人工智能的未来终于清晰

一、宇视科技 : AI—SOP

很幸运，我亲眼见证了业界真正领先的人工智能企业宇视科技这么多年的发展。在参加今天（2026年4月21）上午年度宇视科技合作伙伴大会之前，收到本次大会主题时，我感觉很意外——SOP，标准作业流程 Standard Operating Procedure。之所以意外，是因为在当下媒体上整天都是震翻全球、颠覆世界、彻底改变人类社会、超出所有人想象、深刻改变未来等等新人工智能概念层出不穷的时代，宇视却一反潮流地抛出一个老古董、甚至是特别老的老古董概念。标准作业流程是几百年前人类工业革命一开始就逐步成为主流的东西，它是工业化的最底层核心逻辑之一。但是，我马上就明白了宇视提出这个概念的用意并且拍案叫绝。参加此次会议的主场技术交流，在仔细听过宇视领导和两位重量级专家熊璋、吴文峻等人的演讲之后，我很快形成了人工智能未来发展的清晰图景。

宇视科技CEO张鹏国，把AI-SOP提升到应对生存还毁灭的高度。

教育部义教信息科技课程标准专家组组长熊璋对人工智能未来发展的演讲。

国家人工智能标准总体组副组长吴文峻，对人工智能实际应用中非常核心的安全可信问题的深入技术讲解。

宇视科技首席产品官朱兵对如何实现AI重塑SOP的详细解读。

二、炒概念与真正落地的差异

很多年前结识宇视科技CEO张鹏国时，我对他的一句话印象特别深刻——不要炒概念，人工智能领域炒得概念特别多，需要保持冷静。宇视可以说是很早在人工智能领域真正落地并且有巨大收获的企业。

我个人高度认同张总对待新技术动向的稳健风格。这些年我曾经在每次业界炒新概念时，总是以先狠狠地泼几盆冷水的态度讨论相关问题，并且在业界引起很大反响。例如，当年炒作3D电视时，我极力强调这个方向很可能难以成功，只在电影等短时观看领域有应用。2019年巅峰时期3D电影票房占比达到62.4%，此后反而持续下滑，2023至2025年大至稳定在40%左右。

VR出现时，我认为这个只是一定范围内的应用（参见：），尤其3D的VR很难成功。

元宇宙概念刚出现时，我认为这个只是一种狭窄的应用，元宇宙的概念被炒作太过头了（参见：），并且还在这个文章中给出六个概念炒作的要点和方法。

这轮人工智能大模型概念在2022年底、2023年初刚刚爆火的时候，我写了文章指出人工智能存在的可靠性根本问题（参见：）。当然，泼冷水不是完全否定，而是要明白其正确的发展方向。

每次新技术概念爆火时，为什么总是会出现炒过头的问题？这其实是有普遍规律性的。张总在演讲中用邓宁-克鲁格曲线描述了相关现象。

邓宁-克鲁格效应

新技术刚出现时，会很快出现一个愚昧山峰。原因是多方面的：

• 一是刚开始大家都还没想清楚，甚至连最资深的专家也没完全想清楚。所以在这个时候往往谁都可以跑出来大讲特讲一番。能讲出最资深的专家也难以反对的观点是一件很有面子和很享受的事情。制造反差极强、让人焦虑的说法也是非常吸引眼球和粉丝的，所以各种爆炸性的观点会很快满天飞。

• 二是先搞出来的一些无论有前途还是没有前途技术方案的大企业或创业公司，为了尽快宣传推广新的技术产品，会有意无意地夸大宣传自己的新技术产品。这些宣传再经过大量媒体与网络的夸大，很快就会形成各种说法铺天盖地的局面。

• 三是即使有些真正理解的专业观点，也会被“你这种想法已经过时了，在当前XXXX时代已经不是你想的那样”而淹没。谁都怕自己被扣上“已经落伍、跟不上时代的”帽子。

• 四是新技术的确在实际生活中替代了原有的人工或产品，由此带来的焦虑也会被迅速放大。

但当各种荒谬越来越多被戳穿，大量刚出来时极其亮眼的新技术瞬间消失在公众视野后，市场就会迅速跌入绝望之谷。但正是在这个时候，才是真正踏实落地的工作开始。

那么，如果能够深刻洞察这个规律的人或企业，在一开始就明白这些行业发展的规律，就不用靠在发展过程中成为试错的铺路石，而是可以做到一开始就进入正确的发展道路。本轮人工智能大模型的概念风暴，即使纵观整个极善于炒新概念的IT业发展历史，也是少有的狂烈。如同大海中的12级台风，身在其中而能稳定航向是极困难的。很幸运，宇视在这轮新概念的暴风骤雨中基本上是保持了清醒冷静和正确航向的企业。

三、在本轮大模型概念风暴中宇视科技正确的三步落子

可以说，在本轮人工智能大模型概念的狂风暴雨中，宇视到目前先后落下了三步棋子，我个人认为这三步棋子基本上都可被认为是正确的。当2023年初大模型刚开始爆火的时候，宇视虽然压力巨大，但并没有轻易动手，而是在冷静地观察。当时很多公司已经一窝蜂地做通用大模型了。经过一段时间思考后，在其他公司纷纷做通用大模型时，宇视选择了研发行业大模型梧桐。当时我还曾出于担忧宇视误入通用大模型的盲目狂潮，与相关领导有过深入的讨论甚至争论。这当然不是对通用大模型本身有任何否定，而是并非所有企业都适合去做这个方向，这只是适合少数企业来做的方向。

但第二步的发展方向清晰时，我对宇视的技术路线已经是持深感欣慰的态度了：就是在行业大模型（我称之为“中模型”）的基础上发展小模型——小场景的深度垂直应用。2024年宇视的这个发展方向和产品已经非常清晰，我写了相关的文章对此高度赞同。参见：。文中我提出的观点是：“大模型，小应用；中模型，大应用；小模型，广应用。”

2025年，宇视在梧桐大模型基础上开发的小模型应用可以说已经呈现遍地开花的局面，与合作伙伴一起开发的垂直领域应用场景已经是数以万计。

现在提出AI-SOP，可以说是“意料之外，情理之中”。要谈清楚这一点，需要深入探讨一下人工智能的问题和几个不同应用方向。

四、人工智能的特点和不同应用方向

人工智能很容易让人产生误解，一定要知道对于具体应用来说，并不是越“智能”就越好的。全新的技术方向确实会带来一些新的应用潜力，但也很容易让人迷失一些最基本的通用原则。

我一直强调，一切人类创造的工业品都有一些基本的产业原则，例如可靠性，这个外行人很容易忽视。并不是只要展示出一个很炫酷的技术功能就一定能获得实际市场应用的。人类创造的一切人造的产品都存在可靠性，成本等方面的原则性约束。而人工智能一个很大的问题就在于，它本质上是一种统计概率性的东西，必然在可靠性上受限。今天吴文峻老师提到，虽然大模型进步很快，但幻觉的问题依然存在。其实这个从本质上就不可能完全消除。当我们实际去考虑一个人工智能产品是不是能获得实际应用时，一定要首先理解这个市场应用对可靠性的要求现有的人工智能技术能否达到。例如人工智能视频的识别，在交通和大量其他应用场景里，是有一定容错性的，这是它们率先获得大规模实际应用的关键。现在媒体上有宣传认为马上可以通过车牌绑定支付系统，以此可以取代ETC。但我对这个应用一直持谨慎态度。表面看起来这个是技术上可以做到的，停车场都可以直接通过车牌收费，为什么高速公路上不可以？问题就在于现有技术的识别率是否满足高速公路上的高度实时性和可靠性要求。现在的ETC数据链路层标配有CRC16检错码设置。在检错加上ARQ自动重传机制后，技术上可以做到链路层最终残余误包率小于一亿分之一的极高可靠性级别，近乎于零。

交通运输部《联网ETC技术要求》强制指标：单车道通行交易总体差错率（含失败 + 异常）≤0.1%。这个是最低限度的强制技术指标，实际上实现一般都远好于这个差错率。

但是，人工智能视频车牌识别的差错率能做到0.1%已经属于最好的级别了，同时还要以相对较低的成本去实现。现在一般都在1%以上。在停车场车牌识别错了，你可以开车倒回来重新识别一下，关系不大。但在高速公路上一旦出这种问题就可能一堵一长串，甚至出车祸要命了。

这种差别不是专业的人员很难去关注到的，但这个却是能不能真正实现产业化的关键问题。当然，并不是说车牌视频识别绝对不能用于高速收费，只是说任何技术创新其实都必须遵守一些基本原则，或称第一性原理，而不是完全放飞自我。例如，既然是要求极高的可靠性，车牌视频识别方式也是可以做到的。那就是采用新的车牌标准，在车牌号上增加一位校验位，这样车牌识别本身就可以有检错，如果发现识别有错，可以自动重新识别，这样识别率就有可能在本质上极大提升到高速收费的可靠性要求了。我们的身份证最后一位也是校验位，基本的方法其实都是一样的。创新中有些基本问题解决方法是一样的。

如果采用这个方向，可以制定新的车牌号码标准，并且在未来新车注册时用十多年时间就可以全部替换掉现有车牌体系，这个升级难度和成本并不大。中间替换过程中两套体系共存。其实现在的车牌就分为燃油车的车牌和新能源车的车牌两套体系，只是它们都没有校验位。

由于人工智能本质上的可靠性受限，因此对它的应用一定要特别地小心。可以看出目前人工智能有这样一些不同应用方向：

1. 通用的人机接口。这个我之前谈到过，以后会专门写文章深入讨论。

2. 有相当高容错性的事务性工作。例如生成文章、工作报告，生成图像、视频、PPT、图表等。这个会有人来检查，人工智能只是提升了工作效率。

3. 表演性质的。例如机器人跑马拉松。比人跑得快让人感觉炸裂，跑不快的就半路上向观众卖个萌，停下来跳个舞；就算摔倒了也能博得观众哈哈一笑。在展馆或展厅给人讲解，舞台上表演。表演得好是“机器人居然都能演得这么好”，表演得不好甚至摔倒了，那也是“你看它摔倒的样子好可爱噢”，无所谓啊。但如果你让他去养老院伺候老人，老人还没摔倒，你这服务机器人自己先倒了，这就是要出人命的问题了。

4. 有相当可靠性要求又不是特别高可靠性约束的实际应用。例如各种小场景应用的识别告警、判断等。小场景非常重要，这是平衡可靠性与成本的关键所在。

五、AI-SOP帮助人类更靠谱

人工智能存在可靠性的问题，是因为智能本身就存在可靠性问题，人在工作的可靠性上更是有问题，但现在人工智能已经变得比人更可靠一些。普通人更多关注的是如何让人工智能更智能、更灵活、有更炫酷的功能。但对于关注真正实际产业应用的方向来说，如何让人以及工作环境更加可靠才是一个产业化的重要问题。

在工业化过程中，要让人更加可靠，就是通过建立SOP——标准作业流程。SOP不是让你展示更加灵活智能，而是要对人的智能进行限制和约束，让人的工作过程更加受控。但在工业化的过程中，并不是所有环节都标准化了的，也不是所有企业都有能力让自己的工作流程标准化。

从我现在的了解来说，到目前业界还真没有其他人提出过AI-SOP的概念，所以这个可以算是宇视科技的原创，这是完全符合工业化底层逻辑和本质的创新。

很多工作流程的标准化问题并不是什么全新的，而只是很多企业管理者能力和习惯限制。宇视提出的AI-SOP是可以通过向增强的梧桐行业大模型输入人类工作过程的视频，通过一定的训练后，AI就可以生成出这个工作的SOP。这样几乎所有企业在宇视合作伙伴的帮助下就都可以总结出自己的标准工作流程SOP了。这样不仅有可能提升工作和产品的质量，而且可以稳定地控制整个作业的过程，减少作业成本。

以往企业在信息化、数字化过程中，失败率很高，甚至高达70%。这么高的失败率关键原因就是企业不知道如何与计算机和互联网配合，改变工作流程，使自己的业务标准化，使数据标准化。这个要通过做项目的公司，甚至企业里的IT人员去说服企业的领导，存在很大困难。因为这是你们做项目的技术人员和企业里的IT人员搞出的一套流程，要去说服企业的老板和管理层让他们严格遵从和执行。而通过人工智能工具来生成SOP，甚至可以让企业的领导层自己参与操作来完成这个工作，这对实际应用、执行和有效落实生成后的SOP是有极大好处的。你老板自己亲手建的SOP，你还能不首先自己遵守吗?但原来就很难做到这一点。

我很早之前在王码电脑接触MIS系统、ERP系统时，都遇到过这类信息、数据、工作流程标准化的问题，这种问题非常令人头疼。而AI-SOP有可能是极大提升政府和企业信息化、数字化、智能化成功率的一个机会。

只有清楚了如何把握人类与人工智能的可靠性不足问题，才能真正准确地把握人工智能和人类的未来，别被那些貌似新概念的炒作搞昏头了。

山东彬哥（左）采访宇视科技CEO张鹏国（右）：为什么安防大厂（真正人工智能实际应用最主要的企业群体）的老板都不做个人IP？