AI的热度，前所未有。

　　7月27日早晨，绵绵细雨中，上海市中华艺术宫地铁站外排起了长队。沿途派发宣传单的厂商们，也瞅准了这一机会向观众自荐。

　　技术狂飙的兴奋，勾勒出人工智能产业在十字路口的真实图景。上海世博展览馆外车流如织，馆内人潮涌动。2025世界人工智能大会（WAIC）以创纪录的7万平方米展区、800余家参展商、逾3000项前沿展品及百余款首发新品，将全球AI热潮具象化地呈现在黄浦江畔。

（图：上海世博展览馆现场，本报记者陶力/摄）

　　由于参展商数量创新高，有品牌方告诉21世纪经济报道记者，今年的参展费用相较于去年增长了30%左右，“成本增长的同时，大家对AI的认知也在提高，我们能触达到更多用户。”

　　这场以“智能时代同球共济”为主题的思想盛宴，聚焦“学术突破、软硬结合、全球治理”三大核心亮点。从模型迭代的方向，到算力瓶颈的突破再到产业落地应用，人工智能不再是纸上谈兵，而是真正走向合适的场景。

　　图灵奖获得者、2024年诺贝尔物理学奖得主辛顿在大会主论坛发言时表示，人类正处于一个关键转折点——人工智能系统正迅速接近并可能超越人类智能水平，会执行并非操作者所期望或预测的行动。

　　他呼吁，构建一个由各国人工智能安全研究所与国内研究网络组成的国际社群，培养出不会想要从人类手中夺取控制权的向善的人工智能所需的技术。“可能技术是相对独立的，这就好比，教导孩子变聪明的方法是不同的，但好在希望孩子成为好人，是大家的共识。”

　　应用，还是应用

　　随着模型参数规模从百亿级向万亿级跃迁、训练数据量级与多样性持续增长、模型架构的不断优化和演进，模型能力边界不断得到突破。

　　在人工智能大会上，能明显看到落地的场景变多了。“去年大家还在讲大模型的参数规模、技术架构，今年大家关注的是大模型的落地和实际应用效果的结合。所以我们在参展的内容设计上，也是聚集到非常具体的产品应用场景上来。”蜜度研发副总裁、智能校对事业部总经理张晓娟在接受21世纪经济报道记者采访时表示，目前的智能审校大模型已经可以在特定场景下解决非常专业的问题，相比通用大模型具备了更大的商业化可能。

　　从参展商的数量和产品来看，AI大模型应用主要集中在制造、金融、文保、办公、电力、医疗等领域。一个行业共识是，AI和行业的深度结合不是简单的喊口号。

　　通用大模型的技术突破，为打造专用模型奠定了基础。但AI的落地仍面临巨大挑战，每个行业都有自己的私有化数据，可获取难度大。

　　以工业领域为例，工艺知识与AI技术割裂，少有科技企业能真正深入生产一线做研发与验证。

　　不少展商表示，制造企业普遍对AI有迫切需求，也积极尝试，包括借鉴ChatGPT建立Chat类产品，这种模式为用户获取数据和知识带来了便利，但是和业务流程脱节，难以真正将AI融入到每个环节。

　　广域铭岛技术负责人在接受21世纪经济报道记者采访时表示，大模型就像“聪明的大脑”，如果缺乏对工业现场的感知执行能力、缺少对工艺机理的深刻理解，依然无法为企业带来实质改变。在实际运行中，首先要调整工艺模型、适配生产场景、建知识库，把计划、生产、质量、设备、物流等相关内容整理成AI能理解的数据结构。这存在很高的技术门槛，需要有经验的业务人员进行定期维护，还需较长时间和工厂进行调整适配。

　　其次，要有稳健的平台底座。仅依赖智能体应用的部署，而相对忽视数据治理、知识体系构建等底层基础设施的关键支撑作用，则会影响整体效果的表现。

　　同时，智能体应用的开发，需要和企业现有的数字化体系做大量集成对接工作，对AI技术人员的工业经验、工艺知识提出了很高的要求。

　　此前，广域铭岛发布了行业首个Geega工业AI应用平台+工业智造超级智能体，以期望推动AI技术，在更多的传统制造场景中落地。

　　以某整车厂应用排产为例，在使用AI大模型进行策略推荐后，每次排产从计划到发布，原本消耗的6小时压缩到了1小时，每周排产3次，每周节省约15个小时，每月节省约60小时。

　　更多企业需要思考的不是AI能不能用的问题，而是应该怎么用。

（在世博展览馆围观机器狗的热情观众，本报记者陶力/摄）

　　算法如何适应深水区？

　　当AI大模型的“百模大战”进入深水区，业界的关注点正从单纯的能力比拼，转向更深层次的两个核心问题：如何持续突破性能天花板，以及如何解决“幻觉”问题，让AI真正成为可靠的生产力。它不仅需要提供整套的企业级能力，还要真正理解企业业务流程。

　　在2025世界人工智能大会上，阿里巴巴旗下通义千问接连发布三款重磅模型，引发全球开发者关注。阿里云副总裁叶杰平表示，通义千问已实现全尺寸、全模态的全面开源，真正打破了开源与闭源模型的技术壁垒。

　　截至目前，通义千问家族的全球下载量已突破4亿，成为全球第一的开源模型家族。但大模型不是盲目追求“大而全”，而是从一个个具体的岗位、流程、场景出发，训练出能真正上岗的数字员工，让 AI能力落实到每个工作环节。

　　值得注意的是，随着专业语料的不断完善，过去AI“一本正经胡说八道”的现象也得到了缓解，尤其是在金融、新闻、医疗等专业领域。

　　在一场聚焦专业生产力的论坛上，蚂蚁集团旗下蚂蚁密算宣布开源“高阶程序（High-Order Program，简称HOP）”大模型可信应用技术框架，为破解这一难题提供了全新思路。

　　浙江大学教授陈纯在论坛上指出，幻觉是智力的必然代价，关键不在于消灭智力，而在于构建能容错的工程化保障框架。

　　蚂蚁集团副总裁韦韬对此观点表示认同，他以人类工程类比，个体的人容易犯错，但人类却能通过可靠的工程体系完成登月等复杂任务。大模型的可靠应用，不应寄望于模型本身“十全十美”，而应通过智能体系与工程体系的结合来保障。

　　以金融联合风控为例，应用HOP框架后，原本依赖人工、流程冗长的建模周期被极大缩短，并实现了风控全链路的智能化与自动化执行，在确保高精度的同时，显著提升了效率和可靠性。

　　多名行业人士认为，如同“大学老师不一定能教好小学生”一样，大模型的算法应用需要找到最合适的，而不是最强大的。

　　“AI一定会变得越来越强，并有可能是无止境的。”MiniMax创始人、首席执行官闫俊杰在演讲中如是断言。在他看来，通过专家来教AI以及在各自环境中大量学习，AI能力边界会持续突破。未来，AI领域一定会有多个玩家持续存在，不同模型有不同特色的情况将长期存在。

　　警惕AI幼虎长成猛兽

　　当越来越多的创业者涌入AI赛道时，安全的缰绳尚未握紧，同质化问题严重。杰弗里·辛顿在大会主论坛上，再次敲响人工智能技术风险的警钟。

　　在一场题为“数字智能是否会取代生物智能”的演讲里，辛顿分别基于逻辑启发范式和生物启发范式、数字计算和生物计算的优劣对比，阐释了大语言模型远超人类大脑的优势。同时，他指出模型知识是永生的、可高效转移的。

　　辛顿认为，当AI从幼虎长成猛兽，人类与AI之间的关系，将滑向掌控与被掌控的支配关系。他指出，我们创造AI智能体帮我们完成任务，它们具有复制能力、可以给自己的子目标评级。在此之下它们会想做两件事情：生存与获取更多控制权，来完成给定目标。这些智能体将轻易操纵使用者，而此时将其关闭是不现实的，因为它会劝说使用者放弃这一念头。

　　对此，辛顿提出“规训AI向善”。他认为，在面对AI对人类共同的威胁层面，各国之间能够达成合作。他呼吁成立一个由各国人工智能安全研究所及国内研究网络组成的国际社群，培养出不会从人类手中夺取控制权的向善的AI技术。

　　人工智能治理依然是今年WAIC主论坛的核心议题之一。在AI加速演进之际，模型并非中立而是承载着价值观，以及AI演进过程中存在的不确定性与不可控性，已成为共识。

　　前谷歌首席执行官、Relativity Space执行董事长与首席执行官埃里克·施密特在主论坛关于人工智能治理的对话中指出，美国一项研究显示，只要稍微引导，就可以让AI模型撒谎和作弊。另一个需要格外警惕的点是，未来三年左右AI会学会自我学习和改进，人们需要理解它们到底可以学什么。

　　施密特还指出，开源在能让更多人参与从而有利于技术发展的同时，也具有明确的风险。一旦开源，技术会被各方获取和使用，而且开源模型的安全限制可被移除，但闭源模型一般由公司管理，相对更可控。

　　对于AI治理，施密特强调，一些关键问题必须要对话，“应该坐下来谈清楚”，比如AI是否能控制武器、复制自己、自动学习。

　　约翰·霍普金斯大学人工智能对齐与治理方向杰出教授吉莉恩·哈德菲尔则从AI治理制度角度提出，AI这样变革性的技术要求经济、法律和基础设施方面的真正变革，需要设计好AI模型的交易结构，确保技术能惠及全球各国。

　　或许，我们更需要思考的是，人类文明需要何种智能？政策制定者亦释放灵活信号。有行业人士建议，新型AI监管将采用“场景化分级治理”，对医疗、金融等高危领域严控底层架构，而对创作类应用放宽训练限制。这种“紧守底线、放开应用”的思路，或为中国AI商业化保留关键空间。