在實現通用人工智能這一宏偉目標牽引下，AI（人工智能）產業正邁向其發展的“下一個十年”。
不過，在模型能力持續提升的同時，產業落地的腳步卻并未同步提速。11月16日，在“2025人工智能+”大會上，多位業內人士表示，高昂的成本、缺乏高質量行業數據、工程化能力不足以及對大模型能力邊界認知的偏差，正成為制約AI規模化應用的四大結構性難題。
與此同時，從開源與商業化的平衡，到AI入口從云端向終端遷移，產業格局正在發生微妙變化。
AI落地面臨“攔路虎”
當產業界嘗試將大模型從實驗室推向車間、辦公室和街頭巷尾時，規模化落地遇到的阻力遠超預期。
“大模型（當前的）敘事邏輯對賦能千行百業不友好的地方在于，我們一直說規模法則，要把模型越做越大、越來越強，對應的結果是成本越來越高。”清華大學計算機系副教授、面壁智能聯合創始人兼首席科學家劉知遠在圓桌論壇上表示。
劉知遠指出，敘事邏輯的不友好直接帶來了大模型訓練和使用成本的持續攀高。他認為，任何技術要對人類社會產生深遠影響，都必須解決標準化和成本問題。正如芯片行業的摩爾定律，他所在的團隊提出了大模型能力密度法則，即通過技術創新，讓更少的參數承載更多的模型能力。“摩爾定律每18個月一個周期，使其密度加倍。我們會發現大模型可以做到每100天，也就是3.3個月至3.5個月左右，實現模型密度翻倍。”
當前，大模型訓練和使用的高昂成本已成為行業無法回避的問題。云知聲創始人兼首席執行官黃偉也提到，一個典型的場景是，客戶雖然認可滿血版的DsspSeek（深度求索）模型效果好，但高昂的成本讓其無法使用，“客戶要的是最終結果，不管用的哪個模型，我就這點預算，搞定我的問題”。
另一個被多次提到的結構性短板是高質量數據，尤其是行業語料不足。“有數據不代表有語料。”阿里云智能集團副總裁霍嘉表示，很多行業依舊存在數據質量和數量不足的問題，導致模型無法訓練。
北京數據集團副總經理、北京國際大數據交易所董事長李振軍指出，人工智能發展以后，數據交易市場對模型訓練數據的需求正快速增長，兩年時間里，數據交易從零增長到已占到交易所交易量的三分之一。
李振軍強調，AI應用深化的真正瓶頸在于數據準備工作。“（企業）生產經營過程中積累了大量數據，但是沒有AI需求的時候，數據分散在不同專業業務系統里邊，沒有以人工智能視角建成數據集，這個數據集建設其實剛剛起步”。
他認為，這項數據集建設工作，是AI技術與產業結合最關鍵的業務連接，可能需要兩年時間才會找到比較好的路徑。
工程化能力的不足正成為落地的“最后一公里”障礙。上海交通大學計算機科學與工程系特聘教授、思必馳公司聯合創始人俞凱在論壇上強調，真正在產業上交付，必須解決三個核心問題：首先是要交付全系統、全鏈路；其次是軟硬件結合；此外，大規模可定制——結合真實場景用大小模型、不同工具進行柔性、快速、大規模地定制同樣重要。
與此同時，一個更底層的挑戰是產業對大模型能力邊界的認知偏差。霍嘉描述了一個普遍現象：“往往是業務領導對大模型充滿絕對信心，反而做技術的人對如何落地感到非常擔憂。”
分工和邏輯正被改寫
從實驗室的原始創新，到產業鏈的商業閉環，AI落地應用原有的分工和邏輯正在被改寫。
清華大學交叉信息研究院助理教授許華哲以具身智能為例，分析了當前創新生態中的三種不同角色。他指出，高校是人才密集度最高和最好想法的來源地，但也存在資源量不如企業的問題。企業則能投入大量的資源，在看清方向后進行大規模投入。
而新型研發機構則提供了第三種可能。許華哲認為，這類機構足夠靈活，可以下決心做一件事，但是不一定追求ROI（投資回報率），能承擔那些短期收益不高但長期意義重大的任務。
在商業模式上，開源與閉源的對立關系也開始松動。智譜華章董事長劉德兵在被問及如何平衡開源與商業化時表示：“這是相互共生的狀態，不是相互抵觸的。”
劉德兵認為，開源對人工智能行業的發展至關重要，能讓千千萬萬有知識、有技術的各行各業人才共同貢獻。從公司戰略角度看，開源帶來的生態繁榮，最終會轉化為商業價值。他透露，在開源架構的基礎上，智譜的商業收益也在快速增長，“我們想象未來AI本身成為社會的基礎設施，為各行各業賦能的時候，這里面蘊含著巨大的商業價值，可能是萬億（元）級別的”。
在落地路徑上，AI的入口正在從云端向終端遷移。階躍星辰創始人兼首席執行官姜大昕提出了智能終端的定位，即“人、車、家”三大場景。他認為，智能終端將成為下一個人機交互的接口，而智能體是實現這一變革的關鍵。姜大昕認為，終端比場景更關鍵，因為它決定了AI應用的觸點位置與使用頻率。這種理解意味著，AI落地的競爭正從模型能力轉向入口位置，而入口的爭奪，也將從消費端延伸到產業端。
面對復雜的落地路徑，什么才是真正有價值的AI？范式聯合創始人、首席科學家、執行董事陳雨強認為，人工智能落地的關鍵是能夠改變行業的北極星指標（衡量業務核心價值、指引整體發展方向的關鍵指標）。換言之，AI不是用來提供附加功能，而是用來改善決策速度、生產效率、成本結構或質量穩定性等核心業務指標。
編輯：李華山
