《灯下白》EP56 孙杰

�️嘉宾｜孙杰

企业数字化转型、数据治理与AI实践专家。

拥有二十余年计算机与企业数字化相关从业经历，职业路径从高校计算机讲师开始，先后经历运维工程师、运维架构师、云计算架构师，再进入大型央企数字化转型、云计算、数据治理等真实业务场景。

长期参与大型企业云平台、数据湖、数据治理与业务数字化实践，也持续关注FDE、企业级AI、智能体如何真正进入生产环境。

主持人：吴熳

在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人

本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！
《灯下白》坚持100% Human，真人真聊真AI，对白坦白灯下白。

�本期故事

孙杰最早是一名大学计算机老师，教C语言，教计算机网络。

如果人生一直按照原来的轨迹走，他可能会留在高校。

后来爱人到北京读研究生，新婚不久，他也从新疆来到北京。

一次生活里的选择，让他的职业人生彻底换了一条线。

他开始做运维，那时技术人的工作很具体。

服务器挂了，要修。系统卡了，要修。访问量突然上来，网页崩了，还是要修。

做运维工程师的时候，人像一个救火队员，哪里着火，就冲到哪里。

可做得越来越久，他开始觉得，光会救火不够。

系统为什么会宕机？流量为什么来了就扛不住？为什么每次都要等故障发生以后才去解决？

于是他开始做架构。

从“出了问题怎么修”，慢慢走到“怎样让这个问题尽量别发生”。

再后来，他接触云计算。

原来一台服务器归一个系统。这个部门有自己的机器，那个部门也买自己的机器。

有人买多了，资源长期空闲。有人真正需要资源，却没有足够预算。

云计算把它们放进一个池子。

谁需要，就拿。不需要了，就释放回去。

孙杰也在这个过程中越来越清楚地意识到一件事：

技术从来没有真正离开过业务。

页面打开快一秒还是慢十秒，会影响用户。

系统能不能自动扩容，会影响业务。

资源有没有浪费，会影响成本。

一个技术人如果一直只懂技术，迟早会碰到一堵墙。

因为企业真正关心的，是技术最后创造了什么价值。

后来，他进入大型央企的数字化场景。

这里的问题更复杂。

一个集团可能有几百套甚至上千套系统。

同一类办公系统，各个部门可能都曾经建过一套。

数据散在不同设备、不同部门、不同电脑、不同数据库里。

云可以统一资源，数据湖可以汇集数据。

系统可以重新整合，可到了真正做企业数字化时，他发现最难的一关出现了。

技术上，两周可以把数据打通。

真正把各个部门的数据拿到手，却可能要几个月。

为什么？

因为你必须回答另一个问题：我为什么要把我的数据给你？

一个一线部门负责采集，另一个部门负责分析，第三个部门拿结果去做业务。

最后被领导看到的，可能只是后面的报表和大屏。

那前面辛辛苦苦采数据的人会问：这里面有我的什么价值？

于是孙杰他们开始重新设计规则。

数据的所有权归采集部门，使用权归业务场景方，最后产生的收益，需要共享。

因为企业里的数据孤岛，很多时候并不只是技术问题。

背后是人，是部门，是利益，也是组织怎样理解数据的价值。

AI来了以后，技术继续向前跑。

油气生产里，过去一套数据从现场采集、IT清洗、专家解释，再送给管理者决策，可能需要十二个小时。

现在，AI可以按照规则完成清洗、汇集、分析，再把专家经验预置到智能体里。

十二个小时，可以缩短到二十分钟。

这个变化放进真实生产环境里，意味着管理者能够更早判断哪些井需要增加资源，哪些产量不理想需要调整，哪些设备可能提前出现问题。

甚至一次预防性的判断，就可能避免巨大的生产损失。

听起来很美好，可AI真正进入工厂、油田、生产线以后，另一个问题又出现了。

我们日常用AI写一段文字，它错一句，大不了改掉。

生产环境不一样，一个错误判断，可能意味着设备停机。

可能意味着数百万元损失。

于是今天很火的FDE，也就是前线部署工程师，在孙杰看来，其实特别容易理解。

模型越来越强，行业壁垒依然存在。

懂AI的人未必懂油田，懂油田的人未必懂模型。

数据工程师看到的是字段，业务专家看到的是压力、温度、设备状态和生产风险。

中间需要有人把这些东西真正翻译到一起。

甚至还需要一个“本体”层，设备的数据是什么意思？它对应哪个业务状态？什么时候应该触发判断？

什么时候应该交给人？

所有这些关系需要被重新建模。所以AI时代对人的要求反而变高了。

孙杰说了一句话：

有了知识，并不代表认知提高了。

你可以下载一千份资料，收藏一百门课，电脑里放满视频。

如果没有理解、没有判断、没有真正进入业务，它们都还没有成为你的能力。

AI可以成为放大器，前提是，先有东西可以被放大。

所以聊到最后，这期节目出现了一个特别有意思的反转。

一个做了二十多年数据治理的人，说自己也有一个困扰：

资料太多了。

微信群里的文件，企业微信里的信息。

电脑里的资料，看过的文章，突然冒出来的灵感。

过几天想找的时候，自己也找不到。

吴熳听完忍不住笑：原来数据治理专家自己的电脑，也需要数据治理。

孙杰说，他未来最期待的一件事，就是把自己“数字化”。

让散落在不同终端里的信息真正串起来。

让AI理解自己过去二十年的知识、经验和判断。

从给企业做数字化，到最后想把自己也变成一个可以被持续整理、理解和调用的数据系统。

二十年绕了一圈，问题又回到了人，企业真正稀缺的，是那些能把模型带进业务，把数据连起来，把组织推动起来，同时又知道什么时候必须由人做判断的人。

�本期你会听到

一个大学计算机老师，为什么后来会离开高校去北京做工程师？

从运维工程师到架构师，一个技术人看待“故障”的方式发生了什么变化？

云计算究竟解决了企业什么问题？

为什么技术做得越久，反而越需要理解业务？

大型央企为什么愿意自己建设私有云？

云平台、数据湖和企业业务之间究竟是什么关系？

为什么企业的数据和业务必须逐渐标准化？

FDE为什么会在AI时代突然变得重要？

为什么一个懂大模型的人，进了油田以后可能依然不知道该怎么做？

AI在个人办公里出现一点幻觉可以忍，进入生产环境以后为什么完全不同？

什么是“本体”？它为什么会成为连接数据和业务的重要一层？

公交车“车来了”的实时预测，为什么能帮助普通人理解企业数据本体？

怎样从设备坏了再维修，走向提前预测设备什么时候可能出故障？

一个真实生产场景里，数据决策为什么可以从12小时缩短到20分钟？

为什么企业数字化项目交付完成以后，真正重要的工作可能才刚开始？

“重建设、轻运营”为什么是很多企业数字化项目的问题？

�本期金句

“技术发展越来越快，但技术和业务之间始终还存在一定的鸿沟。”

“不能只做一个懂技术的工程师。”

“业务需要技术支撑，技术也可以反哺业务。”

“做运维的时候是在救火，做架构以后，你会开始想为什么会着火。”

“在生产环境里，差那么一点，造成的损失都可能非常大。”

“你不仅要懂AI，还要对业务有很多理解。”

“以前重建设、轻运营，现在应该边建边运营。”

“从线下到线上，从手工到自动，从单兵到协同。”

“技术上两周可以把数据打通，但真正拿到这些数据可能要几个月。”

“所有权归采集部门，使用权归场景方，收益需要共享。”

“数据治理不能只看成一个项目，它是一个持续运营的产品。”

“有了知识，并不代表你的认知就提高了。”

“AI只是个人能力的放大器。”

“你不仅拥有知识，还要真正用知识创造价值。”

“所有企业的事情都是人做出来的，所以人的思想很重要。”

“如果你只有三板斧，被别人学走就会害怕；如果你还有十八般武艺，你的心态就不一样。”

“从一个小切口看到数据治理的价值，再不断把它放大。”

“把分散在各个端的数据汇总起来，变成知识体系里的一块砖。”

⏱Shownotes