AI該如何商業化落地
2025年，一場由技術聚變催生的生產力革命正以前所未有的烈度重構中國經濟版圖。AI撕裂數據與實體的邊界，量子計算探索物理規則的邊緣，綠色科技重塑增長的倫理、低空經濟、機器人、大模型打開科技躍遷的大門一2025年的中國，新質生產力已非單純的技術選代，而是智能文明與產業基因的共振裂變。在這個大背景下，中國企業需要以智慧爲座標，穿透技術、組織與商業模式的“三重結界”，在數字與實體的糾纏中鍛造新物種。
25日下午，以“智能數算，從芯片到雲端構建AI堅實底層架構”爲題，大會進入了“AI基礎創新”專場討論環節。
會上，光鑑科技聯合創始人&首席科學家呂方璐、中科聞歌董事會秘書馬力、海致科技CEO孫君博、墨芯人工智能董事會秘書王率宇、魔形智能科技創始人&CEO徐凌傑、圖靈量子COO楊林、雲天勵飛副總裁鄭文先參與了“AI基礎創新”討論，九維數智創始人&CEO沈方藝爲論壇主持。
以下內容由融中財經整理：
如何保障高性能計算？
沈方藝：今天的論壇可謂陣容強大，覆蓋芯片、模型算法到應用全棧。本次論壇主題聚焦兩個關鍵詞，算力與AI應用。我們先從算力切入，衆所周知，構建完整高性能基礎架構必須統籌計算、存儲、網絡，並融合軟硬件。接下來請魔形智能徐總分享，在智算中心及多元場景下，您如何軟硬協同保障高性能計算，有哪些獨到見解？
徐凌傑：剛纔主持人講了非常好的觀點，今天的算力、基礎設施，已經是非常複雜的綜合體，不再是單點。計算裡面的三要素，從硬件來講，計算、存儲、網絡，再加上上面的軟件，沒有一塊是今天能夠忽視的。
今天模型變得越來越大，不是單個芯片或者一臺服務器能夠解決的問題，需要把更多機器連在一起當作一個GPU、一個芯片去解決，比如今年上半年討論最熱烈的DeepSeek模型來講，最好的方式就是做大規模的專家並行，幾百張芯片連在一起，把那麼多芯片連在一起的網絡互聯變得非常重要。
我想特別強調一點，在中國，超大算力集羣背後真正的硬件基礎設施往往被忽視。我們提出“超級節點”概念，一個機櫃內已能集成72顆芯片，未來還將更多。這不僅是全球共同面對的散熱與供電難題，更是中國場景的突出瓶頸，單顆芯片性能暫時落後，卻必須把大量芯片通過先進的基礎設施緊密耦合，把熱量高效排出、把電能持續轉化爲算力。這是我們看到的機會點，也是魔形智能希望能在行業裡面發揮的作用。
沈方藝：徐總提到有了頂層規劃設計，裡面的硬件是非常重要的因素和環節。我們知道墨芯人工智能在做自研的一款人工智能芯片，我想邀請王總分享一下中國自己的芯片到了什麼樣的階段？
王率宇：國內芯片公司面臨很多挑戰。其中生態是大家會常提到一個關鍵詞，CUDA在AI領域建立了強大的先發優勢，目前很難說有哪些強大的模型是脫離Nvidia的CUDA實現的，因此國內的芯片公司需要跟下游的生態做更多深入適配。
但是我們看到AI應用的領域，從模型推理的角度來說，因爲GPU這個架構從開始也不是爲了AI而生的，從最早期的圖形渲染，到後面兼顧HPC，其效率針對AI推理這一場景顯然很難達到最優。墨芯專注AI推理這一巨大市場，深入理解互聯網大模型與垂類行業的AI模型應用對場景、算力、能效的真實需求。國內主流互聯網大模型公司每年推理端規模可達百億至千億級，單芯片效率的躍升將直接放大成本優勢，爲中國硬件贏得更強的本土競爭力。優質的、高性價比的算力方案也必將爲模型層、應用層企業和產品的不斷創新提供更大的空間和優質的土壤。助力整個AI產業蓬勃發展。
沈方藝：有時候打敗同行業的並不是競爭對手，有可能是跨界的對手。我們一直非常關注量子計算的發展，想請您具體分析一下，當前量子計算距離真正商用化落地究竟還缺哪些關鍵環節？並且你們是如何往前推進這個發展的？
楊林：量子計算已走出“量子優越性”第一階段，在若干特定問題上，量子處理器已能完成任何經典計算單元都無法企及的任務。目前，光量子、超導、離子阱等多條技術路線均已跨過這一臨界點，商用化可謂臨門一腳。
接下來，路徑與經典計算類似。先在小規模使用問題上落地，再擴展到大規模接入場景，進而與行業深度結合，最終在人工智能等應用中釋放價值。期間仍需解決經濟性、與既有工程體系的部署對接等大量工程化工作的問題。
在和人工智能結合的方向上，也是整個領域非常關注並且進展非常快的方向。量子人工智能從模型算法的角度，已經具備了超越目前部分經典模型的能力，比如模型精度、可解釋性，包括其他一些性能。所以，量子人工智能也是非常有產業潛力的重要方向，姚院士對人工智能和量子計算的結合給出了很高的期待和預期。包括國內外也有一些專門從事人工智能和量子計算結合的方向初創團隊。
從圖靈自己的佈局來講，我們也一直非常關注人工智能這個方向，目前在金融、生物醫藥，尤其是利用“量子+人工智能”，在小分子製藥領域裡面，現在已經有非常多的實踐和創新業務落地。我們非常期待未來量子計算能夠和人工智能去擁抱，未來可期。
沈方藝：我稍微追加一個小問題，今年3月美國GTC大會的量子計算專場我當時就在現場，全程聽完。黃仁勳先生在演講中先是對量子計算保持“中立”，甚至流露出顧慮；然而會議尾聲，他卻突然宣佈成立波士頓量子實驗室。這種“先抑後揚”讓大家討論得更熱烈——一旦量子計算真正商用，它帶來的不僅是AI算力的躍升，還可能瞬間顛覆現有銀行交易系統、支付密碼體系等。對於這類潛在的跨行業衝擊，你們在商業化推進過程中是否已提前佈局或制定應對預案？
楊林：這種趨勢不僅我們從業者高度關注，中美兩國之所以把量子科技列爲戰略儲備，正是爲了防止未來科技顛覆式突襲在大國博弈中造成戰略傾斜與失衡。黃仁勳先生等專家之所以對外保持“中立”，並非看淡前景，而是出於對整個顛覆性科技賽道的保護，避免過早被非專業輿論吹起泡沫、放大誤解。量子力學本身反直覺，跟風者往往難以把握實質，因此保持謹慎、理性發聲對行業長期健康至關重要。
我們知道通用量子計算需要5～10年的時間，這是需要謹慎發展或者去保持樂觀的長期跟進；但短期內來看，量子科技，尤其是專用量子計算在一些領域的突破式應用上還是有非常好的短期應用潛力，當然也包括量子安全加密、精密測量等方向，值得我們在短期落地和商業化做更多努力和關注。
聚焦AI應用層
沈方藝：下一個話題聚焦AI。中美之間這場“沒有硝煙的戰爭”讓我們直面算力與技術的封鎖，但也催生出能夠突圍的優秀企業。接下來請教一下中科聞歌馬總，你們代表國家的中科院體系，在應用智能體等場景的落地是做得非常優秀，請您給我們做更加詳細的分享。
馬力：談到中美AI競爭，在我看來中國具備三大獨特優勢。第一，產業鏈完整，任一環節都不完全依賴外部技術，即便遭遇制裁，也能在有限時間內實現自給；第二，教育體系持續輸出頂尖人才；第三，龐大的內需市場足以攤薄企業鉅額研發投入，爲技術創新提供可持續的商業閉環。
基於這三點，我對中國AI產業的長期前景保持堅定樂觀。
落到公司層面，我們作爲一家軟件企業，在中美的對抗中可能不會像芯片、算力受到廣泛關注，但從我們自己的角度出發，從軟件角度出發，我們希望能夠在提升運營效率或者社會運作效率、資源調配這塊，能爲國家或者行業做出自己的一份貢獻。
沈方藝：我能感受到中科聞歌作爲“國家隊”的硬核底氣，爲中國自主人工智能奠定了堅實後盾。接下來請問海致科技的孫總，作爲一家創業企業，你們如何確立自身的生態卡位，並在垂直場景中規劃企業發展路徑？
孫君博：我們創業時間比較長，海致成立於2013年，從第一天起就深耕知識圖譜，曾把全球權威榜單的指標一次性拉高45%，形成了極深的壁壘。
大模型爆發後，我們迅速把“大模型的快”與“知識圖譜的準”融合落地。在政務、電網、金融等複雜To B場景，我們同樣把流程做到可溯源、可解釋、零幻覺。
在To B企業端落地，中國很強大的優勢就是我們有很多優秀的To B複雜的應用場景，在這些場景中我們是有絕對優勢的，我們爲什麼能牽頭特定應用行業的世界標準？本身就是我們在這個產業的應用非常深入。
我們要做到數據有人負責、數據可追溯、數據可解釋，這是大模型時代產業ToB所面臨的重要問題。我們過去十幾年都在解決這個問題，在複雜場景下用知識圖譜解決這個問題，在大模型出來，我們用圖模融合解決這個問題。我們做反欺詐、做團伙識別……這些場景在中國是非常獨有的，也是我們過去一直在努力的。再結合大模型時代，我覺得是產業端所必需的。
沈方藝：下面請雲天勵飛的鄭總回答，貴司長期深耕智慧城市、智慧交通，展廳我也實地參觀過。想請教一下，像傳統做智慧的解決方案，到Open AI和DeepSeek陸續出來，這麼多好的模型可以得到應用了，您覺得智慧場景的解決方案有什麼突破和創新？
鄭文先：2014年前後成立的中國AI企業，經歷了“技術找場景”的完整週期。第一階段是“拿着錘子找釘子”，必須讓算法在真實場景裡大規模落地，才能驗證價值、獲得資本持續投入。期間，智慧城市成爲最佳切口，安防作爲滲透率最高的AI場景，雲天勵飛2014年在深圳建成全球首套動態人像系統，至今仍是智慧城市與平安城市的核心能力。
然而，2022年以前，智慧城市項目普遍利潤稀薄，這是技術成熟度與商業模式共同決定的行業陣痛。轉折點出現在大模型爆發之後，泛化能力的大幅提升，使研發成本和場景落地門檻同步下降，企業盈利模型隨之改變。
在此過程中，雲天勵飛始終踐行“算法芯片化”路徑，一邊持續升級算法，一邊自研芯片。市場結構隨之優化，在2020年之前，我們主要做行業側和智慧城市解決方案的落地，到今天除了解決方案以外，我們還有一些面向企業的標準化產品，通過芯片開發出來一系列的板卡模組，包括大模型推理一體機，這種標準化的產品也給企業的經營狀態帶來了新變化。
去年開始，我們看到AI對智能硬件有重塑和賦能。大模型技術的迭代和提升和落地，讓人工智能企業的經營不斷地優化、提升，向更健康的方向邁進。
“數據”挑戰
沈方藝：感謝各位。剛纔大家反覆提到一個關鍵詞，“數據”。無論大模型的訓練迭代，還是各類場景的落地應用，數據都已上升爲核心生產要素。隨着AI走向場景化、泛化，數據要素本身以及用戶數據安全都面臨前所未有的挑戰。下面先請光鑑科技呂總分享，貴司專注AI 3D相機，AI的3D相機主要應用場景在哪些？它對數據安全保護有哪些優勢？
呂方璐：我們的AI 3D相機目前聚焦兩大場景。第一塊是線下金融支付，大家日常見到的微信支付、支付寶刷臉支付終端，因爲金融級安全要求，必須依靠3D相機完成活體檢測，確保“你是你”且無人臉假體攻擊，這已成爲行業標準。第二塊是機器人領域，所有機器人都需要3D視覺完成三大任務，物體識別與避障、場景理解和導航建圖與路徑規劃。
當前出貨量最大的是掃地機器人，我們已覆蓋頭部客戶，並正向四足、人形機器人延伸。我堅信，憑藉中國強大的製造業與AI能力，人形機器人下一個爆發點就在中國，而我們的AI 3D相機將持續爲這一浪潮提供底層賦能。
而且，3D相機並不會用通用的圖像格式去處理數據，它會通過AI的技術變成另一種格式的數據，所形成的是隻有機器能看懂的三維圖像，這能有效保護用戶的數據安全。
沈方藝：馬總，貴司長期服務政府單位、國企和央企，我過去也在這個行業，深知他們掌握大量涉密或機密數據，既不能外傳又極具價值，結果造成數據要素難以流通，不少服務無法面向社會開放。在人工智能場景下，有沒有辦法既牢牢守住這些數據的安全與機密，又能讓其中的價值被公衆所用？
馬力：這個問題確實敏感。在實際業務中，我們主要面對兩類數據，第一類是政府或國央企的涉密數據。這些數據敏感級別極高，客戶根本不討論“數據價值”，只要求“數據不出域、不上網”。我們的做法是全套本地部署，核心訴求是“可信治理”，必須向客戶證明AI在每個環節都不泄露數據，代碼無後門，也不經第三方竊取。對他們而言，這已經超越一般的數據合規，上升到系統級可信。
第二類是商業企業的專有數據。它們同樣不會對外開放，因爲那是企業最核心的競爭力。行業正從通用模型走向專域模型，專有數據訓練出的模型效果遠超公開數據模型，所以數據本身絕不能觸碰。
那麼如何讓公衆享受到AI帶來的福利？業務實操裡，我們堅持“數據不動”，但“模型權重可動”。每完成一次私有部署，我們都會把訓練好的模型權重抽離出來。這些權重不含原始數據，卻沉澱了專有知識。只要具備標準化能力，就能把權重遷移到新行業、新客戶，實現產品跨場景擴展，從而讓AI能力在不泄露數據的前提下向外輻射。
AGI未來在哪？
沈方藝：陸奇博士說過，今天的AI仍處於極早期，甚至不是從0到1，而是從負1到0。我們迫切想知道，真正的AGI何時到來。請各位專家給出“金點子”，在未來的過程當中，您覺得技術的起點或者商業的爆發點，可以給我們做一個分享，請雲天勵飛的鄭總先分享。
鄭文先：通用人工智能到底會把世界變成什麼樣，是當下最熱門的話題之一，我認爲它不僅帶來技術層面的變革，甚至可能推動整個人類文明範式的躍遷。近日美國最新發布的《人工智能行動計劃》有三個關鍵詞非常明確，未來的人工智能是“新的工業革命+信息革命+文藝復興”。
至於商業路徑的爆發，從產業的角度來講，我認爲未來AI推理芯片可能是商業爆發的關鍵點之一。可以看到，隨着大模型商業化落地正式啓動，對AI推理的需求會進入到爆發的階段，包括AMD也講未來人工智能時代要進入推理的時代，對AI推理芯片的需求，特別是在國產化的背景下，對國產AI推理芯片的需求會帶來非常大的增長。這也是我們所期待那個節點的到來。
楊林：科幻電影《流浪地球 2》有個通用人工智能，是運行在一臺手提箱大小的量子計算機上的，這不僅是科幻電影的暢想，也是所有人類對量子計算的共同願景。
通用人工智能時代，一定會催生顛覆式的，或者我們現在無法想象的業態和新的經濟形勢，甚至人的生活，以及目前和所有外在事物的交互形式都會被顛覆和改變。迎接通用人工智能，從算力、連接到每個方方面面，大家都要做好準備或者做出努力，整個行業也在爲這個方向努力。
圖靈量子以集成光子學，從事量子計算相關的發展，起於光子，專於量子，但也不僅是量子，我們仍然關注集成光子學和計算行業、算力行業的相關結合，向下賦能，包括像人工智能光的處理器，以及光連接的基礎設施。
從圖靈的視角來看，我們認爲下一個關於通用人工智能和關於未來算力體系裡面非常重要的商業模式和商業機遇，就是從光和電這兩個重要的信息載體的結合，解決信息傳輸處理，實現更大的網絡構建能力，解決算力瓶頸、功耗瓶頸、存儲瓶頸。這是從我們的視角里面看到的未來顛覆式的商業模式和商業的重大機遇。
徐凌傑：無論叫AGI還是ASI，未來“算力即正義”是確定的趨勢，誰擁有更強的算力、更完善的基礎設施，誰就擁有更大的可能性。過去20年，最大的紅利行業是房地產；未來10年、20年甚至更長時間，新興的“房地產”將是數據中心——裡面住的不是人，而是服務器、芯片和網絡設備。
一方面，我們需要把這些基礎設施打造得更強大。另一方面，降低這些基礎設施的單位使用成本，把它的邊際成本降低。結合未來對於能源的需求來講，這是我們看到未來非常重要的能源單位AGI、ASI非常重要的一步。
王率宇：AI推理的體量和成本是非常重要的。我分享一個數據，在全球雲端的算力規模已經達到了接近5000億美元，國內有近5000億元人民幣規模。從比例來看，過去幾年大家都在做模型的訓練，訓練和推理的算力是接近1:1的狀態，這兩年大家看到國內強大的模型不斷涌現，包括豆包、DeepSeek、千問的發佈，已經實現了某種意義上的模型平權。基於這些強大的基模，去做應用、Agent的創新，這些應用和場景也在逐步放量。一旦進入AGI階段，訓練與推理的算力比例極可能達到1:100，甚至更高。因爲模型訓練還是研發及投入的階段，真正賦能千行百業，達到生產力的革命和創新一定是推理達到了極廣泛的普及和應用。
除了市場整體的推理體量，單Token成本的量級也是非常重要的指標。大家說每次能源革命都是推動人類進步的巨大里程碑，真正的普惠和革命一定是建立在成本足夠低，技術可負擔的基礎上，纔會有廣泛和深遠的對於整個人類的影響。未來的AI一定會像現在的水電煤等基礎設施一樣普惠且人人都用得起。我們致力於通過技術創新把單Token的推理成本降到現有主流方案的10倍以上，墨芯人工智能是通過稀疏算法的研究，打造軟硬一體的計算解決方案，去引領稀疏計算的生態，大幅降低AI推理的成本。我們也期待通過我們在技術和研發的不斷地深耕和積累，能夠加速AI技術普惠以及AGI的到來。
孫君博：前面幾位嘉賓聚焦算法和算力，我想提供一些數據方面的見解。現在大模型大多數用的都是非結構化數據，大家在互聯網上搜到的語言數據所訓練的大模型得到了涌現，如果在應用端，更多是結構化數據，也就是說企業儲存更多的不是所敘述的這些語言，更多不是規章制度，而是二維表格、圖表格，這是很重要的，也是未來發展的重要方向，大模型怎麼樣能夠更好地讀取到這些數據，在它的認知範圍內得到更高的提升。
我認爲，未來從非結構化數據到結構化數據，大模型能讀取的質量和數量，會對大模型的能力帶來很大的提升。這對於大模型本身也是一個挑戰，我很期待看到這方面的發展。
另外一個點補充一下，知識圖譜是現實世界的表達，大模型的表達是可能世界的表達，它會給你推理出來這個世界會產生什麼樣，可能的結果是什麼，我未來很希望見到這兩個主義的聯合，大一模型推理出來的某個世界，也給你一個原因解釋，爲什麼會有這個世界。
馬力：關於AGI，從短期來看，我個人的觀點還是在短期有技術突破或者非常具有爆發潛力的還是AI Agent，我認爲AI Agent最能滿足人類對於AI最基本的要求，它可以自動化、高效地完成我們給它的任務，這是它最本質的需求。
模型現在不需要證明自己有多聰明，而是需要向我們證明它能夠解決問題，所以涉及你怎麼樣分解任務，怎麼樣保證中間環節的可控，以及在最終的時候可以通過調用別的工具，來實現解決問題的目標。
不論是個人還是企業，對於AI Agent的需求都是非常多的，痛點非常明顯，這塊有非常多的商業可以落地的地方。我覺得這是AGI在短期之內會實現突破或者趨勢。長期來看，AGI對於人類社會可能都會有一個顛覆性深刻的改變，這樣的暢想我覺得非常美好，以後人類可以擺脫冗餘的、簡單的、重複的勞動，可以把更多時間和精力放在追求精神世界，追求藝術或者探索宇宙等等。這些都是更加美好的一些暢想。
呂方璐：如果把AGI前景比作“淘金熱”的話，賣鏟子的和挖金子的都很有前景。
首先是“賣鏟子”的，剛纔講了數據中心、做集羣的點，我看很多人強調GPU芯片，我想強調一下光互聯的問題，很多人沒有意識到很多大廠已擁有萬卡集羣，一旦GPU數量擴張到十萬、百萬量級，所需光通信互聯的數量將呈指數級上升，萬卡級別就可能需要百萬條光纖，十萬卡、百萬卡更是難以想象。因此，數據中心、GPU、光互聯、網絡拓撲、光電器件整條產業鏈都蘊含廣闊前景。
再說“挖金子”，我個人非常看好的還是機器人領域。看過去幾十年中國的發展，首先第一波中國吃的是人口紅利，第二波吃的是人才紅利或者工程師紅利，接下來吃的是電力的紅利，下一步等AGI實現以後，我覺得可能吃的是機器人紅利。機器人不管從能源支持、算法、硬件、底層，中國都有非常強的優勢我相信未來AGI實現以後，中國的發展會以機器人紅利繼續往前迅猛發展幾十年。
沈方藝：我也貢獻一下自己的想法。在硬件加速層，包括應用場景層，中間還有一層，從做應用的現在都在往底層的一些推理優化加速方案去深入，他們不約而同地提到了一些高性能的文件吞吐、IO吞吐的優化方案。這也是我們在看好的一些事情，也是致力於在做的事情，在芯片的加速，在併發數據吞吐場景的支撐，怎麼把推理的加速引擎做好。
我覺得現在無論是企業家還是創業者也好，都是新時代的“戰士”，正是他們前赴後繼，才把整個產業與科技不斷向前推進。這裡想請在座各位給企業家代表一些掌聲，希望中國人工智能產業發展得越來越好。
感謝大家！