中经记者谭伦上海报道

　　伴随技术的快速迭代、算力的持续增强和成本的不断下降，人工智能正在向千行百业开枝散叶，展现其真正的商业落地价值。

　　然而，在喧嚣表象下，深层次的挑战与痛点也随之浮出水面。通用大模型在垂直领域的“水土不服”、高昂的训练和推理成本、落地场景的非标准化，以及对数据安全性的极致要求，无一不在考验着AI产业的成熟度。

　　“通用模型虽然目前越来越强，但落到行业里还是很难去理解业务。”近日，中国电子云高级副总裁黄锋在2025WAIC（世界人工智能大会） 上接受《中国经营报》记者采访时指出，虽然随着众多场景成熟，2025年已被业界视为AI应用元年，但冷静下来业界发现，通用模型并非万能，AI的落地远比想象中复杂。

　　据中国信息通信研究院（以下简称“信通院”）发布的《2025年中国AI产业发展报告》，尽管通用大模型在泛化能力上取得了显著进步，但在金融、医疗、能源等强监管、高门槛的垂直领域，其渗透率和落地效果仍有待提升。行业数据的私有化、知识体系的复杂性以及业务流程的独特性，构成了通用模型落地的天然壁垒。

　　AI四大落地难点待解

　　对于当前大模型难以深入业务场景的原因，黄锋认为，第一大难点在于很多行业特殊的要求，特别是中国电子云所面对的政府、央国企、科研院所等客群，其数据具有高度私密性和专业性，难以在公网获取。因此，通用模型在这些关键行业中，其能力往往“达不到使用的要求”。

　　此外，还有部署算力与成本性价比、行业场景对效果与稳定性的极致追求、场景落地难以标准化三大难点同样制约着关键行业的AI部署。

　　“不管是训练还是推理，GPU卡还是比较贵的，你想大规模地使用算力需要至少几百万元乃至上千万元的投入。实际上对于有的有钱的客户还可以，但是性价比的问题会限制应用的落地。”黄锋认为，随着AI应用的规模化，对性价比的追求将成为必然。

　　同时，他认为，这类特殊客群对于效果的要求是极致的，不管是准确率的问题，还是幻觉的问题。如果没有一个高效果的应用，还是很难上线、并真正进入生产阶段。在关键行业，任何微小的偏差都可能导致严重的后果，这使得对AI应用的效果要求远高于普通消费级应用。

　　“AI不像云，它是一个非常底层的基础设施，AI要想创造价值，必然要在应用里面，而各行各业knowhow（行业细分需求）很深，没有一个特别标准化的落地范式。所以这里面离不开服务。纯产品化交付，我觉得在我看来是几乎不太可能。”

　　黄锋强调，AI的落地需要深度定制化和配套服务，这使得纯粹的产品销售模式在B端市场难以奏效。以智能客服为例，不同行业的客户需求和业务流程差异巨大，难以用统一的标准来构建智能客服系统，需要针对每个行业的特点进行定制化开发和服务。正是这些挑战，共同构成了AI从“0到1”以及“1到N”规模化落地的深水区。

　　全链路闭环思路破局

　　正是在此背景下，黄锋表示，作为服务于国家关键行业的央企，在AI方向已有两年探索的中国电子云决定于今年正式成立AI产品线，力求为解决这些棘手的大型行业的AI落地痛点提供解决思路与方案。在本届WAIC上，中国电子云推出了面向国家关键行业的“中国电子云·新星”全链路AI解决方案，旨在从数据、模型、应用、服务四个维度，构建一个完整的AI落地闭环。

　　针对通用模型在行业应用中的不足，黄锋认为，打造高质量数据集来训练行业模型或场景模型，是破解该挑战的一大思路。中国信通院人工智能研究所所长魏凯指出，高质量数据集建设面临“目标定位模糊、实施路径碎片化、技术底座薄弱”三大难题，而新一代数据标注和合成数据为突破“数据墙”提供了解决思路。

　　他指出，模型的开发80%以上的工作量都在准备数据，而对于国家关键行业，由于数据的特殊性，对高质量数据集的需求尤为迫切。

　　“我们的价值主张，其实就是面向国家关键行业，以应用场景为牵引，来提供我们的AI产品与服务。”黄锋强调，中国电子云的定位并非做一个通用大模型，而是将AI作为一种工具和技术，通过应用创造价值。中国电子云的多模态数据治理平台，旨在解决传统大数据平台在处理非结构化数据时的痛点。它能够统一接入并处理文本、音频、视频、图片等多种模态数据，并通过解析引擎和治理引擎，生成高价值、高密度、标准化的数据集。

　　同时，黄锋表示，中国电子云的全链路AI解决方案，其差异化的首要特点便是“安全”。关键行业对保密性、权限管理、审计等要求极高。中国电子云作为中国电子的一员，中国电子已经拥有完整的集成电路产业链和全栈信创底座，构建了以飞腾、麒麟、达梦、中国电子云、中国长城为代表的自主计算体系。

　　在性价比方面，中国电子云的思路则是“软硬协同”。黄锋指出，要解决GPU卡昂贵的问题，就需要“上面的软件，不管是模型也好，软件也好，跟上面的硬件要做深度的适配和优化，能够提升训练、推理的效率，提升性价比”。

　　这种软硬协同的策略，是中国电子云区别于许多纯软件或纯硬件厂商的关键所在。通过与国产芯片厂商的深度合作，中国电子云能够将软件算法与硬件架构进行深度融合，从而在保证性能的同时，可以有效降低AI应用的成本。正如中国工程院院士郑纬民在本届WAIC上指出，我国AI产业面临芯片、算力等挑战，核心要聚焦研制低成本个人用推理机与提高国产智算系统的可用性和好用性。

　　此外，黄锋认为，AI应用的落地离不开服务。中国电子云通过多模态数据治理平台、模型开发平台和应用开发平台，为客户提供定制化的解决方案。这套平台体系并非孤立存在，而是通过应用开发平台，以RAG（检索增强生成）或Agent（智能体）等模式，将企业内部知识库、数据库等IT系统串联起来，输出智能体应用。当应用效果达到一定瓶颈时，再通过模型开发平台，基于企业高质量私域数据，训练或微调行业专属模型，从而提升应用效果。而高质量数据集的建设，则通过多模态数据治理平台来完成。

　　黄锋强调，这其实是一个“应用驱动数据，数据反哺模型，模型优化应用”的闭环。随着 AI 技术在各行业的不断渗透，从数据到模型、从应用到服务，这一可复制、可落地的AI落地范式或将变得愈加重要。随着AI落地各大行业走向应用深水区，这一从“可用”到“更好用”的“全链路”视角，也将呈现更多价值。