人工智能已進入“場景決勝”的關鍵節點。10月15日2026人工智能產業大會開幕式現場，諾獎得主、兩院院士以及人工智能產業鏈上下游的行業領軍者坐在一張“圓桌”旁開展對話，完成一次寶貴的“思想合流”。

有人從基礎科學底層邏輯拆解瓶頸，有人以產業一線的實踐經驗回應焦慮。這些觀點相互碰撞，但都指向一個共識——人工智能的下一程，需要更“清醒”的頭腦。

在“變簡單”的時代 保持對“復雜”的敬畏

一句話生成代碼、一個指令完成設計、一次提問就能獲取以前翻遍資料才能找到的答案——人工智能似乎讓一切變簡單了。越是這個時候，越要保持對“復雜”的敬畏，保持對原始創新的執著。

“現代工業發展不斷逼近復雜性邊界，原本一些可以忽略的因素，逐漸成為決定系統性能的關鍵。”中國科學院院士鄭志明提到，更可靠、更高精度的現代工業意味著各項指標提升，體系耦合性增強，尤其是在特色冶金、材料化工、生物工程等門類，人工智能能以其“在有限組合里進行優化的能力”，更好地支撐工業發展；但與此同時，工業發展仍然存在著連續演化、狀態辨識、動態調控等問題。

這些問題的解決，沒法單純依靠“在有限組合里進行優化”。鄭志明指出，大國之間進行的是內嵌科學機理的人工智能布局較量，不能只關注大數據、大模型等“顯性能力”。

“在停止模仿鳥類撲翼，發明了固定翼后，人類才得以飛上天空。”諾貝爾獎得主、中國科學院外籍院士喬治?帕里西從物理學的角度分享了他對人工智能的看法：人工智能正加速從數字世界走向物理世界，但通向物理世界的道路，可能不是越來越大的模型，而是要發現新的架構。

一個常見的情況時，語言模型在任何情況下都“強行”回答，“一個不會說不知道的系統，難以被信任；如何植入這種能力是當前一大難題。” 喬治?帕里西表示，人工智能產業的發展需要進一步強化基礎研究、公共研究，讓其切實擁有應對不同情景的能力。

AI時代最稀缺的是判斷力

人工智能落地產業，最考驗的不是技術能力，而是需求判斷力。方向對了，技術才有價值，問題本身有“問題”，再強的模型也只能空轉。

“過去中藥制作依靠人工炮制，質量差異較大，現在則有相關智能體幫助解決這個問題。”卡奧斯物聯科技股份有限公司董事長陳錄城提到，AI在制造業落地，是一個把行業知識經驗顯性化、創造真價值的過程，但凡不能創造真實價值的，那就是“偽需求”。

一種情況是，需求真、問題真，但因為數據等方面沒準備好，難以通過人工智能的方式解決；又比如，大模型能幫助解決問題，但是在價值計算方面出現偏差，一個點實現了改善，更多點上的表現反而更差了；又或者，依靠制度改善就能解決的問題，偏偏選擇了求助人工智能。“這些情況下，都沒必要‘硬套’技術。” 陳錄城指出。

“一些企業開發的聊天機器人，為了對話而對話，業務動作卻仍需要回到原有系統，難以實現閉環，這也屬于比較典型的偽需求。” 中國數聯物流信息有限公司副總經理韓敬華表示，真實的人工智能需求具有約束清晰、結果可量化、收益能進報表等特征，這也意味著，人工智能時代，對企業領導者在目標設定、責任承擔以及跨邊界整合等能力提出了更高要求。

對共性問題要有個性解法

2026人工智能產業十大關鍵詞在會上發布，其中一個關鍵詞是具身智能實景實訓：具身智能產業仍在復雜作業任務、高價值垂直場景、規模化產品交付等方面存在短板。對于這些發展中的共性難題，各地需要探索個性解法。

今年四月山東濟南獲批制造領域工業軟件方向國家人工智能應用中試基地，浪潮云洲承建運營。“山東是全國工業門類最全的省份，41個工業大類全部覆蓋，海量真實工廠、真實產線場景，這是AI+工業軟件最稀缺的資源；具體到濟南，工業互聯網、算力、工業軟件產業基礎扎實。”浪潮云洲副總經理、首席技術官商廣勇表示，基于這些優勢和基礎，基地正著力解決技術升級、軟件易用性不足、工業場景理解能力弱等關鍵共性問題，打造“人工智能+工業軟件”能力支撐平臺，為工業軟件企業、高校及科研院所提供應用研發與中試驗證公共服務，形成可復制、可推廣的工業軟件智能化中試模式。

就在開幕式前一天，山東發布“垂域智能齊魯七星”，七個大模型不拼參數規模，不卷通用能力，而是扎進化工、礦山、港口、冶金、裝備等產線深處。“發展人工智能，要在行業大趨勢上融合好地方優勢，結合稟賦做最擅長的事情。” 中國信息通信研究院人工智能研究所所長魏凱提到，“齊魯七星”是山東對人工智能發展路線的探索，模型背后，每個主體都有獨特優勢和技術先進性，這是很好的人工智能與實體經濟結合路子。

（大眾新聞記者 付玉婷）