“首先，是算力的竞争。
AI的深入应用对算力的需求是指数级增长的。
我们的‘企业级AI算力中心解决方案’预研进展不错，但海思的芯片供应......虽然目前一切正常，但我们是否需要考虑更复杂的供应链风险？
比如，如果高端芯片获取受限，我们的解决方案竞争力会打多少折扣？
是否需要启动一些低制程工艺下的算法优化，或者探索其他非美系的替代方案作为技术备份？”
冯亦如的问题直接而尖锐，触及了潜在的“卡脖子”风险。
在座所有人都知道海思对于华兴的意义，但也清楚其面临的巨大外部压力。
陈默面色凝重，他知道的远比在座其他人更多，但此时不能明言。
他引导讨论：
“这是一个非常好的‘蓝军’问题。
我们不能基于一切都会风平浪静的假设来做战略。
立峰，从市场端看，客户对算力国产化的诉求和接受度如何？
如果出现极端情况，我们是否有基于现有条件的‘B计划’来维持客户信任？”
周立峰接过话头：
“高端客户，尤其是金融、政企，对全栈国产化的诉求非常强烈，这也是我们的核心卖点。
但如果核心芯片受制，确实会动摇根本。
从销售角度，我们需要未雨绸缪，一方面强化我们软件和系统层面的优势，另一方面，是否可以考虑与国内其他芯片设计公司，甚至在必要时候，与部分国际友商建立更深的合作关系，作为特定场景下的备选？
当然，这涉及到复杂的战略权衡。”
赵坤从产品角度补充：
“我们的软件架构是否足够解耦，能够相对平滑地适配不同的硬件底层？
这在设计之初就需要考虑。
EDA工具链的研发更要加快，不仅是服务海思，也要能支持国内更多的芯片设计公司，提升整个生态的抗风险能力。”
讨论由此展开，从算力延伸到基础软件、数据库、ERP的未来架构设计，如何更好地拥抱云原生、支持异构计算、实现软硬协同优化。
会议的第二个焦点，集中在商业模式创新上。
徐建明再次提到了“企业级AI模型市场”的构想。
“如果我们能成功搭建这个平台，就有可能从软件许可商的角色，部分转向平台运营和生态赋能者。
这不仅能带来新的收入来源，更能增强客户粘性，构建护城河。”
徐建明展示了一个初步的商业模式画布。
张福全从生态角度提出建议：
“要吸引开发者，激励政策非常关键。
初期可能需要我们投入资源，联合头部伙伴打造几个‘杀手级’应用场景。
同时，平台的数据安全、模型知识产权保护机制必须做到极致，否则难以取信于企业和开发者。”
也有人提出质疑：
“这类平台前期投入巨大，回报周期长。
而且，大型企业客户是否愿意将核心数据或决策依赖于第三方平台上的模型？
他们的数据隐私和合规要求极高。”
陈默引导大家分析利弊：
“任何新模式都有风险。
我们可以分步走。
先选择非核心的、但价值明显的场景进行试点，比如设备预测性维护、供应链可视化优化。
同时，探索混合云部署模式，敏感数据留在客户本地，模型和算法在云端更新迭代。
关键是要小步快跑，快速验证，而不是追求一步到位的大而全。”
周立峰则从市场角度看到了机会：
“如果能做成，这将是我们区别于传统国外软件巨头的巨大差异化优势。
他们船大难掉头，我们在一些新兴领域反而有敏捷性优势。”
会议的第三个议题，是关于数字技术BU内部各产品线的协同与边界。
随着PLM产品线总裁即将到任，如何让ERP、PLM、数据库、EDA形成合力，为制造业客户提供端到端的数字化解决方案，成为了重点。
ERP产品线总裁李峰和数据库产品线总裁苏琳都谈到，在前期的一些项目中，已经出现了联合解决方案的成功案例，但跨产品线的需求传递、版本规划、联合交付等环节，仍存在摩擦和效率损失。
陈默要求赵坤和徐建明牵头，在现有协同机制基础上，制定更细化、可考核的跨产品线协作流程和激励方案。
“我们要让‘解决方案’这个词，不仅仅停留在PPT上，而要体现在组织流程、考核指标和每个人的日常行动中。”
整整一天的务虚会，气氛热烈而坦诚。
有激烈的争论，有深沉的思考，也有灵光一现的碰撞。
陈默在其中扮演了引导者、启发者和最终决策者的多重角色。
他鼓励每个人发言，敏锐地捕捉讨论中的关键点，适时地总结推进，并在几个关键分歧点上，做出了方向性的拍板。
例如，在AI算力备份方案上，他同意在保密和合规前提下，启动与国内其他芯片设计公司的初步技术接触和评估。
这章没有结束，请点击下一页继续阅读！