AI 走进 “实用时代”，全产业链赋能成新命题

来源：市场资讯

（来源：环球网资讯）

来源：环球网

【环球网科技报道 记者 林梦雪】从帮程序员优化代码，到为农民规划育种方向，人工智能迈入大模型时代以来，正以超预期的迭代速度，从实验室的算法推演冲向产业一线。伴随着 “看懂世界” 的多模态魔力，如何构建覆盖全产业链的 AI 超级载体、实现技术与产业的深度融合，也成为当前人工智能领域的核心命题。

近日，万联易达举办了“以应用破局·以生态聚力”为主题的“AI+产业发展”专题研讨会。会上，全国首个“产业人工智能研究与应用专家委员会”也正式揭牌，共同推进产业AI大模型在全产业应用落地。

从通用能力到实体交互，多模态融合引领 AI 技术新变革

“人工智能进入大模型时代仅几年，但发展速度远超预期。”清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松指出，当前 AI 技术呈现出 “能力涌现” 的显著特征，复杂任务处理能力直线上升。以代码大模型为例，其在国际代码大赛中的表现已超越人类，硅谷程序员岗位需求也随之下降。多模态大模型则实现了文本、图像、视频、语音的融合处理，让 “AI 看懂世界” 成为可能。

不过，万联易达集团副总裁杜新凯也强调，技术发展仍面临瓶颈。“通用大模型在产业深层问题解答上存在短板，比如回答焦煤价格时，若未提及中国四大主产地，对专业人士而言答案便缺乏价值；而垂类大模型又难以整合产业链上下游知识。” 他认为，未来技术突破的关键在于 “全产业 AI 超级载体” 的构建，既要覆盖多行业数据与场景，又要具备精准回答产业问题、提供落地服务的能力。

杜新凯表示，“以我们面向全产业打造的产业AI大模型‘万联摩尔’为例，它必须熟悉千行百业、参透政策法规、精通工艺流程，并深度融入企业经营决策体系。”

哈尔滨工业大学计算学部教授刘铭则从知识图谱构建的角度补充道，AI 技术落地产业的核心在于 “让模型懂行业”。“传统知识图谱依赖人工定义实体与关系，难以应对产业知识的动态更新。我们团队正在研发自动化本体图谱构建技术，通过搜索引擎、词典、核心词构成等多元信息，自动获取并排序本体标签，再利用词向量挖掘本体间的层次关系，为全产业AI大模型提供结构化知识支撑。” 他举例说明，在电网故障检测、农业育种等场景中，这种自动化构建的知识图谱已帮助 AI 模型提升了决策准确性。

从 “可用” 到 “好用”，AI在产业现实需求加深

“产业与 AI 的结合是双向奔赴。” 杜新凯表示，他认为中国完备的产业体系为 AI 提供了丰富场景，而 AI 则能破解产业发展中的痛点。“当前产业 AI 应用面临四大挑战：技术链与产业链断链、数据要素梗阻、能力供需错配、商业闭环难通。像万联易达这样，依托产业基因构建‘AI + 数据 + 场景’的完整生态，正是解决这些问题的关键路径。”

刘铭以电网、农业等领域的合作案例进一步阐释：“在电网行业，AI 已用于故障检测与维修调度，结合知识图谱与智能体技术，实现了断电问题的快速响应；在黑龙江农业领域，AI 通过无人机监测光照、湿度，指导自动喷淋，还能结合市场数据分析粮食育种方向。这些实践证明，AI 不仅能提升效率，还能推动产业模式创新。”

不过，多位专家也指出，AI 与产业的深度融合仍需突破 “最后一公里”。“很多 AI 技术停留在概念阶段，或投产比逻辑不清晰。” 杜新凯强调，企业需要的是 “一站式、全方位的 AI 生产力工具”，尤其是中小企业，难以对接多个 AI 服务商，全产业 AI 载体的出现恰好填补了这一空白。他建议，AI 企业应聚焦产业痛点，加强数据治理与知识沉淀。

对此，万联易达提出了构建“全产业AI超级载体”的解决方案，并推出了核心产品“万联摩尔”，以解决“AI+产业”发展的痛点与诉求。杜新凯分享称，作为产业级AI大模型，“万联摩尔”弥补了部分通用大模型在产业专业问题上回答不深入的缺陷，以及垂类大模型无法整合产业链上下游逻辑的不足。例如，在回答焦煤价格相关问题时，平台会自动关联太原、包头等四大主产地信息，确保回答的专业性与全面性。

“万联易达天然的产业基因，百亿量级的结构化产业可信数据，以及遍布全国的区域网络，融通贸易、物流、金融及生产性服务业的全链条服务能力，都为实现打造全产业智能体超级应用市场创造了有利条件。”杜新凯说道。

据他介绍，“万联摩尔”这款全产业 AI 超级载体已具备 20 项上线功能､100 余项研发中功能,覆盖企业研发､生产､供应链､营销、服务、管理全链条,目前已有 3000 余家企业深度使用｡

AI 新周期：“应用落地” 将成为关键词

对于 2026 年及未来 AI 行业的发展，多位专家认为，“应用落地” 将成为核心关键词。“大模型竞争将从规模转向效率，企业会更关注模型的推理优化与场景适配。” 孙茂松预测，科学大模型如基因研究、新材料研发领域，将加速突破，“像英国《自然》期刊报道的 AlphaGenome 模型，解码了人类 98% 的‘暗基因组’，这类技术将推动科研流程重构。”

刘铭教授则看好垂直领域的创新：“专用大模型与行业的结合会更紧密，比如医疗大模型辅助精准诊断、金融大模型优化风险预测。同时，AI 终端设备如 AR 翻译眼镜、服务机器人，将更广泛地融入日常生活，成为‘超级个体’的能力延伸。”

在人机关系方面，孙茂松强调：“AI 的本质是赋能人，而非替代人。未来，AI 将承担重复性、标准化工作，人类则聚焦创意、决策、情感交流等更高价值领域。但这需要全社会提升数字素养，培养与 AI 协作的能力，才能真正实现人机共生。”

“过去的AI都是反应式智能体，今年将是主动智能体之年。”杜新凯说道，“AI+”不是技术独奏，而是产业与AI的双向奔赴，当AI技术找到了产业场景的落点，当产业需求驱动了AI技术迭代，真正的价值创造才会发生。