来源 :神州数码集团2026-09-21
近日，由中国互联网协会主办，信息化观察网、国润互联信息技术研究院承办的2026中国国际服务贸易交易会雄安新区AI+创新应用生态论坛成功举办。论坛同期发布“2026 AI+行业创新应用成果”，神州数码旗下神州问学的三项企业级AI实践同时入选《2026 AI+创新应用成果展示册》。
此次入选的三项实践覆盖医药、高端制造、新能源汽车三大行业，分别深入复杂数据分析、工艺准备、售后诊断等业务场景。从不同的行业需求出发，三项实践集中呈现了神州数码AI for Process在企业业务中的落地探索，也展现出AI与行业知识、企业数据和业务流程不断深入结合的实践路径。
深入业务流程，AI解决行业具体问题
企业AI进入业务深处，首先要面对的就是不同产业千差万别的实际问题。在医药行业，这个问题体现为如何从庞杂的数据中快速获得业务洞察。某跨国药企原有BI流程需要经过数据同步、数仓建模、SQL编写、看板生成和人工分析等多个环节，当查询涉及100+维度、60+指标时，数据获取和分析较为依赖专业人员，复杂需求难以及时响应。
为此，神州问学联合该药企打造“AI4BI平台”，将自然语言交互引入原有数据分析流程。业务人员提出问题后，系统可进一步完成意图解析、数据关联、指标计算和图表生成，原本需要专业人员参与的查数和分析过程由此得到简化。随着这一流程跑通，AI的价值也直接反映在业务效率上：目前平台已融合超10亿条业务数据，服务超千名业务及数据分析人员，日均处理自然语言查询超过5000次；经10万条真实业务查询测评，在60+指标、100+维度组合下，业务问答准确率达到95%以上，复杂查询响应时间由1-2小时缩短至60秒。
如果说医药行业解决的是数据分析效率问题，那么进入高端制造，AI需要进一步理解更为复杂的图纸和工艺知识。随着客户结构日趋多元，多客户、多格式、多版本的工程图纸不断进入工艺准备环节，而传统方式仍需要工艺人员逐张读图，查询物料编码，再手工完成接线表、物料清单和装配示意图。这不仅耗费大量时间，也使工艺准备较为依赖资深人员经验。
围绕这一流程，神州问学联合某高端制造领军企业打造“AI原生图纸解析与智能图纸生成”平台，将图纸理解、知识映射、资料生成和制造表达等环节连接起来，使客户图纸能够进一步生成接线表、物料清单和装配示意图等制造资料。由此，AI开始从数据分析进入更加专业的生产作业环节。在Eval金标数据集实测中，平台可实现12分钟出图，相比人工处理时间缩短93.3%，单张图纸节省168分钟；每处理1000张图纸，可节省约2800工时。
沉淀专业能力，AI走向持续业务运行
当AI进入越来越专业的业务环节，效率提升之外，另一个问题也随之出现：如何把人的专业经验留在流程中，并在后续业务中持续使用。这一点，在高度依赖一线技师经验的新能源汽车售后诊断中尤为明显。
随着车辆电动化、智能化和网联化程度提高，软件Bug、配置错误、版本冲突以及多系统耦合等问题不断增加，单纯依靠传统经验排查已经越来越难以覆盖复杂故障。与此同时，资深技师积累的诊断经验往往分散在个人、维修手册和历史工单中，一旦人员流动，经验也难以完整保留下来。
针对这一问题，神州问学与某新能源创新车企联合打造“AI智能诊断平台”，将车辆配置、维修历史、故障码、传感器参数、ECU运行日志以及维修知识等信息纳入诊断过程。平台可基于VIN获取车辆相关信息，并形成初步故障定位、推荐检查项目及顺序、配件清单和预估维修工时等内容，为技师后续维修提供参考。更重要的是，诊断并没有随着一次维修结束而结束，相关工单会进一步结构化，新增知识也能够持续补充到诊断体系中，使业务运行过程本身成为经验沉淀的过程。
随着知识不断积累，平台目前已实现检索召回率与问答准确率均达到90%，支持7×24小时在线诊断，新人上手周期缩短60%。基于同一套数据和知识基础，相关能力还进一步延伸至智能客服问答、销售赋能、技师培训、质量分析和运维单据处理等场景，实现从单一诊断场景向更多售后业务环节拓展。
从医药行业的数据分析，到高端制造的工艺准备，再到新能源汽车售后诊断，三个项目面向不同的行业需求和业务流程，也体现出企业级AI落地的共性：以业务流程为价值载体，推动AI与企业数据、专业知识、业务规则及人的经验协同运行，并在实践中持续沉淀和复用相关能力。这也是神州数码推进AI for Process过程中持续探索的方向。
此次三项企业级AI实践集中入选《2026 AI+创新应用成果展示册》，既是对相关项目实践成果的认可，也集中呈现了神州数码在不同行业推进企业级AI落地的阶段性进展。未来，神州数码将继续围绕企业真实业务需求，深化AI for Process在更多行业和场景中的实践，推动企业级AI从单点应用进一步走向业务流程，并进一步转化为可持续的业务价值。