钱掌柜
当AI时代的巨轮驶入深水区，谁在掌舵？谁在瞭望？
今天，在中关村，600位来自科研界、产业界与投资界的参与者齐聚一堂。
其中，既有图灵奖得主姚期智、宇树科技创始人王兴兴，也有来自智谱、第四范式、阶跃星辰、面壁智能、阿里云、星海图、思必驰、云知声、中数睿智等企业的核心负责人。他们共同站在了定义AI未来十年的起跑线上，展开了各自的判断与观察。
而台上，是这个时代最值得记录的声音。
在对人工智能的未来展望里，姚期智明确提出：“无论怎么样看，人工智能未来发展最重要的下一步，就是怎么样能够达到大家都满意的AGI，就是通用人工智能。”他强调AGI“不但是科学上，而且是战略上和各国经济上的科技高地”。
技术演化的窗口也正在被持续展开。
关于AI将如何改变科学研究方式，姚期智提到：“AI能够赋能各种行业，甚至在人类觉得最高智能的领域，就是科学研究，现在AI也能够使得科学里面每个领域在以后的5年、10年会对科学研究者做科学的方式起翻天覆地的变化。”
在产业一线，工程师与企业家们看到的路径更加具体。王兴兴说：“ 下一个十年，AI技术将赋能机器人真正理解世界的能力。”他回顾起机器人的发展历程，谈到：“我们的下一个十年，注定是‘生长与绽放’——是机器人‘从运动’到‘能做事’，从‘行业工具’到‘生活伙伴’的十年。”
钱掌柜
多位嘉宾同时指出，应用落地正在真正成为推动AI前进的力量，技术与产业结合的契机正在逼近。
与此同时，安全与治理的议题也备受关注。姚期智指提到：“AI算法有它天生的性质，就是缺乏鲁棒性，不确定，不可解释，不善于抵抗恶意。”他提醒在设计阶段就应考虑安全，“应该能够研发出可以证明安全的AI系统”。
四重观点交织成一个共同起点，AI正在加速驶向真正的深海。
今天，中关村像一艘驶入深海的母舰，集结中国极具前沿力量的研究者与创业者。2025，不只是一个年份，而是“AI下一个十年”的起点——船已出港钱掌柜，航向正在这里被定义。
一、技术前沿在快速扩展：从强化学习“新范式”到具身智能姚期智在主旨演讲中提出，未来AI演进有四个必然方向，他首先谈到具身智能。他指出，具身智能“需要有一个硬件的身体”，需要“小脑”让动作更加稳定敏捷，也需要“大脑”完成认知、决策与计划。他强调，这一方向不仅是科研高地，也是产业高地，因为它有可能让机器人承担大量人类不愿从事的工作，补足传统机器人“呆板”的不足。
紧接着，他谈到AI for Science。他以量子纠错为例，提到谷歌利用AI实现了关键突破，并强调：“将来任何一个科学家的工作都必须是科学家加上大模型之类的人工智能。”
围绕技术的演进，圆桌中的行业实践者们也给出了相同感受。
阶跃星辰创始人兼CEO姜大昕提到，过去三年，从ChatGPT到O1模型，“智能的演化正从模仿学习迈向强化学习”。在他看来，O1代表了“范式的转变”，是大模型开始具备执行多步骤推理与任务的能力的起点。
清华大学交叉院助理教授、星海图联合创始人许华哲则从机器人视角补充，他提到过去两年里，“这些机器人从最开始路都不稳，到能跳舞、能干活，逐渐走到工厂”，并判断“机器人也是大模型的明天”。
嘉宾们的发言呈现同一趋势——技术突破正在多方向同时展开。
二、场景成为真实驱动力：产业落地从“跑分”转向“跑通”在圆桌开场中，主持人徐葳提出钱掌柜，AI发展到今天，“不能只赢在跑分、论文里面，而应该是真实世界里面，不能说赚到，要保证能亏得起。”他邀请嘉宾结合自己的经历讨论，高科技如何真正转化成生意。
围绕“如何把高科技过渡成好生意”，嘉宾的发言都集中在一个共同点上：靠技术本身，也靠场景闭环。
智谱董事长刘德兵提到：“我们特别期待更多杀手级的应用，包括与行业深度结合的应用能够快速出来。”他还强调开源的重要性：“开源本身对整个行业的发展至关重要。”他以智谱自身为例说明开源与商业化并不矛盾：开源让行业“整体发展变快”，反过来带来API调用和商业共创的增长。整个生态的技术能力上来了，企业才有发展的空间。
第四范式联合创始人首席科学家、执行董事陈雨强分享，“人工智能真正能推动商业化的关键是帮助企业‘改变北极星’”，让企业经营产生实际的提升，才具备“持续、长期的获利可能”。他提到在国内，软硬一体机也是能把技术真正落到现场的商业模式。
同时，具身智能、智能体（Agent）、端侧AI也成为最受产业关注的话题。
阶跃星辰创始人姜大昕谈到智能体兴起的原因：“大模型技术的发展，一是推理能力逐步增强，二是多模态技术不断进步，使得模型能够感知世界，并且理解用户的环境，可以一起完成很多的任务。”他强调智能终端将来有可能成为AI的入口，并进一步阐明，车会成为“第三空间”，家会是AIoT设备的集合，包括具身智能。
星海图联合创始人许华哲则把目光放在具身智能。他认为具身智能并非是“短期能做到高收益的场景”，而具身智能真正需要的是“最难的场景”。他说，他们团队跑了二十多个工业场景，从发动机制造到物流分拣，“能不能做是一回事，但这些场景能不能带我们走到AGI，是另一回事”。他认为机器人应该直接进入家庭等复杂环境，“用现有能力先进去”，才能逼近真正意义上的通用智能。
整场圆桌，嘉宾们的共识都指向同一现实：当应用真正落地，技术进步才有方向感。而当场景跑通，生态才能真正成立。
三、模型够强了，但行业还缺：低成本、好数据、强工程随着大模型进入产业深水区，各方观点在技术、数据、工程化几重要素之间，形成了几个关键共识。
清华大学副教授、面壁智能联合创始人兼首席科学家刘知远认为，真正影响AI能否进入千行百业的核心变量是成本。
他提到，过去“模型越大越强”推高了训练与推理开销，而产业落地首先要解决的正是成本问题。他提到“模型能力密度法则”，即通过技术创新，“更少的参数也能承载更强的能力”，且密度提升速度很快，“大约每100天可以翻倍”，这将直接压低大模型的训练与部署成本。
思必驰联合创始人、上海交通大学特聘教授俞凯将落地难点归结为“系统化工程能力”。他提到，真实场景不是“模型进来声音、输出文字”这么简单，而必须交付全系统能力，涵盖任务执行、资源调度与用户需求满足。智能体还需与硬件深度结合，并且支持高效、可大规模定制。
他强调：“技术尤其单点算法为技术，站在产业角度不是万能的，没有技术对于创新企业来讲万万不能的”，系统性能力才是走进行业的关键。
云知声创始人兼CEO黄伟从商业视角谈到，客户关注的并不是模型是否“满血”，而是“是否能在预算内把问题解决”。以DsspSeek相关项目为例，“模型越大性能越好，但客户用不起”，反而是更恰如其分规格的模型、更可控的成本，真正让应用落成。
他提醒，中国市场与美国不同，企业并非天然为技术付费，因此从业务逻辑选择、资源投入方式到工程推进，都必须先搞清楚“什么对自己是正确的”，行业中“少吹牛、多做事”尤为重要。
阿里云智能集团副总裁霍嘉则归纳了过去30个月的落地观察，认为两个现象尤为突出：一是产业界对大模型能力的认知仍不足，常见情况是“业务领导信心很足，技术人员反而担忧落地”；二是行业内真正具备“工程化深度”的最佳实践仍然稀缺。
他总结阿里在项目中的四个经验：场景选择必须避免“炫技”，优先处理重复性工作；“有数据不等于有语料”，关键在于本地化处理；模型选择并非越大越好，“传统方法有时更有效”；智能体架构应循序渐进，“真正的规模化落地，是工程师的巨大机会”。
在“什么技术最可能改写产业格局”的快问快答中，嘉宾们分别给出判断：刘知远认为未来会走向“智能体互联网”；李振军强调“互联互通的数据基础设施”；俞凯提到“软硬件结合的分布式智能体系统”；黄伟认为“是基于超强基模合作智能体，每个智能体都会像移动时代的APP”；霍嘉则指出“AI应用不用看多少智能体，不用看多少算力，就看Token消耗量”。
嘉宾们从模型、数据、工程化到商业实现给出了一个共同方向：真正推动规模化落地的，不是单一技术突破，而是成本下降、系统工程成熟与行业场景闭环。
结语：船已出港，新的航程从这里开始回到最初的问题：当AI时代的巨轮驶入深水区，谁在掌舵？谁在瞭望？
在今天，答案渐渐清晰——行业的观察在不断提出判断，产业的一线在推动实践，航向正在它们之间的互动中成形。
这些声音，都在这一天汇聚在中关村的舞台上。
船已出港，航道正在这里被书写。
源顺网提示：文章来自网络，不代表本站观点。
