從“人工智能+”到具身智能落地：2025中國AI產業加速邁向規模化應用

從線上人工智能（以下簡稱“AI”）大模型與教育、醫療、金融等各行各業深度綁定，持續刷新行業效率上限；到線下具身智能機器人在工廠協作、社區養老、家庭服務中嶄露頭角，為人類生產生活帶來無限可能……2025年，人工智能正以前所未有的速度穿透虛擬與現實、串聯技術與產業，也讓人們不禁暢想，AI技術的未來發展還能帶來怎樣的驚喜。

今年8月，國務院印發《關于深入實施“人工智能+”行動的意見》為我國推動人工智能與經濟社會各行業各領域廣泛深度融合提供了指引。10月28日發布的《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》中再次明確：“深入推進數字中國建設”“加快人工智能等數智技術創新”“全面實施‘人工智能+’行動，以人工智能引領科研范式變革，加強人工智能同產業發展、文化建設、民生保障、社會治理相結合，搶占人工智能產業應用制高點，全方位賦能千行百業”。

如何將當前我國AI技術發展取得的成果進一步轉化為實踐動能？在近日舉辦的2025人工智能+大會上，多位來自AI細分領域的專家學者、行業代表分享了各自的經驗觀點，在跨界交流中激發AI技術在實際應用中的潛能。

“賦予機器人真正理解世界的能力”
“AI未來發展的核心目標，是成為能讓大家滿意的通用人工智能（以下簡稱‘AGI’）。”圖靈獎得主，中國科學院院士，清華大學交叉信息研究院、人工智能學院院長姚期智介紹，AGI指具備認知推理、應對復雜場景等類人能力的AI技術。

在姚期智看來，從AI邁向AGI的關鍵，在于具身智能、科學智能與安全治理三大方向。其中，具身智能的突破已初見成效。姚期智表示，機器人需要同時具備“小腦”的敏捷行動能力與“大腦”的認知決策能力，才能替代人類承擔危險、繁重的工作。

在今年8月舉辦的2025世界人形機器人運動會上，宇樹科技的G1和H1機器人共拿下19枚獎牌。宇樹科技創始人兼首席執行官王興興表示，宇樹科技研發的人形機器人目前已經能實現絕大部分工作和動作的復刻，下一個10年，AI技術將賦予機器人“真正理解世界的能力”。

近兩年，智能體（Agent）逐漸成為AI行業的重要發展方向之一。去年年底，市場研究機構Research and Market發布報告指出，全球智能體市場規模將從2024年51億美元增長到2030年471億美元，年均復合增長率達到44.8%。

“如果將AI大模型與智能體進行比較，前者主要是‘聊天’，后者則是‘做事’。”階躍星辰創始人兼首席執行官姜大昕舉例稱，在制定旅游攻略時，AI只會提供一份清單，“而智能體可以進一步幫你訂好機票、酒店”。

AI的長思維鏈、多任務執行能力以及多模態技術發展，為智能體開辟了廣闊的應用場景。姜大昕認為，以硬件智能終端為載體的智能體未來有望成為AI的入口，“人體的可穿戴設備、汽車的智能駕駛系統、家中的全屋智能等硬件終端，都可以通過自然語言的方式與人類實現交互”。

除了日常生產生活，AI的科學智能還有望推動科學研究進入“人機協同”新階段。中國電子信息產業發展研究院院長張立介紹，目前國內外發布的主流推理模型在物理、化學、生物等領域能力均超越人類博士水平。姚期智則提到了去年谷歌推出的AlphaQubit解碼器，該解碼器通過AI實現量子糾錯，攻克了困擾量子計算機領域多年的難題。

不過，在AI技術打破人機邊界的背后，安全治理也成為不可忽視的命題。姚期智提醒，AI算法潛在的不可靠性可能引發隱私泄露、沖擊社會價值倫理等風險。“目前中外正在探索將AI與密碼學、博弈學等理論結合的交叉領域，凝聚國際共識，攜手構建AI治理協議。”姚期智說。

多位在場發言嘉賓認為，發展AI產業從來不是一家企業的單打獨斗。王興興表示，“我們需要與開源社區緊密合作，加速技術成果的共享，降低全行業的創新成本；我們更需要與全球伙伴一道，建立健全機器人倫理與安全標準，確保技術始終朝著‘向善’的方向發展。我始終相信，唯有全世界擰成一股繩，機器人技術才能更快突破臨界點，推動人類文明邁上新臺階。”

AI規模化落地是產業的“必答題”
隨著AI技術未來10年發展圖景徐徐鋪開，如何讓AI真正走進車間、深入街巷，實現規模化落地，也成為我國未來AI產業發展的重點。

《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》對“加快高水平科技自立自強，引領發展新質生產力”作出戰略部署。前不久，工業和信息化部黨組書記、部長李樂成以《加快推進人工智能賦能新型工業化》為題，在媒體發表署名文章。他指出，人工智能領域要占領先機、贏得優勢，必須厚植“根技術”，夯實算力、算法、數據等基礎底座。推動“模數共振”，引導人工智能模型與高質量數據集協同創新、深度融合，建立“數據共享、模型優化、應用孵化、安全保障”一體化機制。

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直言，當前AI落地面臨的核心痛點之一，是“有數據但無準備”——企業積累的大量數據分散在各業務系統，未按AI需求整理成標準化數據集，“缺少數據集作為基礎，AI技術與產業需求便難以建立有效銜接”。他表示，目前我國正處于AI數據要素產業鏈起步初期，企業仍需要一些時間探索數據集的建設。

“大模型每100天左右就能實現模型密度翻倍，意味著能用此前一半的資源投入實現相同的模型能力，模型訓練成本和推理成本都可以大幅度下降。”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從技術側提出了“大模型能力密度法則”。在他看來，通過高效的技術創新，大模型可以用更少的參數承載更強的能力，這將直接壓低大模型的訓練與部署成本，推動AI以更低成本、更高效率賦能千行百業。“新技術的應用如果在產業中長期沒有閉環，也就很難持續下去。”李振軍認為，光有技術遠遠不夠，大部分業務的落地仍然依靠需求端，因此場景驅動是AI規?；涞氐闹饕呗?，需要在細分產業里找到和AI技術的契合點。

上海交通大學計算機學院特聘教授，思必馳聯合創始人、首席科學家俞凱深耕于以智能對話為核心的語言和語音處理領域。依托對產業端的觀察，他表示，AI在落地過程中必須解決三大關鍵問題，首先是需具備全系統、全鏈路交付能力，“真實場景需要的不只是一個能輸出聲音和文字的模型這么簡單，而是集合任務執行、資源調度與滿足用戶需求的系統”。第二是軟硬件結合，只有將智能體真正嵌入到硬件層面，才有機會走進千家萬戶。此外，還要關注通用人工智能在真實場景需求中的可定制能力，“技術落地無法套用固定公式，需圍繞實際需求進行調整，靈活運用大小模型與多種不同工具，提升解決真實場景問題的能力”。

阿里云智能集團副總裁霍嘉過去3年在業務一線注意到，AI大模型在實際落地中仍存在認知偏差、理論與實踐脫節、缺乏可復用的最佳實踐等問題。

霍嘉建議企業在選擇AI落地場景時避免“標新立異”，不要追求“用看起來很酷炫的技術解決疑難雜癥”，而是選擇重復性工作場景，從可借鑒的領域開始。其次是優化數據質量，形成清晰的語料庫，還要選擇適合自己的模型。與此同時，智能體的快速迭代需要企業進一步重視工程師的作用，通過提升技術的工程化能力來推動規?；涞亍?/span>

AI技術的加速落地，正在成為驅動行業升級“新引擎”。工業和信息化部公布的數據顯示，“十四五”以來，我國智能制造工程扎實推進，已建成基礎級智能工廠超3.5萬家、先進級智能工廠7000余家、卓越級智能工廠230余家，持續推動工業裝備軟件集成創新。

“制造業是立國之本、強國之基，是人工智能應用的主戰場。”李樂成在《加快推進人工智能賦能新型工業化》一文中表示，要推動制造業全流程智能化升級，推進人工智能技術深度嵌入生產制造核心環節；加速智能產品裝備迭代創新，推進AI手機、AI電腦等消費終端換代，加快人形機器人、腦機接口等新一代智能終端研發與應用，推動大模型與智能網聯新能源汽車、數控機床等深度融合；加快智能體設計、開發、測試和部署，探索多智能體協同生態。

在大會現場，王興興邀請在場嘉賓想象這樣幾個場景：在工廠的生產線上，未來機器人與工人并肩協作，工人只需發出簡單的指令，機器人完成自動搬運，將人從繁重勞動中解放；在社區養老服務里，小型護理機器人上門為獨居老人測量血壓，陪伴聊天，彌補養老護理人口短缺；在普通家庭的客廳中，機器人承擔打掃、看護、輔助學習等任務，成為每個家庭的全能助手。

盡管目前AI行業仍存在亟待消除的壁壘和痛點，但毋庸置疑的是，當下全球AI領域已經進入技術加速進化、能力集中涌現、應用加快普及、創新群體突破交織疊加的時期。用王興興的話來說：“如果過去10年是‘萌芽與探索’，那么下一個10年，注定是‘生長與綻放’。”