课程背景
随着AI技艺的爆发，许多公司开始部署大量的“概念验证（POC）”项目，换个角度看，却发现这些零散的试点往往沦为孤立的“玩具”，执行层面，不仅无法规模化产生商业价值，反而带来了新的资料孤岛；同时，面对业务部门私自采用外部不可控大模型所引发的核心商业机密甚至源代码外泄的“影子AI”隐患，传统的IT安全防线早已捉襟见肘。 这一切的根源在于：传统基于“确定性和固定流程”的4A顶层架构，在高度动态，意图驱动的AI时代已经逐渐失效。本课旨在打破传统的IT顶层规划思路，全景推演包含C.A.R.E.架构在内的新一代“五层数智化架构”，打通稳态IT和敏态AI的平滑过渡路径，用一套科学可落地的蓝图规划，将AI真正转化为公司的核心生产力。
课程收益
•
洞察
AI时代范式转移，打破传统资讯化“记录系统”思路，树立“认知驱动”的新型架构理念。
•
掌握
诊断数智化现况的“五看”拆解法和公司AI数智化成熟度评核模型（AI-MM），精准定位方略起跑线。
•
重构
公司新一代五层架构（从价值生态层到异构算力层），运行层面，运用前沿的C.A.R.E.顶层规划新办法论。
•
打通
传统稳态IT资产和敏态AI引擎的“双态平滑过渡”路径，从实践看，唤醒并盘活沉睡的非结构化“暗资料”。
•
拟定
科学落地的数智化建设路径和项目组合，规避“影子AI”隐患，达成公司级的受控民主化革新。
课程大纲
一、 AI时代数智化顶层规划的范式转变
1、顶层规划的价值和意义
实例：
某大厂政务云中心（业务方略）
实例：
某会展中心（运用情境）
实例：
某园区伪智能化改造和系统“整合”
2，时代激荡：AI原生时代的“生死之变”和庙算之重
• 方略传导：公司要拥抱AI时代，顶层规划怎样作为连接“公司方略规划”和“底层技艺执行”的唯一纽带？
• 破除迷思：为何缺乏系统性规划的AI试点会带来巨大的异构算力浪费和资料孤岛？
• 系统跃迁：从传统追求确定性的“记录系统（SoR）”向拥抱非结构化资料的“认知系统（SoI）”跨越。
2. 架构腐化：传统EA（公司架构）面临的周全挑战
• 业务架构挑战：当生成式AI具备认知和推理本领，人机协同的边界该怎样重新定义？
• 资料和运用挑战：从结构化统计走向多模态认知，运行层面，从菜单式交互走向自然语言意图驱动。
碰头
：
我们公司当下面临的最大“AI转型阻力”为何？资料还是老旧的系统固化？
二、 现况诊断：在重构架构之前，怎样精准评核我们的方略锚点和数智化底子？
1、方略解码：自上而下的数智化演进方向研判
• 运用经典的“五看”拆解法（看政策、看业界、看一流、看总部、看自身），周全识别数智化建设诉求。
• 方略决定情境和生态边界：成本领 先 vs 极 致体验下的AI重心理念差异。
2、定位坐标系：公司AI数智化成熟度评核
• 数智化基础本领诊断：业务支撑、资料质量、架构管控和技艺领 先性评核维度。
• 公司AI数智化成熟度（AI-MM）五阶跃迁路径详解：
L1 单点尝试期（影子AI泛滥）
L2 局部赋能期
L3 平台统管期
L4 AI原生架构期
L5 自治演进期
模型：
公司AI-MM五阶坐标架构
三、 架构重塑：怎样摒弃旧IT蓝图，构筑“业技共生”的新一代五层架构？
1、核心办法论：从4A架构向C.A.R.E.架构的周全升级
• 突破传统的“业务-资料-运用-技艺（BA/DA/AA/TA）”线性模型，往细里说，引入“认知驱动”新理念。
• C.A.R.E.架构（Cognitive 认知, Agentic 智能体, Resilient 韧性, Evolving 演进）底层推演拆解。
2、 新一代数智化顶层规划“新五层”模型
• 价值和生态层：开展“AI业务重塑”，界定AI数字员工的编制和业务情境锚点。
• 智能协同运用层：重构系统入口，在实际应用里，搭建基于意图的“智能体网络（Multi-Agent System）”。
• 认知和模型大脑层：构筑公司级大模型网关，采用“1+N”混合模型选型打法。
• 学识和资料资产层：引入向量资料库和RAG技艺，施行“资料和学识双轨治理”。
• 异构算力设施层：构筑私有和公共云混合的异构算力底座以及LLMOps平台。
一、
平滑演进：面对庞大的历史系统，落地时，怎样让旧有资产“变废为宝”并守住安全边界？
1.
1，资产重塑：“双态架构”下的平滑过渡打法
• 为何顶 级机构强烈反对“推倒重来”的激进架构重构？
• 稳态系统记录层（SoR）和敏态系统认知层（SoI）的API解耦和高频交互模式。稳态（系统记录层 System of Record）： 保持现有ERP、核心账务、基础资料库架构的稳定性。它们依然是公司运转的基石，负责处理高一致性、强规则、零容错的事务。资料依然是最核心的资产，换个角度看，但从资料治理向资料生成转变
• 敏态（系统认知层 System of Intelligence）： 在稳态系统之上，构筑全新的AI认知层。借助API网关和大模型中台赋能，和稳态系统开展解耦，执行层面，达成前端体验和认知的极速迭代。
• “变废为宝”法则：旧API服务化身为Agent的执行“手脚”；沉睡的“暗资料”升维为最深的AI护城河。旧有的API和微服务： 过去十年SOA和微服务改造留下的接口，就一线经验说，将直接成为AI Agent的“手和脚”。大模型负责思索判断，旧API负责执行系统操作。
• 沉睡的“暗资料”： 过去无法结构化处理的历史文本、研究报告、客服录音，借助RAG技艺提取后，落地时，将成为训练公司专属大模型最核心的护城河，落地时，这是外部通用大模型无法获取的独 家语料。
• 现有的安全和身份架构： 现有的IAM（身份识别和访问管控）制度，直接平移作为AI调用的权限边界，换个角度看，确保“谁能问什么级别的资料”受到严格的物理和推演双重将控。
2，混合式协同边界：公共云调用 vs 私有化掌控
• 划定安全红线：哪些核心业务模型和公司向量学识库必须实行私有化闭环部署？必须公司自有/私有化部署的核心资产：核心业务大模型（Fine-tuned LLM）： 涉及极度敏感资讯（如核心财务指标、要害工艺配方）的模型，必须在私有云或者本地算力集群上闭环微调和部署。公司向量学识库： 包含公司核心Know-how的资料，其主权必须绝 对掌握在公司手中。
• 大模型网关和安全围栏： 统管公司内部所有向外的大模型请求，负责敏感词过滤、资料脱敏和合规拦截。
• 本领适配方略：基座模型（LLM）组合，Agent轮廓选型和公司通用本领（Skills）库建设方案。
•
优先调用公有云AI服务的领域：
o
通用推演推理、多语言翻译，通用的代码生成辅助。
o
极耗算力的通用基础大模型API调用（在确保资料脱敏的前提下）。
o
准则化程度极高的办公协同AI助手。
一、
落地闭环：怎样科学规划施行路径和项目组，化解“影子AI”的周全失控隐患？
1.
1. 施行路线图：从瀑布式规划走向敏捷试错和双态并行
• M1 价值锚定和认知对齐
• M2-M3 学识工程和基础设施筹备。
• M4-M6 智能体原型涌现 架构本领沉淀和周全开放（AI Ubiquity）。
• 基于“业务迫切度”和“技艺就绪度”矩阵开展项目投资效益拆解和优先级排序规划。
2. 组织和治理：
• 公司级AI搭台（筑牢底座和安全红线）：统一部署带资料防泄漏（DLP）的大模型操作台。
• 个人级AI唱戏（释放长尾革新力）：赋能业务一线利用低代码搭建破解长尾痛点的小智能体。
• 构筑自下而上涌现、自上而下沉淀的“公司级官方AI运用商店”良性双向循环制度。
实例：
国内首个公司级龙虾劫持经过
碰头
：
员工传递内部资料给外部大模型，公司应该怎样化解？
六、实地上手：搭建智能体，拆解公司资料
要求：参训者自带笔记本电脑 注册coze账号；培训教室有无线网络覆盖
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|张鹏老师
适合谁听
公司一把手、分管数智化/IT的副总、方略副总、以及核心业务部门中高层。。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。