当 AI 从技术概念迈入价值兑现的 " 深水区 "，产研如何深度携手，通力共现产业 AI 化、技术商业化的价值闭环？

产业级 AI 大模型研发过程中存在哪些技术卡点亟待解决？

前沿 AI 应用如何穿透复杂的产业链条，真正融入产业决策环境？

......

1 月 30 日，万联易达作为推进产业 AI 大模型在全产业应用落地的领先企业，在京举办 " 以应用破局 · 以生态聚力 " 为主题的 "AI+ 产业发展 " 专题研讨会。会上，全国首个 " 产业人工智能研究与应用专家委员会 "（下称 " 专委会 "）正式揭牌。

清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松作为专委会首席顾问，领衔哈尔滨工业大学刘铭教授、中国科学院大学徐俊刚教授、北京理工大学张磊教授、东北大学刘正皓副教授等人工智能技术顾问，共同推动产业 AI 大模型 " 万联摩尔 " 的构建、研发和应用工作，为其下一步发展注入智力支持。

与会嘉宾表示，此次研讨并非单纯的技术展演，而是直面产研断链痛点，基于万联摩尔的全产业 AI 超级载体定位的路径分析，来构建 "AI+ 数据 + 场景 " 铁三角，引领产业智能化迈入全新周期。

万联易达特设 " 顾问直通车 "

随着国家发改委等八部委联合印发《" 人工智能 + 制造 " 专项行动实施意见》，人工智能被首次明确定位为支撑现代化产业体系的 " 社会基础设施 "。

政策红利持续释放，但 AI+ 产业发展的深层矛盾却日益凸显，"AI 研究已经走到了‘世界模型’阶段，但场景应用落地却还处于‘涌现窗口期’。" 孙茂松教授在主旨演讲《人工智能和大模型：发展态势及其产业应用》中精准指出这一现状。

清华大学人工智能研究院常务副院长、欧洲科学院外籍院士 孙茂松

在孙茂松教授看来，文本、代码类模型已走到 Scaling Law 递减阶段，智能涌现随时可能出现；部分专用模型也在训练范式、结构化推理等关键技术上取得突破性进展，" 当前正是技术原型与商业应用双向赋能的好时候。"AI 在产业落地已经在内外部具备了一定优势条件。

万联易达集团副总裁杜新凯强调，产业级 AI 既不是通用大模型——仅需理解用户需求、即兴作答即可；也不同于垂类大模型——只为单一行业提供专业解决方案。" 面向全产业打造的全产业 AI 大模型‘万联摩尔’必须了熟千行百业、参透政策法规、精通工艺流程，并深度融入企业经营决策体系。" 这就需要打通产研转化链路，将技术优势转化为产业竞争力。

万联易达集团副总裁杜新凯向孙茂松教授颁发首席顾问聘书

万联易达产业人工智能专家委员会的设立，就是希望通过持续联合更多人工智能领域前沿学者，打造一流水平的产业 AI 智囊团，为万联摩尔打开能力惊艳的 " 快速通道 "，助力产业 AI 真正穿透复杂产业场景、嵌入产业决策闭环。

共探 "AI+ 产业 " 应用落地两大难关

孙茂松教授认为，" 目前一些通用 AI 或垂类 AI 应用，仍普遍存在两大共性问题——一是全局观上还有较大改造空间，主要体现在产业数据召回率不高，关键信息丢失严重；二是深刻性不足，行业问题精通度低，缺乏能解决非常规问题的奇招、怪招。"

而刘铭教授在《开放场景下的本体图谱构建和条件知识挖掘》主旨发言中也提出在通用大模型 " 言 " 的优势上构建行业专家 " 知 " 的体系这一系统性解决方案。他表示，" 这一方案的关键在于构建产业本体图谱——这是知识图谱的骨架与逻辑核心。" 通过与万联摩尔携手，自动抽取、排序、聚类与关系映射形成结构化的产业本体知识，从而为产业 AI 提供更可靠且可推理的认知基础，大幅提升其问答与决策的可靠性。

哈尔滨工业大学计算学部教授 刘铭

对于模型数据的精准检索和利用问题，刘正皓教授表示，技术层面的前沿方案是利用模型自主去噪、模型结构调优、模型剪枝抑制幻觉参数一整套组合拳形成对外部知识的极致利用。

东北大学计算机科学与工程学院副教授 刘正皓

杜新凯则以万联摩尔为例，从实践角度来谈具体落地思路。通过对国民经济 97 大类、超 100 亿产业数据的清洗，目前万联摩尔对产业问题的回答准确率已超 90%，处于行业领先水平。" 但开放场景下的问答还需努力，技术层面如何将数据自动结构化、非标准行业经验形式化沉淀，核心知识图谱向 2.0 进阶是目前研发的三大难点。"

产业场景碎片化困局如何破？

当前，AI 落地产业的难点，不在技术高度，而在场景广度。产业场景高度碎片化、领域化，千行百业需求各异，一厂一策、一行一规。

张磊教授指出，" 这一痛点本质是大模型临场应变能力弱导致的。当前主流路径有两种：一是基于少量样本数据对模型进行微调；二是以解决问题为导向，将复杂任务解离。例如瑕疵裂纹问题则可以通过图像增强等预处理非标实拍图，便于大模型执行缺陷识别。"

北京理工大学计算机学院教授 张磊

对此，万联摩尔事业部总监吴春梅指出，以钢铁工业场景为例，从安全帽佩戴识别、区域入侵预警，到钢材裂纹、轮胎瑕疵检测，传统 " 一场景一模型 " 的方案难以为继。

她表示，从万联摩尔的解决方案看，通过全面渗透研发、生产、供应链、物流、营销及金融等产业链各个环节，万联摩尔已初步形成面向全产业的 Agentic AI 智能体生态雏形。" 我们用全产业覆盖和全场景应用赋能的思路，来破解产业场景割裂、碎片化的难题。未来万联易达还考虑为企业提供一站式的智慧虚拟员工方案解决复杂终端任务。"

将开放的产业问题智能拆解为一系列标准的、可执行的子任务，从而实现从 " 解答问题 " 到 " 解决问题 " 的跨越。其本质是通过任务编排与工具协同将大模型的通用认知能力，高效适配到无数具体而微的场景中，解决 " 应用泛化度 " 的挑战。

对此，孙茂松教授总结为 " 致广大而尽精微 "。他认为，做开放性强的应用型产业 AI，通常需要研发团队用实事求是的精神不断实现自我超越。" 万联易达要做整合性的全产业 AI 大模型是充满挑战的。此进程中，通过构建更‘大’的全产业知识数据与生态，为产业场景调用更‘精’的全链路解决方案，或将使万联摩尔在 AI+ 产业发展进程中立于不败之地。"

领跑 " 主动智能体 " 新周期

技术向上，应用向下。随着前沿模型智力密度的全域跃升，如何开发数据潜能，实现 AI 技术下沉扎根产业场景，发挥生态势能已成为产业界共临的全局性命题。

孙茂松认为，未来 AI 竞速的关键在于谁能率先跑通可复制、可盈利、可持续的产业 AI 范式。" 中国在开源基础模型上已经构建了扎实的技术座驾，做 AI 的企业要尽可能多地根据特定真实场景或任务，去实现 AI 应用星火燎原式的落地发展，只要肯花大力气去这样做，就完全有可能做到世界领先。"

徐俊刚也对此持积极态度，" 万联摩尔这类全产业 AI 大模型的未来市场前景会非常好，企业用户需要能一站式解决所有问题的统一 AI 入口。"

中国科学院大学计算机科学与技术学院教授 徐俊刚

在杜新凯看来，将万联摩尔打造为产业 AI 超级载体入口的底气，是万联易达已具备了支撑未来产业 AI 发展三大要素——数据、场景、技术的确定性布局。" 万联易达天然的产业基因，百亿量级的结构化产业可信数据，以及遍布全国的区域网络，融通贸易、物流、金融及生产性服务业的全链条服务能力，都为实现打造全产业智能体超级应用市场创造了有利条件。"

" 过去的 AI 都是反应式智能体，今年将是主动智能体之年。" 杜新凯如是说，"AI+" 不是技术独奏，而是产业与 AI 的双向奔赴，当 AI 技术找到了产业场景的落点，当产业需求驱动了 AI 技术迭代，真正的价值创造才会发生。