AI驱动的数字化转型领导力提升

课程大纲

全球AI发展趋势与中国AI生态（1.5小时）

1.1 全球千行百业智能跃迁

1.2 中美AI发展不同范式

战略定位差异、
算力与模型投入对比
工业应用对比
政策与地缘博弈
对制造业的启示

1.3 中国AI发展趋势

性能差距抹平
小模型爆发效能
企业采用率领跑
国产AI分层发展

1.4 国家战略与工业4.0浪潮下的制造业新范式

国家人工智能战略与十五五规划产业研判
中国制造业现状：附加值2.2万亿美元，劳动力红利消退
第二增长曲线与马利克曲线
制造业三型跃迁
劳动密集型 → 技术密集型 → 数据密集型

1.5 数字化高管的不可转授职责

三大专有职责
平衡技术热度与产出、打破IT/OT部门墙、制定中长期人力规划
画像对比
IT背景领导者 vs 业务背景领导者

1.6 战略落地：PIVOT五步法与业务模式共创

PIVOT模型：目的对齐→场景辨识→价值度量→运营协同→变革推广
案例分享
美的集团双智战略，整合1.88亿用户数据与10亿+行为数据
分组研讨：AI时代的管理者画像
我作为企业领导者，AI时代的能力模型是什么？

AI底层逻辑与制造业应用（3小时）

2.1 AI理论基础通俗解读

一张图看懂AI、机器学习、深度学习的关系
AI学习的三个基本要素
数据 + 算法 + 算力
AI怎么学会一件事？
AI的三不认知边界
制造业高管的三个不必与三个必须
不必会写代码、不必会调参数、不必懂神经网络细节
必须懂AI能做什么/不能做什么、必须懂数据重要性、必须懂如何组织团队落地

2.2 AI角色的五阶演进：从助手到组织自治

L1助手 → L2参谋 → L3伙伴 → L4专家 → L5组织自治

2.3 AI Agent的冰山模型

为何B端AI落地艰难？
水面之上10%：大模型对话、生成能力（容易看到）
水面之下90%：工程体系才是稳定落地的关键
AI渗透三大领域的不同曲线
软件开发：陡峭进化（代码生成、测试已成熟）
项目交付：线性增长（流程自动化逐步推进）
基础设施：阶梯发展（受限于物理验证与法规）

2.4 工业6M全要素的数字化重塑

传统人、机、料、法、环升级，加入资金与信息/管理
隐性手艺沉淀为模型参数，设备主动感知与预测性修复

2.5 AI时代的重点任务：破解数据孤岛

数据就绪度评估：结构化/历史/标注/法律障碍
中央集权式 vs 联邦分布式
案例分享：Infosys PAM联邦学习，数据不动模型动，准确率93%

2.6 分组研讨：我的企业数据准备好了吗？

基于数据就绪度研判表，进行企业数据准备度评估

制造业AI高价值场景深潜（1.5小时）

3.1 四大高价值场景速览

计划优化：需求预测→动态排产→异常重排
案例分享：华为松山湖，订单交付周期-23%，库存周转+18%
设备管理：预测性维护，非计划停机降低40-50%
案例分享：华为南方工厂，非计划停机-40%
质量分析：视觉质检+根因分析，缺陷检出率提升至99%+
案例分享：美的空调压缩机，检出率99.2%，年减损3000万

3.2 案例解析：宁德时代极片涂布质量预测系统

痛点：涂布厚度不均导致废品，事后抽检滞后
方案：实时采集工艺参数→模型预测→异常预警+自动调整
收益：废品率1.2%→0.3%，年节省超千万元
组织模式：AI小组+车间班组嵌入式推进

3.3 分组研讨：识别本企业AI高价值切入点

产出：每组输出一张高价值场景卡
第二天：灯塔工厂实战、全价值链赋能、变革管理与实战画布

全球灯塔工厂AI应用（2小时）

4.1 灯塔网络概览与四大制造模式创新

扎根制造（钢铁/半导体）
快速交付（日用品）
大规模定制（家电/汽车）
最佳生命周期管理（工业装备）

4.2 重型离散制造的智能标杆：三一重工北京桩机工厂

痛点：多品种小批量、工件极重、依赖人工经验
场景：FCC控制中心、5G+双重载AGV、机器视觉装配、AI工匠焊接
收益：月产能提升，人均产值1072万元（行业较高水平），周期30天→7天

4.3 敏捷交付与可持续发展灯塔：宝马与施耐德

BMW雷根斯堡：IoT平台部署时间缩短80%
施耐德海德拉巴：能耗-59%，碳排放-61%

4.4 高端制造的前沿探索：GE Aerospace

GE：生成式AI设计工具，设计流程压缩数明显差异

4.5 其他行业标杆速览

智慧矿山：盘古大模型+无人驾驶，>99%精准停靠率
智慧港口：车路云协同，无人与人工集卡混行
智慧电力：南方电网大瓦特，缺陷识别效率提升
智慧校园：平衡教育资源，提升师生体验
智慧医疗：昇腾AI病历一体机，最快1秒生成
智慧机场：全流程刷脸通行，高峰期15分钟过安检

4.6 分组研讨：灯塔经验的迁移可行性评估

哪个AI应用场景，我能复制

AI赋能制造业全价值链（研产销）闭环（1.0小时）

5.1 企业数字能力的量化体检：成熟度评估模型

国家标准TC609：M=能力×80%+价值×20%
五级：探索→实践→创新→卓越→引领

5.2 研发与生产端的智能化赋能

研发：数字孪生缩短上市周期
质检：航空发动机的AI质检
排程与调度：海尔物料调度效率+50%

5.3 营销数字化与传声GALA资产化模型

LCP模型：线索→客户→伙伴
GALA四阶段：收集→分析→精准推送→数据资产化

5.4 AI项目的闭环管理与投资回报（DROI）

三维闭环：目标-部署-风控
三种AI形态
DROI计算公式与收益/成本拆解

5.5 分组研讨：我的AI应用是否划算

基于给定的场景，算算AI应用的投资回报率

全球AI合规、安全与权责重构（1.5小时）

6.1 AI决策的权责重构：最低成本规避者原则

《NTT DATA》调研：AI技术发展与权责规则制定失衡
科斯《社会成本问题》，责任判定的理论基础
法律经济学：社会总成本=预防成本+损失成本
分组研讨：典型业务场景引入AI后的职责判定

6.2 智能制造出海挑战：数据跨境与本地化存储

法规要点：越南/美国/欧盟（GDPR、DSA）
应对：本地化节点、Privacy by Design

6.3 构筑网络安全与供应链合规护城河

欧盟AI法案：最高罚全球年收入7%或3500万欧元

AI时代的挑战与机遇（1小时）

7.1 组织层面的挑战与机遇

7.2 组织的AI四大支柱

战略与领导力
数据与平台
人才与文化
治理与合规

7.3 个人层面：能力重构与领导力

个人的挑战与机遇
个人在AI时代的必备能力
提问力与判断力

7.4 组织在AI时代的成长路径

短期：AI工具提效
中期：AI算法提质
长期：AI原生管理体系

7.5 分组研讨：我的智能化障碍是？

总结复盘（0.5小时）

8.1 两天知识要点回顾

8.2 交流答疑

8.3 培训总结

适合对象

建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，便于课后在同一套判断标准下继续推进

课程定位与主要问题

AI任务拆解、流程嵌入和输出复核复盘时，问题、方法和课后检查点需要连起来，便于回到岗位继续推进

核心收益

场景边界更清楚：工具场景、输入要求和输出校验，先讲清对象、约束和判断标准
围绕全球AI发展趋势与中国AI生态梳理关键判断点，避免停留在概念解释
借助1 全球千行百业智能跃迁完成一次可复盘的应用演练
输出2 中美AI发展不同范式相关的后续跟进清单，方便课后跟踪

课程背景与交付信息

当前制造业正从数字化向智能化加速跃迁，AI技术为降本增效提供了全新可能。然而，多数制造企业在拥抱AI时普遍面临三大现实困境

战略迷茫：传统扩张模式失效，第二增长曲线方向不明，企业徘徊于马利克曲线左侧

落地困难：AI概念热、实效冷，车间与产线真正产生价值的案例稀少，数据孤岛与部门壁垒严重

课程时间

2天，12小时

授课方式

理论精讲（40%）、案例解析（40%）、实战演练（20%）

课程工具

PIVOT五步法数据就绪度研判表高价值场景卡灯塔经验迁移 DROI计算公式成熟度评估模型(TC609) GALA资产化模型 AI五阶演进模型联邦学习架构

课程内容重点

01全球AI发展趋势与中国AI生态

021 全球千行百业智能跃迁

032 中美AI发展不同范式

04战略定位差异

05算力与模型投入对比

讲师介绍

沈柳鹏

实战型项目管理专家

前华为政企服务部部长、全球交通业务服务部部长，实战型项目管理与数字化转型专家。拥有近20年大型复杂项目操盘经验，主导百亿级业务跨越及全球标杆项目，累计培养800+精英项目经理，赋能专业人才超5万人

互联网科技通信政府国企金融银行交通基础设施制造业

查看讲师主页

课程差异说明

本课程页面围绕《AI驱动的数字化转型领导力提升》重点呈现课程定位、适合对象、核心收益和 8 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，便于课后在同一套判断标准下继续推进。

学习这门课可以获得什么收益？

看清工具场景、输入要求和输出校验，先讲清对象、约束和判断标准；围绕全球AI发展趋势与中国AI生态梳理关键判断点，避免停留在概念解释。

课程通常安排多长时间？

课程通常可按2天，12小时安排，具体节奏会结合企业培训目标、学员基础和现场安排确认

课程采用什么授课方式？

课程主要采用理论精讲（40%）+ 案例解析（40%）+ 实战演练（20%），强调理解、讨论、工具练习和业务场景应用

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配