近日，在“对话成长·年报里的中国科创智能终端专场”对话活动上，中国通号、中控技术、云天励飞、步科股份四家科创板上市公司高管展开深度交流。细分来看，这四家上市公司分别代表了物理AI产业链的“场景、平台、算力、控制”四大核心环节。
业内人士分析认为，过去的一年是AI从数字世界加速迈向物理世界的关键之年，工业互联网、智能制造、人形机器人，以及低空经济、智慧城市等多个产业方向，正在通过AI技术的迭代形成新的生产力。
中国证券报记者现场采访获悉，产业变革背后，一批深耕实体产业的A股科创上市公司正推动AI技术下沉至工业控制柜、轨交信号机、城市摄像头和机器人关节里，致力破解AI落地的“最后一公里”难题。
聚焦实用性
记者在现场观察到，一个核心共识在本次对话中被反复确认：让AI走向物理世界，首先必须让其变得务实。
云天励飞董事长、首席执行官陈宁在对话中直指了市场痛点。“我们看到，过去一段时间，线下各类场景积极拥抱AI、大模型。但过去两个月，热潮有所冷却，主要原因之一是Token使用成本过高。”陈宁认为，使用通用GPU芯片进行推理，这在功能上可行，但在性价比上不符合市场真正需求。因此，具备高性价比及高适配性的推理芯片和系统能力才是未来的刚需。
业内人士认为，与模型训练相比，推理计算具有调用频率高、部署规模大、持续运行时间长等特点，在大模型应用普及后，推理算力需求将显著高于训练需求。随着企业级AI应用、智能终端AI能力等新兴应用兴起，大模型推理计算需求呈现持续增长趋势，成为AI算力需求的重要组成部分。
“AI在物理世界的应用为下游企业真实创造了效益。对于中控技术来说，工业AI不是一个炫酷的概念，而是实实在在为下游企业解决问题、创造价值。”谈及AI走向物理世界，中控技术高级副总裁俞海斌表示，在这一进程中，我们需要关注能耗降低了多少、收入增加了多少以及是否能长期稳定运行。
紧盯安全线
当AI愈发“聪明”后，下一个挑战随之而来：在那些关乎生命安全的领域，该如何与AI共处？
“从安全性角度看，中国通号从事的轨道交通和低空经济两个领域，都对安全性有极高要求。我们将AI的边界和安全底线作为一切技术应用的前提。”中国通号党委副书记、执行董事、总裁董宝良表示。
在董宝良看来，日常可预见的低风险场景，例如使用智能辅助进行轨道交通调度推演、日志分析、设备智能诊断等对实时性要求不高，但过程可留痕、结果可复核的场景，可以使用AI作为助手。涉及到决策的情况，必须经由具有确定性的系统来确认，以筑牢安全底线。
“另一类涉及生命安全的核心领域，如高铁运行、空域管控等，必须由最高级别认证的确定性系统、冗余的安全逻辑和硬实时控制的程序来确认、执行。AI绝不能未经认证直接触碰核心安全权限。”董宝良说。
与之呼应，中控技术在炼油、石化、化工等流程工业的实践中，探索出了一条创新路径。
在工业AI领域，对于模型的可靠性，俞海斌表示，“通常讲的大模型，实际上是大语言模型，大语言模型可以比作学识丰富的文科生，擅长文字创作。而公司的时间序列大模型则像是一位理工科专家，能处理机器的各种数据。”俞海斌强调，在工业界，特别是在高可靠性、高可用性的闭环中，需要模型的准确和可解释性，不允许有幻觉，要零容错。
“在具体落地过程中，公司的经验是循序渐进。”俞海斌表示，在落地过程中，首先要解决技术验证问题。因此，在非闭环控制等方面先使用工业AI，再逐步过渡到闭环控制。
窥见新需求
所有技术与模式的铺垫，最终指向一个结果：产业化拐点。而从四家公司的反馈来看，这个拐点已不再模糊。
步科股份的主要产品已进入机器人、医疗影像设备、工业物联网等行业，且与众多下游知名企业建立了合作关系。目前，机器人部件占公司整体部件销售收入已超过一半。步科股份表示，受益于机器人行业需求快速增长，公司机器人业务营收同比大幅提升，成为驱动公司整体业绩增长的核心引擎；同时，公司通过精细化运营管理，实施控费增效措施，期间费用增长幅度小于收入增长幅度，使得净利润实现快速增长。
“人形机器人现在还处于马拉松40多公里长跑的第一公里，但我们不会错过这个赛道，我们必须要跟最尖端的人形机器人公司一起做下去，挑战关节电机的物理极限。”在步科股份董事长、总经理唐咚看来，并不在乎现在马上有多少量，因为这些量到了明年或者后年会变，电机的形态、场景等也会变，但不变的是客户提出的需求会越来越高。
唐咚透露，目前，公司与国内、国际顶级的机器人厂商进行合作，在这一过程中取得了越来越多的设计经验，并获得工艺改进。
中控技术同样直面爆发式需求红利。“公司最大的亮点是工业AI转型战略正在放量”。俞海斌坦言，公司当前最大的挑战并非需求不足，而是如何满足爆发性的需求增长。为此，公司内部也在组织、人才和服务架构上迅速调整，组建突击队，以期快速满足放量需求。
透过公司高管的现场解答，记者感受到，AI赋能实体经济的真正价值，或许不在于云端算力的巅峰对决，而在于它能否攻克“最后一公里”的工程化、商业化难题——能否以更低的成本、更高的确定性、更安全的方式，扎根于如工业控制柜、信号机、摄像头和机器人关节等应用领域之中。
