中宏网北京9月2日电 围绕“聚势赋能‘人工智能+’ 澎湃高质量发展新动能——解码《关于深入实施‘人工智能+’行动的意见》的治理逻辑”主题，中宏论坛第六十五场在线研讨会于9月2日下午圆满召开。腾讯研究院前沿科技研究中心主任王强应邀出席论坛并作了主题发言。

　　以下是王强发言：

　　国务院近期发布《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）。《意见》不仅给行业指明了方向，带来很大的信心，还将促进人工智能技术创新与应用发展双向赋能，可以充分发挥我国数据资源丰富、产业体系完备、应用场景广阔等优势，为各行业高质量发展注入新动能。同时，《意见》特别强调普惠、智能向善和全球合作，能让每个普通人都参与其中，充分共享日新月异的AI技术发展带来的红利。下一步，要实现“人工智能+”和千行百业双向赋能，不仅需要各行业加上新认知、新数据和新技术这三大核心要素，还要解决当前技术落地中的堵点，理顺各类关系，通过推动云上智能、建立数字信任、培育“π型人才”、引导全员参与和启动机制重构，让人工智能成为促进高质量发展的新引擎。

　　一、“人工智能+”落地尚存多方面挑战

　　近期，腾讯研究院开展了一项针对58家央企大模型落地的调研，发现目前仍面临不少难题。其中，数据汇聚和治理难（81.8%）、技术人才短缺（76.4%）是当前的最大挑战。有一半以上（52.7%）的央企认为目前缺乏明确的人工智能战略规划，47.3%选择了现有业务流程与AI技术融合困难，49.1%的央企认为应用效果不达预期。此外，还有25.5%的企业提到算力不足，27.3%的企业面临资金投入不足。

　　总体上看，各行业尚未建立对“人工智能+”的系统性理解，不少管理层对大模型持有强烈但复杂的态度：既担心上马慢了落后时代，又因为看不到大的成果而否定AI，陷入了“一头热”与“失落期”并存的循环。一方面，AI部署热情高涨，高层专项汇报密集推进；另一方面，试点多局限于知识问答和客服等简单场景，实际价值难以量化。相比技术的加速演进，行业落地所需的理性认知、算力基础设施、高质量数据、复合型人才、新考核机制等准备依然不足。

　　二、加什么——认知、数据与技术3大核心要素

　　形成理性认知。“人工智能+”，是从依靠人的经验进行决策，升级到人机共同协作。人类擅长直觉判断和伦理权衡，而AI强于海量数据分析与全时响应。如医疗领域，AI虽可快速筛查影像数据并标记异常，但最终诊断仍需医生结合临床经验与患者个体情况综合判断。大模型并非万能，要客观看待AI的能力边界，给予AI进化更多耐心。目前AI在创意生成、复杂模式识别、多模态理解上表现惊艳，却在严谨逻辑推理、专业知识呈现、精确数值计算、实时动态决策和长期记忆保存等方面，存在局限和幻觉。如金融领域，大模型虽可预判趋势走向、给予投资参考，但难以胜任金融实战。同时，大模型的规模化使用，也对应着不菲的推理成本，实际落地中并非模型越大越好，而是根据场景适配调整，采用大小模型协同，判断和推理模型共用，是较为经济高效的方式。

　　深挖数据资源。一是打破部门墙，让数据流起来。随着隐私计算、联邦学习等的进步，数据孤岛困境有了新解法，国外已有不少领先实践。如，梅奥诊所的医疗数据平台，包括530万患者长达6.44亿份临床笔记、300万张超声心动图、1.11亿张心电图、12亿份实验室测试结果、90亿份病理报告、5.95亿次诊断和7.71亿次手术记录等丰富的数据。平台采用同态加密、差分隐私、多方安全计算等隐私计算方法，允许在患者诊疗数据密文上进行计算，既让患者数据不泄露，又能开展数据分析和医疗模型训练。二是深挖“暗数据”，让数据活起来。在企业内部，文本、图像、语音、视频等非结构化数据占比超80%，这些未被充分挖掘利用的数据，正在成为企业决策的新要素。还有一类价值很高的暗数据，是藏在企业“老师傅”脑子里的经验。过去这些经验往往是通过师傅带徒弟的言传身教来传授，蕴含了大量只可意会不可言传的智慧。目前一些企业通过邀请资深专家标注数据，写问答对等方式，一定程度上转化了部分老师傅的高价值经验，但其中还有很大的可挖掘空间。

　　多技术协同增效。各行业场景特点、痛点需求和IT成熟度千差万别，因此需要“人工智能+”的技术，不仅局限在大模型，而是一个核心使能技术（AI、知识引擎、联邦学习、空间智能、具身智能等）、数据层支撑技术（云计算、大数据、区块链等）、连接层技术（5G、物联网、数字孪生等）的多技术协同。其中，知识引擎在当前“人工智能+”中最易落地、效果最好。如一汽丰田借助知识引擎将客服自动应答率从37%提升至84%，迈瑞医疗构建的重症知识图谱，可实现秒级病情应答，不仅能提供专业建议，还为医生节省了大量时间。AI智能体是最具前景的领域，也是未来“人工智能+”发挥倍增效应的关键。全球很多行业都已开始接入智能体，巴西最大的血库Hemominas合作开发了一款聊天机器人Agent，用于搜索和安排献血者，从而简化流程并提高效率。通过吸引更多献血者并优化血液供应管理，每年挽救50万人的生命。全球能源公司AES的能源审计Agent将审计时间从14天压缩到1小时；电动方程式锦标赛Formula E的赛车Agent可分析赛车过程中的单圈时间、速度、制动、加速度、重力、下压力、经纬度和转向等关键指标，为车手提供切实可行的驾驶参考方案。

　　三、怎么加——智能化升级的5大关键行动建议

　　“人工智能+”能否真正落地，取决于行业能否完成从技术导入到机制重构的五项关键动作。届时，衡量一个社会的智能水平，不再看用电量，而是看用词量，即总的Token消耗量，以及调用智能的广度与深度，形成智力即服务的新模式。

　　第一，鼓励行业上云，集约建设可持续演进的智能云基础设施。云端模型具备性价比高、迭代快、易扩展等优势，是AI落地的最优路径。云能适配高频更新的模型版本与动态的算力需求，避免大模型“私有化部署即落后”的窘境。鼓励各类社会主体依照国家算力节点布局，建设万卡甚至数十万卡的大型、超大型智能云基础设施，严控千卡以下的小规模智算中心布局，更好地发挥云的规模效应和成本优势。在非关键基础设施和非涉密领域，减少AI私有化部署。鼓励行业重点企业与云服务商深入合作，为“人工智能+”落地提供超越企业自建数据中心安全水位、拥有绿色弹性算力和持续优化能力的智能基础设施。

　　第二，组织权威机构，牵头建立以服务能力为核心的新型信任机制。在AI作为服务的语境中，信任不再来源于身份，而是来源于可验证的服务水平。以服务水平协议（SLA）为核心，建立一套贯穿算法审计、漏洞披露、应急响应、责任保险等全维度、可量化的保障体系，构建适应“人工智能+”时代需求的新型数字信任机制。其核心不再是“我信你是谁”，而是“我信你能做到什么”。探索联邦学习、隐私计算等安全技术在大模型落地中的应用。

　　第三，引导行业培育横跨技术与业务的“π型人才”队伍。智能系统的成功落地依赖于既懂AI、也懂场景的桥梁型人才。鼓励高等院校与研究机构设立“AI+X”复合型学位项目，如AI+金融、AI+制造、AI+生物医药等，从源头上培养具备双重专业背景的后备力量。通过专项资金或税收优惠，激励行业龙头企业与技术公司合作建立“AI+人才实训基地”，面向产业定向培养，并建立权威的人才能力认证体系。将“π型人才”的引进与培养纳入地方和国家级人才计划，给予重点支持。

　　第四，推动行业开展AI原生应用（AI Native）全员创新。充分激发各行业基层员工的业技融合数字化创新活力。组织上，推动AI应用竞赛、微创新试点等，鼓励行业基层围绕自身场景提出AI赋能方案。技能上，大规模开展AI赋能业务培训，鼓励员工掌握Agent自动化工具、低代码平台等新技能，推动“人人皆开发”“一线懂建模”。激励上，可探讨建立AI应用积分制、一线创新转化奖、模型优化反馈奖等制度，将基层员工参与数字化的贡献显性化、货币化，提升行业一线员工的获得感，让“人工智能+”真正落地。

　　第五，引导行业组织机制变革，推动探索AI+新型生产关系。“人工智能+”革命的“最后一公里”，在于构建与新质生产力相匹配的组织机制与文化土壤。产业层面，鼓励和支持有条件的企业，特别是央国企先行先试，设立首席AI官，推动AI嵌入投融资、供应链、风险控制等核心决策链条，并以监管沙盒模式支持其实践探索，形成可复制的人机协同决策范例。在激励机制上，引导企业开展人力资源改革试点。鼓励企业探索新型绩效考核体系，将员工运用AI提升决策质量、实现业务创新等贡献，纳入考评、晋升与激励的核心指标。在社会层面，前瞻应对新就业形态挑战。积极研究“一人公司”、由AI赋能的超级个体、项目制的弹性组织等新模式，试点与之配套的灵活用工、社会保障、税收征管和劳动者权益保护政策，为未来工作模式的平稳健康演进提供坚实的制度框架。

中宏网版权申明：凡注有“中宏网”或电头为“中宏网”的稿件，均为中宏网独家版权所有，未经许可不得转载或镜像；授权转载必须注明来源为“中宏网”，并保留“中宏网”的电头。