人工智能系列谈丨加速AI从技术创新到价值创造

来源：市场资讯

（来源：新华社）

中兴通讯副总裁、中国区战略规划总工张嗣宏在第12届新华网思客年会作观点分享。新华网 发

　　“十五五”规划建议明确提出，适度超前建设新型基础设施，推进信息通信网络、全国一体化算力网、重大科技基础设施等建设和集约高效利用。而人工智能(以下简称“AI”）技术会是这一期间的重中之重，它将推动数字基础设施实现重大飞跃，为各行各业带来新的变化与发展。

技术革新引领AI发展 锻造新质未来

　　从行业整体发展来看，AI将带来四个方面的增强：网络方面，从地面网络进一步向空、天、地一体的泛在网络演进；算力方面，从通用算力向通算、智算、超算等多样化融合算力发展；产业方面，通过完善的基础设施赋能产业升级，推动产业数字化转型，重塑生产力，打造新质生产力；此外，还需要安全保障来维护基础设施和产业链的健全。

　　从技术发展趋势来看，AI经历了70多年的发展，当前主要是以2022年底美国发布的ChatGPT大模型等生成式AI为代表。反观中国近些年AI的发展，在技术路线上与美国呈现明显差异。

　　第一，美国侧重“更大更强”，追求更强算力，计算中心规模从几千卡、几万卡发展到几十万卡，OpenAI还计划建设万亿级计算中心，投入巨大；而我国企业，尤其是在DeepSeek崛起后，通过工程优化和技术创新降低了算力需求，改变了一些规模定律的演进方向，推动了国内多元化算力发展，为国产卡商带来机遇。

　　第二，在技术开源方面，美国以闭源为主，仅开放相对弱一点的模型；中国则开放最领先的模型，极大地推动了全球开源市场AI的发展。

　　第三，在大语言模型方面，中美近些年虽然有了长足进步，但也各自陷入了一定的瓶颈期。比如OpenAI的ChatGPT-5，试用后感觉进步并未达预期；再比如DeepSeek前不久推出的OCR新模型，可以将文本以图像形式高效压缩来降低文本存储难度，但随着上下文越来越长，为算力带来非常大的负担……这些都亟需在新的技术路线上多做探索。

　　从智能体的发展趋势来看，相比传统大模型的问答模式，智能体调用周边工具，围绕任务驱动实现闭环交付，成为未来一个重要的发展方向。国务院印发的《关于深入实施“人工智能+”行动的意见》明确提到，新一代智能终端、智能体等应用普及率到2027年超70%，到2030年超90%，可见该领域未来发展潜力巨大。

　　从商业化潜力来看，大语言模型在文本处理上表现突出，但在工业领域因准确率不足，目前还难以直接应用，这也是有待进一步去解决的问题。下一步，在面向消费者To C领域，大模型和智能体将大幅提升消费体验；而在To B领域，AI更重要的价值将在于解决各种垂直场景里用户的真实需求，并结合各行业属性进行定制化的开发。

应用落地重塑千行百业 共筑AI+时代

　　AI既赋能传统产业升级，也催生新兴产业，其在各产业流程中的应用将推动企业效率的提升。根据麦肯锡咨询报告，不同行业、不同环节里面，AI相应的应用市场空间和发展前景存在差异。

　　目前，大语言模型的生成式能力应用在研发侧和营销侧相对成熟。研发侧因编码结构化程度高、数据质量好，可以说是当前最成熟的大模型应用领域；而营销侧的各类文档、策划案等均可通过大模型生成，也成为当前应用比较成熟的范畴。但在其他领域，AI的应用还处于一个探索发展期。

　　从行业的AI算力需求来看，根据一些咨询报告的解读，目前55%-60%来自互联网行业，其次是政府、教育、金融等领域。

　　在互联网行业中，移动端AI应用规模的发展远超电脑端，AI搜索和AI综合助手是最受欢迎的应用类型。从当前应用的市场格局来看，豆包、DeepSeek、腾讯元宝分列用户规模最大的三款应用，其他应用的规模相对较小，尚未达到千万级别。这一格局表明，尽管市场热度很高，但大模型与AI应用的整体发展仍处于早期阶段。考虑到中国拥有超过10亿的互联网用户，未来这些主流AI应用需达到数亿用户量级，才能标志着行业进入一个相对成熟和可持续发展的态势。

　　在城市智能化升级方面，地方政府推动AI落地主要集中于政务服务智能化（政府内部办公系统升级、12345热线智能客服、政策咨询自动化等）和城市治理精细化（智慧交通、水电气智能化检测维修等）两类场景，以推动政务从数字化向智能化转变，提升公共服务和城市治理水平。

　　在教育领域，AI在人才培养中发挥着重要作用。中小学阶段，大模型可实现个性化教学，辅助作业批改、错题解答和题目生成；高等教育阶段，以中兴通讯为例，正与高校合作优化课程体系、搭建实训平台，同时配合高校开展教育出海，提升学生科创能力和产学研结合能力。

　　在医疗领域，AI应用可覆盖诊前、诊中、诊后全流程。诊前，大模型可提供专业的症状咨询和建议；诊中，AI能提升报告分析和影像诊断效率，生成的体检报告效率较之前提升数倍。

　　在工业领域，因对准确性要求极高，大模型因存在AI幻觉（数据源错误或分析结论错误），应用相对谨慎。目前多用于知识问答、财务、园区管理等辅助场景。

直面AI市场化挑战 思变应变谋破局

　　当前AI大模型应用过程中须直面五大挑战，并在实践中思变应变谋求破局之道。

　　第一个挑战是国产卡的选择。客观而言，当前国产卡与国际上最先进的卡仍存在差距，性能相对有所限制。应对方面，需结合场景需求选择，训练场景侧重性能，推理场景侧重性价比。

　　第二个挑战是生态迁移与适配。将国外的卡迁移到国产卡，需解决模型运行及性能问题，涉及工具体系构建、算子和精度分析及开发升级。

　　第三个挑战是大规模算力建设。万卡级集群对工程化能力要求高，需优化工程集成交付和运维保障。

　　第四个挑战是应用落地。上半年AI浪潮中，很多企业引入相关设备后，难以将其与自身场景结合，仅能使用基础问答功能，导致应用热情回落，部分企业反馈产品不好用、不匹配场景。这一现象表明，没有任何一个模型能“包打天下”，无法解决所有行业的全部问题，需要产业各方群策群力、协同合作。

　　第五个挑战是体系化能力构建。中长期来看，AI竞争力不仅取决于算力，还包括模型训练、推理、迁移、API调用、定制化开发、运维等能力，需要探索出符合中国实际的发展路线。

　　作者：张嗣宏（中兴通讯副总裁、中国区战略规划总工）