人工智能+生态先行 大模型落地有方

　　随着人工智能技术的发展演进，如今行业内早已形成一种共识：人工智能从来不是孤立的技术工具，而是应该紧密连接市场及产业，构建共生循环的有机发展体系。也就是说，它应跳出单一产品、单一企业的竞争逻辑，一边向下兼容底层基础设施，一边向上赋能千行百业的应用场景，打通技术研发、落地应用、反馈优化、产业培育的生态闭环。

　　为充分释放人工智能的普惠化、规模化价值，近日，由清华大学全球产业研究院主办的人工智能+生态大会成功举行。各界代表围绕产业协同、技术创新、生态共建等核心议题开展了全方位、深层次交流研讨。

　　人机协同成为企业数字化新范式

　　随着AI Agent从技术概念走向企业生产环境，人与智能体协同正成为企业数字化转型的主流模式。在相互协作的过程中，人聚焦战略决策、价值判断与创新创造，智能体承接标准化、海量、重复性全流程工作，通过分工互补，有利于打破数据与组织壁垒，重构业务流程与管理模式，实现降本增效、敏捷经营与业务创新。

　　浪潮信息在会上提出了Humagent的组织概念。在浪潮信息董事长彭震看来，智能体时代的AI原生企业，组织将从管理Human进化到管理Humagent。Humagent即Human(人)”与“Agent(智能体)”的结合，能够深刻洞察到劳动者从“人”转变为“人+Agent”，对生产关系所带来的系统性变革。

　　在Humagent框架下，人更多聚焦在系统性、前瞻性工作，包括目标设定、架构、方向规划，要把握方向、把握全局，发挥责任兜底和把关作用;Agent更多承担一些高频执行工作，包括创新工作，两者基于能力边界清晰分工，构建起人机优势互补、权责清晰、协同共生的AI原生组织形态。”彭震进一步解释说。

　　清华大学全球产业研究院院长彭凯平也指出，智能时代下，审美感、创造力与同理心是人类的核心特质，智能体与人类天然互补——前者承担标准化、确定性的执行工作，后者聚焦审美创造、战略决策与情感联结，共同构建人机协同的新型组织进化图景。

　　此外，平凯星辰副总裁刘松表示，智能体核心痛点并非单纯的技术问题，而是人机协同构建AI原生新型组织的体系化课题。解决这一痛点的可行技术路径是：自主智能体可形成数字员工网络，通过搭建多智能体协同系统，能够自动化完成全品类办公、研发等工作。

　　大模型产业发展要以开源生态为核心抓手

　　当前大模型行业已完成单点技术突破，全面进入产业生态建设阶段，开源与闭源路线博弈、云边端算力统筹、开发者生态培育、AI创业公司转型等变化层出不穷。行业生态未来建设方向、全行业共识与分歧、产业健康发展路径，是所有从业者共同关注的核心议题。

　　对于开源生态建设，上海人工智能实验室大模型中心产品运营负责人葛佳烨表示，国内大模型产业发展必须以开源生态为核心抓手。开源生态需要分层精细化运营，不能采用统一运营模式。面向底层技术开发者，应完整开放模型代码、训练推理调优文档、评测工具，而面向泛行业从业者，应简化模型部署、运维、微调全流程，降低使用门槛。

　　不过，她也坦言，目前，行业内存在开源与商业化的天然矛盾，尽管开源能够快速扩大行业影响力、培育开发者群体，但短期难以产生商业收益，对此机构与企业需要平衡两者资源投入。

　　“完善国产大模型基础设施生态，核心是要做到服务数据全面透明、底层技术充分开放。目前，Token服务行业存在严重信息黑盒，针对这一乱象，应完整向开发者开放每条请求的输入输出、缓存命中、原始算力成本数据，消除信息差。同时，在硬件生态层面，国产算力厂商需开放底层算子库、通信接口，并联合高校、开源社区沉淀适配国产算力的技术成果。”清程极智联合创始人、产品副总裁师天麾如此说道。

　　与此同时，OpenBMB开源社区负责人杨知铮表示，步入 AI 时代，开发者的定义需要进一步拓宽，不再仅限定于能够修改模型底层代码的技术极客，产品经理、行业业务人员、低代码工具使用者等参与 AI 应用搭建与落地的群体，都应当纳入行业开发者范畴。而构建良性大模型产业生态在于推进场景化评测。当前，市面上多数大模型普遍存在榜单跑分优异、实际业务落地效果较差的问题，为此要广泛引导各类开发者结合自身所属行业业务场景开展针对性实测评估，同步将场景实测中发现的问题、优化建议等反馈至模型研发团队，持续补齐大模型在细分行业领域的能力短板，

　　进入从技术到规模化落地超级周期

　　IDC预计，到2029年，中国生成式AI市场规模将接近千亿美元，2024—2029年复合增长率达 68%，中国成为全球最活跃的AI应用市场之一。

　　对此，IDC中国区总裁霍锦洁表示，全球人工智能产业正在进入自互联网浪潮以来最强劲的IT增长超级周期。本轮增长并非单一技术扩张，而是由AI算力建设和应用落地同步驱动：一端是数据中心、GPU等基础设施持续扩张，支撑大规模推理需求;另一端是企业AI应用从试验走向生产，智能体开始跨系统调用数据、规则、API和工作流，推动企业软件从“人的操作界面”转向“智能体可调用的业务能力集合”。

　　结合自身丰富的行业实践，美的集团美云智数副总裁魏晓刚表示，在工业制造场景中，美的正在推动智能体从单点提效走向制造业全流程重构。围绕Factory Agent，美的将工艺、供应链、品质、设备等场景中的数据、知识和流程经验沉淀为智能体能力，形成贯穿研、产、供、销、服的Agent Factory，已打造智能体1.3万个。

　　师天麾表示，目前，企业落地AI应用主要分为两种类型：成熟的AI使用者核心诉求为降低Token使用成本，而传统行业企业仍处于验证技术可行性阶段。基于此，二者的通用落地逻辑应该是先用行业顶尖模型验证场景上限，若模型可满足业务需求，再通过采购低价Token、微调轻量化模型、自建算力三种方式控制成本。杨知铮也表示，企业内部AI应用存在两大认知偏差：一是管理层仅以替代人力数量衡量AI价值;二是技术、业务人员存在双向认知断层。AI加速落地的标准化路径应该是先打造标杆案例，验证业务价值后再进行跨行业复制。

　　不难看出，依托多元协同的AI生态，能够有效凝聚产业链合力，从而打通技术适配、行业改造及商业化运营全环节，破解大模型单点落地瓶颈，助力大模型快步实现从技术研发到规模化产业落地的转化。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。