10 月 29 日，2026 腾讯全球数字生态大会期间，数美科技与腾讯云正式达成战略合作并完成签约。本次战略合作签约，标志着数美科技与腾讯云的合作迈入体系化协同新阶段。

数美科技与腾讯云正式签署战略合作协议

后续双方将围绕云服务与 AI 安全能力协同、行业 AI 安全解决方案共建、AI 生态合作拓展等方向深度协作，助力大模型、AI 智能体在企业业务场景下安全落地、稳定运行。

本次合作聚焦 AI 应用落地与 AI 安全治理相关议题，在大会「互联网与数字科技 AI 专场」中得到进一步探讨。数美科技 AI 安全产品总监叶扬出席专场圆桌对话，对话主题为从工具到工作流：AI 如何兑现研发与运营提效，结合数美在 AI 风险识别、内容安全审核、AI 组织建设上的落地实践，分享 AI 提效、AI 风险防护、组织流程优化的实战思路。

数美科技 AI 安全产品总监叶扬出席专场圆桌对话

以下 QA 整理自现场圆桌发言实录：

Q1：目前 AI 主要应用在哪些生产环节？引入 AI 之后，工作模式、交付成果发生了哪些变化？

叶扬：结合数美自身落地实践，我们主要从两大方向推进 AI 落地。 一是依托大模型升级产品风险识别能力。大模型催生形态更加多元的风险内容，倒逼安全识别能力持续迭代。在原有分类模型、视觉识别模型基础上，数美引入大模型，强化复杂内容、深层意图的理解能力，提升多模态内容风险识别效果。 二是借助大模型优化内部质检、标注、人工审核流程。在选择落地场景时，我们重点评估三个标准：工作是否具备重复性、结果是否可核验、接入 AI 是否会引入新安全风险。

基于这套评估标准，数据质检、数据标注、人工复审是数美内部大模型落地的核心场景。我们利用大模型扩大风险数据召回范围，提升复审效率。 一方面释放人力，让专业人员聚焦高复杂度、强主观判断的审核任务，提升团队人效；另一方面，更广范围的风险召回数据，能够反向供给机器审核模型，打通风险发现、识别、质检标注、模型训练的闭环，加速模型迭代。

Q2：接入 AI 会带来算力、培训、审核、运维等新增成本。企业该如何评估投入产出，判断是否真正实现降本增效？

叶扬：在数美已经落地的场景里，投入产出的评估逻辑相对清晰。 针对产品能力提升，以客户反馈、线上风险识别指标为核心判断依据，重点看风险识别精确率、召回率是否有实质性提升，结合算力等资源投入，综合测算成本收益。 针对内部重复性工作提效，可以直接对比 AI 与人工的处理成本。选取足量样本，对比 AI 处理时长、调用成本，和同等工作量下人工成本，以此判断场景落地价值。

但当 AI 深度融入传统业务、推动企业整体数字化转型时，投入产出评估会变得复杂。 单点个人效率提升，短期不一定转化为组织整体效率提升；转型阶段甚至会出现投入大于收益的情况。这就需要企业从组织层面重新梳理流程、重构协作模式。不能只看到单点提效，就判定企业整体 AI 应用成本可控。

Q3：企业推进 AI 转型，有哪些可借鉴的经验？有哪些风险需要提前规避？

叶扬：站在 AI 安全服务商的视角，有三点需要企业重点关注。 第一，在组织流程设计中，守住关键风险控制点。 传统企业做 AI 转型，评审、审核等风控环节是流程设计的重中之重。 要警惕一个现象：员工独立完成可以达到 85-90 分的工作，引入 AI 之后输出降到 80 分依然直接提交。一旦基层依赖 AI 产出、中层依赖 AI 审核，质量漏洞会层层传导，最终由企业承担后果。 AI 参与执行与审核后，各层级、各关键节点的人工把关不能省略。

第二，理性区分 Demo 验证和生产落地的边界。 从对话大模型到 AI Agent，技术迭代速度很快。但 Demo 演示、线上投产、投产结果服务于组织业务，是完全不同的阶段，每一步都要结合业务实际判断。 Demo 可以跑通，不等于适合上线生产；能够稳定运行，不等于能够创造收益、提升业务经营水平。企业要分步判断：技术是否可落地、投入产出是否合理、能否给组织带来真实价值。

第三，布局 Agent、推进企业 AI 转型时，同步规划安全体系。 不少企业优先关注功能创新、用户体验、效率提升，容易忽视安全建设，而数据泄露等安全事件会给企业带来重大损失。 不管是管理者还是落地执行人员，在启动 AI 项目之初，就要把安全纳入核心考量。在我们的实践里，任何 AI 应用上线前，安全都是优先评估项。

AI 提效需要经过业务长期检验，AI 规模化落地离不开安全底座支撑。未来，腾讯云与数美科技将持续深化技术联动与生态共建，帮助企业安全、高效落地 AI 应用，护航业务长期可持续增长。