产学研“双向”，全行业AI“破墙成长”

当前，以人工智能为代表的新一代信息技术正在以前所未有的深度和广度重塑千千万万个行业，成为推动产业现代化、形成国家竞争新优势的战略引擎。 “十五五”规划建议明确提出加强人工智能与产业发展融合，抢占人工智能产业应用压倒性高峰，全面赋能千行万业。在人工智能技术从实验室走向大规模产业落地的关键阶段，如何打通技术进步到价值创造的“最后一公里”？中国拥有完整的工业体系。人工智能如何扎根现实产业场景，与实体经济深度融合，实现“双向发展”？这是当前推动高质量发展面临的主要挑战。最近在万联亿达控股有限公司（以下简称“万联亿达”）举办的“以应用战胜游戏，以生态凝聚力量——AI+产业发展”研讨会上，人工智能领域专家、院士和行业代表就人工智能与工业深度融合的实践路径和未来方向、工业人工智能推动中国皇家学会转型提升的实践路径和未来方向进行了深入探讨。经济。 “紧急窗口”：人工智能与工业融合仍面临挑战。人工智能已成为新一轮科技革命和产业变革的核心驱动力。凭借“AI+产业发展”，他拥有政治红利和市场需求的黄金时代已经到来。 2025年8月，国务院发布《关于深化实施人工智能+行为的意见》同年11月，国务院办公厅印发《关于加快开放场景培育促进新场景规模化应用的实施意见》，明确将人工智能作为重要培育领域……一系列高层设计，为“产业+人工智能”发展提供了清晰的“路线图”。政治红利持续释放人工智能正在加速从技术研发到产业应用的普及，但人工智能与产业深度融合的过程仍面临诸多现实挑战。“近年来，随着人工智能进入大模型时代，技术迭代呈现爆发式增长。”孙墨松 清华大学人工智能研究院常务副院长某大学、欧洲科学院外籍院士在会议上指出，当前大型模型在文本处理、代码生成和多模态融合等领域取得了显着进展，极大提高了机器的感知和认知能力。 “目前，人工智能研究已达到‘世界模式’阶段，但场景应用落地仍处于‘新兴窗口期’。”杜新凯副总裁说。万联易达总裁表示，中国拥有完整的工业设计和体系，为人工智能提供了丰富的应用场景和现实需求。人工智能的发展可以助推行业、引导行业发展。不过，杜新凯也承认，当前人工智能与产业融合还存在四个尚未解决的挑战。 “孤岛”现象出现，宝贵的数据资源无法高效流通d 增加其价值。三是能力供需不匹配，企业急需的智能解决方案与市场现有服务不匹配。他们之间有差距。四是业务闭环难以打通。许多人工智能技术仍处于概念阶段，生产率逻辑尚不清楚，难以形成可持续的商业模式。此外，孙茂松补充道，目前存在共同的弊端，无论是通用人工智能还是垂直人工智能应用，首先概览性不够，工业数据的恢复率不高，因此可能会丢失重要信息。其次，行业深度不够，行业问题竞争少，缺乏解决非常规问题的灵活方案：大型工业级AI模型“应运而生”。只为单一行业提供专业化的解决方案，杜“大规模模型与产业的结合，不是简单的‘组合’。解决看‘现实的工业问题，需要艰苦的、创造性的智力劳动。’孙茂松强调，工业人工智能的发展既需要‘大创意’，也需要‘细工’。摩尔所说的‘工业层面’，是指克服单一产业的局限性，覆盖工业、农业、服务业等所有领域，实现跨产业链的知识融合和协作。同时，‘超级算子’需要深度理解。”精准解答行业问题，强大的行业服务能力，为企业提供全面综合的智能解决方案，万联摩尔作为行业级AI大模型，弥补了一些常见大模型无法为行业提供详细解答的缺陷。m专家以及大型垂直模型无法整合产业链向上和向下逻辑的弊端。例如，在回答有关炼焦煤价格的问题时，平台自动链接太原、包头等四大产区信息，保证回答的专业性和完整性。杜新凯介绍，万联摩尔目前已推出20多个智能实体，正在开发100多个功能，覆盖了公司从研发到生产的全业务链。以及从供应链到营销、服务和管理。其中，产品率先采用“一键手写白板图生成”功能，将数千字的行业分析内容转化为逻辑清晰的可视化图表，帮助用户快速掌握基础信息。以螺纹钢市场分析为例，用户不仅可以获得多维度的包括供需、政策、库存等在内的文字回复，还能通过白板图直观了解各个要素之间的关联逻辑，极大提高决策效率。值得注意的是，万联摩尔融合国民经济97大类、超百亿行业数据，目前解答行业问题的准确率超过90%，处于行业最高水平。但杜新凯表示，开放场景的问答仍需努力，技术层面如何自动结构化和去标准化数据也存在挑战。行业经验的正式积累以及基础知识图谱向2.0的推进是目前研发的难点。为推动工业人工智能技术的创新和落地，成立日本首个“工业人工智能研究中心”当天的研讨会上，正式宣布成立“万链应用专家委员会”（以下简称“专委会”）。孙茂松教授将担任专委会高级顾问，哈尔滨工业大学、中科院大学、北京理工大学、东北大学等机构人工智能研究团队的专家教授担任技术顾问。据悉，专委会将共同推动“万链”的建设、研究、开发和应用。摩尔“未来大规模工业人工智能模型。基于场景：促进工业与人工智能之间的“双向竞赛”。与会者还指出，目前人工智能引入工业的主要困难不是技术层面，而是场景的广度。工业格局高度碎片化和领域化，工业需求不同，“应用场景复杂”。“一厂一策、一业一规”的模式，让传统解决方案难以适应。以钢铁行业为例，万联摩尔事业部总监吴春梅表示，从头盔识别​​到区域入侵预警，再到钢材裂纹、轮胎缺陷检测，无所不包。“我们正在采用全产业覆盖、全场景应用权的思路，解决工业场景碎片化、碎片化的问题。”还考虑为企业提供智能虚拟员工综合解决方案，解决复杂的终端任务。”技术进步和应用停止。在孙茂松看来，未来人工智能竞赛的关键在于谁能引领可复制、可盈利、可持续的工业人工智能范式。 “中国已经在开源基础模型的基础上打造了坚实的技术载体。人工智能公司应该尽可能多地使用具体的现实场景和任务哈尔滨工业大学计算系刘明教授指出，大规模模型与工业领域的深度融合需要“知识”和“能力”两个方面的提升。另一方面，通过在线学习、知识注入等方式，将行业专家的知识有效融入到大规模模型中。“到现在为止，所有的人工智能都是反应性代理年，但今年将是主动代理年。”杜新凯说。 “AI+”不是一项独立的技术，而是当人工智能技术融入产业场景、行业需求驱动人工智能技术迭代时，才创造出真正的价值。
（编辑：刘鹏）