Rundtischgespräch: Das "Nationalförderprogramm" für "AI+" und die "Überlebensstrategie" von Unternehmen | 2026 AI Partner · Beijing Yizhuang AI+ Industrie-Konferenz
AI+ wandelt sich von einer rein technologischen Ausrichtung hin zu praktischen industriellen Anwendungen. Wie können die politischen Vorteile umgesetzt werden? Wie können die Investitionen in Erträge umgewandelt werden? Wie können Unternehmen in dieser Welle überleben und erfolgreich sein? Im ersten Roundtable der AI+-Industriekonferenz 2026 in Beijing werden diese Fragen auf den Tisch gelegt. Es geht nicht um Phantasien, sondern um praktische Lösungen.
Das erste Roundtable der AI+-Industriekonferenz 2026 in Beijing konzentriert sich auf das Thema "Nationaler Förderplan für AI+ und Überlebensstrategien für Unternehmen". Chen Xin, Globaler Partner der Bain & Company und Vorsitzender der High-Tech-Branche in Großchina, moderiert das Gespräch. Vier Gäste - Zhou Han, Leiter des Shanghai Artificial Intelligence Industry Association, Xu Yi, Direktor des AI-Forschungsinstituts der Midea Group, Gao Chao, Gründungs-Partner und CEO der Yunxiu Capital sowie Zhang Liang, Leiter des AI-Smart-Hardware-Projekts von JD.com - diskutieren aus vier Perspektiven: Umsetzung von Politiken, industrielle Praxis, Kapitalmarkt und Plattform-Enabling. Sie entwickeln für die Unternehmen "Überlebensregeln" für die Jahre 2026 - 2027.
Im Folgenden finden Sie die Inhalte des Roundtables, bearbeitet von 36Kr:
Chen Xin | Globaler Partner der Bain & Company, Vorsitzender der High-Tech-Branche in Großchina (Moderator)
Zhou Han | Leiter des Shanghai Artificial Intelligence Industry Association
Xu Yi | Direktor des AI-Forschungsinstituts der Midea Group
Gao Chao | Gründungs-Partner und CEO der Yunxiu Capital
Zhang Liang | Leiter des AI-Smart-Hardware-Projekts von JD.com
Chen Xin: Sehr geehrte Gäste und Besucher, guten Morgen! Es ist mir eine große Ehre, als Moderator des ersten Roundtables zu fungieren. Ich bin Chen Xin von der Bain & Company. Ich möchte im Namen der Veranstalter noch einmal alle Gäste des ersten Roundtables herzlich willkommen heißen - Herr Zhou, Herr Xu, Herr Gao und Herr Zhang. Unter diesem Thema möchten wir heute über drei konkrete Themen sprechen.
Erstens: Was sind die echten Vorteile und Einschränkungen, die das "Nationaler Förderplan für AI+" für Unternehmen bringt?
Zweitens: Wie können große Unternehmen, Industriepartner und Kapitalgeber die Investitionen in AI in Erträge umwandeln?
Drittens: Wie kann ein Unternehmen in den Jahren 2026 - 2027 überleben und erfolgreich sein? Wie sieht der "Überlebensplan" aus?
Wir hoffen, in den nächsten 40 Minuten mit Beispielen, Daten und realen Problemen von Unternehmen zu sprechen und den anwesenden Unternehmen und Besuchern eine Handlungsliste zu geben, die sie direkt mitnehmen können. Dies ist auch das Ziel unseres ersten Roundtables.
Die ersten Fragen beziehen sich auf die politische und branchenbezogene Perspektive. Die erste Frage ist an Herrn Zhou gerichtet. Die "Aktion für künstliche Intelligenz +" der Staatsrat hat sechs große Richtungen festgelegt und das Ziel, dass die Penetrationsrate bis 2027 70% erreichen soll. Welche dringenden Anwendungsfälle müssen in diesem Jahr für reale Unternehmen in den Bereichen Fertigung, Handel und Supply Chain umgesetzt werden? Welche politischen Maßnahmen sind echte Subventionen und echte "grüne Kanäle"?
Zhou Han: Seit der Veröffentlichung der Verordnung Nr. 11 des Staatsrates haben das Ministerium für Industrie und Informationstechnologie und die Cybersicherheitsbehörde eine Reihe von politischen Maßnahmen ergriffen, darunter Vorschläge für die Entwicklung von künstlicher Intelligenz in der Fertigung, die Compliance-Regeln für die Entwicklung der Intelligent-Body-Industrie sowie Vorschläge für die Entwicklung von AI im E-Commerce. Alle diese Maßnahmen weisen in eine Richtung: Von der Pilotphase hin zur effektiven Umsetzung. In Bezug auf die von Ihnen genannten Bereiche sollten Unternehmen die folgenden Anwendungsfälle in Betracht ziehen:
Im Fertigungsbereich sind intelligente Produktionsplanung, Prädiktive Wartung, Prozessoptimierung und Produktionssteuerung Bereiche, die derzeit von vielen Branchen beobachtet werden und bei denen die politischen Maßnahmen die Effektivität erhöhen.
Im Einzelhandel sind personalisierte Marketingstrategien, Bestelloptimierung und Logistikdienstleistungen Anwendungsfälle, die gute Ergebnisse erzielen. Im Supply Chain-Bereich sind intelligente Sortierung, Embodied Intelligence und die Umsetzung von künstlicher Intelligenz in der Logistik ebenfalls Anwendungsfälle mit guten Ergebnissen.
Politisch gesehen gibt es viele Maßnahmen. Die Behörden in Peking haben auch erwähnt, dass die "Drei-Scheine-Politik" auf nationaler und lokaler Ebene sehr beliebt ist. Viele Städte investieren mehrere hundert Millionen oder sogar Milliarden Yuan. Die staatliche Unterstützung für die Infrastruktur der Rechenleistung, wie Rechenleistungsscheine, Modellscheine und Korpusscheine, ist sehr hoch. Unternehmen können diese Scheine jeden Quartal beantragen. Dies sind reale Unterstützungen und Subventionen für Unternehmen.
Die "grünen Kanäle" betreffen auch die Einwanderungspolitik und die Unterstützung für Fachkräfte. Die Antragszeit wird verkürzt, und es werden Chancen für Unternehmensmitarbeiter geschaffen, an politischen Entscheidungen teilzunehmen und Standards zu entwickeln. Dies ist für die zukünftige Entwicklung von Unternehmen von großer Bedeutung.
Chen Xin: Herr Zhou hat einige konkrete Anwendungsfälle und politische Unterstützungen genannt. Wenn Unternehmen AI+ implementieren, begegnen sie häufig drei Problemen: Verschwendung von Rechenleistung, Datenschutz und fehlende Rendite. Wie können diese Probleme vermieden werden? Welche Handlungsempfehlungen können Sie als Verband für Unternehmen geben?
Zhou Han: Bei diesen drei Problemen gibt es in verschiedenen Branchen unterschiedliche Hürden. Bei der Rechenleistung beispielsweise machen Unternehmen oft den Fehler, zu viel Rechenleistung zu investieren. Um dieses Problem zu vermeiden, sollten Unternehmen von ihrer Geschäftsidee ausgehen und die Probleme, die sie lösen müssen, klar definieren. In einigen Branchen können Modelle auch mit weniger Rechenleistung entwickelt werden. Die Geschäftsidee sollte möglichst konkret sein, und die Pilotphase sollte kurz sein, um die Rechenleistungseffizienz zu verbessern.
Das staatliche Programm für kleine und mittlere Unternehmen bietet auch öffentliche Rechenleistung, die Unternehmen nutzen können. Wenn das Geschäftsmodell festgelegt ist, können Unternehmen die öffentliche Rechenleistung mieten, um die Kosten zu senken. Die Ressourcen für die Randinferenz sind kostengünstiger als die für die Modelltraining.
Das Problem des Datenschutzes ist sehr sensibel. Unternehmen sollten sensible Daten klassifizieren und anonymisieren, bevor sie für das Modelltraining verwendet werden. Offene Daten können dagegen direkt für das Modelltraining verwendet werden. In einigen sensiblen Branchen sollten Unternehmen auch über die private Implementierung von Modellen nachdenken, um Datenschutzprobleme zu vermeiden. In der Vergangenheit haben Unternehmen oft versucht, die beste Modellleistung zu erzielen, ohne auf den Datenschutz zu achten. Heute wird der Datenschutz von den Behörden streng kontrolliert, und Unternehmen sollten diesen Aspekt frühzeitig berücksichtigen.
Chen Xin: Vielen Dank, Herr Zhou, für Ihre praktischen Empfehlungen. Aus politischer Perspektive, welche Anwendungsfälle möchten Sie von führenden Unternehmen wie Midea und JD.com als Beispiel sehen, um kleine und mittlere Unternehmen zu inspirieren?
Zhou Han: Politisch gesehen sollten Anwendungsfälle von allgemeinem Nutzen sein und die Branchenentwicklung fördern. Ich möchte kurz über die möglichen Anwendungsfälle von Midea und JD.com sprechen.
Beim Supply Chain-Management haben Midea und JD.com ihre eigenen Stärken. Die Offenlegung von Daten und die Kooperation zwischen Lieferanten und Kunden können kleine und mittlere Unternehmen inspirieren. Beispielsweise kann JD.com seine Marketingdaten und AI-Fähigkeiten an kleinere Einzelhändler weitergeben, um sie zu unterstützen. Dies ist ein gutes Beispiel für die Kooperation zwischen führenden Unternehmen und kleinen und mittleren Unternehmen.
Chen Xin: Vielen Dank, Herr Zhou! Nun möchten wir uns von der politischen Perspektive zur industriellen Perspektive wenden. Herr Xu, die AI-Transformation bei Midea hat sich in alle Bereiche wie Fertigung, Supply Chain und Marketing ausgebreitet. Können Sie drei messbare Anwendungsfälle nennen, um zu zeigen, wie AI bei Midea die Kosten senkt, die Qualität verbessert und die Effizienz erhöht? Und wie sieht der Zeitraum für die Rückkehr auf die Investition aus?
Xu Yi: Vielen Dank für Ihre Frage. Ich möchte drei Beispiele nennen, um die ROI bei der Kostensenkung, Qualitätssicherung und Umsatzerhöhung zu veranschaulichen.
Bei der Kostensenkung haben wir seit letztem Jahr ein großes Projekt namens AIGC durchgeführt. Wir haben uns von der intelligenten Produktionsplanung bis zur Kundenservice betrachtet und festgestellt, dass wir im vergangenen Jahr 700 Millionen Yuan an Kosten eingespart haben. Dies ist ein großer Fortschritt.
Bei der Qualitätssicherung haben wir dieses Jahr das Midea MevoX Intelligent Body für die Heimautomatisierung veröffentlicht. Die Benutzerinteraktion und die Antwortgenauigkeit haben sich erheblich verbessert, was die Benutzererfahrung verbessert hat.
Bei der Umsatzerhöhung hat AI auch einen großen Einfluss auf die Geschäftsbereiche von Midea. Beispielsweise hat AI die Kuka Roboter in die Lage versetzt, sich zu modernisieren. Früher dauerte die Installation eines Industrieroboters mehrere Tage, jetzt möchten wir dies auf einen Tag oder sogar einige Stunden reduzieren. Bei der Wondong Medical hat die im Dezember letzten Jahres veröffentlichte diagnostische Großmodell die Verkäufe erhöht.
Insgesamt hat AI für die Midea Group von der internen Forschung und Entwicklung bis zur Produktions- und Vertriebssteuerung einen großen Fortschritt gebracht. Viele Projekte zeigen bereits nach 1 - 3 Monaten Ergebnisse. Beispielsweise haben wir bei der Kundenserviceeinheit ein intelligentes Sprachsystem implementiert, das von den Kunden kaum von einem echten Menschen unterschieden werden kann. Die interne Effizienzsteigerung ist ebenfalls sehr schnell. Im Allgemeinen beschleunigen sich viele Prozesse in der AI-Zeit.
Chen Xin: Vielen Dank, Herr Xu, für Ihre konkreten Beispiele. Die AI-Transformation ist nicht nur eine technologische Implementierung, sondern auch eine Neugestaltung des Unternehmensbetriebs. Von der Pilotphase zur Massenproduktion: Haben Sie zuerst die Prozesse oder die Organisation geändert? Was ist der größte Widerstand bei der interdepartementalen Zusammenarbeit? Welche Mechanismen werden eingesetzt, um die Effektivität von AI zu gewährleisten?
Xu Yi: Wir haben zuerst die Prozesse betrachtet. Die Wertschöpfungskette von Midea ist sehr lang, von der internen Forschung und Entwicklung bis zur Produktion, zum Vertrieb und zum Kundenfeedback. Wir haben festgestellt, dass einige einzelne Punkte in der Wertschöpfungskette besonders wertvoll sind, wie die intelligente Kundenserviceeinheit, die intelligente Produktionsplanung und die intelligente Bestandsverwaltung. Wir haben zuerst die Prozesse optimiert und dann die Organisation angepasst, um die neuen Prozesse zu unterstützen.
AI hat die Eigenschaft, universell und einheitlich zu sein. Viele traditionelle Prozesse sind nicht mehr geeignet für die AI-Zeit. Wir haben daher die einzelnen Prozesse wie die intelligente Produktionsplanung, die Prädiktive Wartung und die Online-Vertriebs- und Kundenserviceeinheiten optimiert und dann die gesamte Wertschöpfungskette neu gestaltet. Dies hat uns ermöglicht, die Prozesse effizienter zu gestalten und die Organisation anzupassen.
Der größte Widerstand bei der Transformation ist nicht der menschliche Faktor, sondern die Datenqualität. Die Datenverwaltung ist eine kontinuierliche Aufgabe, und die Beziehung zwischen den Daten ist sehr wichtig. Es gibt auch viele interne Hürden wie die Abteilungsgrenzen und die Informationsbarrieren. Um diese Probleme zu lösen, müssen die Führungskräfte eine klare Vision haben und die interne Kommunikation verbessern.
Chen Xin: Angesichts des nationalen Ziels der AI-Penetration bis 2027, welche Maßnahmen werden Midea in Zukunft unbedingt ergreifen? Und welche Fähigkeiten und Ressourcen wird Midea als führendes Unternehmen an die Branche weitergeben?
Xu Yi: Wir werden die gesamte Wertschöpfungskette neu gestalten, sowohl für die B2B- als auch für die B2C-Geschäfte. Wir werden uns auch an die technologischen Veränderungen anpassen und die Datenverwaltung verbessern. Die Algorithmen und die Rechenleistung sind öffentliche Ressourcen, aber die interne Datenverwaltung kann ein Wettbewerbsvorteil für Unternehmen sein. Midea wird in diesem Bereich investieren.
Im Ökosystem wird Midea auf drei Ebenen einen Beitrag leisten: Algorithmen, Protokolle und Anwendungsfälle. Bei den Algorithmen hat das Midea AI-Forschungsinstitut viele Open-Source-Projekte veröffentlicht, wie das VLA-Modell für die Embodied Intelligence und das Coding-Agent. Auch das diagnostische Großmodell von Wondong Medical ist Open-Source. Bei den Protokollen hat Midea die Interoperabilität von Heimautomatisierungssystemen gefördert, um die Benutzererfahrung zu verbessern. Bei den Anwendungsfällen wird Midea in Zusammenarbeit mit der Regierung die Anwendungsfälle öffnen, um die Branche zu fördern.
Chen Xin: Vielen Dank, Herr Xu. Jetzt möchten wir von JD.com erfahren, wie AI im Bereich des Supply Chain-Management und des Einzelhandels Unternehmen unterstützt.
Zhang Liang: Das Thema heute ist "AI an der Front". Ich bin selbst ein Mitarbeiter im Einzelhandel und weiß, dass wir täglich viele Benutzeranforderungen haben. Ich möchte diese Anforderungen in drei Kategorien einteilen:
Erstens: Im Supply Chain-Bereich hat sich die Technologie entwickelt, aber die grundlegenden Prinzipien des Einzelhandels bleiben gleich: Die Verbesserung der Benutzererfahrung, die Senkung der Kosten und die Steigerung der Effizienz. JD.com nutzt AI, um diese Ziele zu erreichen. Beispielsweise haben wir intelligente Arbeitsplattformen für die Einkaufs- und Vertriebsmitarbeiter, digitale Personen und Roboter in der Logistik implementiert. Diese Technologien helfen uns, die Benutzererfahrung und die Effizienz zu verbessern und die Gewinne zu optimieren.
Zweitens: Im Einzelhandel müssen Unternehmen ein Team aufbauen, das aus Betriebsmitarbeitern, Werbemitarbeitern, Inhaltserstellern und Kundenservice-Mitarbeitern besteht. In Zukunft können diese Aufgaben von einem OPC (One-Person-Company) durchgeführt werden. JD.com hat bereits viele AI-Tools und -Systeme entwickelt, um die Unternehmen zu unterstützen. Beispielsweise bieten wir kostenlose digitale Personen-Streamingservices an, um die Unternehmen bei der Einrichtung von 24/7-Livestreams zu helfen.
Drittens: Auch unsere internen Mitarbeiter nutzen AI-Systeme, um ihre Arbeit zu erleichtern. Wir haben die Fähigkeiten der Großmodelle an alle Mitarbeiter weitergegeben und ihnen ermöglicht, ihre eigenen Agenten zu entwickeln. In Zukunft werden alle Erfahrungen in allgemeine Fähigkeiten umgewandelt, die an alle Mitarbeiter weitergegeben werden können.
Außerdem bieten wir unseren B2B-Kunden Softwarelösungen, um die Benutzererfahrung und die Intelligenz ihrer Hardwareprodukte zu verbessern. Wir haben auch unsere eigenen Fähigkeiten an Hersteller von Haushaltsgeräten und 3C-Produkten weitergegeben, um ihre Produkte zu verbessern.
Chen Xin: Vielen Dank, Herr Zhang. In den letzten zehn Jahren hat JD.com viele Unternehmen in seinem Ökosystem unterstützt. In der AI-Zeit gibt es viele innovative Unternehmen. Wie kann JD.com diese Unternehmen im Bereich AI + Konsum unterstützen?