11月8日上午，2025世界互联网大会乌镇峰会“人工智能引领科技与产业创新联动发展论坛”在浙江乌镇举行。论坛以“人工智能引领科技创新与产业创新共同发展”为主题，致力于探索推动人工智能与千行百业深度融合合作的方向和路径。本次论坛由浙江省人民政府主办，浙江省经济和信息化厅、浙江省互联网信息化办公室、西湖大学、浙江省数字联合会、浙江邮电职业技术学院承办。本次论坛以“人工智能时代的创新模式”为主题，进行对话与交流。改变。 第一部分全文如下： 席文（主持人）：感谢田琪院士的精彩分享。 尊敬的朋友们、各位来宾，本次论坛的主题演讲环节已经结束。让我们再次以热烈的掌声感谢各位演讲嘉宾的精彩分享。谢谢你！ 接下来，会议将进入对话交流环节。欢迎对话交流环节的主持人中国电子海康威视集团有限公司董事长陈宗年先生欢迎您！ 陈宗年（主持人）：尊敬的各位领导、各位来宾、各位与会人员，大家早上好！我是中电海康威视集团陈宗年，我将主持下一场对话会。 非常荣幸有机会与大家相聚在这里，围绕“人工智能时代的变革模式”进行思想碰撞。希望通过我们深入的交流与对话，能够擦出绚丽的火花，将有助于加速AI时代的发展。现在，我首先请今天对话的主角们上台。他们是： 陈海峰先生，中国联通数据智能有限公司董事长兼总经理 任景阳先生，曙光信息产业股份有限公司高级副总裁 吴洪涛 自然资源部信息中心副主任 张俊杰先生，蚂蚁科技集团有限公司副总裁、浙江安可林儿科医疗人工智能科技有限公司总经理 索汉生 石化盈科信息技术有限公司副总裁 纪耀华先生，杭州赤城数字科技有限公司董事长兼首席执行官 欢迎所有嘉宾上台就座！ 欢迎大家，今天正式进入对话。 人工智能的“爆炸性渗透”循环是我们这个时代最伟大的叙事。作为人工智能技术快速发展，赋能千行百业，创新边界不断拓展，创新效率不断提升，创新范式加速重构。相信在座的各位都能深深感受到。所以，下次我想请大家结合自己的领域来讨论。与原有的创新模式相比，人工智能时代产业变革的新技术、新模式有哪些差异？从发展趋势来看，存在哪些新的机遇和挑战？当然，在分享你的观点之前，也请先自我介绍一下。 陈海峰：主持人您好，大家好！我来自中国联通，联通数据智能有限公司其实目前的人工智能正处于去除通用知识模型的基本能力的阶段。领域我们经历过上百场模型大战、上万场卡簇。然而，随着人工智能进入千行百业，我们发现数据的价值其实更加凸显。只有更专业的数据才能推动行业模式的完善，因此数据流通、使用和管理成为关键。我们很早看到中国联通，所以去年我们结合了中国联通整个人工智能资源、大数据资源、几个重点行业的资源，成立了中国联通数据智能有限公司。这家公司恰好注册在浙江杭州，恰逢中国联通AI总部迁往杭州。我很高兴成为浙江人工智能创新发展高地的开发者。 结合主持人的问题，我最大的感受是，在这波深度AI浪潮中，AI第一次打破了技术创新的壁垒。人人参与创新的普惠人工智能时代加速。事实上，过去创新技术存在一些障碍，比如专家和资源投入，但（现在）普通开发者可以快速应用代理工具进行创新。 联通的大型号品牌叫远景。六个月前，我们推出了一款元精一体式智能开发工具。在过去的六个月里，中国联通近万名工程师使用该工具在内部构建了反欺诈模型和大规模网络优化模型。对外，在政务、工业制造、流程优化、精准医疗、文化再生等领域建设了7000多个智能体。该数据仅在六个月前提供给总部的 3003 名工程师。因此，这种人工智能的融合真正以前所未有的广度激活了社会的创新力量，也将是发展全新生产力的关键。 当然，也存在一些挑战，比如比如产业整合的挑战、人才的挑战、安全和伦理的挑战，但我相信这些挑战将会在产业发展的过程中逐步得到解决。 任景阳：大家好，我是中科曙光，做算力的，为数字经济和人工智能时代提供算力基础。我发现台上很多大客户都是同台嘉宾，台上应该还有更多的合作伙伴和客户。谢谢大家。 今天主持人问的问题非常好。我认为人工智能是一个非常有用的工具，而且正在变得越来越强大。如何使用可用的优秀工具？对于我们来说，我认为这会有所作为，让我们更有资格破解“难题”。是的，由于我们是科学院企业，所以我们更关心AI4s的问题。以前很难理解，但现在AI工具有了，会给我们带来可能事实。我今天最想和科学院的研究所聊的是他们能不能多学几个公式，能不能多学两个物理定律。人类社会就是这样构成的。几个数学公式、物理公式、元素周期表就构成了广阔的世界。现在，随着人工智能的出现，我们可以聚焦底层核心逻辑，并在这方面取得突破。 作为一家公司，我们可能并不都有伟大的愿景，但我们有一个基本的逻辑。以我们曙光为例，我们是算力的制造者，也制造芯片。我做芯片的时候，现在最重要的就是如何加快迭代速度。以前生产一个芯片需要几年的时间，但现在需要一年生产一个芯片。我应该怎么办？ AI的加入，正如之前很多参观者所说，软件可以加速，成本可以降低，每年可以实现一个核心。 许多visitors只说现在的算力是1万张卡，国外连接10万张卡。对于我们来说，这是一个非常复杂的事情。我们需要通过AI来解决这个问题，把它更好地连接起来，所以它给了我们很多可能性。感谢一切。 吴洪涛：主持人您好，大家好！我是米尼自然资源信息中心的吴洪涛。说到创新，相比传统的创新模式，AI时代的创新应该说是一场范式革命。它是工具，但不仅仅是工具的改进，更重要的是思维模式、组织方式、价值创造、逻辑的根本性改变。 例如，自然资源领域的一个重要任务是国土空间规划，这是一个分析和决策的过程。过去，这个过程依赖于该领域专家的知识和经验，通过分析获得决策结果。数据有限。这个过程受到数据来源的限制，尤其是领域专家对经验和知识的理解和积累。在大模型时代，可以将众多专家的知识和积累分解成一个整体，然后将专家从繁重的数据处理过程中解放出来，对AI模型的处理结果进行更深层次、更高层次的分析和判断。这是工作模式的彻底改变。 如果我们谈论挑战和机遇，我认为机遇和挑战是相辅相成的。 从机遇来看，首先，在人工智能时代，我们整体的效率和准确性应该得到革命性的提升。过去，我们通过关键词搜索或语义搜索来搜索相关材料或将信息输入百度或其他搜索引擎。现在所有这些都与人工智能结合在一起。大家都能有清晰的体会。海上定位精度rch和综合知识搜索的结果在效率上并不相等。 二是知识的积累和传承。以前，师傅带徒弟，有些经验和知识只能理解，不能表达。现在，通过人工智能，老专家只能表达而不能表达的经验和知识可以得到强化和学习，构建该领域的专业模型。通过模型的不断迭代和重新破坏，可以加强专家的经验和知识。 第三，极其复杂的系统管理是可能的。自然资源领域研究地球科学。地球系统是一个高度复杂的系统。即使是专门的系统，也只能从一定的角度、一定的尺度来研究和判断。人工智能给我们带来了很多多领域、多角度的解决方案，比如规划。我们从历史演进的角度来考虑这个问题，历史文化、经济社会发展、人类经验、自然要素配置等等，这就是我们要抓住的机会。 挑战也是共享的。信息中心主要服务于政府。政府的决策过程需要一定的确定性结果，我们的大模型是黑匣子操作。因为黑匣子的东西很多，所以很难说如何划分责任。这是第一个方面。黑匣子过程存在一些不确定性，给出的指导可能是错误的。 其次，在人才和技术方面，人工智能技术和自然资源业务仍然缺乏综合人才效益。 第三是安全和道德。就我们而言，安全和道德是更大的挑战。政府的决策是多方面的。大型模型依赖数据来支持模型的能力，而数据本身会干扰很多因素。不同的观点，达ta 和 model 的能力也可能存在偏差。这个时候，政府的偏颇决策就会产生问题。这是一个挑战。 无论如何，人工智能的发展应该给整个创新模式带来改变。对于自然资源管理和治理来说，这也是一个挑战与机遇并存的时期。这也是人类信息本性的历史使命，我们必须努力去克服。 张俊杰：谢谢你。我是蚂蚁集团医疗健康的负责人，也是浙江安可林儿科医疗人工智能公司的负责人。我从事医疗数字化工作已有十多年了。 AI时代，我觉得和以前的互联网、移动互联网最大的区别可以用一句话来概括。过去更多的是提高和优化效率。现在有一个重建生产力的绝佳机会。 具体来说从供给角度看，就医体验差的最大问题是供需矛盾。从医生资源来看，顶级医生和三级医院8%的医生服务50%的患者。现在我们有了医生的分身。比如，杭州二号导演毛红晶。第七人民医院每天约有60-100名线下病人，一年最多病人数为6000至10000人。我们给他创建了一个数字克隆，和他自己的流程整合后，我们就有了一个在线医生克隆，服务超过600万人，相当于协和医院。事实上，这里95%以上的大量用户都需要安慰、帮助、指导、咨询。我们也会把最重要的5%的资源留给线下有需要的患者。 中间层是基层医生，他们距离医生很远。 120万村医只有40%有资格，村医数量众多老年医生的技能有限。现在有了在线医生助理，我们可以真正提高他们的mga诊断和治疗能力。谈到家庭医生，我国家庭医生的签约率很高，但很多用户感受不到、没有真正感受到家庭医生的服务。但如果每个家庭医生都有一个人工智能辅助工具，将帮助他们更好地为患者服务。我相信人工智能在服务端的帮助可以提升医疗服务能力，与医生、医疗机构形成更好的符号互动。 从用户的角度来看，通过人工智能，我们可以为用户提供一站式、个性化、自动化的服务。例如，如果你今天身体不舒服，你可以在搜索引擎中搜索，然后去微信或支付宝查找医院，然后找到合适的医生。然而，医生可能没有时间，而且所有流程都不标准化。 AI时代，完全可以标准化所有医院处理服务并连接上下游所有服务。对于用户来说，他们只需要直接与AI工具对话，AI工具就能实现所有的服务，并在你使用的过程中更了解你。 所以总结来说，最大的机会就是三点： 首先，医疗行业真正能做到的让资源更加普惠的是让山区、大城市的人们像老人和年轻人一样方便。 二是精准医疗。人工智能可以根据每个人的情况，为他提供更好的医疗健康服务。 第三，人工智能可以极大地带动这个行业的发展。回顾之前的医疗健康互联网时代，我们总觉得数字化进程比较缓慢，但人工智能可以加快这个进程。 挑战也非常困难，但我们认为总有机会克服它们。我们是一个非常紧张的行业。如何在技术领域建立一套行业标准标准合规性的有效值非常重要。只有标准才能带动这个行业的发展。第二，我们希望更多地了解用户，但如何同时保护用户的安全和隐私。方便的同时又能保护用户的隐私。这可能是最大的两个挑战。 索汉生：我是石化盈科的。我们是中国石化数字化转型的主力军。我本人多年来一直从事石化行业智能制造和工业互联网的设计和研发。 石化产业是国民经济的支柱产业，关系到一切的是能源安全。但事实上，石化产业对国家粮食安全和国防安全非常重要。石化行业的特点并不是所有人都了解；石油化学工业是一个具有物理和化学过程的工业，不仅是物理变化，还有许多化学反应。 其次，石化行业是强力驱动的流程型行业。 第三，石化环境往往具有高温、高压、易燃易爆、有毒有害等条件，对专业性要求较高。 我只是听了专家的意见，我自己记录了一些方面。我认为变化在很多方面都发生了变化。 首先是范式转变。人工智能出现后，从提出问题、提出假设的角度提供了很多可能性。过去我们的创新想法往往是从0到1或者从1到N。有了AI，我想很多都是从零开始到0。特别是生成式人工智能可以在很大的空间里做出一些发现，提出新的科学假设。在创新领域，有时提出问题比解决问题更重要。这是他第一次经历。 第二，性专家表示，转变的主体已经从以前的精英到大众形成了，由于人工智能平台的出现，很多人工智能的开发技能都降低了，所以我们很多创新的AI万众AI的力量会更大。比如，在中石化生产的人工智能中，我们发现85%的智能代理是由业务人员生产的。过去都是由它的工作人员或者算法来完成。这是一个很大的变化。 第三个是之前从线性化开始到提出数据假设的创新过程。往往是人工智能提出实验假设，和科研人员互动产生一些新材料，比如石油化工领域的新化学材料。这给我们带来了更大的帮助。 第四是变化的速度。过去，尝试和错误需要很长时间。目前，人工智能解放了科学研究人员从低重复效应。我们创建了自己的科学文献研究，这是一个石化行业科研文献的检索系统。过去，科研人员每天的文献阅读量约为1-3篇，但有了AI，平均每天的文献阅读量可以达到数百篇，包括综述报告，几分钟就能生成。其次，过去科研人员往往专注于单一领域，但随着人工智能的出现，我们在学科、语言、领域有了更多原创的想法。我认为这些变化对我们来说是相当大的。 我国石化行业挑战与机遇并存。一是混合建模，这是比较重要的。第一个大模型是我们有相当强的感知、理解和认知能力。我们认为，大模型的预测能力，包括制造和控制能力，对我们来说没那么高。对于石化行业来说，更需要补充可预测性和制作大型模型的能力。 其次，石化行业有多种机制。许多机制模型，包括许多专家的规则。如何将大模型与专门的小模型结合起来，是一个相当大的机会。 在具身智能方面，还有很多哈蒙是尚未解决的具身智能。因此，具身智能如何运用在有毒、有害、高危行业也显得尤为重要。 纪耀华：我是炽橙数码的纪耀华。非常荣幸能够作为成长中的创新企业代表参加如此高级别的会议并与众多嘉宾共同探讨。 我们公司正在做的一件事是，在人工智能时代，如果我们能够为工业领域做一个通用的智能基础系统和工具平台，然后给它提供支持。o 为各工业行业生产智能代理开发平台。对此，美国的nvidia已经搭建了Omniverse平台，基本上搭建了一个雏形。但如果我们能建立一个适合中国特色的工业仿真发动机仿真和智能基础系统就是我们的机会和切入点。 公司目前已在装备制造、核电、航空航天、船舶等多个领域开展了广泛验证。 说到模式变革，特别是新阶段的模式变革，我想根据我们参与产业进程的经验补充一点。 今天的人工智能很大程度上基于大语言模型的概念。未来的发展中，大语言模型在整个智能行业中所占的比例会是多少？我们也在思考。正如张先生和索先生所指出的，业界已经利用人工智能做出了一些颠覆性的成果。杭斯，现在只能探索。 随着互联网时代的到来，门户网站、社交平台一直都有，但是到了后端，当互联网融入行业的时候，你可以看到门户网站所占的比例很小。与互联网时代相比，AI处于语言模型之中。五年、十年后，AI智能应用在行业中将得到大规模覆盖。也许语言模型在未来输出的价值中只占九牛一毛。 但要做到并不容易，模式变革的变化也是挑战。比如在工业领域，对大量的异构数据进行合并和分析自然是一个很大的障碍。刚才阿里巴巴院长袁媛提到，软件是前面的基础，我们的积累还有差距。我们希望通过人工智能让装备制造、造船等工业企业变得更加高效。这是不仅可用，而且成本低、经济、使用方便。它有更好的工具库系统，所以我认为这对我们来说是机遇也是挑战。 当然，谈到模式变革，你可能需要回去深入了解每一个行业。如果你对行业有足够的了解、理解和洞察，你就会发现大语言模型的逻辑应用到行业中是不能直接使用的。大量数据和行业知识是常见答案，对于神经网络训练来说是不必要的。也有可能回归所需的许多样本库根本就不大。这个时候，我们需要自下而上思考，有勇气和决心去构建新的基地体系，转变思维，重建产业模式。这个机会将会到来。 事实上，面对所有的挑战，我并不认为一个问题太大。我很乐观。当我们看到问题时，我们真的要采取措施向前迈出了一大步。有一句话是在行业交流中提到的。这很有趣。每当一项颠覆性技术出现时，人们总是高估它在一两年内的变化。事实上，一切才刚刚开始。他们总是低估这在未来十年给一个或多个行业带来的变化。至少在工业和工业智能领域，未来肯定有数百个竞争对手，值得期待。 WS690ED4E9A310CECA48B7BAC4 https://cn.chinadaily.com.cn/a/202511/08/ws690ed4e9a310ceca48b7bac4.html 版权保护：本网站发布的内容（包括文字、图片、多媒体信息等）版权归中国日报网（中国日报国际文化传媒（北京）有限公司）独家使用。未经中国日报网事先同意和许可，禁止转载和使用。向中国日报提交评论：[email protected]