9月20日，数式Oinone联合GitCode举办的 G-Star Gathering Day 杭州站圆满完成。本次G-Star Gathering Day杭州站沙龙以Al Native·重塑开发与产业智能新范式为主题，聚焦制造业AI Native的落地实战，分享AI 编程在 loT 领域的创新应用，赋能产业升级。

吸引来自制造业、软件行业以及开源领域的技术领袖、架构师齐聚，通过线下沙龙与圆桌对话，将AI Native如何落地、做出实效的核心问题进行深入交流。

在AI浪潮下，软件行业的焦虑早已从要不要做到如何落地AI Native的问题上，AI Native 架构怎么对接旧系统？基建撑不起规模化怎么办？不同业务场景下如何适配AI Native？本次活动跳出空泛理论，以数式Oinone：企业级产品化引擎为基础，结合制造业等场景案例，将这些难题逐层拆解，给出清晰可复用的解法。

探索AI Native重塑业务智能决策新链路

在今天，大模型的能力正在不间断的进化着，正推动智能体从辅助工具向决策主体跨越，让核心业务智能决策成为可能。数式Oinone产品负责人孙渝以“AI Native重塑业务智能决策新范式”展开分享时提到，趋势虽好，但AI在核心业务落地仍面临三重难题：

1. 核心场景受领域专业性限制，大量人工环节难以智能化；

2. 老旧异构系统割裂，数据接入困难导致LLM“无米下锅”；

3. 当下AI专业人才短缺，模型微调与数据准备成本高昂。

有痛点才有机会，数式Oinone构建了以元数据为基础的AI Native智能化引擎，架构分为三层——底层低代码无代码通用平台、中层AI能力“高速公路”、上层智能应用模板层。“基于此开发的应用100%元数据化，这是AI理解业务的关键。”孙渝分享到，元数据的价值体现在四方面：

1. 提供语义上下文消除歧义，如清晰区分“苹果（水果）与苹果（公司）”同词不同意；

2. 构建结构化知识引导AI高效学习；

3. 增强模型可解释性降低决策风险，类似医疗AI可通过病史元数据说明诊断依据；

4. 支持系统动态迭代，无需重构即可适配新模型。

这种设计让AI无需人工“喂数”，从订单审核到库存调度，全流程数据能实时自动流向AI，深度嵌入业务链路。

构建AI Native应用的基础设施

数式Oinone技术负责人王海明聚焦基建施工，直击AI落地核心症结：基建不配套让AI读不懂规则、看不全数据、联不通系统——规则藏于代码与经验，数据散落异构系统，接口标准不一，成为三重拦路虎。

破解痛点的关键在数式Oinone的全场景元数据化能力。元数据远不止表单基础字段，订单审核逻辑、跨系统接口协议、岗位权限边界乃至前端交互规则，这些曾依赖文档与口传的隐性知识，全转化为可配置、可关联的数据资产。这让AI无需庞大算力反复训练，依托元数据规则即可自动组装业务上下文与全场景数据，实现无需微调也能读懂复杂业务。

这正是Oinone落地AI Native的核心逻辑：业务数据变动时，系统按元数据规则自动整合客户信用、履约率等全维度数据，实时与AI交互，由AI输出具体决策建议。更关键的是反馈闭环：采纳率达标则AI接管流程，未达标则自动反馈驳回原因与场景特征以优化模型。这种设计破解了AI与业务脱节难题，回应了行业焦虑——扎实基建是落地关键。

在这基建之上，研发效率得到显著提升。数式Oinone以元数据搭建轻量化路径：表单、流程等模块通过可视化界面调配即可完成，摆脱重复开发；AI能力已封装为标准化模块，开发时可直接嵌入。带AI能力的应用开发周期从3个月压缩至数周，上线即适配AI Native特性，大幅降低落地门槛。

技术之外，跨行业案例让落地路径具象化。某制造业上市公司技术总工程师金一鸣复盘，制造业工厂个性化差异是转型难题 —— 不同厂区流程、设备、管理标准各异，系统开发只能 “一厂一版”，不仅成本高、周期长，AI 预测性维护模型跨厂还会 “水土不服”，根源在于数据与规则碎片化。

借助数式 Oinone 标准化模块，这一困局被打破：设备巡检逻辑等共性需求直接调用模块配置，个性需求通过元数据扩展适配，形成 80% 配置化、20% 个性化模式。跨厂复制周期从 2 个月缩至 2 周，AI 模型能快速适配各厂区数据。金一鸣在项目中验证，试点设备停机率降 30%，减少生产中断，年省超百万维护成本，让 AI 赋能制造从概念变为实际价值。

另外，在嘉宾分享中，物联网架构师张三、Auto-Coder/Byzer-SQL/InfiniSynapse 作者祝海林也参与会议，分别带来《AI 编程在康心伴 APP 开发中的实际应用》《Agentic LLM-Native auto-coder. RAG 介绍》的分享。

AI Native 驱动下的企业智能化未来圆桌环节，嘉宾们针对中小企怎么起步给出明确答案。关于分工边界，大家形成共识：要建平台组装通用能力+场景组做个性适配，避免重复开发；谈及转型节奏，提出先闭环核心数据，再搭轻量化 AI 模块，最后全链路协同；而风险管控上，必须设量化红线，不盲目追智能。

本次数式Oinone与GitCode联合举办的城市沙龙，早已超越“技术分享”的单一维度，成为推动AI Native从概念走向产业实践的关键枢纽。GitCode依托开发者生态与资源对接能力，为技术落地打通“供需链路”，让企业的真实痛点与开发者的技术能力精准匹配；Oinone则基于企业级产品化引擎，结合“顶层设计+基建支撑+实战方法”的体系构建起完整的经验，提供可复用的落地方法论。

从孙渝的顶层设计到王海明的基建支撑，再到跨行业的实战验证，这场沙龙传递的“技术基座+行业案例”经验包，本质是一套“痛点-解法-落地-价值”的闭环体系——它让AI Native变成了可复制、可验证的业务重塑方案。

而数式Oinone与GitCode的联合，正是在搭建这样一座“技术-产业”的桥梁：既为企业提供能直接复用的落地工具与路径，也为开发者打开技术变现的产业场景，最终加速AI原生能力在千行百业的规模化渗透，让技术创新真正转化为产业升级的实效。