聚焦ESIS丨兆易创新科技副总裁刘春雷：企业AI赋能全过程实践

ESIS 2026第六届中国电子半导体数智峰会已于广州隆重举办。本届峰会立足大湾区半导体产业转型需求，搭建上下游交流平台，聚焦智造、芯片研发、供应链安全与全球化发展，凝聚行业共识，破解数字化转型痛点，强化产业链协同，助力提升区域半导体产业核心竞争力。

开幕式论坛上，兆易创新科技集团股份有限公司 副总裁 刘春雷先生主题分享“企业AI赋能全过程实践”，现将精彩内容整理如下，供参考。 

刘春雷  兆易创新科技集团股份有限公司  副总裁

主题分享  企业AI赋能全过程实践

今天分享四个部分：第一，AI 的需求以及驱动带来的机遇；第二，AI 战略架构与平台能力建设；第三，具体场景落地与价值评估；第四，保障 AI 持续产生价值的组织治理与安全体系。

正式分享之前，简单介绍我们公司。兆易创新是全球领先的Fabless芯片供应商，成立于2005年，打造以存储器、微控制器、传感器、模拟产品为核心的完整产品生态，服务各行各业。

公司通过行业最高等级体系认证，与多家全球知名晶圆厂、封测厂建立战略合作。我们的FLASH产品全球排名第二，MCU本土品牌排名第一；公司为A+H股上市企业。

公司设有六大BU、六大产品线，包括FLASH、MCU、Analog、Sensor、DRAM、Auto，产品服务于汽车、工业控制、物联网、网络通信、计算机、消费电子等领域。业务战略布局覆盖智能终端、安全出行、绿色能源、万物互联。我们业务面向全球化，在欧洲、亚洲、北美均设有服务机构；集团全球总部位于北京，去年6月在新加坡设立海外总部。

OpenAI曾对AI发展阶段做过划分，一共五个等级，当前我们正处在L3智能体阶段。相信在座各位在开展AI应用时，也都在借助智能体，面向本行业各个业务域创造实际业务价值。

落到半导体行业，目前我们正处在从数字化向智能化转型的关键窗口期，AI应用已经成为企业核心竞争要素，对芯片产品PPA指标、产品上市周期都会产生重大影响，所以要把 AI能力深度融入芯片研发全流程。

具体体现在三个方面：第一，技术代差。借助AI 能够指数级提升整体设计效率，拉开与行业后进者的差距。第二，缩短上市周期。依靠AI加速产品迭代、优化设计流程，抢占市场先机。第三，优化产品性能与成本，实现性能提升同时做到降本增效。

行业内大家都很熟悉，英伟达、新思科技 Synopsys、楷登Cadence，都在大规模落地AI 赋能自身业务，同时对外输出AI能力。AI已经成为半导体行业的竞争壁垒，对行业而言既是压力，更是机遇。

回到我们企业内部，2024年我们正式启动AI创新应用；2025年是关键一年，沉淀了大量业务场景，完成AI应用推广落地；2026年在去年基础之上继续深化，推动项目从过去IT主导转向业务主导，聚焦场景做深度落地。目前AI已经上升为公司级战略，全公司全员拥抱AI、鼓励创新。当然我们同样面临不少痛点：工具碎片化，各类AI工具、AI 场景容易形成新的“AI 烟囱”；数据安全风险，这也是很多同行共同遇到的问题；场景深度不足，如何让AI更深渗透企业全业务域、全业务流程，还需要持续探索。

伴随场景不断拓展、AI应用持续深入，我们制定企业级 AI 战略来指导整体落地，同时搭建企业级AI 平台与配套底座作为支撑。

我们的愿景是：成为“AI原生 (AI Native)”的半导体智算企业，将AI能力融入产品与业务，实现 AI化产品与AI化运营。同时我们也要直面诸多挑战：散点式创新、工具碎片化、场景深度不足，以及AI与生俱来带来的各类安全风险。

而我们的落地抓手是：搭建集团统一AI中台，聚焦核心业务，保障Agent能力可复制、可扩展，同步推进AI相关组织变革；核心价值：提升研发与运营效率，构筑企业长期竞争壁垒，助力业务实现降本、增效、提质、创新。

基于愿景，结合公司业务特点与现存痛点，我们制定AI战略指导策略，主要包含四大块：

1、AI整体战略规划策略：包含AI场景规划、AI平台规划、AI资源规划三部分。

2、AI 建设管理体系化：包含场景挖掘流程体系、价值评估判断体系、AI 实施管理体系、持续迭代优化机制，保障场景挖掘、落地管控、能力复制。

最后两个是保障底座，一个是平台能力建设的底座，还有组织文化建设底座。

AI建设驱动对我们来说来自于两部分：

1.自上而下的战略驱动：聚焦顶层 AI 战略、高价值场景，统筹资源，建设通用工具平台。

2.自下而上的需求驱动：聚焦一线真实业务痛点，建设全员创新文化。

简单总结就是：自上而下定方向，自下而上找场景，两者闭环结合。避免只有顶层设计造成战略悬空，也避免仅靠一线自发创新带来散乱无序，确保 AI投资始终锚定业务价值。

AI要产生价值，最终要落到业务场景。我们重点围绕研、产、供、销服、办公几大领域布局AI。每一个业务域都明确对应的业务价值，这也是项目、场景能否立项的关键评判依据。

依托愿景与策略，我们搭建公司级AI应用战略框架，分为多层：

①统一入口层：公司级、业务自研、运营类AI场景众多，需要统一访问入口，也就是一站式AI Portal。

②业务场景层：也是价值产出核心层，覆盖研发、生产供应链、海内外市场营销、职能通用域等真实业务场景。

③平台能力层：为场景提供基础资源保障，包括大模型接入、算力、数据存储管理、网关管控。

④体系保障层：包含运营评估、全生命周期管控、治理机制，配套企业组织与文化变革。

基于这套战略，我们落地AI中台，打通数据平台、企业知识库共同支撑AI应用。从架构图可以看到，上层是AI应用体系，下层由数据平台、知识库提供内部业务数据源，让AI不止具备通用能力，更适配半导体行业业务域。这里展示的是内部AI服务界面，不等同完整AI Portal，AI Portal的能力覆盖会更加全面。

场景落地分为两大阶段。第一阶段：场景初选。每年年初，各业务部门梳理潜在 AI 场景与项目。公司AI工作组统一筛选评审，核查场景是否契合AI 战略、技术可行性、数据基础、成本投入与ROI，筛选输出公司合格候选场景池。

拿到候选场景之后，进入第二阶段：优先级矩阵评估，从业务价值、落地可及性两个维度划分四类：

1、高价值、易落地：列为公司级重点项目，优先保障资源落地；

2、高价值、落地难度/成本高：作为战略储备，纳入长期规划；

3、低价值、易落地：交由业务部门自主建设，公司提供配套支持；

4、低价值、落地难度大：暂缓搁置，等待条件成熟后重新评估。

评估主要看两大方向、三大维度：业务价值——包含可量化提效、降本收益、风险管控价值；AI技术可及性——技术可行性、业务流程清晰度、场景对 AI 幻觉的容忍度、投入成本；技术成熟度——重点评估内部业务数据质量，AI 大量依赖内部数据，数据质量直接决定 AI 能不能产出价值。

场景、项目确认后进入实施流程：痛点聚焦、需求评估、立项启动，明确业务与技术目标；核心开展 AI项目建设；完成后做价值复盘，评估业务收益、技术收益、可复制推广性。

实施路径遵循行业通用模式：先做MVP最小可行产品，开展试点验证，试点跑通之后，再进行公司级规模化推广。

形成完整闭环：战略规划+价值评价+管控落地，做到战略有牵引、落地有抓手、效果可衡量，构建 AI 建设良性循环。

下面简单分享几个落地实践场景。作为研发驱动型企业，AI代码生成是重点方向。我们拥有6大 BU，一千多名研发人员涉及代码开发，引入AI能力嵌入研发、测试全流程，目前月代码生成量可达 700多万行。落地依托Github平台，同时接入国内、海外主流大模型，供研发人员按需选用。

第二个研发场景：AI测试报告。实现测试数据采集、处理、报告撰写全流程AI化，显著提升该环节工作效率。

其他业务场景成果：质量分析场景，人员判断准确率、分析效率提升3‑5倍；职能领域智能员工，依托智能服务台实现日常咨询问答拦截率88%以上。

组织层面，我们搭建公司三级组织架构，统筹AI 项目、能力与文化建设。

·顶层：AI战略决策委员会，负责顶层设计、资源统筹；

·中间层：跨部门AI项目管理中心，统筹集团全部 AI项目推进落地；

·底层：各业务域AI项目小组，配置业务专家，整合 IT、外部合作商共享资源。

AI落地离不开制度保障，我们建立集团组织、机制、流程、能力四位一体管理体系，保障AI项目运行规范化，实现全生命周期闭环，支撑能力持续迭代演进。

AI是强大的业务赋能工具，但同时带来诸多风险：数据安全、隐私泄露、合规风险；部分业务场景下 AI幻觉会造成严重影响；同时还存在技术架构部署风险、组织运营能力风险。

我们的应对策略：强化数据治理与脱敏，落实数据分类分级使用，搭建合规审查体系；高严谨度业务场景，保留传统人工流程与机器学习双路校验；实现模型统一接入、部署、治理；打通 IT、业务、数据多方协同，构建组织层面的合规保障。

最后做一个总结：企业AI变革，靠场景产生价值，靠平台做大能力，靠治理行稳致远！