金霸王总部位于美国，国内在广东、江西设有生产工厂，主营消费电子产品。2016年之前，金霸王隶属于宝洁集团；2016年之后归入巴菲特旗下伯克希尔・哈撒韦公司。

今天的分享主要为四部分：第一，大环境现状及挑战；第二，企业出海的探索实践；第三，AI赋能电子制造企业，我本人也在电子制造行业深耕多年；第四，全球化 IT 组织架构与运维模式。

大家可以看PPT上两张图，第一张图，想必大家都深有体会，就是行业内卷。我们身处这样的大环境，不光行业内卷，职场同样存在压力，IT行业尤为明显，35岁以上职场人会面临不少现实困境，国内市场经常陷入价格内卷。第二张图讲的是焦虑。近几年各行各业大家普遍有焦虑情绪。几个月前我去过澳大利亚，我发现当地陌生人之间会主动打招呼，在美国也是如此；反观国内，陌生人之间很少主动寒暄。海外当地人的微笑发自内心，没有那么重的焦虑感。在澳大利亚请当地人帮忙拍照，对方都十分热心、发自内心乐于帮忙。反观国内，房贷、车贷、子女教育，压在每个人身上，压力巨大。

处在这样特殊的时代背景下，很多企业选择“走出去”，把产能、业务拓展到全球，也就是我们常说的卷向全球。

为什么要出海？我们来看全球产业迁移路线：19 世纪40年代，英国开启工业革命，技术向外输出；20世纪50年代，美国产业向日本、德国转移，二战之后日德快速崛起；20世纪60年代，产业流转到亚洲四小龙，韩国、新加坡、中国台湾、中国香港迎来高速发展；20世纪80年代，伴随中国改革开放，大量台资、港资企业来到中国大陆投资建厂。

2012年之后，产业格局再次发生变化。经过多年发展，大批中国企业成长壮大，开始主动走向全球，大量企业布局东南亚，同时也出海到美国、墨西哥、欧洲。伴随“一带一路”倡议，基建先行，越来越多中国企业奔赴海外市场。

企业出海，关税是很重要的驱动因素。中国工业产值接近全球三分之一，国内市场消化不了全部产能，大量产品需要出口海外。美国人口规模不算大，但却是全球最大消费市场，大量企业产品销往美国。2024年数据显示，广州出口占GDP比重 22.6%，其中对美出口占广州GDP的2.3%。我之前任职一家港资相机电子企业，受关税政策影响，企业直接到越南建厂，这就是非常典型的案例。

企业全球化布局分两类动因：主动出海、被动出海。主动出海：国内市场已经做到足够规模，主动开拓全球市场，代表企业比如比亚迪；被动出海：受地缘政治、客户要求等外部因素驱动，客户会要求企业不能只在中国布局，必须在海外建设制造基地，很多国内企业赴东南亚投资就属于被动出海。

企业出海，IT层面会遇到诸多挑战：

·当地法律法规差异：各个国家、地区法律和国内不一样，国内的管理模式不能直接照搬海外。国内普遍接受加班文化，但海外并不推崇，到点下班是常态，不会像国内下班后还需要随时响应老板的工作安排。

·文化融合难题：国内外文化差异巨大，直接影响企业管理策略落地。

·语言沟通壁垒：全球语言体系复杂，不像国内统一语言沟通顺畅，语言会形成明显沟通瓶颈。

·IT 技术层面挑战：第一，系统整合融合难度高，建议基础设施采用统一架构；第二，海外IT人才缺口大。我之前去过越南，当地产业尚不成熟，很多基础零部件仍需要从国内出口；第三，数字隐私与软件合规风险。国内对盗版软件容忍度相对高，但在海外国家，使用盗版软件会带来巨大法律风险。金霸王内部零盗版软件，全部严格遵循合规要求。

企业出海必须打通信息数据，跨境组网有多种方案：早期我们使用MPLS专线，但成本偏高；现在 SD‑WAN得到广泛应用，也可搭配IPsec等方式，完成系统互联，数据打通之后，才能释放数据价值。

合规是重中之重。海内外信息安全法规差异大，欧洲GDPR通用数据保护条例对个人隐私要求极高。我们公司内部会开展GDPR培训、组织员工考试。上线任何一套业务系统，都要审核系统是否涉及手机号、银行卡、地址等隐私信息，做好风险管控。

PPT上是工业4.0金字塔数字化能力评估模型。去年我们邀请参与德国工业4.0标准编制的欧洲咨询公司为我们做咨询。模型层级依次为：1. 连通性，这是底层基础，实现数据打通互联；2. 获取信息；3. 数据分析提炼知识（Knowledge）；4. 预测能力；5.AI能力，AI在企业内部已经大规模落地，我们公司今年AI应用也在大范围铺开。受时间限制，这里不展开详解。

现在已经进入AI时代，和过去有本质区别。工业时代，我们需要掌握知识、掌握实现方法；AI时代发生转变，我们不再重点关注 “怎么做”，而是明确“要什么”。工作生活里大家都习惯用 AI，比如遇到问题就询问豆包。过去开发程序，必须掌握编程语言，具备专业技术能力；现在规则完全改变。我们公司引入Coding工具，使用 Claude Code开发大量应用。业务部门哪怕不懂 IT、普通文员，只要清晰描述业务诉求，就可以产出可用系统，这在过去完全无法想象。

AI时代，核心是清晰定义需求。很多工作一句话就可以交给AI完成，过去开发要准备安装包、配置环境，现在AI可以一键完成；写文档、公众号推文等工作，都被AI大幅简化。我们公司内部开展多轮AI培训，大量重复工作已经由AI承接。

企业AI落地路线图分为几个阶段：

1. 认知阶段：企业高层、CIO充分认知AI价值；

2. 数据治理阶段：完成数据打通、清洗、整合；

3. 知识库建设：落地智能问数、AI 问答等能力；

4. 场景试点：落地AI智能客服等试点场景；

5. 工作流落地：现在OpenAI、Claude Code、QoderWork都侧重工作流能力。不再是简单对话框问答，AI可以端到端完成整套任务；

6. 智能体阶段：打造数字员工；

7. 高阶阶段：AI辅助决策、自动驱动业务。

出海企业，不同发展阶段，IT架构设计侧重点不一样：

·探索期：优先保障数据连通与安全；

·扩张期：重点落实数据合规；

·创新期：依托数据分析、新技术驱动业务创新。

制造业AI高价值落地场景：

1. 智能质量检测，众多企业都在落地；

2. 预测性维护，设备刀具寿命过去依靠老师傅经验，现在接入传感器，大模型做预测，优势突出；

3. 设备监控与预警，车间人员着装不合规，AI 自动识别报警；

4. 智能排产与调度；

5. 智能供应链管理。以上场景我们企业均已落地实践。更多AI场景，时间有限，不逐一展开。

关于数据治理与集成，我分享一套架构方案。不管是过去做乙方服务客户，还是现在企业内部落地，中大型企业广泛使用ESB企业服务总线。各个业务系统的数据发布到消息中间件、ESB总线，其他系统做订阅消费，实现数据复用，完成系统解耦。主数据、订单数据都接入ESB，和数据中台思路相近，但侧重点不同，核心目标是实现数据通用复用。

制造业数据流，需要规范消息格式。我早年在富士康就做过电子订单、电子发票自动对接。把不同业务消息梳理规范后接入ESB，实现业务自动处理。

面向全球化企业，IT组织架构建议划分基础设施、业务系统、业务运营、数据智能几大模块。总部一定要制定基础设施统一标准，包含网络、安全规范。

全球化组织的运维支撑模式，推荐ITSM运维服务架构。把支持体系分层，不同层级对应不同人员处理，搭建 7×24 小时跨国支持团队。

最后分享一点感悟：开展企业AI培训前做内部问卷调研，很多员工会焦虑，担心AI取代自己的工作。我们内部传递的观点是：AI不会取代人，但是会取代不会使用AI的人，会用AI的人会替代不会用AI的同事，每个人都要持续学习。企业出海，世界广阔，是一片星辰大海。