每(mei)經(jing)(jing)記(ji)者｜可(ke)楊    每(mei)經(jing)(jing)編輯｜陳俊杰    

在實現通用(yong)人工智能這一(yi)宏(hong)偉(wei)目標(biao)牽引下(xia)，AI產業正邁向其發展的“下(xia)一(yi)個十年”。

不過，在(zai)模(mo)(mo)型能力持續提(ti)升的(de)同時，產(chan)業落地的(de)速度(du)卻并未同步前進。11月(yue)16日，在(zai)“2025人工智能+”大會上(shang)，多(duo)位業內人士表示，高昂成本、缺乏高質量行業數據、工程化能力不足以及(ji)對(dui)大模(mo)(mo)型能力邊界認知(zhi)的(de)偏差，正(zheng)成為制約(yue)AI規模(mo)(mo)化應(ying)用的(de)四大結(jie)構性(xing)難(nan)題。

與此(ci)同時，從開源與商業化的平衡，到(dao)AI入(ru)口從云(yun)端向終端遷(qian)移(yi)，產(chan)業格(ge)局正在發生(sheng)微(wei)妙變化。

規模化落地四大難題待解

當產業(ye)界嘗試(shi)將大模型從實驗室推(tui)向車間、辦公室和街頭巷尾時，規模化落(luo)地遇到的阻力遠超預期。

“大(da)模(mo)(mo)型（當(dang)前的(de)）敘事邏輯對(dui)賦能千(qian)行(xing)百業不友好的(de)地方在于，我們(men)一(yi)直說規(gui)模(mo)(mo)法則，要把(ba)模(mo)(mo)型越做越大(da)、越來越強(qiang)，對(dui)應的(de)結果是成本越來越高。”清華大(da)學計(ji)算機系副(fu)教授、面壁智能聯合創始人兼首席科學家劉知遠(yuan)在圓(yuan)桌論壇上(shang)表示。

主辦方供圖

劉(liu)知遠(yuan)指出，敘事邏輯(ji)的(de)不友好直接(jie)帶來(lai)了大模型(xing)(xing)訓練和(he)使(shi)(shi)用成(cheng)本的(de)持續攀高。他(ta)認為，任何技術要對人類(lei)社會產生(sheng)深(shen)遠(yuan)影(ying)響，都必須解決(jue)標準化和(he)成(cheng)本問題(ti)。正如芯(xin)片行業的(de)摩(mo)爾(er)(er)定律，他(ta)所在的(de)團隊(dui)提出了大模型(xing)(xing)能力密(mi)度(du)法(fa)則，即通過技術創新，讓更(geng)(geng)少的(de)參數承(cheng)載更(geng)(geng)多的(de)模型(xing)(xing)能力。“摩(mo)爾(er)(er)定律每(mei)18個月一個周期，使(shi)(shi)其(qi)密(mi)度(du)加倍。我們(men)會發現大模型(xing)(xing)可以(yi)做到每(mei)100天，也(ye)就(jiu)是3.3個月至3.5個月左(zuo)右，實現模型(xing)(xing)密(mi)度(du)翻倍。”

當前，大模(mo)型訓練和(he)使(shi)用的(de)(de)(de)高昂成(cheng)本已成(cheng)為(wei)行業(ye)無(wu)法回避的(de)(de)(de)問(wen)題(ti)。云知聲創(chuang)始人兼首席執行官黃偉也(ye)提到，一個(ge)典(dian)型的(de)(de)(de)場景(jing)是(shi)，客(ke)(ke)戶(hu)(hu)雖然認(ren)可滿(man)血版的(de)(de)(de)DsspSeek模(mo)型效(xiao)果好，但(dan)高昂的(de)(de)(de)成(cheng)本讓其無(wu)法使(shi)用，“客(ke)(ke)戶(hu)(hu)要的(de)(de)(de)是(shi)最終(zhong)結(jie)果，不(bu)管用的(de)(de)(de)哪個(ge)模(mo)型，我就這點預算，搞定我的(de)(de)(de)問(wen)題(ti)”。

另一個被多次(ci)提到的(de)(de)結構(gou)性(xing)短板是高質(zhi)量數(shu)(shu)據(ju)，尤其是行(xing)業(ye)語料的(de)(de)不足。“有(you)數(shu)(shu)據(ju)不代表有(you)語料。”阿里云智能集團副(fu)總裁(cai)霍嘉表示，很(hen)多行(xing)業(ye)依(yi)舊存在數(shu)(shu)據(ju)質(zhi)量和數(shu)(shu)量不足，導致模型無法訓(xun)練的(de)(de)問題。

北(bei)京(jing)數(shu)據(ju)集團副總經理、北(bei)京(jing)國際大數(shu)據(ju)交(jiao)易(yi)所董(dong)事(shi)長李振軍指出，人工智能發(fa)展以后(hou)，數(shu)據(ju)交(jiao)易(yi)市場(chang)對(dui)模型訓練數(shu)據(ju)的需(xu)求正快速增長，兩年時間里，數(shu)據(ju)交(jiao)易(yi)從零增長到(dao)已占(zhan)到(dao)交(jiao)易(yi)所交(jiao)易(yi)量的三分(fen)之一。

李振軍強調，AI應用深化的真正(zheng)瓶頸在于數(shu)據(ju)準備工作。“（企(qi)業）生產經營過程中積累大(da)量(liang)數(shu)據(ju)，但是沒有(you)(you)AI需求的時候，數(shu)據(ju)分散在不(bu)同專業業務系(xi)統(tong)里邊，沒有(you)(you)以人工智能視角建(jian)成數(shu)據(ju)集(ji)，這(zhe)個數(shu)據(ju)集(ji)建(jian)設其實剛剛起步”。

他認為，這(zhe)項數據集建設(she)工作，是(shi)AI技術(shu)與產業結合最(zui)關鍵的(de)業務(wu)連(lian)接，可能需(xu)要兩年(nian)時間才會找(zhao)到比較(jiao)好的(de)路徑。

工程(cheng)化能力(li)的不足正成為落地的“最后一(yi)公里”障(zhang)礙。上(shang)海(hai)交(jiao)通(tong)大(da)(da)學計(ji)算機(ji)科學與工程(cheng)系特聘教授、思(si)必馳公司聯合(he)創始(shi)人俞(yu)凱在論壇上(shang)強調，真正在產業上(shang)交(jiao)付(fu)，必須(xu)解(jie)決三個核心問題：首先是要(yao)交(jiao)付(fu)全(quan)系統(tong)、全(quan)鏈路(lu)；其次是軟硬件結合(he)；此(ci)外(wai)，大(da)(da)規模(mo)可(ke)定制——結合(he)真實(shi)場景用大(da)(da)小模(mo)型、不同工具進行柔性、快速、大(da)(da)規模(mo)地定制同樣重(zhong)要(yao)。

與(yu)此(ci)同時(shi)，一個更底層的挑戰是產業對(dui)大(da)模(mo)型能(neng)力邊界的認知偏差。“大(da)模(mo)型今天在產業里邊落(luo)地，其中(zhong)一個問題還(huan)是對(dui)大(da)模(mo)型能(neng)力認知的不足。”霍嘉描(miao)述了一個普遍現象：“往往是業務領導對(dui)大(da)模(mo)型充滿(man)絕(jue)對(dui)信心，反而做技術的人(ren)對(dui)如何落(luo)地感到非常擔憂。”

從實驗室到產業鏈的生態重塑

從實驗室的(de)原(yuan)始創新(xin)，到(dao)產(chan)業(ye)鏈(lian)的(de)商業(ye)閉環，AI落地應用的(de)原(yuan)有(you)的(de)分工(gong)和邏輯正在被改寫。

清華大學交叉信息研究院助理教授許華哲以具身智能為例，分析了當前創新生態中的三種不同角色。他指出，高校是人才密集度最高和最好想法(fa)的(de)來源地，但也(ye)存在資源量(liang)不如企業的(de)問題。企業則能投入大量(liang)的(de)資源，在看清方向后進(jin)行大規模投入。

主辦方供圖

而新型研發機(ji)構(gou)則提(ti)供了第三種可能。許華哲認為(wei)，這類機(ji)構(gou)足(zu)夠靈活，可以下決心做一(yi)件事，但是(shi)不(bu)一(yi)定追求ROI（投資回(hui)報率），能承擔(dan)那些短期收益不(bu)高但長期意(yi)義重大的任(ren)務(wu)。

在(zai)商業(ye)模式上，開源與閉源的(de)對立(li)關系也開始松動(dong)。智譜華章董事長劉德兵在(zai)被問及如何平衡開源與商業(ye)化時表示：“這是(shi)(shi)相互(hu)共生的(de)狀態，不是(shi)(shi)相互(hu)抵觸的(de)。”

劉德兵認為，開源對人工智能(neng)行(xing)(xing)業的(de)(de)發(fa)展(zhan)至關重要，能(neng)讓(rang)千千萬萬有(you)(you)知識(shi)、有(you)(you)技術的(de)(de)各(ge)行(xing)(xing)各(ge)業人才共同貢獻。從公司戰略角(jiao)度(du)，開源帶來的(de)(de)生態繁榮，最終會轉化為商業用戶。他透露，在開源架構(gou)的(de)(de)基礎上(shang)，智譜的(de)(de)商業收益也在快速增長，“我們想象未來AI本身成為社會的(de)(de)基礎設施，為各(ge)行(xing)(xing)各(ge)業賦能(neng)的(de)(de)時候，這(zhe)里面蘊含著(zhu)巨大的(de)(de)商業價值，可能(neng)是(shi)萬億級別的(de)(de)”。

在落(luo)地路徑上，AI的(de)(de)入口(kou)正在從(cong)云端(duan)(duan)向(xiang)終端(duan)(duan)遷移。階躍星辰創始(shi)人(ren)(ren)兼(jian)首席執(zhi)行官(guan)姜(jiang)大(da)昕(xin)提出了智能終端(duan)(duan)的(de)(de)定位，即“人(ren)(ren)、車、家(jia)”三大(da)場景。他認為，智能終端(duan)(duan)將(jiang)成(cheng)為下一個人(ren)(ren)機交互的(de)(de)接口(kou)，而(er)智能體是實現這(zhe)(zhe)一變革的(de)(de)關(guan)鍵。姜(jiang)大(da)昕(xin)認為，終端(duan)(duan)比場景更(geng)關(guan)鍵，因(yin)為它決定了AI應用(yong)的(de)(de)觸點位置(zhi)與使用(yong)頻率。這(zhe)(zhe)種理解意味著，AI落(luo)地的(de)(de)競(jing)爭正從(cong)模(mo)型能力轉向(xiang)入口(kou)位置(zhi)，而(er)入口(kou)的(de)(de)爭奪(duo)，也將(jiang)從(cong)消費端(duan)(duan)延伸到產(chan)業端(duan)(duan)。

面對復雜的(de)落(luo)地(di)路徑(jing)，什么才是真(zhen)正有(you)價(jia)值(zhi)的(de)AI？范式聯合創(chuang)始人、首席科學家、執行董(dong)事陳雨強認為，人工智能(neng)落(luo)地(di)的(de)關鍵(jian)是能(neng)夠改(gai)變行業(ye)的(de)北極星(xing)指標。換言(yan)之，AI不(bu)是用(yong)來提供附加功(gong)能(neng)，而是用(yong)來改(gai)善決(jue)策速度、生(sheng)產(chan)效率、成(cheng)本結構或質量穩定性等(deng)核心業(ye)務指標。