导语

Introduction

中国一汽数智转型 " 方法论 "。

" 那么，我是否可以将中国一汽的数字化转型工作，理解为在网络上构建了一整套中国一汽核心业务流的数字孪生？"

上月末的时候，在杭州 2025 云栖大会上，作为我国最资深的整车企业，有着 " 共和国长子 " 别号的中国一汽，专程从吉林长春，千里迢迢赶来赴会。

现如今，" 车企 " 跻身互联网展，已经不算什么新鲜事。对于像软件公司多过车企的造车新势力们，乃至借助自身强大 IT 技术深度介入汽车产业的国内外 ICT 巨头，不过是有一个表演舞台而已。然而在刻板印象中，将 " 传统车企 " 四个字贴满全身的中国一汽，则多少让人觉得有些意外。

特别是，这一次这家中国最老牌的车企，带来了一座内容堪称丰富的展台——

一汽 · 七星云工作台、OpenMind 智能体、" 数 · 行者 " 整体解决方案，大司库、大人力、智慧物流专业管理系统。当然还有，用来搭建前述这些 " 上层建筑 " 的基础——企业架构管理工具（Enterprise Architecture Map）。

笔者在参观了一圈中国一汽的展台后，向着现场负责解说的产品管理工程师杜灵育女士，提出了上面这个在事后看来，多少有些浅薄的问题。

无可否认的是，作为汽车行业的媒体从业人员，笔者此前的关注点通常聚焦于整车或者其相关的技术。而这种企业级数字转型工程，多少是有些 " 超纲 " 的。

面对这样的问题，讲解者明显一愣。在稍稍思考后，杜工回答道：

" 单就‘数字孪生’这种表述，并不能说是错，但站在真正能解决问题的视角上，线下和线上实际上并不是一个逻辑。企业的数字化转型也不应该仅流于‘网上办公’或者‘线上留痕’这样的层面，否则这种‘数字化’多少会流于形式。而简单将‘线下’的模式照搬到‘线上’，更会沦为流程与执行两层皮，最终进入到业务与 IT 各搞一套的怪圈。"

说完上面这番话以后，她将我引导到了另一面展示墙前，其标题为 " 数字化转型底层逻辑 "，而屏幕中介绍的内容，便是一个名叫 " 业务单元 " 的概念。

以 " 业务单元 " 为核心

将一头大象放进冰箱需要几步？

这是一个流传于我国互联网上古时代的段子，它最初出现的时候，记得还是叫做 " 脑筋急转弯 "。而其答案却是需要来个思路急转弯——拉开冰箱门，将大象放进去，最后关上冰箱门，总共三步。

对于第一次 " 急转弯 " 的人来说，初次听闻答案后，在心里多少奔腾过几头 " 羊驼 " 似乎也是难免的。而我们在这里提到这种赛博上古遗留，完全是因为 " 业务单元 " 确实就如同将大象放入冰箱的步骤那么 " 简单 "。

借用物理学概念来阐述 " 业务单元 " 便是——构成所有业务流程的、最小的、不可再分的业务动作 " 原子 "。而 " 原子 "，正是所有物质化学性质层面上的最小组成部分。

那么，以 " 业务单元 " 为视角来描述，在线订购一台红旗车，将是个怎么样的过程呢？

假设笔者是一位准车主，现在要订购一台红旗天工 05。首先当然是打开红旗智联 APP 登录自己的账号，然后进入到车辆选购页面——

车型上，选择 " 天工 05-550 车款 "；车漆配色，选定 " 元气红 "；轮毂方面没有独立的选择，但车胎可以从红旗品牌改为 " 马牌轮胎（4 条）"；座舱配置选择，" 内饰玄静灰，选装前排座椅加热 or 通风 "。除此之外，还有三款可选装项，购车类型 / 购车方案以及是否置换二手车选项。

在上述零零总总的选项背后，实际都对应着一个 " 业务单元 "。

从车款选项开始，配置项确认各单元启动并执行，系统自动检查对应配置的零部件库存，以及是否存在阻止交易的问题。一切无误，当我填写完毕个人信息选定交付地区以及代理商，并支付定金后选择 " 提交 " 后锁定订单，则系统将流程推进到下一步，激活 " 排产至总装线 " 这个单元。

进入排产阶段后，系统会精准到安排完成生产线上的每一步工序。在排产流程启动的同时，名为 " 通知物流供应商备货 " 的一系列业务单元也被激活，系统自动根据上面单元生成的周期，安排各种库存件，以及需要调配的非库存件，根据生产安排送抵对应产线的对应节点。

同时，APP 端显示的生产步骤、交车周期信息，以及最终车辆交付过程，也属于各自的 " 业务单元 "。

击碎 " 部门墙 "

笔者并不怀疑，对于一部分不了解主机厂运作的朋友，在看过上面有关 " 业务单元 " 式的订车 - 生产 - 交付流程后，可能并不会有太大的感触。

乍看之下似乎平平无奇？但这主要是因为，多数人对于传统造车 - 卖车业务构成，并不那么的熟悉。

在过去，生产与销售高度依赖计划。每个汽车品牌（事业部）的每种车型，每月生产和销售周期有一个预期销量，其中不同车款不一样的配置又有多少的量。有这个大致估算值以后，定期安排一定的产量，再根据该产量去采购零部件、原材料完成生产。

在实际销售环节中，定期汇总销售情况再评估不同车型各个车款，是否有增加或者减少销售量的必要，并适时重新评估库存零配件的数量，然后定期以前述所有为基础重新评估下一个周期的排产和销售数据。

选配当然也是可以的，但在以往可行的组合从来就不会像现在这样繁多，而甚至部分选装包实际都是到店后安装的。

在上一个时代，那些特大型车企内部，部门与部门之间早已形成了诸多的 " 孤岛 " ——

销售部门不知道工厂的实时产能，工厂无法精准预知供应商的来料，财务的报表总是滞后于市场的瞬息万变。信息的跨部门传递，如同古老的传话游戏，每过一关不仅需要时间，而且既损耗一分，更失真一分。

事实上，复盘整个过程就会发现，传统的流程在某种意义上，就像是整体性雕刻的过程。即便可以分成几块运作，执行的过程仍旧笨重且呆板。

而现在，基于 " 业务单元 " 的模式，更接近于拼接积木的游戏。其基于数据流紧密衔接，通过系统自动找到对应的负责人员，甚至是不需要真人处理，完全系统自动执行的 " 数字员工 " 去落实推进。

在这样的全新业务推动机制下，原本部门之间因为职权、业绩等构筑起的无形藩篱，随之轰然倒塌。

当然，需要强调的是，并不只有确认用户所选配置库存情况、提交后锁单排产这种涉及造车和购车业务的 " 业务单元 "。财务流程中，" 审批一笔 XX 万元以内的采购 " 同样是一个业务单元，内部物流系统 " 应 XX 部门要求将一辆卡车从 A 点调度至 B 点 " 也是一个业务单元。

根据云栖大会当日，中国一汽展台负责人于海洋介绍，数字化团队的主要工作之一，就是通过企业架构管理工具，将全公司错综复杂的业务一丝一缕地拆分重组，最终分解梳理成的 " 业务单元 "，总数超过三万个。

其实际覆盖了企业级的战略管控、技术开发、产品诞生、订单交付，乃至于客户运营、员工成长和平台运营本身的，七大企业业务相关链条。

数字时代超级制造企业 " 方法论 "

" 理解‘业务单元’，就能够明白我们的‘一汽 · 七星云工作台’的底层运作逻辑。" 展台负责人于海洋如是说。但他进一步强调，" 工作台 " 只是中国一汽数字化转型中的一个环节，面向使用者和具体执行层面的一种 " 作业平台 "。

但其强大之处也不仅局限于执行层面，因为它同时亦是打通企业不同层级，实现跨越部门的内部信息获取的关键媒介。

在一汽 · 七星云工作台出现以前，中国一汽并不是没有各类办公系统。但其普遍存在只能处理单一或者部分功能，彼此数据无法互通的问题。

在以前，一个项目经理如果想要跟进某台车的生产，通常需要跑遍多个部门、登录多个系统才行。现在，登上一个平台，所有流程（研发、物流、生产）都以数据化的方式清晰呈现、实时联动。

这种 " 穿透性 " 对于企业决策层掌握关键信息评估问题，也同样起到决定性作用。例如，某款新车产能爬坡未能按照预定节点完成，如何核查原因？

在以往，汇报是管理层获取信息的主要途径。而汇报问题的后续，通常会连接 " 甩锅 " 拉扯的大戏。但在打通整个体系的工作台加持下，定位具体出现问题的节点，例如 " 焊装车间某个环节良品率一直上不去 " 等等，其实并不是什么困难的事情。

如果说一汽・七星云工作台是企业数智化转型的基石，那么建筑在其上的，依托中国一汽行业大模型 MLM 为主中枢，通过全量业务动作及其背后的高质量数据集喂养出来的 OpenMind 智能体，则是背后真正的 " 撒手锏 "。

如前文所说的，企业管理层可以通过一汽・七星云工作台来实现信息穿透，了解其希望掌握的问题核心。但在实际执行层面，具体了解和分析问题，并不需要操作者去逐级打开界面自行核对数据。一句指向明确、表述清晰的问询，OpenMind 智能体即可执行全局分析和采样，并明确问题指向。

然而其能力，并不只局限于企业管理层面。

在研发领域，OpenMind 能自动解析设计需求，调用零件参数与成本库，生成任务书框架并智能排布审批流程，有效提升效率。

面对市场变化，OpenMind 可以秒级解析企业全量数据，通过追溯指标血缘快速定位问题根因，并为决策者提供策略建议，实现 " 问答即洞察 "。

甚至在一般的数字办公层面，它能够通过自然语言理解员工意图，自动完成如在职 / 收入证明开具等流程，甚至通过多轮对话为员工规划并预订差旅，显著降低业务办理门槛。

从一汽 · 七星云工作台到 OpenMind 智能体，中国一汽充分展示了其从数字化到数智化的飞跃。不但重塑了自身企业运营逻辑，更实现了从 " 经验响应 " 到 " 智能涌现 " 的跨越。

中国一汽的数字化转型工作，往前可以追溯到本世纪第二个十年末期启动的企业数据治理工作。

但在 2021 年之前，不客气地讲，这项工作可谓频频遇挫。与当时不少失败的案例一样，初期以看板指标为切入点，采用 " 事后治理的模式 "，虽然快速实现可视化呈现，但数据质量问题频发导致反复改版仍无法满足应用需求。

在总结初期探索的种种问题后，治理模式开始转向建章立制，探索从源端数据产生的阶段进行干预，规范数据标准和源头的唯一性。彼时，这种模式曾经在企业营销层面上有所助益，但这种单点突破终究无法解决全域数据质量的问题。

后续也尝试 " 全量业务数据治理 " 的策略，但结果依然不理想——虽追求覆盖所有业务场景、治理所有数据，却因整个周期过长且与业务需求脱节，最终陷入 " 治理了但是无用 " 的价值困境。

痛定思痛，中国一汽最终定位问题，在于组织模式本身。

彼时，虽然负责相关业务的人员已经各自从其原本的部门抽调，成立了独立的数据部门，但由于数据工作完全由 IT 人员主导，业务部门普遍有着 " 事不关己 " 的心态。这种割裂导致业务部门人员既不理解数据治理的底层逻辑和作用，也不掌握数据治理方法，开发人员无法将工作有效关联业务，最终导致数据治理效果难以匹配实际的业务场景和需求，陷入 " 持续治理 " 却仍然无数可用的局面。

针对性的措施，分为策略层面的调整，与组织体系上的改善——

首先，策略上从 " 全量治理 " 转向 " 价值导向 "。摒弃原本 " 大而全 " 的数据治理思路，转而以数据应用的 " 用户和场景 " 为起点，以业务的指标为切入点开展治理。其次，组织上从以前的 "IT 主导 " 转向 " 业务主导 "，建立以业务为主体的数据治理模式，以业务部门为数据的 " 负责人 " 对数据标准、源头和质量进行清晰定义，并主导治理。

由此，中国一汽迈过 " 数据治理 " 的坎坷，大步迈向数字化转型。

" 你可能想不到，在五六年以前，我还在设计部门‘画图纸’。" 走马观花，看过中国一汽在云栖大会上的展台，听过了各种数字化以及转型的故事后，在当天交流末尾，于工这样对我说：" 外界可能无法深切感受这几年来，我们中国一汽的变化有多么巨大。"

不过，笔者对此也并非一无所知。实际上，在中国一汽的内部，更喜欢将这场转型革新，称之为 " 数智化 "，其自上而下，波及企业的方方面面，以及每一个员工。学习、领悟与提升，最终掌握新的 " 数智化 " 方法论，是当前 " 共和国长子 " 的常态。

尽管笔者尽可能想以克制和谨慎的态度来进行叙述，但必须要承认的一点是，中国一汽的这场变革，已经脱离了 " 传统制造业巨头迈向数字化 " 这种层面，事实上已经为传统制造业打造出了可复制、可落地的转型样本。其更预示着企业运营正从机械的 " 完美化石 " 状态，进化成为具有感知、决策与自进化能力的 " 智能生命体 "。

中国一汽的这场实践所诠释的，其实正是一套赋能传统产业迈向数字文明的全新 " 方法论 "。