2025企业家博鳌论坛 “人工智能+”生态范式论坛圆桌对话：AI+：技术向善，产业向新

　　12月3日，2025企业家博鳌论坛“人工智能+”生态范式论坛的核心环节——“AI+：技术向善，产业向新”圆桌对话，在博鳌迎来了技术与产业的思想热潮。本次圆桌对话由《数字经济》杂志社总编辑、赛迪网融媒体运营中心主任梁媛主持，汇聚了中国电子云副总裁、科技创新与数字经济研究院院长李树翀，中兴通讯产品规划首席专家、电信云及核心网产品规划总工郭雪峰，北电数智首席科学家、复旦大学特聘教授窦德景，深圳市辰普森信息科技有限公司董事长汤琼，国家音乐产业基地负责人、无限星空音乐集团创始人兼CEO唐月明五位行业领军者，围绕“技术向善，产业向新”这一核心主题，共同探讨AI技术突破与产业融合的深层逻辑，给出了兼具高度与落地性的思考。

　　主持人：各位来宾大家下午好，欢迎来到圆桌对话环节。我是来自赛迪网的梁媛，我们非常荣幸地邀请到五位重磅嘉宾。接下来与五位嘉宾共同探讨AI发展的现在与未来。

　　首先有请五位嘉宾简短时间介绍一下自己，更请嘉宾用一个关键词定义当下的AI时代，并分享背后的思考。

　　李树翀：我是中国电子云的李树翀，用一个词形容当下的时代，我想到的词叫日新月异。日新是指无论全球还是中国，人工智能产业每天都在快速发展和迭代，发展速度非常快，每天都有新的应用和技术。月异是指我们看到的人工智能的技术演进和迭代远没有走到尽头，过一段时间就会有新的理念和技术出现。现在都在讨论大语言模型是不是终局？人工智能演进有没有走到成熟的阶段？所以我用人文主义形容当下的人工智能技术和产业发展。

　　郭雪峰：大家下午好，很荣幸有机会在这里跟大家谈人工智能话题。我来自中兴通讯。中兴通讯是业内知名的通信解决方案提供商，同时也是算力提供商。同时在智算领域，我们是主打开放结耦，提供全站的智算解决方案。我用一个词是“赋能”，我们处在以赋能为关键词的人工智能时代。赋能贴近“AI+”这个论坛主题，另外赋能很好地说明了人工智能和千行百业之间的关系。人工智能的发展，最终是赋能千行百业，也为社会创造价值，所以我用赋能形容当前所处的时代。

　　谈到赋能，我们现在处在赋能的什么阶段？现在不是人工智能的初期试水，也不是人工智能全面成熟。现在正处于人工智能快速向千行百业渗透，从广度和深度不断迭代的赋能关键时期。

　　窦德景：很荣幸来到这里参加论坛，我是北电数智的首席科学家，同时也是复旦大学计算机学院的教授。北电数智是北电旗下的人工智能新企业，2023年成立，现已成立两年多了。成立之初是以智算中心开始，现在更多服务于各行各业，做全站式的AI服务，包括芯片的适配、模型的适配、垂类模型的开发。

　　AI到这次已经是三次高潮，从1956年开始三起两落，这次高潮是否能够真正地持续下去，不会进入第三次低潮，主要看应用。 所以，如果用一个词来开场，我用的词就是“应用”。AI能不能用？有没有用不是问题了，大家知道能用，关键是能不能好用，怎么样做到好用，这是最关键的问题。谢谢！

　　汤琼：我是深圳辰普森负责人。用一个关键词形容这个时代，我认为是产业智能体的时代。过去的AI更像聪明的实习生，能处理数据，但不懂业务。现在AI正在进化成为产业深度融合共生的伙伴，它需要像老师傅一样，深刻地理解电场如何运行，如何节能降耗。我们处在AI和实体经济从简单地相加到深度融合的关键阶段，产业智能体就是这个新的形态。

　　唐月明：我们一直在做音乐产业，近两年，AI颠覆了行业的发展，像音乐的制作，包括数字人、现场音乐的版权、MV的制作，如果用一个词来形容，那就是“无限的可能”，无限种想象，很期待今天下午跟各位嘉宾的沟通和交流。

　　话题一：技术破壁与落地挑战

　　主持人：刚才五位嘉宾用关键词形容了现在的AI时代，日新月异的技术，赋能到各行各业的应用，形成了众多的产业智能体，为我们带来了无限的可能。下面聚焦AI从能做到好用，关键的跨越是什么，企业在落地中遇到了哪些难题，请嘉宾根据自身的实践分享一下见解。

　　李树翀：大家都在设想大模型或者通用人工智能未来无限的可能性，客观来说，跟用户一起共创，一起探讨AI落地过程时发现现实很骨感。

　　第一，大模型的适配性没有想象那么好。所谓的无所不能，用的大模型在传统的具体场景并没有那么好用。在一些内容生成领域比较有优势，但是在传统行业，特定的场景中，它和专用模型，包括工业积累模型相比，并没有展现出差异化的优势。

　　第二，性价比和成本。举个例子，大模型很牛，就像屠龙宝刀，威力强大，但大部分的生产场景就是杀鸡、杀猪，这时候用杀猪刀更好用。如何让大模型走下来解决实际问题，这是我们要解决的第二个挑战。

　　第三，通用大模型与行业结合过程中，需要大量的数据要素、资源的支撑。我们在实际落地过程中，发现大部分客户的数据要素储备，包括数据要素的质量，可能不足以满足训练行业模型以达到具体场景需要的能力。这是现在面对的挑战。

　　第四，每个人都用过大模型，每个人都用过大模型的APP，我们把大模型当作高级百度用，发现很好用，经常给我们很正确的答案，但是在生产中的场景，很多时候由于大模型的不确定性和不可解释性，这种90%的准确性在很多生产场景中是不被接受的。我们在推动和探讨理论上的可行性和实际结合，还有很多挑战。

　　这是我们作为技术服务商遇到的困难。

　　雪峰：讲AI技术从能做到好用，最关键的跨越点是什么？我们是做智算基础设施的，让我想到算力从能做到好用最关键的跨越点是什么？从算力来讲，最关键的跨越点是生态壁垒。我国的国产化算力已经发展得非常棒，在芯片层面至少有四五十家芯片企业都可以做，已经形成了中高端芯片在追赶，中低端已经能够替代。每一家芯片厂商，都是在从硬件到底层软件，以及到框架，在做自己的完整垂直生态，但大家互不相容，是碎片化的生态。它肯定不好用，给使用者带来了额外的使用成本，给模型和算法的使用带来了迁移成本，给算力建设带来了采购和运营成本。从能做到好用，我们只有解决了生态壁垒，才能说国产化的算力比较好用了。

　　第二个问题，企业在落地中遇到的最大挑战是什么？挑战很多，刚才李总提了三个挑战，最大的挑战我觉得应该是“最后一公里”的对接问题，AI技术如何能够跟企业的价值场景结合，以及跟企业的数字化系统对接，这是核心的挑战。为什么？AI本身就包括了智算基础设施、模型的推理、Agent的开发，本身就比较复杂。在企业落地，要对企业的场景了解，复合型的人才比较少，不是一蹴而就，去了就能搞好，需要长期的磨合，去实践。

　　怎么破解？从算力提供商的角度看，我们从几个方面入手，大家观点都一样，第一“双降”。我们作为算力提供商，第一是降成本降技术门槛。通过中间的软件层把算力的复杂性屏蔽起来，降低使用门槛。同时多要素协同，降低模型的推理成本。第二跟企业的数字化系统对接必然需要一个接口，我们可以提供算力，Agent要提供标准接口。中兴落地了很多行业，我们提供的一体机发货上千套，做了不少行业，我们把具备可复制、可通用的模型、数据、工具、应用，预制起来，让企业能做到开箱即用的效果，这是我们目前做的如何破局的策略。

　　窦德景：这个问题很好，我大部分时间在学术界，最近几年在工业界。目前我看到的AI发展壁垒或瓶颈是各个AI的主要要素之间没有打通。北电数智提出“数模算用”。数据是原料，算力是引擎，模型是大脑，用就是应用，是落地的场景。“数算模用”我们是全站的布局，我们都涉及，也训练基础大模型。基础大模型最后发展趋势都是开源的，部署基础大模型未来成本会越来越低，算力公司在这方面也是比较强的竞争，最后这部分成本也会比较低。最后大家竞争的，是怎么把模型和数据、算力结合起来，用到具体的落地场景，作为企业来说就是怎么赚到钱。我们提出全站布局，就是从这个角度出发。

　　如果企业特别小，初创企业，不能什么都兼顾，就集中一个小的方面，比如初创企业做智能体，更多是从模型、算法做突破。企业到一定规模，要想真正把AI用起来赚到钱，这四个方面得一起考虑，是全站式的布局。

　　汤琼：我们认为从能做到好用最关键的是业务支持与数据的深度握手。算法再先进，如果不理解行业的门道就使不上劲。实际的落地过程中，遇到的就是数据问题。如何在不触碰安全红线的前提下，把现场分散不一的云材料数据加工成AI能够消化的高质量营养餐，这是很大的问题。我们的破解之道分两步：第一是打地基，先帮助客户高质量地完成数字世界的数字化映射，建立干净的统一的数字化底座，这是AI应用所有的前提。第二是建大脑，在数字化底座上，我们致力于助力AI专家大脑，比如未来工程师需要用自然的语言提问，AI就能结合实时数据和专业规范，立刻给出专业建议，能降低使用者的门槛。简单说，我们的方法是数字化建基，智能化赋能，让AI好用、易用。

　　唐月明：很多人可以简单地创作音乐，哼一段旋律就可以创造音乐。现在在国内能听到两亿六千首歌曲，每天新增15万首。AI的发展会增加几何倍数内容的增长，这会影响传统优质音乐人的创作和影响力。从现在大的环境趋势来说，之前给周深做MV，他唱的奔向你，花了四五十万，现在用AI给艺人做MV作品，成本降低了将近90%。用几万块钱，还是用不错的团队做，增加了很多投入成本。另外一方面还有大量的演出、音乐内容，一个演出项目还是有很多跟用户反馈的地方，都可以用一个智能体解决，包括对艺人的想法、歌迷的反馈。对我们来说，还是巨大的机会。

　　还有现在大的音乐平台，比如市值达到了三千亿，刚刚超过百度的市值。现在AI生成的作品版权不予结算。去年我朋友做了新的歌叫跳楼机，这首歌结算收入过了几千万，但现在还是提高势能，当它跟更好的创意想法结合的时候，这部分还是要去逾越的地方。AI生成的作品怎么跟平台结算？跟作曲者怎么结算？创作者怎么结算？这是难点。从大的方向来说，我们很拥抱这个趋势。在未来几年，有可能形成几百亿市值的AI音乐公司，这有可能成型。

　　我们在行业中有环球、华纳、索尼几大唱片公司，环球市值差不多五六百亿美金的市值。前一两周，华纳音乐跟一个大的AI音乐产品，最高市场值估值24亿美金，他们也达成了和解。从趋势来说，我们非常拥抱AI。

　　话题二：人工智能驱动产业融合

　　主持人：您说的“跳楼机”我们听过原唱，听过翻唱，更听过数字人对它的演绎。今天五位嘉宾聊的话题，紧扣“技术向善、产业向新”的主题。从适配到产业实践，各位嘉宾分享了宝贵的经验，技术难题逐步被破解，AI将成为行业发展的核心驱动力。下面我们紧扣“十五五”规划方向，聊一聊AI如何从局部赋能走向全链条的渗透，从典型领域实现质变以及模式重塑，请嘉宾分享一下各自的经验。

　　李树翀：“人工智能+”是很庞大的系统工程，很多问题没有解决掉，至于如何能重塑商业模式，重塑每个行业，每个行业都不太一样，很难一下子概括。

　　中国在人工智能科技的发展过程中，我们从跟跑到并破，到“十五五”能不能实现领跑，有几项工作要做。一个是技术创新，郭雪峰提到的我很认可，算力算法基础设施要夯实。不管哪个企业，随着人工智能带来的计算技术体系被重构的大背景，如何构建新的算力基础设施，当然这个有很多方式，可以有共有云，可以有自建云。我们要考虑的是如何构建国产化的算力基础设施，更好地支撑未来人工智能创新。这里涉及相关技术，不管是哪个行业的企业，都首先构建足以支撑未来人工智能创新和发展的基础设施。

　　第二，郭雪峰总提到，需要这样一个生态，接下来会形成一系列的平台企业，构建大型的生态体系，使得国产的算力更好地支撑服务国产大模型。目前国产大模型还是基于庞大的架构，这是我们要做的事。

　　第三，今天金蝶领导讲的，大家关注基础大模型，未来会需要AI的工具层，更好地支撑模型的创建，支撑模型的开发、训练，降低成本，提高效率。

　　最后，找到一个场景，开展共创，把真正大模型的数字技术和行业结合。未来会涌现出专业领域非常强的专业模型和供应商。至于如何在全链条实现这样的人工智能+，不同的行业有不同的情况，还是由点到面，但基础设施、数据资源，包括AI能力层、PASS层的创建，行业的共创，是未来推动“人工智能+”从量变到质变的关键。

　　郭雪峰：这个问题，今天会议的主题已经回答了。今天的主题叫AI+。AI如何从单一的工具发展成为全行业赋能？这个过程我理解就是+AI到AI+的转变。所谓的+AI，以前说的以现有的应用，在AI加持下的体验提升或者是效率提升。举个例子，比如现在搜索，原来是关键词出来一堆列表，在AI大模型的加持下，是生成式的结果，以更好的形式展现给我们。比如会议，以前是人做会议记录，现在AI加持下，AI就可以自动生成会议纪要。这是+AI，在原有的应用上，应用AI技术做了单点的突破。

　　AI+就是AI变成了主体，AI+千行万业去赋能。AI+模式下现在已经规模化落地了，所谓的AI+就是我们现在提的智能体，或者代理式的人工智能。按这时候AI已经从工具转变成使用工具的角色，代理式人工智能是我们给AI一个指示，AI就能准确地理解你的意图，对复杂任务拆解，并且调用工具完成，从被动执行过渡到感知、理解、执行的闭环过程。AI+在航空、教育、企业办公都规模化落地，智能体AI还在不断发展，最后人工智能从局部赋能到全产业赋能。

　　代理式人工智能再到下一步就是物理AI。人工智能不仅可以去理解复杂的任务、拆解任务、调用工具，还可以理解物理世界，去在物理世界执行、改变物理世界。这时候人工智能不仅仅是产业链条的重构，已经是人类社会实体经济的重构。

　　在物理AI阶段，已经有一些简单的尝试。比如工业机器人、自动驾驶，这是AI如何从单一点上的工具过渡到全产业链的加速，现在已经在这么做，从+AI到AI+，再到物理世界。

　　窦德景：从我的角度来说，首先要使AI有一定的突破和提升，有几个前提条件或是边界得注意：

　　第一，在数据方面，现在可以抓取的数据已经被用来训练各个国家的大模型，但真正的高质量数据存在于私域或是企业内部，怎么把高质量的数据拿来提高模型的性能和升级，这是很重要的问题。大家肯定会做，这里有一个边界，一定要做到可信AI。数据的可用不可见，我们使用高质量的数据，但不会泄露数据的隐私，同时提高了AI的性能和大模型的性能，这是非常关键的点。

　　另外一个边界，AI的价值和伦理。我们用AI做很多事，能提高很多性能，提高效率，生成内容，包括嘉宾提到了音乐方面的巨大作用。它有一个伦理问题，有时候可以用AI做假的信息，最后发展AI越强越能够以假乱真。另外一方面，AI再发展下去最终可能会有自我意识，一旦AI有了自我意识，这个世界到底是AI主导还是人来主导？这个问题最近两年暂时不用担心，但是前面提到的价值和伦理之间的冲突，要注意。

　　最后一点，AI的发展和可持续性。GBT5应该是十万亿参数，像OPENAI这样的公司去试，看看效果如何。参数量大十倍，训练需要的能源、算力消耗最少大十倍，这是简单的线性关系，没有道理说模型大十倍算力还小十倍。模型训练到多大？不要再大，应该做优化，像DS做的一些事，这些方面都需要考虑。我们公司有一个星火大平台，我们同时也有鸿鹄可信数据空间。今天几位嘉宾都看到了，算力、模型、应用，要通盘考虑，单纯考虑一个点不能照顾到其他问题。

　　汤琼：“十五五”规划的“人工智能+”是我们努力的方向。我们整个团队正在构建的两个未来场景，第一在建筑领域，AI承担超级规范顾问的角色，工程师无须去翻阅规范，直接提问。比如这个地区的消防规范是多少，AI直找出来。我们用AI成为首席工程师助理，比如在安全方面，能深度分析数据，辅助预测设备的异常，向零事故迈进，在降本和减排找到平衡。这一切的基石是我们为客户构建的联合体，从经验驱动到数据和知识的双驱动。

　　唐月明：我们这个领域算典型的应用案例。音乐产业核心的元素：音乐作品、音乐艺人、现场还有平台，举个例子，我现在戴的眼镜是我两年前买的META，我跟大家沟通的时候已经在录制。我在上个月的时候参加百度的人工智能大会，他也出了新的眼镜。对我们来说，以前看的很多演唱会都是互动的，现在艺人戴上智能眼镜，就形成一个AI的新模型，把演出部分颠覆。刚刚提了版权，音乐内容会增加海量作品，海量作品通过AI筛出优质内容，这是另外一个机遇。

　　第三点，有可能对内容、艺人本身有巨大的颠覆。前段时间看到罗永浩的数字人，你问的问题都可以沟通交流。对我们来说最火的艺人、周杰伦、林俊杰，未来可能是数字人的艺人。几年前日本有一些虚拟偶像已经出来了，未来AI驱动的有可能会有新的数字人智能体，可以唱歌、聊天，可以跟粉丝互动。从未来“十五五”规划来说，再未来五年会有另外一个颠覆的模型出来。

　　从我们音乐产业来说，有些方面还是能真切地感受到变化。

　　话题四：共绘中国AI产业发展寄语

　　主持人：刚才五位嘉宾分享了对这个产业的期望和展望。从技术创新，从+AI到AI+，包括伦理到治理，新的场景、新业态、未来的发展，技术突破是无止境的，产业融合正当时。

　　最后有请每位嘉宾用一句话为中国的AI产业送上寄语。

　　唐月明：我在音乐行业26年，这几年不断地尝试和学习，用一句话来说，对AI还是“全力拥抱”，而且它会是巨大的颠覆。就像我刚提到的，它会有无限想象的可能。

　　汤琼：今天一起讨论完，我更加的坚信，中国的AI产业不再追求更加炫酷的模型，而是让技术深深扎根产业土壤。“十五五”期间的“人工智能+”核心是价值创造，我们的使命就是做最懂电力、最懂建筑的AI赋能者，把灰色的代码翻译成优化建议，把复杂的算法变成建筑的安全愿景。我期待AI能成为热门的技术名词，推举幕后，像水电煤一样的可靠。基础设施，不再被谈论，而是无声地融入到每一台设备的稳定运行，每个项目精细化的管理，真正地成为产业高质量发展新质生产力引擎。

　　窦德景：我代表北电数智，希望在数据可信的基础上，用数创模用的理念，为中国的AI发展作出自己的贡献。

　　郭雪峰：今天能看到人工智能的发展，真的是日新月异，势不可挡。人工智能本身向更高端的AGI发展是一定的，而且坚信能成功。人工智能的发展，确实存在很多的风险，包括今天讲的伦理、治理及恶意地使用人工智能。人工智能的发展是必然的，如果说对中国和世界的AI产业发展的期望，我用一句话总结，借用今天会议的主题：希望人性向善，希望科技向善，人工智能给人类带来更加公平，更加繁荣，更加可持续发展的未来。

　　李树翀：如果说人工智能是千年一遇的机遇。它不仅仅重塑了数字世界的创新范式，对各行各业都会有巨大的影响。千年难遇不敢讲，如果是一句寄语，当下中国应该把握难得的机会，真正地把人工智能打造成在“十五五”期间，推动科技高质量、自立自强及经济产业高质量发展的核动力，人工智能有这样的能力。

　　主持人：每个人都在人工智能大潮里，是对未来远见的认可，也是对未来产业发展的坚定认识。各位嘉宾的寄语既保持了技术远见又充满了产业情怀，技术向善是底线，产业向新是目标，在各位的携手下，中国的AI产业必将在创新与规范中稳步前行，书写更加精彩的篇章。本次对话到此结束，再次感谢五位嘉宾的分享，也感谢观众的理解和支持。谢谢大家！