21世紀經濟報道記者周瀟梟 見習記者冉黎黎 北京報道 10月15日，國務院以“強化標準引領保障作用，以標準升級促進經濟高質量發展”為主題，進行第十六次專題學習。國務院總理李強強調，強化人工智能等數字技術賦能，系統推進標準制定修訂。
同日，工業和信息化部部長李樂成在北京會見美國蘋果公司首席執行官蒂姆·庫克時表示，中國將堅定不移推進高水平對外開放，大力推進“智能產業化”和“產業智能化”。
人工智能發展受到高度重視。展望“十五五”，如何深入推進“智能產業化”和“產業智能化”？如何看待人工智能在不同行業滲透深度存在的差異？未來還會持續涌現“更強模型”嗎？針對相關問題，21世紀經濟報道記者專訪了中國信通院人工智能所副總工程師孫鑫。
孫鑫主要從事人工智能、信息通信、科技創新等領域研究，曾主持參與多項省部級課題和決策咨詢專項，核心支撐人工智能、科技創新等多項國家重大戰略。
孫鑫表示，人工智能領域有幾個重要趨勢，其中之一是軟硬件深度協同、高效融合成為大模型研發新范式。未來，極致的軟硬協同將是支撐大模型快速迭代的關鍵所在。同時，智能體成為大模型應用的主要形態，正在加速形成智能體經濟。
智能體是數字員工的初級形態。當前智能體相比大模型能夠自主完成復雜任務，可以獲得比單一模型更好的性能表現，但能力仍有很大提升空間，推動互聯互通和長難任務處理是當前智能體技術創新的主旋律。
另外，人工智能賦能行業的路徑符合“從數字化水平較好的領域率先突破，再逐步擴散到更多行業”的推進特征。當前，人工智能在不同行業的滲透深度存在差異是客觀現實。在推進行業應用過程中，需要關注兩個方面的協調統一，即行業水平與轉型路線的協調統一、技術能力與實際需求的協調統一。
中國信通院人工智能所副總工程師孫鑫。（受訪者供圖）
軟硬協同將是大模型迭代關鍵
《21世紀》：在“十四五”已打下的基礎之上，“十五五”期間如何進一步推進“智能產業化”和“產業智能化”？
孫鑫：要加快推動人工智能向現實生產力轉化，重點既在技術創新，也在應用牽引，需要一體化布局。最近一年，我們觀察到人工智能領域幾個重要趨勢。
一是基礎大模型迭代速度加快，新技術創新路徑蓄勢待發。中國信通院“方升”大模型基準測試數據顯示，全球大模型迭代速度不斷加快。去年以來，多模態模型理解能力整體提升90%，TOP1模型迭代周期從去年的幾個月縮短至幾周。
二是軟硬件深度協同、高效融合成為大模型研發新范式。人工智能前沿創新離不開強大的算力底座，需要模型與芯片、框架、服務器、網絡等軟硬件體系緊密協同。現在大模型訓練和推理計算量仍保持高速增長，對智能計算提出更高需求，單靠智算芯片硬件的提升無法達到這么快的增速，也面臨越來越大的能源消耗瓶頸。未來，極致的軟硬協同將是支撐大模型快速迭代的關鍵所在。
三是智能體成為大模型應用的主要形態，正在加速形成智能體經濟。目前，市場上涌現出了多種智能體形態。越來越多的行業用戶把開發垂直行業智能體作為人工智能應用的主要方向。人工智能手機、具身智能機器人等產品也成為搭載智能體的新型設備。智能體產業鏈不斷完善，成為智能經濟的重要支撐力量。
四是開源帶動“群體進化”和人工智能普惠發展。特別是今年春節以來，開源模型的發展，進一步激活公有云、一體機等AI市場，基于開源的衍生模型日益繁榮，極大降低了大模型落地應用的門檻，為人工智能發展帶來新機遇。
智能體是數字員工的初級形態
《21世紀》：未來還會持續涌現“更強模型”嗎？這種“更強”將主要體現在哪些維度？
孫鑫：近期人工智能所研究團隊對當前及未來一段時間的發展方向進行了深入觀察，可以從中找到模型能力增強方向的幾點思考。
基礎模型方面，語言基礎超級模型開始深度集成多種能力，模型推理能力成為衡量模型“聰明”與否的重要指標。
其中，頭部大模型表現出顯著的集成特征，一方面通過路由融合集成多種關鍵能力，可根據任務需求自動激活模型的思考或非思考能力，大幅提升運行效率，降低計算的成本；另一方面通過與真實的業務場景交互，基于Agentic RL（面向智能體的強化學習）技術賦予模型自主規劃、調用工具、因果推斷能力，提升在應用場景中的表現。多模態大模型深度融合理解和生成能力，原生多模態架構逐漸走向成熟。
智能體方面，加速從感知認知向自主決策執行演進，成為大模型應用的主要形態。中國信息通信研究院“方升”智能體基準測試結果顯示，當前智能體相比大模型能夠自主完成復雜任務，可以獲得比單一模型更好的性能表現。
世界模型方面，作為AI系統理解、推理并預測物理世界的“內部模擬器”，世界模型加速構建數據生成、動作解釋、環境交互、場景重建四類核心能力。目前主要有三條技術路線。
一是聚焦大模型增強，如OpenAI的Sora、谷歌Genie系列模型等，這類模型融合Transformer與Diffusion，正成為構建數字世界的“模擬器”。
二是大模型與物理引擎融合，如World Labs的Marble、騰訊HunyuanWorld-Voyager等，這類模型錨定物理規則、賦能高可靠生成，打造可解釋的世界預測范式。
三是其他路徑的探索，如Meta的JEPA系列，這類模型拋棄像素級生成，專注于學習世界的抽象表征與預測潛在狀態。
雖然世界模型的發展還面臨不少挑戰，但未來具有泛化能力強、物理一致性高、可解釋性強的“通用世界模型”將成為學界與業界共同努力的目標，最終成為AI通向AGI（通用人工智能）的關鍵基石。
具身智能方面，接下來，場景驅動下的數據-模型-本體的三位一體聯合設計與閉環優化，正逐步成為具身智能產業創新發展的關鍵路徑。具身智能將以突破具身圖靈測試為目標，實現生物級感覺運動能力，并在復雜動態的環境中展現出前所未有的靈活性和適應性。
AI未來發展路徑仍有很大不確定性，大膽預測的話，或許有如下幾個可能性。
一是強化學習等機器學習技術取得重大突破，世界模型技術路徑逐步清晰。
二是新的模型架構出現。效率更高、性能更好，或者可信水平更高的非Transformer架構出現。
三是新型計算技術走向實用。目前還在實驗室的光計算、類腦計算、量子計算、生物計算等新興計算技術一旦投入實用，將會帶來人工智能技術體系的重構。
《21世紀》：2025年被視為智能體元年。未來智能體發展具有怎樣的提升和想象空間？
孫鑫：智能體是數字員工的初級形態。智能體有豐富的想象空間，但能力仍有很大提升空間，推動互聯互通和長難任務處理是當前智能體技術創新的主旋律。
一方面，通信協議成為智能體與外界交互的“橋梁”，擴展模型能力邊界。MCP、A2A等智能體通信協議可以降低系統集成復雜性，解決數據孤島問題。今年以來，智能體網絡也受到了越來越多的關注，但其落地推廣仍面臨一定挑戰。
另一方面，智能體發展還需要提升長時間執行復雜任務的能力。長程性體現了智能體在跨越較長時間周期的復雜任務中達成目標的能力。相關研究顯示，過去兩三年，智能體能完成任務的長度大約每7個月翻一番。當前，國內企業進行了不同程度的探索。未來，智能體將能夠獨立完成大量需要人類數天或數周才能完成的任務，加速開啟智能原生應用時代。
AI應用需關注能力與需求的協調統一
《21世紀》：對于實現新型工業化這一關鍵任務，發展人工智能是必答題而非選擇題。目前，人工智能在不同行業的滲透深度和效果存在差異，如何看待這種差異？展望“十五五”時期，是否有必要主動拉平這種差異？
孫鑫：從發展規律和應用態勢來看，人工智能賦能行業的路徑符合數字技術應用的一般客觀規律，即遵循“從數字化水平較好的領域率先突破，再逐步擴散到更多行業”的推進特征。
一方面率先在數字原生領域規模化應用，以互聯網為代表的數字原生領域，憑借天然的數據沉淀優勢、成熟的數字基礎設施以及海量的用戶基礎，率先形成人工智能應用的規模化落地。例如，互聯網搜索、社交、購物、寫作、編程等領域紛紛接入大模型、拓展新業態，這些應用不僅提升了服務效率，還為用戶帶來了全新的交互體驗。
另一方面逐步向金融、醫療、交通等數字化程度較高的行業滲透，重要場景應用賦能成效顯著。比如，人工智能在自動駕駛的應用也隨著大模型的發展正實現新的突破。這些先導應用都建立在行業既有的數字化基礎之上，同時也加速了相關行業的數字化向智能化的重構進程。隨著人工智能技術的進一步普惠化和各行業數字化轉型的全面推進，人工智能將在制造、能源更多實體經濟領域實現深度應用，與更加復雜的物理場景和核心生產流程相結合，推動生產力更大的變革性突破。
當前，人工智能在不同行業的滲透深度存在差異是客觀現實。人工智能技術發展速度“一日千里”是本輪人工智能發展的重要特點，不同行業的數字化轉型基礎、資源供給能力、對人工智能的認識等相關情況均不一致，一定程度上影響了人工智能在不同行業中的應用速度。
在推進行業應用過程中，需要關注兩個方面的協調統一，即行業水平與轉型路線的協調統一、技術能力與實際需求的協調統一。堅持市場驅動，結合場景價值、技術特征等因素因業施策，制定符合企業實際的智能化轉型路線。可以在基礎好、需求大的高價值場景先行先試，從資源、技術、治理、體制機制等不同方面突破落地卡點、堵點、難點，形成示范帶動效應后擴大場景范圍。
本文鏈接：專訪信通院孫鑫：大模型快速迭代需軟硬件深度協同｜四中全會預熱http://www.sq15.cn/show-1-51459-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 歐拉汽車重磅亮相全新純電SUV