在我国，所有行业正在面临一个共同的灵魂发问——下一步的增长在哪里？
牛奶，作为众多家庭早餐桌上的常客，不仅承载着健康与营养，更是国内饮料市场中分布较广、销售网点较多的品类之一。面对如此庞大的市场，尤其是伊利集团所覆盖的500万销售网点与13亿消费者，如何精准匹配并满足多元化的消费者需求成为其心心念念的关键课题。
与此同时，在快递行业，申通快递也面临着随行业飞速发展而来的挑战：咨询碎片化、响应滞后以及服务质量参差不齐等问题日益凸显。尽管快递客服机器人已行之有年，但快递的“智能”客服因为应对不得体多次惹怒消费者已不是新闻,如何降低客诉并且提升客户满意度，成为快递行业的共同问题。
而金融行业的数智化转型之路同样充满挑战与机遇。随着银行规模逐渐扩大，台州银行面临了包括数据标准缺失、指标口径不统一、数据资产盘点不清晰、数据管理流程和责任分工不明确，以及缺乏有效的数据治理工具支持等痛点。这些问题不仅可能导致数据产出受到监管部门的严重挑战，甚至可能面临追责，还会因为指标理解和使用的歧义而大幅降低业务报表的可信度。
从卖牛奶、送快递到开银行的，都面临了来自内外部不同程度的挑战。但这些挑战的背后其实都希望解答这些问题：企业下一步的增长动力从何而来？如果没有办法马上找到增长的引擎，那是否可能降本增效？提升既有的运营效率？
数据驱动企业智能化转型
“我们过去已经服务了将近超过了5万家企业，同时走遍了30几个省和直辖市，并且深度参与了24个大类行业的数智化历程。”阿里巴巴副总裁、瓴羊CEO朋新宇在日前结束的云栖大会上如是说。
瓴羊作为阿里巴巴的全资子公司，虽然成立仅四年时间，但是这家看似年轻的企业，实际上资历很深，集合了阿里懂数据的一群人，在数据要素的全链路体系中，已形成了集数据×AI产品、解决方案、服务为一体的企业数智服务生态。
以乳业为例，尽管伊利较早启动了数智化转型，但面对数据孤岛林立、高价值消费者数据资产缺失以及与外部生态平台连接不畅等挑战，其转型之路依旧充满挑战。伊利的策略聚焦于供应链与消费者两端的双重升级，通过数智化手段同时优化生产端与消费端的效率与体验。然而，乳业的复杂产业链，跨越多个产业层级，使得这一转型任务尤为艰巨。
面对全国500万销售网点及13亿消费者的庞大市场，满足不同消费者群体的多样化需求是关键。而在这广阔的市场中，消费者的购买力、偏好乃至选择千差万别，加之经销商在销售链路中的重要作用，使得企业很难真正洞察消费者。
伊利和瓴羊的解法是，构建统一的数据服务体系，促进数据与企业实际运营的深度融合。借助瓴羊Dataphin、Quick Audience等产品及一系列数据服务，伊利不仅优化了数据采集、清洗、加工、结构化的全流程，还融入了营销、供应链、金融、人力等多领域的数字化经验，构建了坚实的数据基础架构。这一体系围绕数据的“生产、存储、建模、管理、应用”全生命周期，确保了供应链的高效运转。
在此基础上，伊利进一步通过全域数智化运营，实现了消费者数据的统一管理，进而开展更为精细化的用户洞察。这一转变显著提升了消费者画像的精准度，从原本的6-8个细分群体拓展至60-80个，使得伊利能够更精准地理解并响应消费者需求。同时，通过整合供应链各环节的实时数据，伊利实现了分钟级的优化决策，确保了供应链的高效与灵活。
“数字化能力已成为推动伊利业务持续增长的核心动力。”伊利方面相关负责人表示，数据和技术的深度融合与应用，构成了企业的核心竞争力。只有将数据和技术有机融入业务之中，才能实现业务的持续增长和创新发展。
场景成AI技术应用关键
随着AI大模型技术的快速发展，企业都在思考一个问题：如何将AI大模型技术精准地融入到各类业务场景，驱动数字化转型与业务创新。不过，在这一过程中，确保数据的准确性、有效整合AI能力以及通过场景解构和业务重构来实现AI的真正价值，成为了行业面临的主要挑战。
瓴羊的战略应运而生，即“（算法+算力+数据）x场景”。这一战略的核心在于，尽管算法与算力在数字化转型中占据重要地位，但并非所有企业都需或能承担高昂的自主研发成本。相比之下，数据作为企业的核心资产，具有独特性与可控性，是驱动智能化转型的关键。
在战略布局中，算法被视为智能化转型的强劲引擎，而算力则是保障算法高效运行至关重要的支撑力量。同时，数据作为算法优化和训练的核心要素，其重要性不言而喻。更重要的是，该战略重点强调了“场景”的价值，将其视为将前沿技术转化为实际业务成效的关键桥梁。通过精准匹配技术与业务场景，帮助企业提升技术价值，加速智能化转型步伐。
瓴羊之所以选择这一路径，而非直接投身于大模型的研发，背后有何考量？朋新宇表示，AI应成为触手可及、可应用于实际业务的产品，而非高高在上的技术，才能真正普及。瓴羊的定位很清晰，就是一家产品公司，因此选择聚焦于数据与应用场景，利用成熟的AI大模型技术，为企业提供定制化解决方案，推动数智化转型。
为实现这一目标，瓴羊推出了一系列智能化产品矩阵，包括数据分析平台Quick BI、智能营销增长平台Quick Audience和智能客服Quick Service 2.0。这些产品不仅集成了大模型的能力，还通过精准匹配技术与业务场景，帮助企业在多维度上创造了商业价值。
由于服务渠道的分散和缺乏集中的数据管理系统，申通难以收集和分析服务过程中的关键数据，这种信息的缺失使得服务质量的评估变得主观且难以管理，缺乏数据用以优化服务流程和提升服务效率。瓴羊Quick Service为其带来了革命性的变化。通过实时监控和记录服务过程中的关键指标，申通得以量化管理服务质量，为服务优化提供了坚实的数据基础。
在传统的促销活动中，企业常常面临了解目标用户难、准备促销创意难和找准沟通时机难的三大挑战。在云栖大会现场，我们看到了比亚迪腾势汽车通过瓴羊Quick Audience平台，其构建了数智营销平台，实现了数据、系统、业务的三流合一。此外，利用AI技术的实时数据监控与多维分析，腾势汽车能够迅速捕捉市场动态，精准定位目标客户，实现了潜客邀约效率提升80%、预约试驾率增长21.9%。
在金融领域，数据质量参差不齐、数据应用能力薄弱等问题直接影响到风险控制、业务决策的效率和精准度，成为制约小微银行发展的一大瓶颈。台州银行通过瓴羊Dataphin与Quick BI构建的统一数据中台，不仅提升了数据治理水平，还为业务决策提供了有力支持，推动了银行业务的全面数智化转型。目前，台州银行已制订全行级基础类数据标准1600+项，覆盖10大业务领域、14个主题域、100+个业务过程。
这些实践证明，“AI×场景”的结合不是简单的附加，而是实现了从量变到质变的深刻转型。朋新宇指出，这种质变，类似于人们通过摄取食物促进身体成长的过程，是不可逆的。而当企业真正掌握并运用好AI技术，其带来的不仅是效率的提升与成本的降低，更是商业模式与核心竞争力的根本性变革。
数据和AI成下一个新增量
近年来，瓴羊每一次年度战略的发布，都力争指明了软件行业变化的方向。
自2021年瓴羊成立，便整合了阿里巴巴集团内多个数据技术团队，并将过去在阿里内部的“中台”战略对外商业化，正式踏入企业级数据服务市场的蓝海。此时，瓴羊的目标是通过提供专业的数据服务，帮助企业更好地管理和利用自身数据资源。
随着企业数智化转型的深入，传统的Saas（软件即服务）模式逐渐暴露出局限性，数据流、工作流和商业流之间的断层成为企业挖掘数据价值的障碍。2022年，瓴羊布局了DaaS（数据即服务）新赛道，开始追求更高级别的服务形态，即通过技术赋能，将复杂的数据处理和分析能力以服务的形式提供给企业用户，降低企业使用数据智能的门槛和成本。
2023年，瓴羊再次迈出重要一步，推出了“智能化=大模型+好数据”的AI落地路径，并创建了数据服务枢纽“瓴羊港”，这一举措标志着瓴羊在数据生态构建取得了重大突破。瓴羊希望通过这种方式，将数据从封闭的“烟囱”式状态转变为开放共享的“钻井平台”，从而释放数据的重要价值，推动企业的业务增长和创新。
今年，瓴羊又提出“（算法+算力+数据）x场景”的产品智能化战略，这是其在数据智能领域的一次全面升级。该战略强调了算法、算力和数据作为智能化基石的重要性，并明确指出这些要素必须与具体场景紧密结合，以产生更大的效益。这体现了瓴羊通过深度融合AI技术与业务场景，构建以数据为核心的企业服务生态系统，进一步拓展to B市场的决心。
瓴羊的这一系列战略变化，反映了企业在数字化时代，正在从单纯的数据驱动转向AI驱动，以实现更深层次的业务创新和增长。实际上，自去年9月起，阿里巴巴集团进行战略调整，便将“AI驱动”确立为新的发展方向，寻找AI竞争格局中的新增长曲线。
展望未来，朋新宇表示，AI或将演化成一种如水般无形而无处不在的状态。或许在将来的某一天，人们不再特别提及AI时，它才真正实现了成熟。这与过去二十年互联网发展轨迹颇为相似。20年前，人们询问对方从事何种职业，回答 “正在从事互联网创业”会显得非常新鲜。如今如果还有人把“互联网创业”当作一个新鲜事物来讨论，人们会觉得对方仿佛是从过去穿越而来的。同样，未来的AI也将如此，它不再是一个被特别提及的概念，而是无声地渗透并融入到生活的每一个角落。这正是AI技术实现真正成熟和普及的标志。
然而，在享受AI技术带来红利的同时，须正视相关的伦理与合规问题，确保技术应用的透明性与公平性。朋新宇强调，只有在伦理与技术双向发展的环境中，AI才能真正实现它的价值。这不仅关乎企业的社会责任，也是企业可持续发展的基石。
