0
| 本文作者： 鄭佳美 | 2026-02-03 16:39 |
2026年，人工智能行業(yè)正站在關(guān)鍵十字路口——一面是通用大模型的“Scaling Law”紅利漸趨見頂，資本重壓世界模型；一面是產(chǎn)業(yè)場(chǎng)景的碎片化、非標(biāo)化，AI落地困難重重。在此背景下，一場(chǎng)以“應(yīng)用破局、生態(tài)聚力”為主題的研討會(huì)在北京悄然召開，主角是產(chǎn)業(yè)互聯(lián)網(wǎng)公司萬(wàn)聯(lián)易達(dá)，以及其旗下全產(chǎn)業(yè)AI大模型“萬(wàn)聯(lián)摩爾”。
會(huì)上正式揭牌成立由清華大學(xué)人工智能研究院常務(wù)副院長(zhǎng)、歐洲科學(xué)院外籍院士孫茂松領(lǐng)銜的“產(chǎn)業(yè)人工智能研究與應(yīng)用專家委員會(huì)”，匯聚哈工大、國(guó)科大、北理工、東北大學(xué)等頂尖高校AI科研力量，釋放雙方將共同推動(dòng)萬(wàn)聯(lián)摩爾未來(lái)研發(fā)與應(yīng)用工作的信號(hào)。
孫茂松擔(dān)任產(chǎn)業(yè)人工智能研究與應(yīng)用專家委員會(huì)首席顧問(wèn)
“AI+產(chǎn)業(yè)”的下一程，不再是技術(shù)的單點(diǎn)突破，而是瞄準(zhǔn)產(chǎn)業(yè)應(yīng)用，重點(diǎn)解決碎片化場(chǎng)景與系統(tǒng)性能力之間的結(jié)構(gòu)性錯(cuò)配問(wèn)題。
過(guò)去，垂類大模型在金融、醫(yī)療、農(nóng)業(yè)等領(lǐng)域快速落地，但多數(shù)仍停留在“問(wèn)答助手”階段，與理想狀態(tài)中的“AI生產(chǎn)力預(yù)期”差之甚遠(yuǎn)。而真實(shí)產(chǎn)業(yè)決策往往沒有明確問(wèn)題邊界：比如“如何將內(nèi)蒙古的羊肉貿(mào)易生意拓展到需求量大的徐州去？”背后涉及供應(yīng)鏈、地方飲食文化、品牌影響力等多維變量，通用大模型、垂類大模型往往陷入刻板式作答，幻覺嚴(yán)重且無(wú)法解決實(shí)際落地問(wèn)題。
萬(wàn)聯(lián)易達(dá)副總裁杜新凱提出的“融合產(chǎn)業(yè)本體圖譜的結(jié)構(gòu)化思考技術(shù)”，核心在于基于交易數(shù)據(jù)、專業(yè)經(jīng)驗(yàn)、標(biāo)準(zhǔn)工藝、資訊信息等搭建千行百業(yè)的知識(shí)圖譜，形成結(jié)構(gòu)化的產(chǎn)業(yè)本體底座，在此基礎(chǔ)上沿行動(dòng)態(tài)知識(shí)檢索+多智能體協(xié)作的技術(shù)路線，正是當(dāng)前學(xué)術(shù)界探索主動(dòng)智能體（Agentic AI）落地的重要方向。正如孫茂松所言，這種集合型架構(gòu)，既能回避規(guī)模定律，又能在通用性和專用性之間尋找好平衡點(diǎn)。
此次專家委員會(huì)現(xiàn)場(chǎng)也就產(chǎn)業(yè)知識(shí)的形式化表達(dá)、非結(jié)構(gòu)化經(jīng)驗(yàn)的可計(jì)算轉(zhuǎn)化、模型幻覺的抑制機(jī)制等工程性難題進(jìn)行深入探討，這些正是目前垂類模型“懂行但不準(zhǔn)”“能說(shuō)但不會(huì)做”的根源。下一步如若能在開放性的真實(shí)產(chǎn)業(yè)場(chǎng)景中跑通初步閉環(huán)，依靠自建的BenchMark提升產(chǎn)研水準(zhǔn)，從這個(gè)角度說(shuō)，該專委會(huì)的成立恰逢其時(shí)。
萬(wàn)聯(lián)易達(dá)的探索之路充滿挑戰(zhàn)，但其嘗試回答的問(wèn)題已至關(guān)重要：如何讓學(xué)術(shù)前沿真正服務(wù)于產(chǎn)業(yè)痛點(diǎn)？如何讓AI從單點(diǎn)的技術(shù)突破邁向數(shù)據(jù)、知識(shí)、企業(yè)與產(chǎn)業(yè)鏈的深度融合？如何讓產(chǎn)業(yè)AI穿透概念迷霧賦能產(chǎn)業(yè)智能變革？產(chǎn)業(yè)AI落地不是一蹴而就的技術(shù)革命，而是一場(chǎng)循序漸進(jìn)的范式重構(gòu)，需要?jiǎng)?chuàng)新的勇氣，也需要精致的打磨。
