力。管理方法则是创新持续推进的保障，完善的激励机制与管理闭环，才能激发主体参与创新的积极性。

郭为以景德镇制瓷工艺为经典案例谈到，700年前宋末元初的制瓷过程，将老师傅的高超技艺专业化拆解，这套工艺体系在清代演化出标准化72道工序图解，同步推进燃烧技术、材料工艺等技术范式革新，打造适配海外定制需求的柔性化商业模式创新，落地专业化分工、计件激励等管理方法，成就了中国瓷器的全球影响力，这一古代创新实践，与AI时代的系统创新逻辑高度契合。

从传统工艺到现代产业，这一创新逻辑在AI应用中持续落地。神州数码在制药行业的实践中，针对临床研究报告CSR撰写这一复杂环节，依托多智能体组合重构工作流程，将原本依赖资深工程师经验、耗时三个月的百页报告生成工作，压缩至数天完成，效率提升近九成。这一过程如同将制瓷老师傅的经验拆解为标准工序，通过智能体连接数据断点，把隐性知识转化为显性资产，既解放了高端科研人才的生产力，又让初级员工能够参与核心工作，实现经验的标准化、可复用，充分印证了AI创新是技术范式、商业模式、管理方法协同发力的系统工程，而非单一技术工具的应用。

AI for Process：

流程重构激活组织生产力

当技术范式、商业模式、管理方法形成合力，最终落地为业务流程的重构，这正是AI for Process的核心内涵。郭为提出，AI的价值不在于孤立的工具应用，而在于深度嵌入业务流程，将传统固化流程转化为自适应、自学习的智能工作流，实现组织生产力的系统性重构。演讲中，他以医疗、金融、高端制造三大领域的实践案例，全方位诠释AI for Process的落地价值与实现路径。

在医疗领域，神州数码联合国内顶尖医院胰腺外科，以AI for Process理念构建胰腺癌围术期的多个智能体，实现诊疗流程的系统性重构。术前，可切除性评估智能体融合影像、病历、检查等多模态数据与临床指南，形成标准化、结构化评估报告，将评估准确率提升至93.67%；肿瘤TNM分期智能体，对难度最高的N分期进行针对性优化，准确率达81.33%，在特定测试条件下超越普通主治医师水平。术中，胰瘘风险预测智能体实时分析多源数据，为医生判断手术风险、优化决策提供辅助支撑。术后，并发症辅助诊断智能体，通过信息抽取、智能判别、报告生成三大节点协同工作，高效辅助诊断并自动生成报告，专家则负责最终复核与确认。

这一实践表明，AI正在推动诊疗模式从经验驱动转向人机共舞，让临床经验转化为组织可沉淀、可复用的知识资产，实现流程持续进化。诊疗过程中产生的数据，也可进一步反哺知识库与智能体模型，形成诊疗流程的数据闭环。随着数据、知识和模型能力的持续积累，智能体将在实际应用中不断优化辅助诊疗能力，推动医疗流程实现持续进化。

除此之外，金融及高端制造领域也有类似的闭环。

在金融领域，针对银行私人理财业务长尾客户服务不足、方案优化依赖历史台账的痛点，神州信息通过智能体沉淀资深理财经理经验，构建行业技能库，结合客户画像与市场数据形成服务闭环，让每一次客户交互都成为智能体优化的养分，提升客户服务覆盖面与精准度。

在高端制造领域，聚焦工业导管腐蚀故障检测这一依赖专家经验的核心环节，神州数码通过多智能体分层分析，实现宏观判断、微观检测、材料分析的协同作业，将稀缺专家经验转化为标准化流程，既保障生产安全，又实现知识资产的沉淀复用。

这些案例共同印证，AI for Process的核心是打破知识断点、重构业务流程，将分散在个体身上的隐性经验，转化为组织层面的显性能力，实现从“人依赖经验”到“流程承载智能”的转变。郭为强调，人类的进步依托学习能力，而传统流程无法自主学习迭代，AI的加入让流程具备自适应进化能力，这正是组织生产力重构的核心。

高质量双地基：AI次方价值跃升

AI for Process的落地成效，高度依赖两大核心基础，郭为将其总结为高质量数据集与顶级专家协同，这也是实现 “AI 次方”价值放大效应的关键。他引用清华杨斌教授的观点，AI应用不是简单的“AI+”，而是“AI次方”，数据质量与专家水平决定了价值走向，低质量的基础要素只会大幅削弱AI价值，落地效果近乎归零，唯有高标准的双地基支撑，才能实现价值的指数级增长。

当前企业AI应用的核心痛点，在于高质量数据集的缺失。行业内备受关注的Palantir FDE（前线部署工程师）模式，核心正是深入业务一线完成数据整理，实现数据与模型的高效适配。神州数码的实践始终坚持与各领域顶级机构合作，医疗领域依托知名医院的诊疗指南与专家经验，制药、金融、制造领域均携手行业头部主体，正是因为只有知名专家才能突破现有流程瓶颈，创造高质量训练数据，让AI应用从规定动作升级为创新突破。

郭为指出，企业推进AI转型，必须着力培养深入一线的FDE团队，联动行业知名专家，构建专属高质量数据集，这是AI落地见效的前提，也是企业构建核心竞争力的关键。

为支撑企业实现这一目标，神州数码历经四五年探索，打造出适配AI原生转型的完整框架——神州问学，面向客户提供智能体构建能力，沉淀企业私域知识图谱与核心技能经验，依托MaaS平台灵活适配私有化、公有云等多场景模型调用需求。神州数码致力于与各行业客户共创，从核心痛点切入逐步打通全流程，助力企业迈向AI原生，而十年之后，AI将成为先进企业的标配，不再是独立讨论的应用话题。

郭为以“数据即权利，智能即资产”总结核心观点，为AI时代企业发展锚定终极价值方向。数据资产的累积是企业追求的核心目标，而数据资产的价值必须通过AI应用实现释放。数据之所以成为权利，在于数据的应用场景与业务边界决定了企业的发展边界，例如，字节跳动依托用户数据拓展业务版图、美团基于消费数据延伸服务场景，都是数据驱动业务边界突破、企业话语权提升的典型案例。当企业成为AI原生主体，数据边界即是业务边界，数据的突破直接带来商业价值与市场权利的扩张。

智能即资产的核心逻辑，在于企业将模型、经验、流程等智能能力沉淀为可复用、可增值的组织资产，形成持续的复利效应。数据资产的长期复利增值潜力显著高于传统实体资本，企业通过AI持续沉淀数据、优化模型、完善流程，能够实现价值的自我增长，构建起难以复制的竞争壁垒。

最后，郭为以都江堰水利工程为喻，强调AI如同水资源，兼具机遇与挑战，中国智慧倡导的“因势利导、系统治理”思路，正是应对AI变革的最佳路径，中国企业有能力依托自身实践，在全球AI竞争中走出特色发展之路。

李湛 | 文

微信 ID：chunnuanhuakai-cch