AI将如何重写产业、社会与人类的剧本？

AI会把整个商业世界与社会生态推入何种秩序？行云集成电路创始人季宇、阶跃星辰联合创始人朱亦博、Xsignal创始人刘震的发言描绘了一幅AI蓝图，让我们看到了不只是产品迭代，而是系统性再造的可能。

季宇回顾了计算机的发展史，历史上的大型机（1960～1980）将计算技术带到全新高度，当时的大型计算机在几十万美金到上百万美金的价格，主要为专业领域设备，服务于大型企业政府客户，属于软件、硬件、半导体技术的巨大局部最优状态，也代表当时计算机、半导体技术的巅峰水平。

而x86组装机体系（1980～now）后面40年才真正用计算技术改变了全世界。这类微型计算机胜出的原因是足够便宜（几百美金～几千美金），拥有完整可用的通用计算机体验，以及开放、兼容、充分竞争的组装机体系，成为了PC产业和互联网产业的基础。

作为对比，今天的AI大型机（2016～至今）将人工智能技术带到全新高度，同样是几十万美金到上百万美金的价格，同样是专业领域设备，服务于大型科技企业，云厂商，也属于软件、硬件、半导体技术的巨大局部最优状态，代表今天计算机、半导体技术的巅峰水平。

以此来畅享未来，未来全世界的AI计算机也会变得足够便宜（几百美金～几千美金），拥有完整可用的AI体验，以及开放、兼容、充分竞争的组装机体系，成为AI PC产业和AI互联网产业的基础。

季宇认为，高质量大模型的硬件基础设施平民化的曙光已经出现。一是超节点驱动模型容量、带宽、算力需求持续增长；二是DeepSeek牵引了高质量模型朝着MOE方向发展；三是MOE驱动模型需求朝着更大容量、更低带宽、更低算力需求转变；四是显存需求从昂贵的HBM的甜点逐渐接近便宜的DDR/LPDDR的甜点。

未来，季宇认为AI算力平权将会孕育下一个PC互联网级别的AI工业革命。当下，中国已经走上了开源模型的主导地位，美国更多还是以必然领先的必然模型来驱动。中国可以选择开源模型加上普惠的硬件赋能千行百业，真正意义上培育出下一代的人工智能的工业革命。

与季宇的畅想不同，朱亦博在现场分享了智能演进的路线图：一阶段是模拟世界，基于视频、声音、图像、语言进行模仿学习获取表征，支撑的技术包括多模理解、多模融合、多模生成、理解生成一体化；二阶段是探索世界，通过强化学习理解因果，支撑的能力包括数学代码能力、智能终端、泛化能力、具身智能；三阶段是自主学习发现规律，在生物、核能、材料、量子等科学领域进行赋能。

朱亦博分享了自己对于AI的两个关键洞察：一是模型推理效率是决定 AI 大规模落地应用的关键要素，而推理效率的提升需要产业上下游联合优化；二是大模型从聊天（Chat）走向做事（Agent），从通用Agent / 基础组件到智能终端 Agent再到垂类应用 Agent，理想的智能终端特点包括会做事、总在场、有记忆、能进化，下一代智能硬件，比拼的不是“硬件” ，而是“智能”。

对于未来，朱亦博总结了关于Agent的三大趋势：一是数字世界的Agent有效工作时间将越来越长，如OpenAI用“自主时间”衡量 AGI，“自主时间”指的是模型在处理一个困难问题时，能够持续取得富有成效的进展而无需人类干预的时长，OpenAI 的目标，是将模型的“自主时间”从分钟级，扩展到小时、天，甚至“科研项目周期”级；二是Agent将从数字世界走向物理世界，从世界模型阶段演进到自主学习阶段；三是Agent 从经验学习迈向自我进化，人类数据有限、且有偏见。单纯依靠人类数据无法超越人类智能，未来AI会完成从人类数据到经验数据的过渡。

在行业宏观测，刘震介绍了中国出海AI应用的现状以及Top100中国出海AI应用榜单。他强调，对于出海的开发者和创业者，Web端的开发成本低，产品化和发布过程便捷；而对于用户端来说，可以直接使用、方便快捷。

刘震指出，“App+Web”的复合模式在用户规模上占据绝对主导地位，是当前中国AI出海主流且成功的策略。中国AI应用“出海之子”中，11个超1000万月活，23个破500万月活，59个过100万日活。

其中“AI虚拟角色”是重要的出海赛道，具有极高的用户粘性（人均使用时长＞50分钟/人/天）。中国出海AI研发工具呈现“便宜、快、强工程化、开源扩散快、Agent化趋势明显”的特征，正在快速占领全球开发者心智。最后，刘震在现场呼吁所有公司全力拥抱AI大时代，这是比移动互联网更大的时代。

具身智能并没那么乐观

如果说算力平权与智能体跃迁正在重塑AI的基础结构，那么具身智能的兴起让人第一次意识到：智能正从比特世界走向现实世界，从“会说”迈向“能做”，从屏幕之内走到真实物理世界的每一个角落。

当下，对具身智能的讨论关乎下一代AI“是否真正成为生产力”的根本命题。两位嘉宾（北京智源人工智能研究院院长王仲远、北京人形机器人创新中心CTO唐剑）的分享在现场逐渐汇聚成一种更深层的共识：要完成这场跨越，具身智能不仅需要更强的世界模型和更丰富的交互数据，也需要更成熟的机器人硬件体系，以及一整套跨行业协同构建的开放生态。

王仲远在现场总结了2025十大AI技术趋势，它们分别是：AI4S、具身智能、原生多模态大模型、Scaling Law扩展、世界模型、合成数据、推理优化、Agentic AI、AI超级应用、AI安全

同时，王仲远指出目前具身智能的发展存在四大瓶颈：数据短缺、硬件不成熟、模型能力弱、落地应用难。该如何破局？数据方面，构建开放共享的数据生态，多方协作共建；模型方面研发具身大模型，推动迭代能力代际跃迁；应用方面，打造场景驱动的产业共同体，逐渐破解落地鸿沟；硬件方面，重构自主可控硬件生态，打破成本桎梏提高性能。

具身大模型的能力痛点是什么？王仲远认为一是不好用，模型能力弱，感知、认知、决策能力未达到具身智能的“ChatGPT时刻”，需要一个“聪明”的大模型；二是不通用，一个模型只能应用于一个本体或同品牌本体，需要一个跨本体、跨场景、可泛化的大模型；三是不易用，大脑、小脑、本体适配难度高，需要一套跨本体的大小脑协作操作框架。

唐剑也认为当下具身智能机器人并不如想象中成熟：目前机器人行业存在场景泛化能力差、任务泛化能力差、本体泛化能力差三大痛点。

在前大模型时代，机器人能做的仅是模仿学习，模型能力有限，容易过拟合，但无法超过人类专家；但在后大模型时代，AI大模型+机器人将会实现陌生环境任意任务自主执行，能够针对可见/隐藏物品发出任意指令，机器人能以“较高”的成功率自主完成任务。

唐剑总结道，具身智能目前最主流的路线是大小脑分层路线，大脑是基于AI多模态的大模型，包含人机交互、空间感知、任务规划等能力，小脑则是数据驱动端到端VLA模型，实现技能操作、错误处理、运动控制等功能。

此外，目前具身智能的发展还存在一定技术发展瓶颈，数据维度下，数量虽然已经达到万小时级别，但与训练LLM大模型仍有1-2数量级的差距；数据质量上，维度（比如触觉、力反馈等数据）和精度有待提升；数据多样性上，则严重不足。

而在算法维度，基于VLM + Transformer的VLA未必是最佳的方案，可能还需要一次甚至多次的迭代；在硬件维度，边缘算力、灵巧手自由度/尺寸、可靠性/稳定性等方面均有待提升。

具身智能要何时能够达到“ChatGPT”时刻？唐剑认为需要满足以下条件：突破基于世界模型的技术路径、具身大脑的自主学习能力、多技能跨本体强泛化的全身VLA模型、通用人形机器人全身运动控制器 (WBC)、真人实境的数据采集、针对柔性/流体/弹性/铰链等物体的操作和仿真。

1980年代，人类经迎来通用个人电脑时代，2000年代，人类迎来通用智能手机时代，唐剑坚信，由专用到通用是具身智能的必然趋势，未来属于通用具身智能机器人的时代终将到来。

AI如何赋能千行百业

相比那些讨论底层模型、算力范式或技术前沿的议题，AI进入产业的故事往往更加具体，也更加贴近现实的复杂性。AI如何真正走进行业？这是摆在所有企业面前的共同难题。

在现场分享者的讲述中，不同行业下真实的场景和需求被AI以不同的方式重新点亮，产业侧的AI转型正呈现出一种从“点”向“面”、深度渗透的扩张态势。

约翰·霍普金斯大学博士陈祎铱在分享中分析了AI对心理咨询教育带来的改变。

她认为传统HCI模式面临三大挑战，一是数据的主观性困境，咨询师依赖个人主观判断和临床经验进行诊断与干预，缺乏标准化的量化评估工具，难以进行大规模数据分析与知识积累；二是资源的稀缺性瓶颈，优质咨询资源集中于城市地区，无法突破地域、时间和咨询师个人精力的固有限制，导致大量潜在来访者无法获得及时帮助；三是干预的滞后性问题，咨询往往在心理问题已经爆发或恶化后才介入，错失早期预防和及时干预的最佳时机，增加了治疗难度和周期。

如今AI给心理咨询带来了新的赋能，智能手机App、电脑平台、文本输入输出界面成为主要交互载体，AI系统基于用户主动输入提供即时反馈与支持，同时软件通过大规模数据分析实现情绪识别、模式发现与个性化推荐。

而NLP在心理咨询与 AI 领域的应用也带来了新的学术价值。情感分析 (Sentiment Analysis)、主题建模 (Topic Modeling)通过语言模式（如消极词汇频率、自我关注词汇）高精度预测抑郁症、焦虑症的倾向，实现大规模、非侵入式的心理健康初筛 (Triage) 和风险预警。

自然语言生成 (NLG)、对话管理系统 (Dialogue Management)能够支撑认知行为疗法 (CBT) 和辩证行为疗法 (DBT) 模块，实现循证实践 (EBP) 的普及。通过 NLP 确保 Chatbot 的回复符合治疗目标，并维持一定水平的语言共情。

语音转文本 (Speech-to-Text)、句法与语义分析 (Syntactic & Semantic Analysis)能量化分析受训咨询师的干预技巧，如提问的开放性程度和共情语句的使用频率。利用 AI 在咨询过程中实时标记关键时刻，辅助督导师进行结构化反馈，提升培训的效率和一致性。

陈祎铱分析，未来HCI驱动的心理支持将实现从被动响应转向主动识别与预防，突破屏幕限制实现沉浸式体验，同时咨询师与AI能够形成互补的智能团队。

凌迪科技Style3D创始人刘郴则认为AI给时尚产业带来了技术突破。首先，解决了非封闭多层服装的高保真建模难题，深度实现2D/3D工作流的深度协同；其次，AI带来了真实的工业价值，兼容工业仿真标准，支持缝制图案编辑、材质属性调整等款式设计；最后，AI为大规模服装生成系统奠定了有效基础，推动虚拟服装产业的智能化升级，沉淀了数据资产。

他还指出，物理仿真合成数据在AI时代的重大意义：

1.数据是AI时代的“石油”，数据和算力构成了AI模型发展的源动力。

2.人工的方式（scale.ai）获取数据仅能实现线性增长；而算力的增长保持在指数级。人工方式已日渐难满足AI对数据的需求。

3.物理仿真技术将数据合成与算力绑定，实现数据的指数增长。

当前，顶尖物理仿真技术垄断在极少数团队手中（凌迪，NVIDIA，Meta，google）。而优质的仿真平台尚未诞生。

4.仿真平台决定了仿真合成数据的来源，即将成为AI时代发展的卡脖子领域。

5.NVIDIA正联合多个团队打造新一代开源物理仿真平台Newton，试图集成全球最顶尖的仿真技术。

刘郴总结道，AI能够重塑从灵感到款式设计、产品把控智能生产、精准营销按需推款全流程，通过AI+3D，我们能够重新定义时尚工作流，加速产业升级。

在AI如何重构城市物流这一问题下，新石器无人车联合创始人李子夷给出了自己的答案。他指出，全国差不多有3,000万辆不同尺寸的城市物流的商用车，从三轮车到面包车、五菱、金杯，一直到依维柯到轻卡，它们每年要行驶1万亿公里，产生大概3万亿的总费用，分摊下来一公里的城市运输成本差不多是3块钱。

AI在这里面能够解决的问题一是降低成本、提高效率，二是保证货品安全/质量。从AI角度看，无人车配送面临的挑战一是如何解决结构化道路的行驶能力，这需要大量精确的路线数据，在青岛NEOLIX与滴滴合作交付了1200台无人车用于即时运输，平均能接到5000个以上的订单，目前成本已经降到了每公里1.5元，未来预计能降到1元以下。

除了降本之外，AI还能提高效率，其核心在于分时复用——在极其复杂的时间空间相交叉的运力网络中，AI能够解决的是智能调度的问题。从去年开始，NEOLIX开始大力投入解决AI智慧物流体系的建设，最大限度利用无人车的24小时，如果每天每辆车能够跑300公里以上，那么一公里城市运输成本将再降低50%。

李子夷总结道，对于无人配送领域而言无人车是“手脚”，AI调度系统是“大脑”。

在文化IP领域，LOHO乐活AI虚拟乐队主理人霍锦探讨了AI技术革命对IP运作和发展带来的新机遇与挑战，她认为传统虚拟偶像的技术卡点在无法“及时商业化”，周期长、费用高、无法实现商业闭环是“柳夜熙”们难以持续更新的原因。

但在AI赋能下，AI虚拟乐队制作成本能够缩减80%，其中两个核心角色的整体设定、项目统筹是由人类艺术家做，但其他所有的 MV、短剧作品都能靠AI工具完成。

霍锦指出，曾经的经验并非都要被推翻，其中有些可以被传承。比如IP构建的底层逻辑不变：不断地发展好的故事，做出深入人心的内容，创造更多深入人心、引发共鸣的好角色；底层的商业逻辑也不会变，依然会基于IP资产去开发不同的商业化产品，最终仍然希望能够形成系列IP运作的效果。

霍锦判断下一个超级IP会从AI诞生，除了马斯克Grok 4推出的女性动漫角色安妮外，大量AI生产的广告、动画、短片、短剧井喷式出现，随着大语言模型的迅速发展，虚拟偶像产业将迎来新的产业机会。

最后，百川智能创始人王小川分享了他在AI+医疗方面的探索，他提到AI革命与三次工业革命有本质的区别，因为这次人作为主体变得更大了，世界变小了，因此公司变得更扁平，产业变得端到端，没那么多层级也没有那么多螺丝钉。

他认为百川不应该为医生做AI分身，而是回到两个大逻辑，一个是赋予医生更好的诊断能力，另一个是比医生提供更好的服务。

未来百川智能会做两款产品，一款是给医生用的产品，我们称为医生的“最强外脑”，我希望在未来几个月里能够在如肿瘤领域里、在第二诊疗意见里超越今天的医生，而不是大多数时候医生说的“我把数据给你、把想法给你，你复制一个我去”。

另外一款是做一个AI医生团队，成为医生的好伙伴以及患者家属的好朋友，以微信为载体，实现AI随访医助、AI家庭医生、AI健管医生的功能。

AI与新人类的未来

AI未来的发展会是什么样？我们往往习惯从产业、技术、应用去描述它，但真正决定AI走向的，是智能如何改变“人本身”。当进入这一主题时，嘉宾讨论的重心悄然上移：从成本与效率，转向心智结构；从产业升级，转向生命边界；从技术突破，转向文明形态。

几位嘉宾的分享并非站在同一学科的角度，却像从不同方向各自触摸着同一个核心问题——在AI逐步具备学习、记忆、进化、协同、推演生命的能力之后，人类将以什么方式理解自己？又将以怎样的姿态进入下一阶段的文明进程？

RockAI CEO刘凡平认为当前的AI产业无疑是有“泡沫”的，当下AI产业的成功是“规模化信仰”的“成功”，目前AI产业似乎正在进入死亡螺旋：训练资源庞大→反馈滞后→难以创新。

首先，模型参数规模增加导致单次实验周期变长（几周到数月）、研究迭代速度变慢，然后成本上升导致大公司成为主导，小团队创新空间缩小，造成架构趋同，难以突破瓶颈，最终为了性能被迫继续堆算力，进一步加剧成本压力。

刘凡平指出，真正问题不在于“模型不够大”，而在于“思考”的方式错了——

无状态的静态函数，难以成为未来智能：模型可以视为由大量可学习参数构成的深度多层复合函数体系，通过层层函数映射实现复杂输入到输出的表达；

更多参数不等于更强智能，只是在扩大“查找表空间”：参数规模主要扩大了模型可拟合的函数空间容量，而智能的提升还依赖训练数据、训练目标、结构设计等因素；

长上下文不等于记忆，本质上只是大号缓冲区：长上下文窗口本是一次性的大型“可见”缓冲区，它通过扩展注意力机制的特征关联范围来提高处理能力，但不具备持久化或结构化的长期记忆能力。

那对大模型，最重要的是什么？刘凡平认为答案是原生记忆与自主学习，“记忆”可以被划分为短期记忆、中期记忆、长期记忆，短期记忆指对话上下文、即时任务，中期记忆包括用户喜好、技能，长期记忆则包含世界知识、规则理解、世界观。

只有长期记忆才能让AI实现“跨会话学习”，形成个性化知识和达成长期任务。而认知能力不是依赖单次对话上下文，而是依靠知识积累和模态动态更新。

刘凡平认为，记忆能力是个性化智能最核心的要素。“理解历史、规划未来、形成经验”，AI才能实现类人认知奇点，带来真正的智能涌现。

中科酷原总经理汤彪则从另一技术视角给AI产业的困局提供了新思考，他认为量子计算将成为破解人类算力瓶颈的颠覆性技术。

何为量子计算？以量子比特(qubit)的形式处理数据，它们可以存在0、1或两者的叠加状态，算力与量子比特数量成指数级增长，非常适合线路优化、数据分析和各类模拟等任务；而经典计算以比特(bit)的形式处理数据，主要为各种逻辑门电路，算力线性增长，只能单线执行任务。

由于AI应用更广泛落地、DeepSeek爆火，以及海外AI算力供应链不确定性增加，国内市场对于AI算力的认知已发生明显转向，中国AI基建迎来2.0版本：混合AI算力时代。

汤彪认为，算力焦虑的来源主要包含：

1.模型规模指数级爆炸，算力仅线性增长，GPT从15亿→万亿级，需求曲线远超供给曲线；

2.摩尔定律放缓，晶体管缩放遇物理极限，2nm之后性能提升微弱；

3.GPU 架构瓶颈明显，访存/带宽/显存成为主要限制；

4.并行扩展受限，多机集群通信成本指数上升；

5.推理成本爆炸，亿级调用使算力长期高负载；

6.供应链高度集中，NVIDIA 垄断导致结构性短缺；

7.能源瓶颈叠加，数据中心扩容受电力约束。

在行业中，巨头也已经盯上了量子计算。如2025年10月，英伟达推出NVQLink系统可将GPU极致性能与量子计算结合，构建加速的量子超级计算机；2025年10月，美国能源部橡树岭国家实验室(ORNL)正在建设全新超级计算系统Discovery，并提供量子计算试验平台，实现HPC、AI与量子计算的融合；微软将HPC、AI与量子工具打包，面向化学与材料科研，提供一站式解决方案，显著降低新材料试错成本。AI已成为量子硬件不可或缺的 “副驾驶”。

那量子计算该如何与AI相结合？汤彪认为，利用 HPC 的规模算力、AI 的智能优化能力、量子计算的指数级加速潜力，三者协同协作，为材料研发、复杂优化、模型训练等任务构建出远超单一路线的混合式超级计算解决方案。

在生命科学领域，永源合生的联合创始人孟凡康指出，AI不仅正在改变手机APP和数字世界，更即将突破比特世界，影响我们的生命体验。从体验生物学到作者时代的转变，孟凡康强调了基因测序技术的重要性，以及现在我们能够编写和编程生命的工具——AI和合成生物学。

他指出，AI与合成生物学的结合能够带来更多可能性，使人类从资源索取者转变为与自然和谐共生的共创者。他认为我们这一代人幸运地掌握了编程生物底层代码，有能力通过这种技术重塑整个人类的物质世界和生命本身，引领人类走向更好的未来。

最后，脑虎科技创始人陶虎在现场带来了关于脑机接口的分享。他认为，脑机接口是前沿脑科学研究和重大脑疾病诊治的底层核心工具，其具有无可取代的价值：科研维度认识大脑，医学维度重塑生命。

陶虎列了一组数据：在我国严重神经功能缺失/障碍患者中，瘫痪约2000万人，失语580万人。患者自理能力和社会功能严重受损，家庭社会负担巨大，而脑机接口抛开繁杂的传统治疗路径，用实时的神经信号交互带来立竿见影的功能恢复和症状改善。

陶虎分享了团队在狗、猴和人身上进行的脑机接口实验，包括实时解析脑电波、训练动物玩乒乓球和俄罗斯方块等游戏，以及让病人通过大脑控制各种设备。最后，陶虎表示该技术可应用于后端设备，如手机、电脑、游戏机等，并展示了与智能家居系统的连接能力。

作为和大脑直接交互的设备，脑机接口的“安全、可靠、高效、通用”是核心需求。核心难点在于如何平衡最大限度利用与最低限度损伤大脑之间的矛盾。

陶虎进一步分析，脑机接口是连接人类智能和人工智能的桥梁，通过使用脑机接口，人类可能突破自身的生存期限。

同时，他提出了一种新的人类生存方式——人体冬眠，即降低身体新陈代谢，将肉体生命极限拉长，而大脑则保持活跃。他认为，这种方式可能为人类的星际旅行和在地球上的长期生存提供解决方案。只有当人类生存突破现状时，认知边界才能得到突破。

写在最后

本次虎嗅F&M创新节中众多嘉宾的发言共同勾勒出一幅清晰而充满张力的AI未来全景图。AI不再局限于技术讨论，它正成为一股重塑产业、渗透商业社会，甚至改变人类自我认知的关键力量。

我们看到技术基石正在转移，从“AI大型机”走向“AI个人计算”，算力平权与开源生态将铺就下一次工业革命的土壤。智能体正从对话走向行动，从数字空间迈向物理世界。

在产业层面，无论城市物流的整体增效，还是心理服务、时尚设计、文化IP等领域的创造性变革，AI的价值正从效率提升迈向模式创新与体验重塑。

更深远的影响是，讨论AI的边界已超越工具范畴，并触及生命与文明本身。AI与量子计算、合成生物学、脑机接口等前沿科技的融合，可能带来的不仅是生产力飞跃，更是对生命形态、认知边界乃至人类存在方式的根本性探索。记忆、进化、自主、协同——这些曾专属于生命的特质，正成为AI演进的核心命题。

当然，前路并非坦途。硬件瓶颈、数据短缺、伦理困境、成本压力与认知局限，仍是理想与现实之间的现实关隘。通向通用人工智能的道路，注定需要技术、产业与社会的协同前行。

未来不属于空谈AI者，而属于那些能驾驭其复杂性、将其转化为善意与包容性进步的行动者。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4813290.html?f=wyxwapp