大模型競賽趨緩後，企業真正的考驗才剛開始。曾經歷過中國移動與騰訊轉型關鍵期的陳平，將於2026年走進課堂，分享如何把AI從技術熱潮，轉化為可落地的實戰。
對台灣讀者而言，陳平或許是一個相對陌生的名字。
「陳平是AI時代極為稀缺的高階專家！」看在美的集團前中國區副總裁魏志強眼中，他同時理解通信與雲技術的底層邏輯，又能把數據洞察轉化為商業判斷。這樣的組合，在AI時代是一種難得的實力，「他是稀缺的複合型高階人才，」魏志強強調。
2025年11月，在一次深圳的參訪行程中，見到了騰訊雲前副總裁陳平。他既能從宏觀的角度，分析AI產業的進展與商業應用，更兼具對AI思考的哲學思惟。這場交流，讓不少在場的台灣企業家都留下深刻印象。
翻開陳平的求學經歷，他在學期間的學術訓練，就已與早期AI相關。「我本來的專業叫做圖像傳輸與處理，」他回憶，當時自己已接觸神經網絡與圖像識別等方法。雖然技術路線與今日大不相同，但「把世界轉譯成可分析的資料」的思惟，從那時就已成形。
2003年，碩士畢業後，陳平進入中國移動廣州分公司，一待15年。在處理業務系統與數據密切相關任務時，他持續在資料中挖掘客戶行為，並做出準確預測。
2012至2013年，正值中國網約車（網路預約出租汽車）大戰最激烈時期。陳平運用數據分析，做出一項關鍵商業洞察，清楚展現從宏觀架構出發，判讀商業模式可持續性的專業特質。
用數據拆解補貼商戰真相
那一年，是滴滴與Uber等平台拚補貼、拚擴張的年代。陳平與團隊依託中國移動龐大的數據資料，抓住一個看似微小卻關鍵的訊號：網約車乘客兩次打開軟體之間的時間與位置，用以推估載客的事件與司機接單節奏，進而推算整體商業規模。
「一個網約車乘客，到底什麼時候打開網約車軟件，……再下一次又打開軟件的這兩次之間，很可能就是一個（乘客）上車和下車的事件，」陳平分析。
串聯「時間」與「事件」後，他不僅能估算司機一天的收入結構，也能回推補貼一旦停止，平台是否仍具備持續擴張的可能。他完成大量數據分析後發現：當時廣州市網約車司機的時薪約為人民幣17至18元，甚至低於最低工資標準。
也正因如此，他進一步推斷，市場競爭過於激烈、司機報酬偏低，這樣的模式難以無限擴張。「司機一小時都掙不到最低工資標準。這個時候就可以判斷，這個行業到底行不行。」
這樣的洞察，並沒有停留在分析報告裡，而是直接成為談判桌上的依據。對當時的中移動廣州而言，這不只是數字推演，而是真正影響商業條件的關鍵判斷。
運營商要向網約車司機銷售通信卡與流量方案，若平台以「未來將有1000萬名司機」為由爭取折扣，陳平以數據反問：當司機本身無法獲利，平台又憑什麼支撐這樣的成長預期？
「中移動可透過這個方式，去分析這個商業模式能否成立，」陳平強調。正是這樣的能力，使他能透過看似瑣碎的數據，檢視商業模式的可行性，並把洞察轉化為實際可用於決策與談判的依據。
騰訊轉型期的AI實戰推手
2018年4月，陳平轉戰騰訊，一開始負責騰訊雲與電信運營商的合作，隨後接手騰訊全球基礎設施網路數據中心（IDC）的商業團隊。
當時的騰訊，正處於轉型與重整的關鍵節點。2018年，騰訊年營收超過3100億人民幣。幾乎同時，中國官方開始收緊遊戲業務審批，騰訊面臨壓力，股價下跌。在此背景下，騰訊啟動組織改組，成立雲與智慧產業事業群（CSIG），加速向產業端延伸。
陳平正是在這樣的時空背景下加入騰訊，負責推動騰訊雲與中國大型企業及新創軟體公司，不同層次的合作與商業化落地。這段經歷，使他不僅延續中移動時期的數據洞察能力，也大幅拓展對國際市場、雲端基礎設施與AI商業應用的第一線視角。
其中一個具代表性的案例，是他帶領團隊，基於騰訊圖像識別等能力，與廣州超音速、蘇州榮旗科技等企業合作，推動品質檢測的AI導入。
過去的品質檢測以人力為主，人眼長時間盯著邊框與鏡頭框，「其實是很累人的！」當時，蘋果也要求將部分品檢環節由人工改為自動化。以品檢為主要業務的廣州超音速，原本希望透過開源軟體自行開發，但精準度始終無法達標。
同時，騰訊圖像識別人工智慧實驗室優圖，也在尋找具備實際價值的商業應用場景。團隊因此投入20至30位博士，耗費三個月進行測試與開發，從產線設計、攝影機擺放位置、光源角度到瑕疵樣本蒐集等細節反覆打磨，完成模型訓練，並與廣州超音速及榮旗科技合作導入。
這套AI圖像識別導入品檢的模型，也協助榮旗科技在合作成功後隔年上市。「在合作成功之後的第二年，（榮旗）就在深交所創業板敲鐘上市了，」陳平指出。作為騰訊雲生態負責人的他，也與時任產品負責人一同受邀上台敲鐘，「我們兩個人一起上台敲鐘，也說明了我們的成功。」
截至2024年為止，陳平推動騰訊與知名軟體企業深度合作的專案，已超過500項，累積專案金額超過百億人民幣。
「我也在騰訊工作過。所以，我覺得能在這兩家企業（中國移動及騰訊）擔任高管，對商業模式必須要有非常高的理解，要有非常強且敏銳的商業洞察。」與他認識超過十年的魏志強觀察，「這些是他非常強的地方。」
憑藉跨領域經驗，陳平也成為多個組織與產業平台倚重的顧問角色，身兼中國中小商業企業協會首席專家、電子資訊產品標準化國家工程研究中心理事會理事等職務。
2025年，陳平選擇離開騰訊創業，同時持續在騰訊擔任騰訊學堂特級講師。他在自己創立的微信公眾號「十年水流西」中，經常撰文分析最新AI趨勢，並從國際視野思考中美AI算力與基建競爭，也深入拆解大語言模型的特性與限制。
大模型之後，關鍵在應用
「我的觀點是，現在大模型的能力可能已經遇到一個瓶頸，或者叫平台期。下一步到底怎麼走？實際上，現在應該去看怎麼轉化成有效的產品？」陳平強調。
如何轉化成有效產品，以及如何透過流程導入協助企業降本增效，正是許多企業主面對AI時，最焦慮、也最想理解的問題。
對此，陳平提出企業導入AI可循的四個步驟。第一，也是最基本的一步，是先把數位化做好：「你得是一個數據足夠多的一家企業……，什麼東西可以變成是電腦來處理的……，首先這步應該要做。」第二步，是導入現成工具，讓員工在日常工作中實際用起來：「你至少要給一部分員工這種工具（像Gemini 3）。」
第三步，也是最關鍵的一步，是選擇一個「最小、最痛」的切入點進行試點。他舉中國補教業的一個實際案例：有業者將老師每天給家長的文字回報，改成「用這個老師自己的聲音」製作成AI生成的語音回饋。這樣的小嘗試，不僅降低老師的時間投入，也讓家長滿意度提升3倍、複購率上升1.5倍。
第四步，則是在認知與經驗累積到一定程度後，才進一步思考核心流程與核心產品的重構。
陳平將於2026年在遠見．領導影響力學院《典範九期》授課。被問及最希望帶給台灣企業家的學習為何，他沉思片刻後回答：「最重要的是認知。」
他引用一句在中國廣為流傳的說法：「在大陸現在會說，『你只能掙到你認知範圍內的錢』。」企業領導人的認知高度，也決定企業接下來能抵達的層次。
