【数智化人物展】美的集团CISO兼软件工程院院长刘向阳：AI 时代 地基决定高度

大数据产业创新服务媒体

——聚焦数据 · 改变商业

这些年我被问得最多的问题是：AI这么火，企业到底该怎么转？我的回答通常比较直接——别急着追最新的模型和最炫的应用，先看看基础的东西打牢了没有。

我在美国的大学里做了十余年计算机科学的教授，后来在金融科技一线做首席科学家，如今在制造业负责一家全球化企业的信息安全与软件工程。今年我带团队主要做了两件事：一是面向软件研发的AI程序员，它能理解PRD、自动拆解任务、生成代码、自主修正，干的活已经接近一名初中级工程师；二是面向数据的Data Agent，让六千多名业务人员用一句话就能查到四十多PB工业数据背后的答案。下面这几点判断，都是从这两件事里踩出来的，都是实践里得到的。

判断一：AI要从研发的工具

变成研发的队友

这一轮AI带来的，不只是工具升级，而是软件交付方式的改变。这个判断，是我们做AI程序员时最先想清楚的。

传统的软件交付，是业务、产品、开发、测试逐环交接。这套模式我们跑了很多年，瓶颈在哪也清楚：不在某个环节的效率，而在于整条链路是围绕“人”组织的。只要依赖人与人的交接，沟通损耗、等待、返工就免不了，这是结构性的，加人加钱解决不了。所以我们做的是把链路改成“人机协同”——人负责意图、判断和把关，繁琐的执行交给AI。

“从工具到队友”不是一句口号。AI程序员代码入库率49.6%。生成多少行意义有限，真正被工程师采纳、合入主干的比例才说明问题。接近一半的入库率意味着，它产出的是能用的工程代码，不是演示用的。一个能把近一半产出真正合进主干的AI，才算得上队友。

判断二：通用模型是基础

让AI懂你的企业才是关键

很多人迷信模型能力，觉得模型越强AI就越有用。我的看法不同：通用大模型是基础，但它不了解你的存量系统、技术框架和管理规范，落到真实业务里就是不好用。

这几年我们投入最大的，就是让AI去理解美的自己的业务和系统。AI程序员能做到近50%的入库率，不是因为底层模型比别人强多少，而是因为我们把它和美的的内部系统、代码规范、技术框架打通了。它不是一个聪明的陌生人，而是一个熟悉美的家底的老员工。Data Agent也是同样的逻辑——它让业务人员不用再依赖数据开发，自己用自然语言查数，现在支撑了281个应用场景，数据自助分析的占比从15%提到了45%。

这背后是一个朴素的判断：AI能不能落地，不在模型多聪明，而在你愿不愿意把最费劲的活做扎实——让AI理解你的业务、打通你的系统、内化你的规范。这些活上不了发布会，但真正决定成败。只投模型、不做打通的项目，我判断在 2026年会有不少做不下去。

判断三：先单点做深

再整体协同

做AI交付，我们的节奏是：先单点做深，再整体协同。围绕产品、开发、测试、运维四个环节，我们分别建了智能体，但要求每一类先在自己的领域里做到真正可用、产生实际价值，再谈彼此衔接。

这个节奏是被现实逼出来的。AI产品经理，我们让它把需求评审的会议纪要直接转成PRD、根据描述生成符合规范的可交互原型，现在使用覆盖率95.59%接近96%，说明它进了产品团队的日常，不是局部试点。AI测试做的是自然语言驱动的UI测试，用自然语言描述意图、AI自主规划执行，现在生成用例232万条，测试覆盖率100%。每一个都是先做到扎实可用，才有资格谈端到端。

我见过不少企业一上来就想做“全能AI平台”，结果每个环节都半生不熟，最后什么都落不了地。能力是一个环节一个环节啃出来的，不是一张架构图画出来的。单点立不住，协同就无从谈起。

判断四：转型的难点不在技术

在组织愿不愿意改

做了这么多年，我越来越确信：数智化转型最难的，不是技术能不能实现，而是组织愿不愿意为之改变。

当AI真正成为研发的队友，影响的不只是某个岗位怎么干活，而是整个组织怎么运转。代码近一半由AI生成、业务人员一句话就能查数、会议纪要能自动变 PRD——工程师的角色变了，数据开发的定位变了，业务和技术的协作方式变了，权责边界也跟着变。如果流程、分工、绩效不跟着调整，再强的AI也会卡在旧流程里用不起来。

所以转型的难点在管理层的决心，不在技术部门。它要动流程、动权责，甚至动一部分人的既得利益，这才是最难的地方。我想说句实在话：转型推不动，多数时候不是技术不成熟，而是我们没下决心借着AI把组织理顺。

我判断转型是否成功，就看一条：一线是被推着用，还是抢着用。AI程序员有上万人在用、产品经理有近96%的覆盖率，靠的不是行政摊派，是一线真觉得好用。当用户开始主动提需求、催着你“这个场景怎么还没接进来”，转型才算跑通了。最实在的证明，就是用户离不开它。

结语

2026年值得记住，不是因为哪个模型惊艳，而是因为它是企业把AI从“技术热点”真正做成“组织能力”的一年，也是AI从研发的工具变成研发的队友的起点。

我们这条路还没走完，很多地方还在打磨。但方向我是清楚的：不追概念，把基础打牢，把系统打通，把复杂的问题一件件拆开解决，让AI真正长在业务里。AI不会取代人，但它在重新定义人能做到的边界。这件事不轻松，也不热闹，但我认为值得做，而且必须踏实做。