行业新闻

大家好！我是来自合肥联宝科技的徐文胜。首先，非常感谢峰会的邀请，今天我还结识了很多朋友，谢谢大家的支持。

今天，我要跟大家分享的是我们联宝科技的数字化转型历程，以及在这个过程中我们的一些思考。希望我这些抛砖引玉的分享，能够引起大家的共鸣。

我的分享主要有三大板块：第一，大家对联想比较熟悉，而对联宝这家企业可能不太了解，所以这部分我会简要介绍一下联宝电子；第二，讲讲我们从建厂以来，在信息化、数字化道路上是如何一步步走过来的；第三，谈谈我们对下一步的思考。

联想全球最大PC研发和制造基地

首先，联宝科技确实跟联想是有关系的，我们是联想全球最大的 PC 研发和制造基地，全球每售出八台电脑，其中就有一台来自我们联宝科技。我们也是合肥市首家千亿企业，我们的最高产能能够达到 0.5 秒产出一台电脑成品。我们在 2022 年荣获全球灯塔工厂称号，是国家级绿色工厂以及国家级的智能制造示范试点企业。

多元化业务

这是我们的主要业务，主要集中在三大板块：我们的个人电脑业务，涵盖了笔记本、台式机以及工作站。在服务器方面，我们既生产服务器的板卡，也生产预制模块以及整机，我们还有相应的智能制造设备，比如 IOT、终端算力设备以及模组，另外我们也提供相应的智能制造解决方案。所以未来大家如果在一些会议场合看到联宝科技的话，请大家给予支持。

联宝科技数字化转型过程中解决的行业共性痛点

联宝科技是一个典型的电子制造企业，属于离散制造，我们拥有离散制造行业所有的共性痛点，其中三个在我们这里特别突出。其一，我们的规模非常大，我们在合肥的厂房是一个单体工厂，面积超过 30 万平方米。

其二，超级离散，我们每年的电脑新品超过 300 种，相应的配置数量超过 20 万。大家知道，当我们选购电脑的时候，可以选择颜色、CPU、内存种类、键盘等配置，这些都不一样，所以我们订单离散化程度非常高，可以说 80% 以上的订单是小于五台的，最小的订单就是一台且配置独特。

其三，超快速度，前面提到过，最高峰的时候 0.5 秒下线一台电脑，从电脑的组件数量来讲至少超过 2000 个，也就是说在这么短的时间内我们要调动 2000 个以上的零组件，并将其组装完成，这就是我们的痛点。

联宝科技数字化转型关键路径

当然，我们的数字化建设都是紧紧围绕这些痛点展开的，旨在解决这些痛点以推动业务效能的提升。我们的数字化建设大概经历了三个阶段，从建厂开始我们就非常重视信息化对业务的赋能作用，我们走过了大概两个阶段，现在处于第三个阶段 —— 价值创造阶段。我们紧紧围绕极限的精细运营、体系优化自治这两个目标来推动数字化转型，自始至终我们的数字化转型目标从未改变，我们紧紧围绕业务的四大目标：柔性制造、敏捷交付、严苛质量，为大家提供好的产品，同时也包括我们研发层面的创新。

从技术层面来讲，我们融合了数字化、自动化、智能化技术。在业务策略层面，我们强调紧紧围绕四个打通，即从研发到制造、从订单到交付、IOT 的结合以及内部与外部供应链生态体系的紧密结合。基于这样的战略指导思想，我们极大地推动了整个数字化建设。

联宝科技”112N“工业互联网平台架构

经过多年的沉淀，我们构建了具有联宝特色的平台架构，叫做 “112N” 工业互联网平台架构，这个架构具备稳敏双态特性。大家可以看到，从底层融入了大量终端连接，将我们的生产设备、监测设备全部连接起来，这样我们就有能力获取大量与生产、运营相关的数据。我们构建了相应的云化资源层，融合了私有云、公有云，将我们的计算能力、存储能力整合在一起，构建了基于这样一个资源池实现了即时可用的资源调配能力。

在资源池方面，我们集成了 IT 相关的组件技术，搭建了 IT 组件平台。在这个平台中，我们将微服务技术、大数据组件、移动 AI 乃至低代码 RPA 等都整合在一起，这样对于业务团队而言，能够更加便捷地运用相应的 IT 技术。

对于像 SAP、PLM 这样的稳态系统，通过持续解耦以及相应的服务化举措，使其变得愈发敏捷。

在此过程中，我们还打造了数据共享中心，从数据治理、数据湖建设，到大数据层面的数据建模，构建数据模型，以便为用户和业务提供数据服务，我们将其称为数据共享中心。

同时，我们不断构建业务模型并进行沉淀，将相应的业务能力沉淀到平台层面，从而建成了我们的业务共享中心。基于这两大中心，我们能够快速敏捷地组装相应的业务应用。

基于四个打通的应用场景建设

我们的 IT 架构为数字化应用发挥了关键作用，多年来，围绕着四个打通，我们构建了数十个应用场景，这些场景涵盖了质量管控、成本控制、订单交付，甚至包括为可持续发展（如 ESG 方面）也提供了相应的应用实例，在业务发展中起到了重要作用。

联宝科技数字化转型关键赋能要素

当然，在数字化转型进程中，我们也认识到一些因素至关重要。大家都提到数字化转型是 “一把手” 工程，那么 “一把手” 如何在这一过程中发挥作用呢？从图中可以看出，我们成立了公司级的数字化转型委员会，CEO 担任实际负责人。并且，我们持续营造全员参与的数字化文化，倡导 “人人数字化”。长期以来，持续四五年甚至更久，我们通过开展数字化演讲、举办数字化训练营，以及推出内部数字化认证等方式，培养数字化人才，提升全体员工的数字化意识和素养。此外，方法论也极为关键，在推进数字化文化的同时，我们也推行了高效敏捷的工作方式，与此同时，还构建了智能制造生态体系。

联宝科技数字化转型下一步发展计划

当然，我的重点在于我们的下一步发展。基于此前的数字化推进情况，实际上我们现在已经进入到价值创造阶段，也就是数字化转型的第二个阶段。我们下一步的规划是紧紧围绕如何通过结构优化，在精细化的原子颗粒度层面，对我们的运营、制造以及研发进行模态重构。围绕着四个打通方面，我们实际上也规划了一系列关键举措，包括强化感知型采购、在运营层面如何应用数据模型以实现数据驱动的精细化运营等等。

后续思考：IT应从平台、技术、数据及工具等维度全面赋能转型

基于这样一个构想，我们认识到 IT 要从六个维度推动数字化建设，为我们的数字化转型赋能：

第一，数字化平台方面。我们要如何将业务能力持续沉淀到平台层面，构建相应的业务能力预制化模型，提取共性以增强业务模型的复用性，让平台发挥关键作用，提供相应的业务模型服务。

第二，技术维度。IT 作为技术部门，这几年技术的变化确实非常大。我们要不断探索行业前瞻性的数字化技术，毕竟技术是生产力，我们要持续导入先进的数字化技术，并进行场景化应用。

第三，数据方面。我们基于数据治理，依托大数据构建了我们的数据共享中心，但是如何做到数据同源，如何将高质量数据入湖，最终构建我们的数据资产，以便为用户提供相应的数据服务，这是我们需要进一步解决的问题。

第四，工具层面。我们提倡人人数字化，然而让每个人都掌握底层的关键技术存在一定难度，所以我们强调 IT 负责底层技术，为员工提供相应的数据以及数字化工具，因此我们倡导 “工具即服务”，培训员工掌握这些数字化工具，毕竟 “授之以鱼不如授之以渔”。

人才方面我就先不说了。最后一个维度是安全，由于时间关系，我选取了其中三大块，从技术层面、数据层面以及数据安全层面稍微展开阐述一下。

首先是技术层面，技术的变化的确很大，我们虽然会关注热点，但将所有数字化技术完全引入企业既不现实也没必要。那么该如何引入呢？实际上我们有企业自己的引入路径。比如在探索阶段，像 Gartner、IDC 等很多大公司每年都会发布年度数字化技术趋势，我们会研读这些新技术，明确具有前瞻性的前沿技术具体应用在哪些领域，做一些相应的了解。

与此同时，我们分析这些技术与自身业务的结合点在哪里，进行一些场景化的应用尝试。如果场景化的概念验证（POC）结果较好，投入产出比也不错，我们就会进行相应的技术引入。

积极拥抱新一代智能制造技术,推动场景化落地

在我们的引入路径中，大家可以看到，前期这通常是一条典型的技术成熟度曲线，当然和 Gartner 所描述的不完全一样，因为这是我们在企业内部推动技术从前沿探索到初具雏形再到全面应用的过程。大家能够发现，在机器学习、数据挖掘以及传统 AI 算法应用方面，我们已经在众多领域得到了广泛应用，而在相应的 AIGC、AIGA甚至智能语言处理目前还处于探索阶段。

构建企业数据门户, BI+AI双轮驱动, 加持数据价值挖掘

在数据层面，我们同样紧紧围绕数据价值来推动数据服务。通过构建企业数据门户，结合 BI、AI 等相关技术来推动数据服务，我们搭建了大数据平台，并且持续开展数据治理工作。引入了包括报表、传统的 BI、Power BI 等工具提供给用户，并对用户进行深入培训。同时，我们 IT 部门也基于这些数据结合业务构建了相应的数据模型，提供数据资产服务，这样用户基于数据服务门户，就能够自行运用这些数据构建相应的业务可视化能力。

加速AI落地, 发展新质生产力

围绕 AI 领域，确实随着 OpenAI 的 ChatGPT 推出，AI 已经成为备受瞩目的热点。实际上，在传统 AI 方面，我们切入较早，大概四五年前就相应引入了这种传统的机器学习、深度学习以及计算机视觉、计算机智能语言等能力，并将其应用到我们业务的各个领域，从研发到供应链，再到生产制造等各个环节都引入了一些传统算法。

然而在 AIGC 层面，对于大模型，我们更多是从工具应用角度着手，毕竟我们自身没有大模型开发能力。例如在 “AI + 办公” 方面，我们引入了微软的 Copilot，并且基于公司本身的知识库为员工提供 Copilot 服务；在 OA 系统中，我们引入了相应的 AI 小模型，这样在 AI 应用方面，我们能够实现一些知识问答功能，具备了相应的 AI 问答能力。

在小模型领域我们也进行了探索，比如基于阿里小模型，在 IT 运维、质量检验、工业设计、研发以及制造等层面都做了一些尝试，其中部分场景取得了不错的成效。例如在BOM 能力层面，应用小模型实现了 BOM 检索以及降低 BOM 排错率；在订单预测方面，应用小模型也取得了很好的成绩。

我们也意识到培养 AI 素养是一项非常重要的任务，在企业内部要持续培养员工的 AI 思维，让他们明白 AI 到底是什么。与此同时，我们在企业文化层面不断推进，在智能化时代，构建数字化文化是十分必要的。

IT&OT全面的数据安全体系建设

最后一部分涉及数据安全，数据安全应该说是需要全体员工共同参与的。数据安全的基础是对企业的数据进行盘点，并做好分类分级，这样我们才能有针对性地实施数据保护措施，通过数据安全平台实现风险可视化以及数据的统一管理。

当然，所有这些数字化转型举措，虽然我们从六个维度向大家分享了我们的实践经验，但所有这一切都离不开我们亲身参与、亲身体验，结合企业实际情况进行应用和优化。

最后，谢谢大家，我的分享就到这里，谢谢！