2025年12月12日，由大湾区人工智能应用研究院与中国科学技术大学北京校友会联合主办的“AI进击：从技术奇点到商业价值”2025人工智能应用前沿研讨会在北京成功举行，线上、线下累计70位中国科大校友参加。
下午3点，北京今冬的第一场雪漫天飞舞，飘到了望京！我们惊讶的发现：中科大校友们全在大雪中到齐了！中科大人果然是一群风雨无阻、货真价实的理工女、技术男。
此次研讨会汇聚了人工智能领域的企业家、专家、学者及投资者，共同探讨AI技术前沿与商业应用落地的关键议题。
大湾区人工智能应用研究院高级研究员杨燕进行了题为《大模型及其应用的能力边界》的研究分享，系统地梳理了中美大模型的发展与企业应用现状，并从能力边界、可靠性与可行性三个维度分析了大模型的应用进展、关键约束，并提出未来2至3年产业重要投入的方向。
随后的圆桌讨论环节以“AI进击：从技术奇点到商业价值”为主题，由大湾区人工智能应用研究院理事、特聘专家刘劲（中国科大888校友）教授主持。云玦科技联合创始人兼CTO齐炜祯（中国科大1511校友）、IDG资本合伙人邵辉（中国科大9404校友）、讯飞医疗科技总经理陶晓东（中国科大9006校友）等行业专家参与讨论。圆桌讨论围绕AI在未来五年的发展趋势、国际AI发展格局和中国的挑战、AI在行业中的应用以及相关投资机会等关键议题展开深入交流，为与会者提供了多维度、多视角的行业洞察。
《大模型及其应用的能力边界》分享要点
01为什么这一波出圈的是“大语言模型”？
为什么最常见的大模型是大语言模型（LLM）？因为语言相对于其他数据，是机器模拟人类智能的完美对象。语言压缩了人类智能且自带统计结构，结合互联网海量语料，支持机器低成本自监督学习。大语言模型由此具备三大基础智能：以庞大参数存储海量知识、实现深度语言理解、并能生成连贯文本，从而高效模拟人类智能。
大模型的能力可以从三个维度立体理解。
● 第一层是三种基础能力：海量的知识存储、深度语言理解与生成能力；
● 第二层是结合外部增强手段的应用能力，譬如通过联网检索和RAG提升外部信息获取能力，通过工程化手段来强化模型的工具使用能力，最终形成了可以解决实际需求的四类典型应用级能力：多轮自然语言的人机交互、动态知识获取与整合、非结构化数据的处理与分析，自适应的内容生成能力；
● 第三层是基于应用能力解决具体场景具体问题的能力，包括内容创作、客服问答、办公辅助等。
高级研究员杨燕：《大模型及其应用的能力边界》研究分享
02中美大模型的发展与企业应用现状
中美大模型差距在性能上缩小至半年左右，但商业化路径差异显著。美国主推闭源高价策略，中国侧重开源低价路线。从差异的根源来看，在资源上，中国能源供给是美国的大概2倍，在模型研发方面中国也有自己的人才优势，但是在芯片上，目前中国的GPU性能整体上落后美国好几代，这也使得中国在训练大模型的时候，更注重对效率和成本的优化。
大模型产业竞争非常激烈，但是在企业应用层面实际渗透仍然比较低。根据MIT报告显示，大模型的企业级部署，只有5%的比例达到真正的生产阶段。同时，大模型的应用在场景和行业应用中呈现结构化差异。高采纳场景以知识密集型或者生成交互型为主，例如客服问答、知识助手等文本或代码型的应用。在行业采纳中，科技和媒体受大模型影响较大，已经开始重构工作流程；而在医疗、金融、制造等主要行业虽然有试点，但是没有出现结构性的变化。
03大模型应用进展受哪些因素影响？趋势如何？
影响大模型在真实场景中应用的因素有很多，可以总结为能力边界、可靠性与可行性三大维度。
大模型的能力边界包括感知能力、理解能力、行动能力三方面的评估；可靠性包括准确性、可解释与可追溯性、隐私与安全考量；可行性主要包括成本收益考量。
目前的大模型并非万能，大模型的能力边界体现在三个方面：多模态融合不足（如复杂情境感知任务）、开放性复杂任务理解有限（如金融、司法等涉及多步推演、长期规划、跨阶段任务）、缺乏自主执行能力（只能定制方案，无法“自己去做”）。
大模型落地不仅取决于应用场景与模型能力的适配，还需综合评估模型风险、可解释性、行业数据获取与治理成本等关键约束。在教育、客服场景的应用中都能看到显著的适配性与能力边界的分野，由此也决定了当前大模型在该行业应用的上下限。不同领域对大模型的容忍度高低不同，譬如在医疗场景，对可解释性、幻觉容忍度还有隐私安全都有极高的要求，即使模型效果很好，也需要谨慎部署。整体在可行性方面，企业最关注的是训练数据的问题，超过60%的受访企业在启动项目时面临数据挑战。数据成本主要受企业自身的数字化、信息化水平，企业的数据工程能力，以及行业数据敏感度影响。
未来两至三年，AI产业投入将重点聚焦于四个层面：持续发挥scaling law提升模型基础能力，通过工程化手段推进Agent能力落地，发展具身智能以增强真实场景交互能力，并通过提升计算效率持续降低智能应用成本。
“AI进击：从技术奇点到商业价值”圆桌讨论要点
随后的圆桌讨论环节以“AI进击：从技术奇点到商业价值”为主题，由大湾区人工智能应用研究院理事、特聘专家刘劲教授主持。云玦科技联合创始人兼CTO齐炜祯、讯飞医疗科技总经理陶晓东、IDG资本合伙人邵辉（分享内容暂不公开）参与讨论。
圆桌讨论现场
01AI未来五年的技术趋势如何？
刘劲教授：大模型可能是AI这几年最大的一个突破，那么在各位的眼中，将来五年，人工智能的发展方向主要有哪些？大模型（LLM）离AGI（通用人工智能）有多远？
齐炜祯博士：大模型技术将迎来自我迭代和博弈的时代，自我进化的智能体是通往AGI的可行路径。如果一个系统它的每个组件都是可自我进化的，而且它在每次反复的调用中能够对问题求解过程进行反思和改进，并将这些改进泛化到新任务中，如果再满足稳定性、可控性等数学约束，那这个AGI是可期待的。
在产业化层面，未来劳动力可能会被具身智能替代，稀缺的人类智力将变成标准化商品。对于普通人来说，有技术的人可以参与各行各业技术迭代和应用的过程；没有技术的人可以关注AI领域里头部的2B或2C公司的颠覆性产品，率先去使用这些产品和工具。
刘劲教授：效率在LLM的发展中起到越来越重要的作用，提高效率的主要方法有哪些？
齐炜祯博士：关于效率优化，非线性注意力缓存机制这个方向目前已经是一个研究红海；但在做复杂通用任务时，智能体的测试抓取效率和成本优化是有很大空间的，比如说Manus现在能够做一个特别复杂的通用点的任务，每次要花十几美元以上。如果瞄准的是一个垂域的话，大量pattern抓出来是可以做预计算和预缓存的，虽然目前智力已经达到了一个水平，落到应用上的深度探索还需要反复的重复计算，效率很低，这种任务在范式上的加速和有效性，也是我现在在做的方向之一。
陶晓东博士：大模型（transformer架构）的出现统一了语音和影像技术，是一个很大的进步，但人工智能的智能水平应更多从解决问题的角度来评估，解决实际问题的关键是构建物理世界模型。五年之后肯定会有很多我们现在根本想不到机器可以解决的问题是能够被人工智能解决的，但这未必等于AGI。同时，行业的期望与大模型实际能力之间的差距，可能导致产业在未成熟时出现阶段性调整。
02国际AI发展格局
刘劲教授：大家看到了中美在AI方面的战略差异，美国很多的投资都是为了追求AGI，中国更多在做应用，AI领域实际上已经变成了一个大国博弈的战场，这里面中国发展AI主要的瓶颈在哪里？
陶晓东博士：中国比较擅长的是把1做到10，做到100，原创的东西相对来讲比较少，从长远的发展的角度来讲可能会是一个比较大的瓶颈。短期之内在应用的这个层面，算力可能不一定是决定性的，比如说DeepSeek对算力的要求就下降了很多，关键还是在原创的氛围下用创新的手段去做这个事情；人才的密度是足够的，但是可能没有把合适的人用在合适的地方。
齐炜祯博士：关键还是大家的信念或者人的问题。在最需要人类迸发智慧去探索的地方容易搞务实主义，虽然能够激发出我们一批有韧性的企业，但显得有点保守。
刘劲教授：资本市场是不是也是一个瓶颈？
齐炜祯博士：对于创业公司来说，确实是瓶颈。我们验证了整个agent system作为一个整体，类似于人一样，它也可以在解决各种跨领域任务的时候存在泛化能力，（但因为资金有限）就只能做非常小规模的实验。
刘劲教授：全球的AI科学家、工程师大概有70%可能都是中国人或者华人，为什么这么多的AI科学家/工程师都是中国人？中国的人才优势来自哪里？
齐炜祯博士：从个人经历出发来看，可能主要是行业选择与路径依赖。一方面，AI是资金密集型、数据密集型的行业，如果没有互联网公司的钱和数据，很难砸出来一个科学家或者是AI算法工程师，也因此，AI的发展在高校整体上是落后于产业界的；同时，AI行业因为收入回报等吸引了华人精英，华人在AI领域逐渐形成了圈子文化，也会进一步吸引更多华人加入。
陶晓东博士：环境与动机可能也是影响因素，中国人更倾向于通过技术领域的努力实现个人发展和成功。
03AI应用与风口
刘劲教授：科大讯飞是AI先行者，AI在医疗中主要的机会和问题在哪里？
陶晓东博士：要找到企业竞争优势、客户价值和市场规模的结合点。
个性化、专业性的健康咨询是一个可见且可达的机会。大模型对基层辅助诊断的能力有一个极大的提升，结合个人就医前后广泛的健康需求，结合在院内院外医学知识和个体健康数据层面的积累，是一个比较大的市场。在医疗资源供给方面，主要可以通过AI辅助诊疗提升基层医生的服务质量，在大医院里面辅助专科医生做虚拟化全科会诊。
大规模应用的问题主要在于医院的信息化系统面临的数据汇聚问题，以及如何整合院内外的数据来为患者提供个性化服务。虽然大模型在医学领域的潜力巨大，由于医疗数据涉及患者隐私保护，在共享与流通上受到较大限制，同时还受到制度惯性的影响，目前医生个体使用AI产品和行业应用之间还有比较大的鸿沟。
刘劲教授：LLM和硬件如何结合应用？有哪些机会和挑战？
齐炜祯博士：
● AI与硬件结合的趋势：从大模型能力提升到软件应用，再到AI与硬件结合，成为近半年的融资热点。硬件开发相比软件需要在技术创新上稍保守一些，同时又不能缺乏技术支撑。美国在硬件生产和供应链整合上存在劣势，而中国在ODM厂商、供应链和成本上有显著优势，适合AI与硬件结合的创业。从应用需求的角度，中美之间也有差异：在美国，AI通过提升生产力降低（较高的）劳动力成本有意义，而中国劳动力充足且成本低，AI更适合挖掘新需求，拓展消费场景。AI助理作为未来AI应用的主要入口，能够整合健康、日程、饮食等方面的数据，提供个性化、闭环的服务，尤其在健康数据的利用和规划上有巨大潜力。
● 创业挑战与思考：产品定义不能太过于超前，需要硬件上能够支持。需要避免依赖他人数据或平台，探索可自主掌控的闭环路径，同时结合本地资源优势和合规空间，突破技术和执行层面的瓶颈。
结语
AI应用领域的机会在哪里？中国目前的AI创业公司遇到的问题主要有哪些？怎样才能解决这些问题？
在这一波AI浪潮下，各行业应用机会很多，例如聊天机器人、编程、AI硬件等场景；随着Agent技术的成熟，更多的场景会逐渐地打开。但真正有投资价值的，应该既要有大的商业价值，又有足够的规模，还需要特别能解决刚需的问题。传统企业应该积极拥抱AI，以节省成本和提升生产力；在软件信息这种领域里面AI的作用大概率会很大，那就一定要非常快速地、积极地拥抱才行。
综合行业观察，AI创业企业可以分为两类：模型研发类企业面临的主要挑战是算力和人才的投入，需要大量资金支持，但在中国高估值融资较难，尤其是在商业模式和行业地位不确定的情况下。应用类企业最大的问题是找到合适的应用场景，需确保AI的作用不可替代且能显著提升效率，否则难以打动企业付费。此外，还需警惕模型公司进入应用领域形成竞争压力。
退出路径和资本市场层面，当前主要还是通过国内A股或港股退出，美国市场因中美博弈存在不确定性。长期来看，中美关系最终会趋于合作。目前，国内资本市场对AI的热情较高，但AI应用类公司仍然需要达到IPO阶段的标准，要重视相应的财务指标（如收入体量足够、亏损收窄等）。
新闻来源：大湾区人工智能应用研究院
2025-12-18
京公网安备 11010802035835号