文章
- 产品
- 文章
7月17日，神州数码集团股份有限公司（下称“神州数码”，000034.SZ）披露了2024年半年度预告业绩：营业收入约为612亿元至639亿元，同比增长10%至15%；扣除非经常性损益后的净利润约为4.5亿元至4.7亿元，同比增长5%至10%。
值得关注的是，上半年，神州数码云计算及数字化服务板块收入预计达34亿元至36亿元，其中数云融合（MSP+ISV）业务收入预计达7.42亿元至7.81亿元，同比增长90%至100%；自主品牌硬件业务收入预计为23亿元至24亿元，其中信创业务收入预计为21.33亿元至22.67亿元，同比增长60%至70%。
神州数码在公告中强调：“2024年上半年，公司坚定推进数云融合及信创战略，战略业务收入保持50%以上的增长，盈利能力和核心竞争力持续增强。”
而在此次业绩预告发布的数日前，经济观察网记者在深圳神州数码国际创新中心（IIC）见到了神州数码的掌舵者——董事长郭为。
从三年前提出“数云融合”的概念，到如今带领神州数码开启AI驱动下的“数云融合2.0”时代，被郭为定义为神州数码两大战略业务的云计算及数字化服务板块和自主品牌硬件板块，正保持高速增长，不断淡化这家公司身上“中国最大IT分销商”的标签。
在郭为的视角中，同样是“拥抱AI”，神州数码背靠自身在IT领域20余年的业务积累，已经形成了一套自己的差异化认知：“不参与AI的宏观讨论，专注于寻找AI落地的突破口。”
“神州数码拥抱AI的方式，是通过构建从底层算力基础设施到上层面向行业场景应用的全栈产品、解决方案、服务能力来实现的，我们神州鲲泰AI智算系列服务器，为人工智能应用提供坚实的算力底座，一站式大模型集成和运营平台‘神州问学’，既是企业的大模型集成平台也是企业的大模型运营平台。”郭为解释称。
作为中国IT领域的“常青树”，郭为对人工智能产业的理解显得非常务实，在与经济观察网记者交流过程中，他一直如此强调：“今天大家都在讲大模型，都在讲特别宏大的故事。讲大而化之的东西很容易，但是怎么能够落地是非常重要的。”
郭为：我把生成式AI技术定义为人类进入数字文明的技术奇点。从技术发展的角度来看，Gartner提出的技术成熟度曲线是描述技术发展的经典模型之一，任何一个技术的发展都要跨越鸿沟、经历过热和低谷，才能真正进入成长期。我觉得对于AI来讲，技术本身还不能说已经进入到了快速成长阶段，虽然目前已经引发大家的广泛关注，但真正地在行业中大规模应用AI技术进行赋能的，其实还没有宣传报道中描述的那么多。这背后其实需要数据本身有很多的准备。
我们在讲AI的时候，实际上有三个东西很重要，一个是算力，一个是大模型，一个是数据。现阶段的算力非常热门，市场上也出现了一些模型。但在数据准备方面，我认为还存在很大的不足，主要原因在于数据会牵扯到很多基础性的工作。我在《数字化的力量》这本书中讲到数字化转型时曾提出，所有企业的基础架构都必须建立在云原生、数字原生的基础之上，才有可能产生大规模的数据。今天，无论是数据的总量还是质量，和AI发展所需要的数据量相比还有很大的差距。也就是说，我们对行业或者业务的洞察，都依赖于大数据的计算，现在数据量不够，洞察就不够。
比如说，今天我们在讲的大模型，其实就是叫大语言模型，是上千亿的参数。尽管大家常用的ChatGPT、豆包这类对话软件，它通过建立语言模型，使得人们可以和它进行对话，但这只是基于推理的人工智能。因为大家使用这个语言，所以才能训练出来，今天类似于搜索或者问答这样的互动功能，可能做得很好。但如果想要深入一个行业，比如医疗领域的图像处理和或者精准的同声传译，大模型还不能够完全做到，这就说明语料还不够，还需要进行不断的训练。AI在产业落地方面还有很长的路要走。
其次，即使有大量的数据量，数据的知识密度也是很重要的问题。就像我们可以在矿山里提炼各种各样的贵金属一样，我们需要各种各样的筛选的方法，还要用最经济的方法去提炼出来，这样才有实用价值，如果提炼的成本比卖的成本还要贵，那这个提炼方法也没有用。通常情况下，通用大模型只相当于一个高中生的水平，它虽然拥有基本的知识和智商，但不是专才，这就导致其无法在专业领域与大家分享经验。要让生成式AI在专业领域发挥更大的作用，就需要将专业化的语言和知识，转化成知识图谱不断训练大模型，提升知识密度，使其成为某个领域的专家。
再比如安全的问题。任何企业在私域上都有很多的隐私或者加密、保密的东西，如何确保不让这些东西流出？这也需要对大模型进行训练，设置相应的权限等。
为了让生成式AI技术在专业领域发挥更大的作用，在过去的五年里，神州数码一直致力于对行业知识领域的研究，并构建了AI赋能平台——神州问学。这个名字是我起的，引用了《礼记·中庸》中的一句话“故君子尊德性而道问学，致广大而尽精微”，就是希望用专业化的知识帮助客户累积企业的数据资产，同时帮助企业通过“一站式”解决问题的方式加速生成式AI的创新，降低AI应用的开发门槛及落地成本。
郭为：我刚才已经提到，未来所有企业的基础架构都必须建立在云原生、数字原生的基础之上，才有可能产生大规模的数据。
因为云原生彻底打破了原有基于CPU的机械式驱动方式，它通过容器化、数据化，使得企业内部的技术体系实现了有机连接，帮助企业构建了敏捷IT能力和融合的数据驱动能力。
而数字原生使得企业从传统的生产要素转化成数字生产要素，所有的生产要素都可以实现数字化。因此，不仅是产生数据，未来企业的基础架构一定是数云融合的。而在数云融合架构下搭建技术体系，支撑基于泛在敏捷业务能力的数据资产化将成为企业完成数字化转型的核心。
这也是数字化同信息化的本质不同。信息化是什么？信息化源于系统论，更多的是强调一种反馈机制来保证效率的提升，而数字化是以数据生产要素为出发点，去实现数据资产的重新编排，直接追求财富和业务的价值。其实我在写《数字化的力量》这本书的时候，其中很重要的一个出发点，就是为了帮助大家厘清数字化和信息化的不同。
只有理解了数字化和信息化的不同，我们才能真正看清数字化转型的本质。在今天这个时代，数据成为企业竞争的核心要素，未来，一个企业的价值，一定约等于它的数据资产价值，谁会成为企业未来的领导者，谁更具有竞争力，就在于企业数据资产的累积。
企业数字化转型的根本目的，就是数据资产的持续累积，并利用数据资产进行产品与服务的重新编排，从而实现业务创新。这一创新过程又推动企业在为用户提供产品或服务的过程中形成敏捷的业务流程、创新的业务模式，进而提升企业的创新力和竞争力。
这就是一个数字化企业的增长飞轮，也是我们三年前提出“数云融合”的初衷和判断。“数云融合”不仅是我们对于企业数字化转型战略愿景的洞见，也是神州数码自身数字化转型的战略。
而在今天这个云原生、数字原生、AI原生三者融合发展的新时代，为什么我们叫“AI驱动的数云融合”？很大程度上是因为以“生成式AI”为代表的数字技术，正在成为企业数字化创新的新生产力工具。以往企业的数字化创新，大多是基于自身在生产经营过程中形成的系统数据，以及企业可以从外部获取的另类数据进行分析、研究，进而再产生新的业务，这是一个相当长周期的过程。
而今天，基于企业所拥有的系统数据和另类数据，大模型可以自动生成新的知识和数据，这是一件非常了不起的事情。可以想象的是，当我们每秒钟都在产生、贡献新的数据，企业的资产累积就可以进入一个“永动机时代”。
当然，如果我们站在更高层次的视角来看，就会发现，企业的数字化转型远远不止这些内容。在数云融合的架构下，如何去解决数字化的问题？这是神州数码要完成的一个核心命题，也是我们的价值所在。
比如，当企业完成数据累积之后，应该如何管理？今天，数据不仅仅是符号和信息，它已经变成一种资产。但在使用的过程中，我们可能获取的数据价值不同，支付的价格也不同。这就导致数据资产定价和分类的复杂性，因此需要新的数据管理、数据治理的工具。为了帮助企业管理和治理数据资产，支撑企业的快速创新，神州数码提供一系列不同架构层面的专业工具。
我们还提供一系列基于商业或开源的云原生就绪开发工具与技术组件（PaaS）和面向AI的底层公共基础设施资源（IaaS），来共同支撑企业完成重新编排的过程。当然，这个“公共资源”，并不只是传统意义上的公有云。在我看来，公有云是一种商业化方式，就像今天任何一部手机、一辆汽车都可以使用的全球定位系统和移动支付一样，全球定位系统、移动支付这些用云的方式提供服务的公共资源，都是数字化的基础设施。
回归到更大范围的企业范畴之内，我们把“AI驱动的数云融合”演化成了一个推动企业成长的增长飞轮。神州数码做的事情，就是帮助很多传统的企业进行改造、升级、转型，这是我们的方向。
郭为：前面其实已经反复提到了数据资产的重要性和价值。我们透过文明的本质来看，也会发现，农耕文明时期，最重要的生产要素是土地，土地越多意味着有更多的财富。到了工业文明时期，资本成为最重要的生产要素。
而今天，我们进入到数字文明的新阶段，最重要的、最核心的生产要素是什么？是数据或者说是数据资产。谁拥有足够多的数据资产，谁就有最大的话语权和影响力。因此，企业对于数据资产怎么重视都不为过。
那么，对于企业而言，究竟什么才算是数据资产？亚马逊或许能够为我们带来一些启发。亚马逊早期只是一个电子商务公司，通过互联网销售图书。在销售图书的过程当中，产生了大量的用户、消费者和供应商的数据。这两者之间就产生了一系列针对消费行为和商品设计的数据模型。因此，有人向贝佐斯建议，把数据模型的能力开放共享用于开发新业务和产品。今天，亚马逊已经围绕着数据资产形成了自身的核心竞争力和增长飞轮。亚马逊投入生成这些数据的过程，也就是建立AWS（亚马逊云）的过程。今天，亚马逊已经成为全球市值非常高的云公司。
但我们也必须认识到，欧美从几百年前就已经开始重视数据和资料的积累。整个工业化的进程，其实也是一个标准化的过程，这个标准化是建立在大量的数据积累的基础上的。客观来讲，中国直到改革开放之后，才开始重视以市场经济为导向的数据积累。所以，我觉得在数据积累上，我们还是有很大的差异。
那对于神州数码而言，我们很重要的一个工作，就是帮助大家构建起数据资产化的能力。前不久，在多方配合下，我们将神州金服云数据产品作为数据资产，纳入企业财务报表并获得3000万元的授信融资，成为深圳数据资产质押融资的首个案例，也是国内首例大中型数据资产质押融资案例。未来这套方和方案，也可以赋能给更多企业。
郭为：在过去几十年，信息技术变革的过程中，技术通常都已经基本成熟，然后才快速进入企业解决问题。但这次AI不一样，虽然ChatGPT横空出世，但技术并没有完全成熟。因为很多企业看到了这个技术似乎有一种性、爆炸性的影响，每个人都不想被颠覆，都希望利用这种技术作为自己创新的新机遇，所以这一次的技术变革，其实是应用场景和技术的发展在同步进行的。
因此，当这一轮生成式AI的浪潮进入到企业场景落地时，也会面临比以往更复杂的情景，有很多障碍需要克服。
今天大家都在讲大模型，都在讲特别宏大的故事。讲大而化之的东西很容易，但是怎么能够落地是非常重要的。我们过去讲技术发展的理念叫“从最佳实践到解决方案、到产品、到IP”。今天我们的确还是在“最佳实践”，还没有办法变成规模化、产品化。这是我们巨大的挑战，能不能走出来，要看后续的发展和努力。
可喜的地方是，神州数码没有去参与关于AI的宏观讨论，我们就是在努力寻找AI落地的突破口，也找到了落脚点。比如说大家经常说的在客服、在合规、在自动化编程等等这些领域里面怎么落地，我想这是我们要做的工作。
但与之相对应的挑战，是怎么能够真正实现规模化。比如说，如果我们真正能够把药企的FDA认证和合规管理打通，真正变成一个通用大模型，那我们就变成了一个了不起的公司。
所以，在“拥抱AI”这件事上，神州数码的布局看起来会和其他企业有些不同，差异化就意味着要趟一些别人没走过的路，就可能掉进坑里，也有可能牺牲掉，但这是我们应该坚持的路径。
经济观察网：神州数码近年来在积极拓展国际市场，特别是在东南亚地区。如何评估东南亚市场的数字化转型前景？在国际市场拓展中面临的主要挑战又是什么？
郭为：未来的十年，走向海外肯定是神州数码一个重要的战略目标，东南亚市场是其中非常重要的抓手。以泰国为例，今天，仅在中国银行泰国分行开户的中资企业就超过了1400家，一个泰国本地的工业园区中，落户的中国企业甚至就超过400家。由此可见，中国企业出海已经是大势所趋。我们才刚刚开始，但我们可以看到非常好的前景。
先不说泰国本地市场，这些出海的中资企业也都需要本地化的数字化服务，我们非常愿意通过海外的布局来服务于中国企业出海。而泰国本身是东南亚的第二大经济体，有七千万人口，也高度重视数字化转型，对数字化、云和AI技术都非常关注，在数字化进程加速推进的过程中迸发了巨大的需求。
对于当前的神州数码来讲，出海还处于探索阶段。2020年底我们收购了一家泰国的公司GoPomelo，在海外已经有了支撑点，建立了根据地。去年11月我们派第一个原生干部到泰国，过去5个月增长到6个人，当地还有几十个人，业务也是做得越来越好。
我们希望通过泰国市场，进而形成自己的差异化能力和路径。所以在今年3月份，我们和泰国数字经济与社会部签署合作谅解备忘录，希望在数字化基础设施建设、数字化人才培养、AI企业级落地等多个领域展开合作，携手推动前沿数字技术在泰国的发展。
未来，我们希望以泰国为基础，辐射到东南亚，包括中东地区。当然，这个过程也会存在挑战。以东南亚市场为例，这个市场很大，但与中国不同，真正深入后我们会发现它其实很割裂，有不同的国家、不同的民族、不同的语言文化，我们还处于摸索阶段。
改革开放四十多年来，可以说中国企业的成长正在经历从模仿到并跑、到目前在一些领域逐渐开始领跑的逆转。过去很长一段时间，我们中国企业在海外靠低成本劳动力所构成的产品，成为重要一极。而今天，中国企业出海更多的是要依靠独特的、技术的能力。这种独特的、技术的能力，不仅仅指的是数字基建或者智能基建，应该说，是一种更泛在的数字技术或者说更大范围的、围绕数字经济的新质生产力。
对于中国的数字化企业而言，我觉得过往所做的大量实践是我们走向海外的一个很重要的机会。尽管我们可能在某些领域缺乏一些在底层技术上的原创性，但由于我们有庞大的市场，我们的消费非常的活跃，我们在应用领域做了很多的东西，比如金融领域，其实中国在金融科技领域做出了一些不同的解决方案，走出了一些不同的路径，这些非常有可能得到世界市场的接受。我觉得把它们带到海外去，现在是一个关键的时间点。
我们走向海外肯定也不是泛泛地什么都做，也不会成为一个综合性的企业，我们也是做很专业的领域，专注在一些非常细分的领域，可能和国内的打法不完全一样。