顶尖技术+标准产品+创新模式+可靠服务，打造大模型落地中国范式

编辑部 整理自 MEET2026
量子位 | 公众号 QbitAI

在大模型参数竞赛卷到极致的今天，AI真正要跨过的门槛，已不再是“更强的能力”，而是“如何在行业里真正活起来”。

技术演进的焦点也随之从规模扩张转向一个更本质的问题：智能究竟如何在物理世界中持续产生价值。

正是在这一关键拐点上，卓世科技合伙人、副总裁赵策在量子位MEET2026智能未来大会上，提出了一个与主流截然不同的判断：

• 大模型的下一场竞争，不在模型本身，而在模型、终端、数据与业务流构成的自驱动闭环。

在这套闭环中，云端不再是智能的唯一舞台，终端成为感知物理世界的入口，数据回流则不断反哺模型，让智能体在企业真实业务流里“长期在线、持续进化”。

也正是基于这套路径，他们走进企业服务、工业制造、医疗健康、文教传媒、养老、水利、园区等不同场景里，用一组组节能降耗、人效提升、收益改善的数字，回答“大模型到底值不值”的问题。

为了完整体现赵策的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。

MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了主流媒体的广泛关注与报道。

核心观点梳理

• 大模型商业化进入最新阶段：从模型能力竞赛转向行业落地、场景赋能与可持续变现。
• 产业级AI的核心不是单点技术突破，而是模型、终端与数据交互构成的自循环闭环。
• 真正能跑通商业化的大模型体系，必须同时具备技术自研、产品标准化与商业模式创新的“三件套”。
• AI在行业侧的价值正在从效率工具走向企业AI大脑，以超级智能体重构业务流程与决策体系。
• 大模型落地是工程化能力的竞争：从预训练到部署优化，每一环都决定能否在真实场景中释放效能。

以下为赵策演讲全文：

AI商业化元年的基本图景：模型、终端与产业闭环

我想分享的是关于怎么做商业化的落地。

从ChatGPT2023年的横空出世，我们把2023年定位成大模型元年，2024年称为智能体元年。

2025年大家更关心什么？尤其是DeepSeek出来之后，大家更关心如何做行业落地、场景赋能和商业化变现，这是非常直接和实在的事情。

卓世科技这么多年来，大概七八年的时间都在做一个事情——即人工智能如何与行业、产业结合做场景的落地和赋能，所以我后面的分享更多会以案例的形式，把我们服务的优质企业的典型案例，和一些在应用大模型方向上落地比较好的效果，和大家做分享。

介绍一下，卓世有七八年的发展历程，是以百度、阿里、华为大厂的核心技术团队成员来创建的企业，是以大模型算法、行业模型+智能应用为核心引擎，打造模型→终端→数据→模型的商业闭环

到目前为止，我们在全国建立了不同的研发中心，目前也是国家级专精特新“重点小巨人”企业，在2024-2025年连续入选中国大模型产业图谱，包括基础模型、行业模型和智能体，也包括我们自己在网信备办的大模型和深度合成算法备案，目前也是双备案企业。

同时，基于大模型的发展，目前在教育部、人社部和工信部重点合作单位，面向人才培养和场景落地，同时参编了面向养老领域的行业相关的标准。

至于发展如何落地，这离不开技术，我们携手某国际顶级人工智能研究院，开展面向未来、企业服务，以及数字员工和企业业务流如何做深度融合的相关课题和技术的开展，共同创立了一些研究方向。

那么我们如何在这几年里能够服务近百家优质企业，如何让大模型落地呢？

大家看到这一张图，它阐述了如何把产品、技术和整个行业做融通。璇玑玉衡是我们的备案大模型，同时它也代表全栈技术领域。

它代表了模型从预训练到微调，再到智能体的开发，再到整个数据工程和整个产品落地的工程化能力，通过璇玑玉衡大模型技术会串联起来从下面的智能终端再到中间的大模型中台，或者可以称之为企业的AI大脑——向上去构建众多的超级智能体，面向不同的领域和行业做场景的赋能。

这里面也阐释了刚才我说的模型→终端→数据→模型的闭环，这个闭环既可以理解为是技术的闭环，因为任何模型的发展，我们都知道数据集在濒临枯竭，如果我们想感知物理世界和场景的落地，就需要有终端的配合

尤其是如果落地到工业领域，落地到方方面面的场景里，你会发现其实和终端是不可分割的。

反过来，终端又是数据去感知物理世界的一部分，所以它又可以把数据带回给模型，增强模型赋能行业和场景落地的能力。

从技术到产品：大模型商业化的“三件套”

接下来我分享一些典型的案例，累积这几年我们服务过已经超过100家优质企业，提到商业化的落地，我认为是一个组合拳

即便如果有超过OpenAI的能力也不代表就能够完成商业化落地。

我认为第一你需要有非常强的技术能力，这是不可或缺的，这也是我们所具有的一个独特的优势，可以自闭环完成从模型预训练、微调、智能体开发、全程的工程化能力。

其次还需要有一套非常标准化的产品能力，供合作伙伴、中间各类服务的软件开发商、集成商能非常快速地基于平台完成相关交付。

此外，商业化落地在国内一定要有非常独特的商业化模式，或者商业创新，同时还要辅助于一个非常可靠的服务体系，这也是中国ToB客户非常看重的方向。

接下来我分享几个方向的案例，这么多年我们的案例会分布在几个领域：

一是企业服务，二是工业制造，三是医疗和健康，四是文教和传媒，基本覆盖了现在国家出的相关政策——即“AI+民生福祉”“AI+产业赋能”“AI+消费提振”。

AI+产业深水区的实践样本：六大场景的落地路径

接下来进入一些特别落地的分享，这个是和北京某国企做的关于企业服务方面的合作。

目前最容易落地的，现在已经摸索到三个方面，一是工作流程自动化，还有一个关于行业研究报告，凡是大一点的国央企都会有非常重的行业研究报告的工作在里面，还有智能化办公助手

我们把大模型的能力融入进整个工作的流程当中，辅助它做行研报告的生成，以及相关的各种流程、预定和总结的智能办公助手，这是面向国央企做的企业服务。

第二个企业服务案例，是一个世界著名的快销品的巨头企业。

他们用大模型做什么？他们日常有大量数据分析的需求，要做产品、消费者、市场的研究，这个过程中都要遇到大量的市场分析，这里面大模型可以发挥相关的能力——把成千上百的表格、上万的字段通过大模型做分析，从而提高人效。

日常要通过专业团队，一个月来完成的事情，目前两三个人一周之内就可以完成所有的事情。

其次是关于工业制造方面的案例，刚才提到，在这个领域目前也已经在用很多像视觉、自动化的能力。

所以我们的经验是在工业制造里落地，它是一个组合拳，大模型在其中起到的是大脑的作用，要融合进我们用到的视觉模型，去处理各类生产和传感数据的时序模型，把这些模型能力融合完之后，能够自动化地调配生产参数，去调优生产工艺，最终实现节能降耗，或者是降低生产瑕疵产品的使用率。

这个是典型的多晶硅生产企业的案例，带来的非常直接的效果是，每年一公斤的多晶硅能节约2度电，全年下来对成本的节约是千万级的，通过对能源的节约从而促使成本的降低。

关于医疗和健康方面的案例分享，医疗和健康分两方面，大家都知道第一接触最多是社区医院，就是基层卫生，其次才是进到三甲医院看病，这两个方向目前我们都有一些进展和合作。

一是大家现在看到的家庭医生的服务，这是我们和国家卫健委基层司合作专门面向基层卫生，服务社区医院、家庭医生服务落地的情况，这里面大模型已经把2000多种常见病和常用药，以及相关服务全都融合在里面，去提供相关服务。

这是关于接下来如何进到三甲医院进行落地，医院有一个大的诉求，越是典型的、有特殊能力的医院，会沉淀大量专科和专病数据，所以说我们把这些数据拿出来，形成大模型的辅助诊疗，或者叫疑难症的大模型，去提供给医生做全院的辅助诊疗的使用。

目前已经覆盖了门诊和住院两个环节的诊疗的过程，把医院沉淀的数据拿出来，可以把全医院的医疗水平拉齐到最高医生的水平。

而面向养老方面，服务养老机构各类数字员工，如图上说的我们有健康管理师、养老护理师、职业培训师、能力评估师，这些都是在养老领域上岗之前需要持执照的，考核通过后才能上岗，我们大模型通过这几个岗位专门做了相关的训练和开发，已经可以持证上岗。

这个是关于水利和水务方向的案例，水利和水务是两个方向，同样我们是基于水利和水务领域里大量沉淀的数据，以及前端会有大量的传感数据回来，这些数据回来之后，如何做定量和定性的分析，如何提升管理的水平，这是用大模型做的事情。

还有一个最近开展的方向是关于园区，因为现在很多地方都在建大量的园区服务企业，园区里面会面向企业提供相关服务，这时候我们会和园区协同，面向园区的企业提供大模型和智能体相关领域的所有服务，这也是我们落地提供服务的方向之一。

最后关于所有的落地怎么去落，是私有化部署、公有云还是混合部署，如何在私有化部署的时候，和一体机形成紧密的协同，从架构、算法、模型调优，能够把大模型一体机发挥出来算力性能的80%还是90%。

我们不光是针对英伟达，针对国内所有算力芯片都做了相关调优，（希望）从算法和框架层面发挥到极致，这是从一体机方面，做了单体和集成的。