一个跑在真实业务流量上的研究项目
人工智能是我们的战略发展方向之一，我们把它当作研究项目来做。团队测试把 AI 嵌入真实业务流程的不同方案：采购、单证、工程支持、市场分析与内部决策。其中一些实验已进入长期使用；另一些在被诚实地度量之后被放弃——我们认为后者才是更有价值的一半。
这些工作运行在真实的商业流量与严格的合规环境中。我们的智能体解析含数百行的询价单、把运输单证与采购订单交叉核对、监测市场并准备合规文件——这些工作单件价值低，但出错的后果高。任何对公司构成约束的动作，都设有人工签核节点。
让技术面对真实后果，而不是待在试点沙箱里，才能知道它究竟在哪里站得住。
关于局限
模型在边缘情况下的表现并不稳定，验证仍然是成本最高的一环，而收益几乎从来不在"取代专家"，而在于把专家与决策之间那些机械性的工作拿走。我们继续投入，是基于这样一个判断：数字技术改变工业运营，靠的是工作流，而不是场面。
我们正在研究与验证的方向
面向商务接单的智能体架构
询价接收、规格匹配与带价报价起草——从收到 RFQ 到形成一份可复核的报价。
单证自动核验
把商务与技术文件与采购订单、技术规格逐项比对，在它变成索赔之前标出差异。
市场与交期监测
持续监测我们经手的产品分组，让供货变化先到达业务台，再到达客户。
面向工程流程的 AI 支持
规格复核、计算校验与技术检索——对工程师的辅助，责任仍在工程师。
私有化与本地部署企业 AI
面向数据不能离开边界的组织的封闭系统。通常，这正是能够落地的前提条件。
人工监督机制设计
签核应该放在哪里，以及如何让它有实质意义而非流于形式。这是多数落地项目做错的地方。
目前已经落地的场景
航空与化工业务台
首轮报价处理与单证核验，任何对公司构成约束的内容仍由专业人员复核。
采购
供应商与交易对手的尽调材料在人工复核之前先行整理成卷，而不是取代人工。
工程支持
在规格、图纸与证书之间做技术检索与文件交叉比对。
底下的硬件
AI 总要跑在某处。这一层由我们自己选型、搭建并运行：按负载确定算力、统一固件、投入使用前完成测试。这是我们运行的基础设施，不是一份对外销售的货单。
我们使用的算力平台
- Gigabyte
- Dell
- IBM
- Supermicro
- HP
我们使用的存储
- QSAN
- IBM
- H3C
- Huawei
我们使用的网络设备
- Juniper
- Huawei
- Broadcom
- 按实际负载（含 GPU 推理与训练）确定算力
- 承载真实流量之前完成预装、固件统一与老化测试
- 光模块与布线兼容性由我们自己的工程师核对
- 数据不允许离开边界时，采用本地化部署
