（来源：财闻）
“我认为真正的AI时代还没有开始。”10月20日，在清华大学未来产业创变者大会暨第一届未来边际领航者论坛（FGS）上，阿里云智能集团副总裁高飞抛出了这一判断。
在他看来，当前人工智能在企业中的渗透率仍然较低，大量AI应用集中在短漫剧、AI编程等领域，真正深入工业生产、科学研究等场景的应用还相对较少。人工智能的产业化发展仍处于早期阶段，与实体产业深度融合蕴藏着广阔的创业机会。
这一观点也引出了产业界对AI商业化进程的思考。当天，来自国产GPU、云计算、新材料及先进制造等领域的企业代表围绕人工智能产业发展、技术商业化及产学研协同展开讨论。从具身智能、智能穿戴等新兴应用，到国产GPU软硬件生态建设，再到工业生产和新材料研发中的实际难题，如何让人工智能真正融入产业场景、实现技术价值，成为与会嘉宾讨论的重点。
未来产业创变者大会现场 主办方供图
具身智能、智能穿戴打开产业新空间
随着人工智能技术向物理世界延伸，具身智能和智能穿戴成为传统制造企业探索业务发展的方向。
光洋股份（002708.SZ）董事长李树华表示，具身智能可能成为人工智能连接现实世界的重要方式。基于这一认识，其所在企业原本从事汽车零部件业务，从去年开始布局具身机器人硬件相关领域。
在消费电子领域，李树华表示，过去消费电子的重要载体是手机。随着一些关键技术环节取得突破，未来智能眼镜有可能取代手机，并形成一个规模较大的产业生态。因此，目前也在布局智能穿戴领域与智能眼镜相关的业务。
“立足汽车，只能求得生存的权利；可能走出汽车，才能求得发展的权利。”李树华表示。
对于产业变化，李树华还谈到，“AI+”与“互联网+”有很大不同，其估值逻辑及其他方面均存在差异。因此，无论是企业管理还是投资，都需要更加重视对产业本质和估值逻辑的把握。
政策层面，10月19日，商务部等9部门发布《关于加快推进科技兴商的意见》，提出丰富智能手机、电脑、家居、穿戴设备、机器人等智能商品供给。推动具身智能技术在商贸领域落地，拓展家庭服务、商贸物流等应用场景。
国产GPU从“能用”走向“好用”
人工智能模型与应用场景持续发展，对底层算力提出了新的要求。对于国产GPU而言，如何实现从“能用”到“好用”，是产业发展过程中需要解决的问题。
摩尔线程-U（688795.SH）生态合作总监康宁表示，“能用”是相对基础的标准，“好用”则是一个复杂的系统工程。
康宁解释，对于芯片而言，“能用”通常意味着一个模型能够在芯片上完成训练、推理等计算流程，而“好用”则要求芯片能够真正承接客户需求，在性能、精度、稳定性和可维护性等方面达到生产标准。
康宁认为，“好用”在芯片行业并不是一个静态标准，而是一个动态变化的标准。一款硬件产品可能需要两年时间完成设计，但软件仍在持续迭代。即使是英伟达（NVDA.US）此前推出的A100，也需要不断适配最新的软件生态。
面向未来，无论是大模型训练还是新的业务场景，都对底层硬件的性能、稳定性及持续运行能力提出了更高要求。
康宁表示，从国产GPU厂商的角度看，需要不断将头部客户的应用需求以及生态中的不同场景标准化，并逐步沉淀到软件栈中，使芯片能够持续适应市场环境。
谈及未来发展，康宁表示，希望能够与开发者共同开展创新，使开发者在探索新技术、新应用时，就能够基于国产硬件进行开发，从而实现从零到一的创新，不仅在技术追赶中发展，也能够走向国际前沿。
AI深入工业生产仍有两大瓶颈
相较于人工智能技术在日常应用中的发展，其在企业生产经营中的应用仍处于较为初级的阶段。
阿里云智能集团副总裁高飞表示，当前人工智能在许多企业中的渗透率还不高。不少企业仍处于建立知识库、客户体系等阶段，人工智能更多提供被动响应式服务。
高飞介绍，人工智能应用经历了从Chatbot到AI编程，再到个人智能体等阶段，但在企业端，许多应用仍停留在早期阶段。
以制造业为例，在良率分析、生产排程、设备综合效率提升等场景，人工智能尚未实现全天候主动运行和主动服务，更多是在辅助人的决策。
高飞认为，人工智能要在企业中实现自主运行、自主进化，仍需解决两方面的问题。
一是行业知识与数理能力的结合。高飞表示，既懂行业运行机理，又懂数理分析的复合型人才较为稀缺。如何使人工智能更好地理解行业知识，是当前产业应用面临的重要问题。
二是产业数据的可用性。高飞提到，在芯片等行业，企业希望通过人工智能提升生产良率、优化芯片设计，但数据的可用性、可解释性及使用权限等问题仍需要解决。
“第一个是对行业Know-how的理解，如何反馈给AI；第二个是整个行业数据的可用性问题，如何更好地被AI使用。”高飞表示。
对于人工智能创业，高飞认为，与2017年前后以流量和资源为主要特征的创业不同，当前不少创业者围绕数据资产开展创业。他表示，在这一轮人工智能创业中，具有商业思维的科学家更容易取得成功。
高飞同时指出，当前人工智能仍处于较早的发展阶段，在工业生产、科学研究等领域的应用还有较大空间。真正的机会在于人工智能与具体行业结合。
AI赋能新材料研发
成果转化仍待突破
在新材料领域，人工智能已经开始应用于材料研发，但不同材料领域的应用程度存在差异。
国瓷材料（300285.SZ）创始人兼董事宋锡滨表示，AI for Science与新材料相结合，未来具有发展机会。
宋锡滨介绍，部分结构材料具有较好的数据基础，相关数据更容易实现结构化和训练，因此具备人工智能应用条件。但在功能性材料领域，由于部分热力学、动力学等基础机理尚未充分研究清楚，人工智能的实际应用仍然有限。
在他看来，原始数据如何转化为高质量、结构化、可训练的数据，以及如何将这些数据与知识图谱结合并加以应用，是人工智能赋能材料产业的重要问题。
对于AI在新材料产业中的作用，宋锡滨表示，新材料产业具有研发周期、验证周期和应用周期较长的特点。
人工智能能够在一定程度上缩短研发周期，但研发周期的缩短存在物理极限。在验证和应用阶段，人工智能的作用尚未得到充分发挥，产品验证仍需要依靠实验及实际应用。
宋锡滨认为，下一步需要在验证和应用环节寻找更好的切入点，包括减少实验次数、开展自动化实验、与中试环节结合、共享高质量数据集，以及加强与客户的合作等。
对于科技成果转化，他强调，应当围绕真实应用场景和产业需求展开，关注产业链中的短板、空白以及堵点。同时，不同产业具有自身发展规律，新材料、生物医药等领域的验证周期较长，需要在尊重科学规律的基础上提高效率。
宋锡滨表示，面对人工智能带来的变化，既不要神化、迷信AI，也不要轻视AI，而应充分认识其优势和局限，探索更好的协作方式。
