admin 将大规模在线人工智能（以下简称“AI”）模型深度融入教育、医疗、金融等各行业，不断提升行业效率天花板。从工厂协作、社区关怀、家居服务等，到给人类生产生活带来无限可能的线下具身智能机器人……2025年，人工智能已经渗透虚拟与现实，以前所未有的速度连接科技与产业，人们不禁好奇AI技术的未来发展将带来怎样的惊喜。今年8月，国务院印发《关于深入实施‘人工智能+’行动的意见》，为推动我国人工智能与经济社会各行业、各领域广泛深度融合提供了指导。中共中央的建议10月28日发布的《关于制定国民经济和社会发展第十五个五年规划的通知》重申，要“深入推进数字中国建设”、“加快人工智能等数字智能技术创新”、“全面实施‘人工智能+’行动，用人工智能引领科学研究范式转变，加强人工智能与发展产业、文化的融合”。它将发挥人工智能产业应用在建筑、人民生命安全、社会治理等领域的压倒性优势，为千行百业全面赋能。 “如何将现有成果转化为发展，让我国人工智能技术转化为更大的实践动力？在近日召开的“人工智能+2025大会”上，众多专家、院士和行业代表纷纷表示人工智能子领域的专家们通过跨境交流分享了经验和观点，激发了人工智能技术在实际应用中的潜力。 “让我们赋予机器人真正理解世界的能力。” “未来人工智能发展的主要目标是成为所有人都满意的通用人工智能（AGI）。图灵奖获得者、中国科学院院士、清华大学交叉信息研究院院长、人工智能学院院长姚启智介绍，AGI是指具有认知推理、计算场景处理等类人能力的人工智能技术。在姚期智看来，从AI向AGI转变的关键是体现，即科学智能。智能化主要体现在三个方向：安全治理。在此过程中，具身智能的进步开始结出硕果。姚表示，机器人要承担危险、繁重的任务，必须要对于人类来说，既需要具备“小脑”的敏捷行动能力，又需要具备“大脑”的认知决策能力。在今年8月举行的2025世界仿人机器人大赛上，玉树科技的G1和H1机器人共获得19枚奖牌。玉树科技创始人兼CEO王星星表示，玉树科技研发的人形机器人现在可以重现大部分任务和动作。未来10年，人工智能技术将赋予机器人“真正理解世界的能力”。近两年，智能体逐渐成为AI行业的重要发展方向之一。去年年底，市场研究机构Research and Markets发布报告称，全球智能体市场将从2024年的51亿美元增长到2030年的471亿美元，年均增长率达44.8%。“如果你比较一下大规模AI模型和智能代理，前者主要是关于“cha”tting”，而后者是关于“做某事”。例如，步星创始人兼CEO蒋大新表示，在制定旅行策略时，AI可以简单地提供一个列表，“代理商可以进一步帮助预订航班和酒店”。人工智能的长思维链、多任务能力和多模态技术发展为智能体开辟了广泛的应用场景。姜大新认为，通讯社的智能体是硬件智能终端。运营商的智能体有望成为未来人工智能的门户。”“人体、汽车智能驾驶系统、家庭全屋智能等硬件终端都可以通过自然语言与人类进行交互。”除了日常生产生活，AI科学智能也有望将科学研究推向“人机协同”的新阶段，产业发展研究总监张莉表示，国内外发表的物理、化学、生物等领域的主要推理模型超过人类博士水平。谷歌去年推出的AlphaQubit解码器利用人工智能实现量子纠错，克服长期困扰量子计算领域的问题。姚启智表示，随着人工智能技术打破人与机器的界限，安全治理成为一个不容忽视的命题。人工智能算法潜在的不可靠性可能导致隐私泄露等风险，影响社会价值观和伦理道德。这是一个交叉领域，将人工智能与密码学、博弈论等理论相结合，建立国际共识，协同开发人工智能治理协议。不少与会者认为，AI产业的发展从来不是单一公司的努力。王星星表示：“我们需要与开源社区紧密合作，加速共享科技成果转化，降低全行业创新成本。 “我们需要与开源社区紧密合作。”“我们还需要与全球合作伙伴共同建立和完善机器人的安全和伦理标准，确保技术始终向好的方向发展。我始终相信，只有大家共同努力，机器人技术才能更快跨过门槛，将人类文明提升到一个新的水平。”人工智能的大规模落地是业界必须回答的问题。随着人工智能技术未来十年的发展现状日益明朗，如何真正让人工智能走进职场、渗透街头、实现规模化部署，是我国人工智能产业未来发展的重点。人工智能产业的IC安排。 “加快先进科学技术自主化，引领新生产力发展。”近日，工业和信息化部党组书记、部长李乐成作题为《人工智能加快推进新型工业化》的讲座。媒体发表署名文章。他认为，要在智能人工智能领域占据主动、取得优势，“根技术”指出，要牢固树立算力、算法、数据等基础设施，推动“模块共振”，引领人工智能模型与优质数据集联合创新和深度融合，建立“数据共享、模型优化、孵化应用、保障安全”一体化机制。当前人工智能落地面临的核心问题是“数据有了却没有准备好”，即企业积累的大量数据。数据分布在不同的企业系统中，没有被组织成满足人工智能需求的标准化数据集。 “如果没有底层数据集，人工智能技术和行业需求之间将很难建立有效的联系。”他表示，我国目前正处于人工智能数据要素产业链的早期阶段，企业考虑创建数据集还需要时间。 “对于大型模型，模型密度大约每100天就可以翻倍。这意味着可以用之前一半的资源投入来实现相同的模型功能，从而大大降低模型推理和训练的成本。”刘，清华大学计算机学院副教授，Wall-Faci联合创始人兼首席研究员ng 情报。从技术角度，致远提出了“大型模型容量密度定律”。在他看来，高效的创新将使大规模模型以更少的参数拥有更好的功能，直接降低模型大规模训练和部署的成本，推动人工智能以更低的成本和更高的效率赋能千行百业。 “新技术的应用如果不长期在行业内形成闭环，就很难持续下去。”李振军认为，仅靠技术是不够的，大部分商业落地还是依赖于AI的需求端。因此，人工智能大规模落地的主要策略将是场景化，需要在碎片化的行业中寻找人工智能技术的契合点。余凯，上海交通大学计算机学院特聘教授，Speed 联合创始人兼首席科学家，深度参与在语言和语音处理领域，以智能交互为核心。根据他的行业观察，他表示人工智能在实施过程中必须解决三个关键问题。首先是需要全系统、全链路的分发能力。 “在现实场景中，你不仅需要一个可以生成声音和文本的模型，还需要一个集成任务执行、资源调度、满足用户需求的系统。”二是软件与硬件的结合。只有在硬件层面真正实现智能化的融合，才有机会走进千家万户。此外，还应注意将通用人工智能定制为现实场景的要求。 “技术实现不能套用固定的公式，必须根据现实需求进行调整，灵活运用大大小小的模型和不同的工具，提高解决现实场景问题的能力。”霍健阿里云智能事业群副总裁ia表示，过去三年一直站在业务最前沿，他表示，在大规模AI模型的实际落地中，认知偏差、理论与实践脱节、最佳实践可复用等问题是可以改善的。我们认识到，还存在实践不足等问题。霍佳建议，企业在选择AI部署场景时应避免“标新立异”，不要寻求“用令人信服的技术来解决疑难复杂的疾病”。相反，选择一个重复的工作场景，并从一个可以用作参考的区域开始。第二步是优化数据质量，形成清晰的语料库，选择合适的模型。同时，智能代理的快速迭代，要求企业更加重视工程师的作用，提高技术工程化能力，以利于大规模部署。人工智能的加速采用科技正在成为驱动产业升级的“新引擎”。工信部公布的数据显示，“十四五”以来，日本智能制造工程不断取得进展，建成了3.5万多个基础级智能工厂、7000多个高级智能工厂、230多个卓越级智能工厂，不断推动产业发展、装备软件集成创新。“制造业是强国强国的基础，是人工智能应用的主战场。”李乐成在《人工智能加快推进新型工业化》一文中表示，要推动制造全流程智能化升级，推动人工智能技术深度融入产品核心环节。行动和制造。加快智能产品装备创新迭代，推动AI手机、AI电脑等消费终端升级，加快仿人机器人、脑机接口等新一代智能终端研发和应用，推动大型车型与新能源汽车、数控机床等紧密融合智能互联。加速智能代理的设计、开发、测试和部署，探索协作的多代理生态系统。会上，王星星鼓励嘉宾想象以下场景。未来，机器人将在工厂生产线上与工人并肩工作，工人只需给出简单的指令，机器人就会完成自动运输，将人们从繁重的工作中解放出来。当地养老服务中，小型护理机器人可以为居住的老人测量血压我们独自一人与他们交谈，弥补照顾者的短缺。在典型家庭的客厅里，机器人将承担清洁、护理和学习支持等任务，成为每个家庭的全能助手。尽管人工智能产业还存在需要消除的障碍和短板，但毫无疑问，全球人工智能领域正在进入技术加速演进、能力集中、应用加速落地、创新集群涌现的时期。用王星星的话来说，“如果说过去10年是‘萌芽与探索’，那么未来10年就应该是‘成长与开花’。” （中青报·中青报记者 王敬轩 尹杏宁）
（编辑：韩璐）