行业新闻

尊敬的各位来宾，大家上午好！首先，感谢主办方给我一个机会在这里与大家一起分享。我是来自金霸王中国有限公司的赵小华，今天给大家分享的主题是《AI驱动电子半导体企业出海数字化》。

我今天分享的内容大致分为四个方面：
第一，公司及个人介绍。
第二，企业出海探索。
第三，AI赋能电子半导体制造业。
第四，全球化组织架构和运维模式。

公司及个人介绍

我先简单介绍一下我们公司。我们公司总部位于美国，主要经营电子产品业务。公司成立已有很长时间，最初隶属于宝洁，2016年后转入巴菲特旗下的Berkshire Hathaway。我们在美国、欧洲比利时、广州东莞、江西南昌设有生产中心。

再简单介绍一下我自己。我一直从事IT行业，曾在多家企业工作，大部分时间专注于制造业，尤其在电子和半导体行业积累了丰富经验。我曾在上海工作多年，包括张江高科和漕河泾等地。我的工作足迹遍布许多地方，还曾前往国外，如美国和墨西哥，提供长期IT技术支持。后来，随着环境变化和企业出海趋势，我曾赴越南和印度考察，并参与在越南建立新的生产中心，负责搭建整个IT系统。

企业出海探索：背景与动因

我们来看一下当前所处的时期。大家觉得这是什么？相信大家都有深刻感受——内卷。现在真的太卷了，各行各业在中国都非常卷。很多人提出“走出去”“出海”“卷出去，卷死外国人”。再看这个代表什么？大家应该都能看出来——焦虑。这几年我与许多朋友交流，各行各业都感到非常焦虑。全球经济大环境不佳，尤其是地缘政治和关税问题的影响非常大。比如，中国的关税政策近期就产生了重大影响。这个时代确实不容易，大家都在坚持。

我们也处在一个变动周期中。习主席曾提到，我们正经历“百年未有之大变局”。关于关税问题，今天我分享的内容中有一部分涉及出海。为什么要出海？其中一个重要因素就是关税。中美关税从最早的2月到4月，两国反复交手五个回合。直到5月12日中美历史性会谈后，关税才有所缓和，降低了不少。但整体来看，关税对经济的影响仍然非常显著，尤其是对长三角和东部沿海城市。许多城市的出口占GDP比重很高，例如上海出口占比33%，美国市场占2.9%；苏州出口占比61%，是典型的外向型经济；深圳出口占比76.4%，美国市场占11%；东莞出口占比70%以上，美国市场也占10%以上。因此，中美关税对中国出口导向型企业的影响非常大，许多企业出海正是受此驱动。

美国虽然只有3亿多人口，但它是全球最大的消费市场。中国生产的许多产品都出口到美国，包括一些国内企业出海到东南亚（如越南、泰国、印尼等），实际上也是通过当地生产再出口到美国。

“一带一路”与出海因素

谈到出口，不能不提中国的“一带一路”战略。“一带一路”的核心是基建先行。去年我去老挝时，直接乘坐了中老铁路，从云南昆明直达老挝首都万象，沿途经过西双版纳、琅勃拉邦等地。这条铁路完全由中国援建，系统标准与中国一致，包括播音和架构设计。此外，许多港口建设也是“一带一路”的一部分。

企业出海受多种因素影响，主要分为主动因素和被动因素。许多企业出海是被动因素驱动的，比如中美贸易战和关税问题。尤其是广东的企业，许多已转移到东南亚，越南承接了大量中国产业转移。当然，也有主动因素，比如国内市场饱和或竞争激烈，企业选择将生产部署到人力成本更低的地方，或主动拓展海外市场。

出海面临的挑战

出海也会面临一些挑战，包括业务和IT技术方面的挑战。重点来看IT挑战，主要是系统整合问题，涉及合规性、安全性等。此外，缺乏海外IT人才也是一大难题。有些国家的IT发展相对滞后，基础设施（如网速、光纤等）也比国内差很多。

企业出海的IT架构与阶段策略

企业出海需要怎么做？其中一个关键是IT架构设计。具体取决于出海的阶段，但合规是必不可少的。国内外的软件应用标准可能差异很大。我将出海分为三个阶段：探索期（早期）、创新期和扩张期，不同阶段的策略设计不同。

第一阶段：主要集中在数据连接和安全合规上。

第二阶段：设计IT架构。

第三阶段：通过数据分析和数据驱动业务。

企业出海的首要任务是组网。许多服务商提供组网方案，需要打通数据和网络语言。常用的技术包括PLS或主流的SD1。通过组网，可以将全球的办公室、工厂等连接起来。

数据合规是出海的重要部分。国内外的数据隐私保护标准不同，比如外资企业经常需要培训员工学习GDPR（通用数据保护条例）等法规。国外对软件版权要求严格，我们公司所有软件都是有版权的，不允许使用盗版。

CIO的出海准备与数字化策略

作为CIO，企业出海需要做哪些准备？我列出了四大类：

1.提前布局

2.能力建设

3.资源准备

4.风险管理

CIO需要思考如何将业务扩展到海外，建立系统，并解决语言沟通、文化差异等问题。由于时间有限，这里不展开讨论。

企业出海的数字化策略可以总结为以下几点：

连通：通过组网实现数据连通。

自动化：数字化和自动化是关键，比如无人工厂、关灯工厂等。

智能化：AI的应用是未来的方向。

AI在电子制造业的挑战与应用

接下来分享AI在电子制造业的挑战和应对策略，分为四类：

包括技术显性，AI特别是制造业企业每个行业的应用是不一样的，我们讲制造业来讲的话，它的显性是什么，显什么，这么多技术怎么用，我们现在基本上每天都要DeepSeek、ChatGPT还有很多大模型，我们怎么去应用？这个我们显性思考满足适合自己的才是最好的。

再就是数据治理，这是非常重要的一步，我们AI肯定是要数据治理，把数据打通，包括我以前在做很多大数据项目，包括智能营销、智能推荐等等东西都是依赖数据，所以数据治理，数据这块没做好再做后面就很难。

第三是人才匮乏，基本上数字化的AI人才非常稀缺，这几年快速发展对人才的依赖非常高。

还有风险管理缺失，这也是很重要的部分，我们公司经常会谈风险，第一是数据安全风险，很重要，包括我们用的大模型，我现在很多大模型包括DeepSeek可以本地部署，假如说你用网页端，是不是涉及到你公司数据包括信息泄露问题等等很多。

AI大模型可以AIGC结合，我相信很多专家都非常借助这一块，AI怎么在各个部门应用，把每个展开可以讲很多，因为我列出来了一个大概给大家参考一下。

AI制造业来讲有什么应用，其实在很多，AI不同行业应用场景是不一样的，我也经常会跟很多朋友交流探讨，特别是制造业，大家在思考现在AI发展这么快，对我们制造业怎么赋能，它在哪些地方有比较成熟的应用场景，跟延伸的数字化企业包括互联网、电信、保险等等很多数据企业行业是不一样的，制造业怎么赋能，从我这边列出了四个，基本上也是制造业比较成熟的应用场景，包括我们企业也在用，包括类似很多朋友、行业他们基本上也在这几大块。

第一，智能检测，这是我相信很多企业都在用，这是非常成熟的应用场景，以前早期的话检测靠人工，我记得我最早在电子厂的时候，其中PCB板检测，就靠人工，灯光拿个板子看肉眼看，想一想这是很多人，眼睛看着很累的，而且效率不高，但是现在基本上视觉检测这一部分很好解决这个问题，通过大模型训练包括我们做一些产品图片可以自动识别出来，我把好的、不好产品图片大模型训练识别出来，哪些产品是OK的，哪些不是OK的等等。

第二是预测性维护，以前是靠师傅经验，大概什么时候坏去更换，或者它坏了以后再去更换，但是现在我们完全可以用AIGC大模型做，预测非常准，AI里面提出一个算法就是线性回归做预测，包括我们可以预测这个，预测很多甚至我们很多去做预测房价、预测股价涨跌等等。

第三个智能调度排产包括APS，现在也有厂商做这块，我们可以从这块发力。

第四个智能供应链管理，我们也可以做预测，有些市场需要什么产品很多都靠经验、人工，我们现在可以根据很多数据做预测，根据我们库存甚至我们物流定位等等这些东西去实现。

应用四个场景我们结合实施、资源、风险、管理四个维度看，时间有限我不具体展开。这是我列出来的实例，我们机器视觉检测的，可以检测整个产品外观有瑕疵可以很快识别出来，而且效率非常高。

我们讲AI，很重要的AIGC内容生成，大家应该都非常熟悉了，我们生成文本，这应用非常多，包括生成图像、音频、视频，而且现在好多做自媒体，视频很多基本上都是通过AI生成，不管我们刷什么小红书、抖音等等，我们看到很多视频包括跳舞等等很多，包括很多古诗词、讲解，我们现在都是AI生成的了。

数据治理与全球化运维

这里我给大家一个架构，我们刚刚讲到数据治理包括我们讲的数据中台等等很多，其实我们很重要的是数据，现在我们在企业来讲是非常多应用系统，包括全世界假如出来企业非常多数据，不同平台，异构非常多平台，这个平台我们数据肯定要统一治理，包括数据集成起来，我们通过这个平台，这个架构ESB大家很多见过，这可以说是最佳实践包括我以前在很多公司包括上海这边，以前在乙方做过很多客户包括自己甲方很多企业我们都用到过这个平台，这是最佳实践，它可以把不同业务系统集成、数据集成包括不同数据格式等等很多，不仅仅ETL等等我们都可以通过这个平台把它集成起来。

这里我列举全球化IT组织架构，很多企业可以参考一下这个组织架构，我们包括硬件、软件、网络、业务系统等等我们可以通过这种模式。这里我给大家分享了一个全球化运维支持模式，这也可以说是一个最佳实践，包括很多大企业里面都会用到这个，我们是基于ETL架构来设计的，包括我们的支持，刚才在休息的时候跟朋友聊天他们做ITSM的产品也是基于这个，包括我们的ESIS管理、requies管理、problem管理、change管理等等很多，整个一套利用这个模式和架构去实现。

最后我给大家分享一下，取代你的不是AI，而是会使用AI的人，AI只是一个工具，我们怎么用好这个工具更好为我们服务，这是我们最重要的。

谢谢大家！我的分享就到这儿，希望给大家带来一些帮助，谢谢！