引子：一个被反复忽略的起点
过去三十年中国企业信息化的历史，本质上是一部"标准化史"。
回顾这段历程，大致可以分为三个阶段：第一阶段，各行各业引入信息系统，业务流程逐步实现数字化表达，社会运行模式随之变化；第二阶段，"大数据"概念兴起，但因前期标准化不足、数据基础薄弱，其价值未能充分释放；第三阶段，人们才开始意识到，标准与流程才是贯穿信息化始终的深层动力。神州数码的汤凯借维特根斯坦"语言是思想的载体"这一哲学观点指出："标准与流程，是信息化的本体。信息化无法脱离它们而独立存在。"这句话值得反复咀嚼。
信息化的起点，从来不是买计算机、上系统。它的真正起点，是把现实世界中的事务"翻译"成机器可处理的形式------这个翻译过程，核心就是标准化 与数据化。没有标准化，数据就会各说各话；没有数据化，标准就难以落地、度量和复用。报销这件事最能说明问题：统一申请单、审批节点、费用科目、发票类型，这是标准化；把金额、税额、供应商、部门、项目、预算科目变成结构化字段，这是数据化。两者完成之后，才可能上OA/ERP，实现自动校验预算、生成凭证、汇总分析。
所以信息化的完整链条可以写成：事务标准化 → 数据化/建模 → 流程线上化 → 系统集成 → 数据共享 → 数据分析 → 智能决策。标准化和数据化是地基。它们决定了后面系统能不能集成、数据能不能成为资产。
这个判断在信息化时代几乎是常识，但到了AI时代，它正在被重新审视------因为AI正在从底层改变标准化的位置和形态。而理解这个转变最好的方式，是沿着几家中国大型集团企业的真实演进路径，看它们如何一步步从"互联网+"走到信息化集成，再走到AI引入。
一、标准化为何是信息化的"地基"
1.1 从制度到作业的四层标准化
标准化不是一件抽象的事。按照中国电子商会的梳理，标准化从管理和技术上都要实施，包括制度标准化、业务标准化、流程标准化、作业标准化。以财务报销为例：首先要有财务管理制度（制度标准），制度中定义报销业务各项要求（业务标准），其中包含报销审批流程（流程标准），规定了报销人需要准备什么资料、填写什么表格（作业标准）。四层标准层层递进，构成了信息化系统可执行的规则基础。
信息化则将标准化成果进行固化------对业务信息结构化，搭建网络化基础设施，开发集成各信息系统，对数据进行自动化采集。说直白一些，信息化的本质是"让信息多传输，让人少跑路"。
1.2 标准化不足的代价
回顾那些大数据项目失败案例，多数败因不在技术，而在基础。很多企业在大数据概念兴起时投入巨资搭建数据平台，但由于前期的流程标准化不到位、数据口径不统一，平台建成后无法产生可信的分析结论，最终沦为"数据沼泽"。标准化不足的代价，会在下游被指数级放大。
1.3 标准化不是消灭差异，而是管理差异
这里需要澄清一个常见误解。标准化不是把一切变得千篇一律。核心数据、核心流程需要统一，但边缘业务必须保留灵活空间。过度标准化会把业务管死，让一线失去应对异常和变化的能力。好的标准化，是让系统能处理高频、确定性的事务，同时为人保留处理长尾和例外的空间。这个"留白"的设计，恰恰是AI时代价值释放的入口。
二、案例一：美的集团------从"一个美的"到AI智能体工厂
2.1 互联网+阶段：打破信息孤岛（2012---2017）
2012年是美的集团数字化转型的元年。在此之前，美的旗下诸多子公司、事业部的流程不统一，管理方式不统一，数据标准也不统一，相互之间存在大量"信息孤岛"。在董事长方洪波的推动下，美的启动了"632工程"，目标是实现"一个美的、一个体系、一个标准"，建立统一的管理制度、流程、工具、经营数据、管理语言和IT系统。
这个阶段的核心，正是前文所强调的标准化。没有"一个美的"的统一标准，后续所有的系统集成都无从谈起。2016年至2017年，美的引入互联网+技术布局数字化转型2.0，打造智能制造、大数据和移动化平台，形成云端数字化产业链，并发展出"T+3"卓越运营模式------以客户为中心，牵引营销、制造、物流、服务四个周期的一体化运营。
2.2 信息化集成阶段：数据驱动运营（2018---2024）
2018年起，美的进入数字化3.0阶段，通过引入工业互联网实现设备IoT化和设备互联，建设"软件、硬件和制造业知识"三位一体的工业互联网平台。2020年开始，美的进入"全面数字化、全面智能化"的4.0阶段，要求所有业务活动以数据为核心，用数据驱动业务运营。
截至数字化转型十年之际，美的累计投入超过200亿元，实现了100%业务运行数字化、70%决策行为数字化。2023年，美的实现营业收入3737.10亿元，净利润337.20亿元，分别是2012年的3.6倍和10.3倍，净利润11年复合增长率达23.67%。方洪波在回顾这段历程时指出，数字化带来了三方面的根本性变化：做生意的方法改变了，商业模式改变了，工作模式改变了。
2.3 AI引入阶段：从数字化工厂到"智能体工厂"
进入AI阶段后，美的的实践将标准化与智能化的关系展示得极为清晰。在美的家用空调泰国工厂，这座海外首个全面应用智能体模式的试点工厂，集成了13个智能体，覆盖供应链管理、品质管控、设备运维、生产调度等25个核心业务场景，部署了72项AI与数字化解决方案。
具体来看，工厂基于1200多万条质量问题数据构建知识库，引入AI辅助分析工具，系统可自动分析原因。在美的洗衣机荆州工厂的质检环节，通过AI眼镜、品质智能体等协同工作，首检效率由15分钟提升到30秒。在财经领域，智能审核、资金调度等应用已累计节省数亿元；翻译引擎支持16种语言，将翻译的财务成本降至原来的十分之一。
这里的关键逻辑是：13个智能体之所以能协同运转，前提是"一个美的、一个体系、一个标准"在十年前就已经建立。 泰国工厂的AI能够跨场景调用数据、跨模块协同决策，依赖的正是美的十年标准化沉淀出的统一数据口径和流程框架。没有632工程打下的标准化地基，72个AI应用不可能在同一套数据体系上运转。
三、案例二：三一集团------从"翻身"到"生存"的四次跃迁
3.1 业务线上化与全面信息化阶段（1990年代---2018）
三一集团的数字化历程可以清晰地划分为四个阶段：业务线上化、全面信息化、全面数字化、全面智能化。
上世纪90年代，三一开始推动业务线上化，陆续引入CAD、PDM等系统，将研发、设计和营销等核心业务流程从线下搬到线上，逐步摆脱手工台账时代。2010年，三一实现了全面信息化，通过PLM、CRM等系统建设打通研发、制造、销售和服务链条，实现产销协同，企业经营从单点数字化走向全流程数字化。
这个阶段对应的是信息化最基础的标准化工作：把线下流程中的每一个环节、每一个字段、每一个审批节点，翻译成系统能理解的标准形式。
3.2 全面数字化阶段：灯塔工厂与数据中台（2018---2024）
2018年，三一以"要么翻身、要么翻船"的决心开启了数字化转型。2019年全面启动后，打造了行业标杆的长沙18号智能灯塔工厂。截至2025年底，三一已在全球建成3座世界级灯塔工厂及数十座智能工厂，并建成了装备制造业首个5G全连接工厂。
这一阶段的核心成果体现在数据化的深度上。三一的AI智能套料系统将整个集团钢材平均利用率提高了11个百分点，钢材利用率从62%提升至89%。工厂部署的AI视觉检测系统集成了6.1万个摄像头，将焊接等工艺环节的经验转化为可复制的算法。自2024年起，三一启动全球ERP统一，构建"云网端"一体化底层架构，底层采用多云异构模式实现全球统一，PaaS层整合各类数字化工具，核心业务层统一主干流程，前端整合打造统一服务平台MySANY。
全球ERP统一这一步至关重要------它意味着三一在AI引入之前，先把全球各个区域的系统割裂和数据不通问题解决了。标准化的范围从国内扩展到了全球。
3.3 全面智能化阶段：全员AI与数字员工（2025年至今）
2025年，三一全面推进智能化。CIO许国强将这一转变概括为："数字化曾经是必选项，现在AI正成为生存项。"三一在2025年干成了三件"硬"事：一是知识沉淀，系统梳理了130多万条制造领域知识，通过数据治理让这些知识能被AI理解、调用和学习；二是垂域模型，训练十余款垂直领域模型，推动AI在研发、供应链、制造、销售与服务等核心业务环节的使用；三是AI赋能业务场景，形成数字员工体系，覆盖700多个业务场景。
成效十分显著。AI相似物料识别应用打通各事业部数据壁垒，整合跨板块物料采购信息，仅这一项便实现数千万元降本，全年AI应用累计创造效益达2亿元。在海外服务领域，AI彻底改变了工程机械依赖资深技师经验故障诊断的传统模式，设备故障远程诊断准确率大幅提升，有力支撑了企业全球化布局------2025年三一海外营收占比达64%。
许国强将早期的AI点状探索比作"在黑暗的车间里装了几个灯泡，局部场景被照亮了，但还不足以点亮整个体系"。2025年之后的全员AI强管控，才真正把AI嵌入了企业运营体系。三一以14个一级业务流程为框架，推动AI向三、四级细分流程下沉，要求L3级流程AI渗透率实现全覆盖，采用"试点先行、集团推广"模式。
三一的案例清晰地展示了"标准化下沉"的逻辑：130万条知识之所以能被AI调用，是因为前三个阶段已经完成了知识的标准化沉淀；700个业务场景之所以能被数字员工覆盖，是因为全球ERP统一和"云网端"架构已经提供了统一的接口和权限体系。AI不是从零开始建造的，它是在信息化的地基上长出来的。
四、案例三：海尔智家------从单点在线化到AI原生组织
4.1 十年沉淀：从单点在线化到统一底座（2014---2024）
海尔智家的数字化路径给出了另一个维度的启示。海尔智家数字化转型总经理孙丹凤在分享中强调："数字化转型首先要搭建统一的技术底座架构，这是AI的根基，没有这个底座，AI就没有落地的土壤。"
海尔智家从2014年单点在线化起步，到2024年完成底座构建统一化，走过了整整十年的沉淀期。这十年中，最关键的动作是将原来各部门分散的烟囱式系统全部整合成一套H-work企业OS操作系统，覆盖数百个角色、上千个场景。2022年的这次整合，本质上是一次大规模的信息化集成------把分散在各事业部、各系统中的数据和流程，统一到一个平台上来。
H-work平台以"四个统一"搭建AI底层支撑：统一入口，所有员工通过一个平台处理一切工作；统一能力，把各类数字化功能整理成标准化、模块化工具；统一数据，各系统保持唯一、准确的数据口径；统一架构，全球都能用同一套架构，方便大规模复制推广。
4.2 AI引入阶段：数字员工与全民开发者
底座建成后，AI才有了落脚之处。海尔智家推出的数字员工平台"智小能"，不是一个单一的数字员工，而是一个可以快速生成、快速部署数字员工的平台。这些数字员工被编入组织通讯录，可以独立承担完整的工作流程。
以智能工艺规划为例，依托海量历史数据，AI能自主完成工艺规划，工艺员从执行者变为审核者，工艺规划的编制时长从数小时压缩至分钟级。此外，海尔还打造了全民开发者平台"一念·轻应用"，员工只需用自然语言描述需求，系统就能自动生成对应的AI应用。
阿里云智能集团公共云事业部副总裁高飞在海尔分享会上指出，过去三十年企业IT的逻辑是"硬件+软件+服务"，现在变成了"数据+模型+智能体"。他进一步判断："未来很多软件公司都可能会变成数据库公司------AI时代不再服务于流程，最核心的是底下沉淀的数据。"这个判断精准地呼应了本文的核心命题：AI时代的竞争，底层仍然是数据的标准化程度。
五、案例延伸：更多行业的印证
5.1 红云红河集团：烟草行业的智能工厂进阶
红云红河集团曲靖卷烟厂的实践，展示了传统行业如何沿着"标准化---信息化---智能化"的路径演进。曲靖卷烟厂以顶层设计为导航、以解决业务痛点为驱动，构建了完整的数据资产体系与业务流程管控框架。在此基础上，依托AI大模型、机器学习与仿真推演等智能技术，实现了生产管理从"静态地图展示"向"动态路径优化"的关键跨越。
具体成效上，曲靖卷烟厂集控平台共集成8951个数据点、1860条预警规则，构建了32个算法模型。通过创新知识管理平台和AI大模型平台，工厂将员工知识和经验沉淀与复用，依托DeepSeek大语言模型，对包含55个知识库和386个高质量文档进行了本地化部署，形成73个助手助力各部门答疑解惑。该厂凭借"大小模型深度协同的卷烟制造智能工厂"成功入选2025年度卓越级智能工厂。
这个案例印证了一个规律：知识库和AI助手的有效性，取决于前期标准化沉淀的质量。 55个知识库之所以能被AI调用，是因为制度文件、工艺参数、操作规范等已经完成了标准化和结构化。
5.2 旭阳集团：能源化工行业的数据中台之路
旭阳集团是全球最大的独立焦炭生产商及供应商。自1995年创立以来，集团建设了从L1生产过程控制层到L5决策分析层的56套106个自动化信息化系统，形成了216819个数据采集点。所有装置自控率达到83.02%，化工装置自控率达到100%。
2021年，旭阳与用友合作，基于BIP平台搭建了焦化行业首个工业互联网平台"旭阳云"，实现了从信息化到智能化的跨越。通过智能配煤、设备预测性维护、供应链协同等应用，敏捷需求交付效率提升45%，新产品研发周期缩短30%，设备维修效率提升20%。
旭阳的路径说明：在流程工业中，标准化首先是设备层面的------仪表信号的标准化采集、工艺参数的标准化建模。 没有L1到L5的标准化数据采集体系，上层的AI优化就失去了输入。
六、核心洞察：标准化下沉，智能化上浮
把上述案例放在一起，一个清晰的图景浮现出来：
AI没有取消标准化，而是把标准化从"面向人的流程层"下沉到了"面向机器的数据、接口、知识和治理层"；在前端允许非标准化、自然化、个性化的交互与流程，从而提升整体效率。
我把它概括为一句话：标准化下沉，智能化上浮。
6.1 三层结构
底层：机器标准化层。 美的的632工程、三一的全球ERP统一、海尔的H-work统一平台、旭阳的L1-L5数据采集体系，都属于这一层。这一层的标准化程度比信息化时代更高，而不是更低。因为AI要跨系统调用工具、跨模态理解数据，任何口径不一致都会导致幻觉和错误。
中层：能力标准化层。 三一的130万条知识库和十余款垂域模型、海尔的"智小能"数字员工平台、美的的13个智能体编排框架，都属于这一层。黄仁勋所说的Harness------围绕模型构建的驾驭体系，就位于这一层。
顶层：交互柔性层。 海尔的"一念·轻应用"让员工用自然语言生成应用，三一的AI维修助手让工程师用对话完成故障诊断，美的的智能审核让财务人员告别手动填单。表面看起来"非标准化"，但所有的处理最终都要映射回底层的标准化数据结构和业务规则。
用一个比喻：信息化时代，标准化是"水面"------人必须在水面上按标准动作游泳。AI时代，标准化变成了"水下的地基"，水面之上可以自由发挥。
6.2 效率从哪里来？
效率提升来自两个方向。
第一，标准化的自动化。 三一的AI相似物料识别打通了各事业部数据壁垒，过去需要人工比对的跨板块物料信息，现在由AI自动完成，仅这一项便实现数千万元降本。美的的翻译引擎支持16种语言，将财务成本降至原来的十分之一，本质上是把过去由人完成的"翻译标准化"工作交给了AI。
第二，标准能力的泛化。 海尔智家智能工艺规划的编制时长从数小时压缩至分钟级，因为AI依托海量历史数据自主完成了过去只有资深工艺员才能做的工作。三一的数字员工覆盖700多个业务场景，每个场景过去可能都需要专门的人员配置或系统开发。AI的泛化能力让同一个模型可以处理大量长尾场景。
IDC的预测佐证了这个方向：到2027年，如果企业没有优先构建高质量的AI就绪数据，在扩展AI解决方案时将面临幻觉频发、错误率高的问题，导致生产力下降15%。"AI就绪数据"这个概念本身，就是对"标准化下沉"的确认------AI的效率不是凭空产生的，它的前提恰恰是更深层、更系统的标准化。
七、反思与边界
7.1 AI时代的标准化不是更少了，而是更多了
一个容易产生的误解是：AI能处理非结构化输入，所以不需要标准化了。恰恰相反。美的632工程的经验表明，数据标准不统一会导致信息孤岛；三一全球ERP统一的实践表明，系统割裂会阻碍AI的跨域应用。AI时代真正需要标准化的东西反而更多：数据口径要统一、API接口要规范、权限模型要清晰、审计日志要完整。
黄仁勋特别强调，企业级智能体如果不解决权限和安全问题，就根本没法部署------"就像你新招一个员工，不做入职、不给权限，他一天都干不了"。三一CIO许国强也指出，当下CIO的角色已延伸为首席创新官、首席智能官，IT部门不再是单纯的后台支撑，而是深度嵌入业务的创新主体。这一角色转变本身就说明，AI时代的标准化治理要求比信息化时代更高，而不是更低。
7.2 验证闭环是AI效率真正的放大器
在传统信息化中，一个流程跑完就是跑完了，错误往往要等到下一轮或者审计时才会暴露。AI的验证能力让"跑完→验证→修正→再跑"成为一个实时循环。三一的AI维修助手能够完成故障诊断、维修方案推荐以及零部件需求识别，本质上就是在每一次服务中完成"验证闭环"。
但这个闭环的前提是评测标准的标准化。没有标准化的评测体系，AI的"自我验证"就是无源之水。三一要求L3级流程AI渗透率实现全覆盖，采用的"试点先行、集团推广"模式，本质上就是在建立标准化的AI评测和复制机制。
7.3 警惕"伪非标准化"
有一种危险的做法是把"非标准化"当作放弃治理的借口：既然AI什么都能处理，那就不需要梳理流程、不需要统一口径、不需要治理数据了。美的、三一、海尔的实践都证明，这种想法会导致系统越用越乱------AI在多套矛盾的数据源之间来回摇摆，输出不可信、不可审计、不可复现。
真正的做法是：标准化的治理框架不变，但标准化的执行方式从"人遵守"变为"机器自动执行"。 标准化不是被AI取代了，而是被AI自动化了。方洪波说"转型的本质就是转人"，许国强说"AI不会取代人，但会用AI的人会取代不会用AI的人"------这两句话放在一起，恰好勾勒出标准化在AI时代的最终形态：标准化不再是人需要遵守的外在约束，而是机器自动执行的底层能力。
结语：地基换了，楼可以盖得更高
回到最初的命题：信息化始于事务的标准化和数据化。这个判断在AI时代依然成立，但需要加一个注脚------
AI时代的标准化，正在从"约束人"变为"赋能机器"。
美的用十年时间从"一个美的"走到"智能体工厂"，三一用四十年从业务线上化走到全员AI，海尔用十年从单点在线化走到AI原生组织。这些案例的共同规律是：没有前期的标准化积累，AI就是空中楼阁；而有了标准化地基，AI才能让地基之上的建筑变得更高、更灵活。
黄仁勋说"每一家公司本质上都建立在某种专有智能之上------那是你之所以是你的东西"。这份专有智能，在信息化时代体现为一套高效的标准化流程，在AI时代则体现为一个持续学习、持续进化的智能体体系。而它脚下的地基，依然是标准化的数据、接口、权限和治理。
标准化下沉，智能化上浮。 地基没有消失，只是换了形态。而地基换形态的那一刻，楼可以盖得更高。