6 月 23 日至 25 日，世界经济论坛第十七届新领军者年会（即夏季达沃斯论坛）在大连拉开帷幕。来自 90 多个国家和地区的 1700 余名嘉宾齐聚这座海滨城市，带来多场世界级思想碰撞。

相比往届，今年贯穿全场的最热关键词，无疑是 AI（人工智能）。仅开幕当天，与 AI 直接相关的论坛就超过十场。不过，《每日经济新闻》记者（以下简称 " 每经记者 "）现场注意到，今年的话题重心明显转向了 AI 的落地困境与现实挑战。

过去，我们惊叹于 AI 的算力飞跃和量子计算的突破；如今，当基础模型不再是 " 门槛 "，渗入制造业、交通、医疗乃至日常生活的方方面面，如何实现 AI 的规模化落地？如何更好地演进、治理 AI？这些问题正成为频频被提及和探讨的新考题。

" 智能模型的演进不仅是在某个地方的演进，而是在全世界各地、各个方面都能进行协同的演进。与此同时，制约 AI 发展的因素不是智能，而是基础设施。"6 月 23 日论坛现场，世界 500 强 NTT 集团五大核心集团之一、日本 IT 服务巨头 NTT DATA Inc. 首席战略官 Roli Agrawal 在接受每经记者独家采访时坦言。

2026 夏季达沃斯论坛现场   图片来源：每经记者 张宏 摄

别只盯着大模型了！" 制约 AI 发展的不是智能而是基础设施 "

6 月 23 日，在关于 "AI 无处不在，却非一蹴而就 " 的论坛上，来自世界各地的多位嘉宾从宏观视角共同探讨 AI 的规模化落地、AI 演进、AI 治理等话题。

现场，谈及 AI 演进，Roli Agrawal 直言 " 我们不仅要关注这一个问题，而是需要同时关注好几个问题 "。

Roli Agrawal 认为，要让 AI 大规模运作，这不仅仅是对 AI 本身的投资，基础设施的建设、多代理协调、AI 的主权和隐私边界、正确的治理等，都是 AI 演进过程中需要关注的问题，要关注 AI 在全世界各地都能进行协同的演进。

" 首先，很重要的问题就是基础设施。制约 AI 发展的因素不是智能，而是基础设施。"Roli Agrawal 向每经记者进一步解释道，比如你造了一辆智能汽车，但是你的路不达标，我们目前拥有的基础设施是为数字时代而建立的，而不是为 AI 而建立。因此，基础设施也需要同步演进，而建立有关 AI 的基础设施时，最重要的资源则是计算和网络。

计算方面，Roli Agrawal 认为，需评估数据中心的容量与能力，明确边缘计算与云计算的分布策略——哪些部署于工厂现场，哪些置于云端。网络方面，数据流转依赖网络支撑，必须具备低延迟、高带宽特性，这对自主式 AI 尤为关键。

" 若传感器检测到异常需立即停线，极低的网络延迟不可或缺。" 她以工厂场景为例，" 目前光子网络等新技术（如端到端全光子方案）已在多个数据中心部署。因此，基础设施升级应同时覆盖计算（边缘与云端、本地数据中心）与网络两大维度。"

最后，Roli Agrawal 坦言，AI 的主权和隐私也是很大的问题，需要设计基础设施的主权和隐私边界。此外，影响 AI 拓展的因素则还有治理和信任，转入权、问责制等都很重要，需要在全球范围内进行 AI 治理的协调。

" 创新是创造了潜力，执行能带来影响力，而治理则真正能使（AI）的影响力升级。"Roli Agrawal 表示。

人工智能成大国博弈 " 新战场 "：" 成本与开放性或成未来差异化变量 "

当下，人工智能已成为大国博弈的关键领域。世界主要经济体如美国、日本、英国等都将其视为提升国家竞争力、维护国家安全的重大战略，全球竞争已从单一的算力与模型比拼，转向了生态与应用的全面博弈。

2026 年，中美人工智能竞赛持续升温，双方竞争早已从单一技术维度的比拼，扩展至生态构建与全球应用的全面博弈。

" 这两个国家的 AI 产业都在快速推进。但我认为，在科技方面，这些技术如何在全球范围内被采用，将受到主权规则和地缘政治的支配和定义，这两个国家都在以非常强劲、坚实的步伐前进。" 深耕产业多年，谈起当下中美人工智能的发展格局，Roli Agrawal 向每经记者坦言。

斯坦福大学《2026 年人工智能指数报告》数据显示，截至 2026 年 3 月，中美在顶级 AI 模型性能上的差距已收窄至约 2.7%，并自 2025 年初起多次出现动态交替领先的局面。其中，2025 年以来，中国在论文发表数量、论文被引频次、专利产出总量以及工业机器人安装量等多项指标上已占据优势。

不过，在技术指标之外，成本与开放性也正成为重塑全球 AI 格局的关键变量。

" 比如来自中国、成本相对较低的模型，它们非常有用，特别是对于成本有限制的国家；此外，任何开源模型对整个社会也非常有益，这些模型的成本和开放性，未来可能会带来很大差异。"

东方证券相关研报也指出，国内多家模型公司产品在全球模型性能榜单上占据较为领先的位置，且多数保持开源、API（应用程序编程接口）调用成本较低，使得中国模型在 OpenRouter 等 token（词元）分发平台上占据领先位置。此次微软考虑将 DeepSeek V4 引入企业 AI 工具 Copilot Cowork，原因就是 DeepSeek V4 模型开源，而 API 调用成本仅为 Anthropic Opus 4.8 的 1/25 不到。

如何让 AI 真正从报表上造福企业？" 规模化部署 AI 需要‘ 1-2-3-4 法则’ "

各行各业争相嵌入 AI。然而，今年 2 月，美国国家经济研究局（NBER）发布报告，基于对美、英、德、澳 6000 多名 CEO（首席执行官）及高管的调研显示：超 80% 的企业表示，过去三年 AI 尚未对公司发展产生可衡量的影响。

如何让 AI 真正从报表上造福企业？

Roli Agrawal 告诉每经记者，她建议，与其尝试几百个用例，不如找出对企业真正具有杠杆效应的一到三个核心领域。

" 例如，保险行业的理赔与核保、银行业的交易监控与贷款欺诈检测等。先识别出这些关键领域，再思考如何借助 AI 对其进行彻底重构，以此推动 AI 落地。"

此外，要对不同阶段的成本配置有所预估。

" 规模化部署 AI 需要‘ 1-2-3-4 法则’。"Roli Agrawal 说，" 若投入 1 美元于 AI 技术本身，则需同步准备：2 美元用于变革管理，确保人员同步跟进；3 美元用于架构设计，包括治理体系、token 优化、安全护栏、多智能体协同等；4 美元用于数据准备，确保数据在构建 AI 应用前已就绪且统一。"