告别单点比拼！AI产业“五层蛋糕”的高效协同必要而紧迫

中国AI产业能否走出不同于美国巨头全栈路线的新范式？7月18日举行的2026世界人工智能大会“AI未来发展论坛：产学研深度融合”主题论坛上，多位学界和业界大咖提出，AI产业的竞争已从单点技术比拼，转向系统竞争。能源、芯片、基础设施、模型、应用、资本，没有哪一层能独自突围。因此，跨界协同不仅必要，而且极其紧迫。

反思“共识”，警惕陷入某些默认的“正确”

AI产业发展至今，大家已形成共识：这一产业仿佛五层的蛋糕，最底层是能源，往上是芯片、基础设施、模型，最上层则是应用，而贯穿五层的还有资本与金融。但是，基于这些共识，仍有一些默认的“正确”面临着挑战。

未来算力将成为和水、电一样的基础设施。对此，宁德时代储能首席技术官吴巅峰在论坛上率先提出能效问题：“如果全世界80亿人都用AI，一天的耗电量是多大？”他举例说，美国已经出现AI数据中心引发的电网稳定问题。在他看来，当全行业都在追求更大算力、更强模型时，能效约束是决定AI产业能否可持续的根本。

阶跃星辰创始人兼CEO姜大昕梳理了短短三年间大模型评价标准的巨大变化。2024年比拼知识量和对话能力，2025年转向代码和数学推理，2026年聚焦Agent任务执行能力。“AGI还远没有实现。”他谈到，模型能力的内涵本身就在快速演化，用单一标尺评价的思维会让产业资源过度集中于某个时髦的指标，而忽视模型与基础设施、应用场景的协同迭代。

对于不少人所认为的大数据是AI应用的前提，上海交大人工智能学院副院长、特聘教授、观壹智能联合创始人张娅却提出，AI未必要用在数据充沛的领域，“恰恰是因为没有大数据，才更需要AI来赋能。”她以罕见病诊断为例——正因为病例稀少、医生见得少、诊断精度低，AI的切入才最有价值。这也提出了新挑战：在小数据场景下，大模型如何有效泛化？

张娅认为，技术研发是单维优化，产业落地则是多目标优化。要让技术尽早助力千行百业，需要找到技术成熟度与商业价值之间的平衡，这就必须通过模型、应用与基础设施的紧密协同达成。

多位嘉宾对“共识”的反思看似各有指向，却都证明，在系统竞争的时代，在这个五层蛋糕任何一个单层的“集体正确”都可能成为协同的障碍。技术突破当然重要，但是突破之后，更需要让产业各层真正“咬合”在一起，避免在错误的单点上消耗宝贵的创新资源。

AI时代，大学将从“供给侧”成为“组织者”

当AI产业进入系统竞争，大学除了继续做研究和人才的“供给侧”，也可以成为跨层协同的组织者。

校企边界正变得模糊。姜大昕提到，高校擅长长期的颠覆性基础研究，如大模型架构创新和可解释性问题；企业则有真实场景、算力和数据。壁仞科技战略委员会主席李新荣则补充道，企业应为大学提供真实平台和课程体系，并与高校共建垂直领域联合实验室，围绕明确的应用场景推动技术落地。

然而，产学研转化间仍然存在巨大鸿沟。吴巅峰解释，从技术到产品再到商品的完整链条中，高校擅长规律发现和技术突破，但企业决策技术路线时还要考虑规模化能力、成本优势、市场竞争力等一整套逻辑。只有打通从规律发现到数学模型、控制技术、产品化、商品化的完整机制，整个链条才能真正打通。

“大学的核心是培养人。”在上海交大副教授、无问芯穹联合创始人戴国浩看来，不论是搭建平台、推动成果转化，还是参与产业项目，其实最终目的都应回到人才培养上。

张娅形容高校教师正处在“最好的时代，也是最坏的时代”——过去做研究是单目标优化，现在技术与产业衔接越来越紧，产业甚至走在了技术前面，大学唯有打破围墙，同时加快培养复合型人才，才能满足产业发展和社会发展的需求。

对此，上海交大人工智能学院执行院长王延峰认为，AI时代的大学不能只站在产业链外部提供论文和人才，也不能简单地把成果推向市场。大学更有可能成为一种新的组织力量，一方面定义长期问题，另一方面连接教授、学生、企业、资本、政府和真实场景。在AI快速迭代中，让学术生态与产业生态良性互动，把科学创新、人才培养和产业创新真正组织在一起。

本次论坛由上海交通大学、徐汇区人民政府联合举办。论坛上还发布了一系列落地成果，横跨智慧医疗、先进材料、AI教育、端侧智能系统等领域，汇聚上海交大人工智能学院、材料学院、瑞金医院、计算机学院、设计学院、机动学院、仁济医院等多院系跨学科科研力量。

原标题：《告别单点比拼！AI产业“五层蛋糕”的高效协同必要而紧迫》