从“人工智能+”到具身智能落地：2025中国AI产业加速迈向规模化应用

从线上人工智能（以下简称“AI”）大模型与教育、医疗、金融等各行各业深度绑定，持续刷新行业效率上限；到线下具身智能机器人在工厂协作、社区养老、家庭服务中崭露头角，为人类生产生活带来无限可能……2025年，人工智能正以前所未有的速度穿透虚拟与现实、串联技术与产业，也让人们不禁畅想，AI技术的未来发展还能带来怎样的惊喜。

今年8月，国务院印发《关于深入实施“人工智能+”行动的意见》为我国推动人工智能与经济社会各行业各领域广泛深度融合提供了指引。10月28日发布的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》中再次明确：“深入推进数字中国建设”“加快人工智能等数智技术创新”“全面实施‘人工智能+’行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业”。

如何将当前我国AI技术发展取得的成果进一步转化为实践动能？在近日举办的2025人工智能+大会上，多位来自AI细分领域的专家学者、行业代表分享了各自的经验观点，在跨界交流中激发AI技术在实际应用中的潜能。

“赋予机器人真正理解世界的能力”
“AI未来发展的核心目标，是成为能让大家满意的通用人工智能（以下简称‘AGI’）。”图灵奖得主，中国科学院院士，清华大学交叉信息研究院、人工智能学院院长姚期智介绍，AGI指具备认知推理、应对复杂场景等类人能力的AI技术。

在姚期智看来，从AI迈向AGI的关键，在于具身智能、科学智能与安全治理三大方向。其中，具身智能的突破已初见成效。姚期智表示，机器人需要同时具备“小脑”的敏捷行动能力与“大脑”的认知决策能力，才能替代人类承担危险、繁重的工作。

在今年8月举办的2025世界人形机器人运动会上，宇树科技的G1和H1机器人共拿下19枚奖牌。宇树科技创始人兼首席执行官王兴兴表示，宇树科技研发的人形机器人目前已经能实现绝大部分工作和动作的复刻，下一个10年，AI技术将赋予机器人“真正理解世界的能力”。

近两年，智能体（Agent）逐渐成为AI行业的重要发展方向之一。去年年底，市场研究机构Research and Market发布报告指出，全球智能体市场规模将从2024年51亿美元增长到2030年471亿美元，年均复合增长率达到44.8%。

“如果将AI大模型与智能体进行比较，前者主要是‘聊天’，后者则是‘做事’。”阶跃星辰创始人兼首席执行官姜大昕举例称，在制定旅游攻略时，AI只会提供一份清单，“而智能体可以进一步帮你订好机票、酒店”。

AI的长思维链、多任务执行能力以及多模态技术发展，为智能体开辟了广阔的应用场景。姜大昕认为，以硬件智能终端为载体的智能体未来有望成为AI的入口，“人体的可穿戴设备、汽车的智能驾驶系统、家中的全屋智能等硬件终端，都可以通过自然语言的方式与人类实现交互”。

除了日常生产生活，AI的科学智能还有望推动科学研究进入“人机协同”新阶段。中国电子信息产业发展研究院院长张立介绍，目前国内外发布的主流推理模型在物理、化学、生物等领域能力均超越人类博士水平。姚期智则提到了去年谷歌推出的AlphaQubit解码器，该解码器通过AI实现量子纠错，攻克了困扰量子计算机领域多年的难题。

不过，在AI技术打破人机边界的背后，安全治理也成为不可忽视的命题。姚期智提醒，AI算法潜在的不可靠性可能引发隐私泄露、冲击社会价值伦理等风险。“目前中外正在探索将AI与密码学、博弈学等理论结合的交叉领域，凝聚国际共识，携手构建AI治理协议。”姚期智说。

多位在场发言嘉宾认为，发展AI产业从来不是一家企业的单打独斗。王兴兴表示，“我们需要与开源社区紧密合作，加速技术成果的共享，降低全行业的创新成本；我们更需要与全球伙伴一道，建立健全机器人伦理与安全标准，确保技术始终朝着‘向善’的方向发展。我始终相信，唯有全世界拧成一股绳，机器人技术才能更快突破临界点，推动人类文明迈上新台阶。”

AI规模化落地是产业的“必答题”
随着AI技术未来10年发展图景徐徐铺开，如何让AI真正走进车间、深入街巷，实现规模化落地，也成为我国未来AI产业发展的重点。

《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》对“加快高水平科技自立自强，引领发展新质生产力”作出战略部署。前不久，工业和信息化部党组书记、部长李乐成以《加快推进人工智能赋能新型工业化》为题，在媒体发表署名文章。他指出，人工智能领域要占领先机、赢得优势，必须厚植“根技术”，夯实算力、算法、数据等基础底座。推动“模数共振”，引导人工智能模型与高质量数据集协同创新、深度融合，建立“数据共享、模型优化、应用孵化、安全保障”一体化机制。

北京数据集团副总经理、北京国际大数据交易所董事长李振军直言，当前AI落地面临的核心痛点之一，是“有数据但无准备”——企业积累的大量数据分散在各业务系统，未按AI需求整理成标准化数据集，“缺少数据集作为基础，AI技术与产业需求便难以建立有效衔接”。他表示，目前我国正处于AI数据要素产业链起步初期，企业仍需要一些时间探索数据集的建设。

“大模型每100天左右就能实现模型密度翻倍，意味着能用此前一半的资源投入实现相同的模型能力，模型训练成本和推理成本都可以大幅度下降。”清华大学计算机系副教授、面壁智能联合创始人兼首席科学家刘知远从技术侧提出了“大模型能力密度法则”。在他看来，通过高效的技术创新，大模型可以用更少的参数承载更强的能力，这将直接压低大模型的训练与部署成本，推动AI以更低成本、更高效率赋能千行百业。“新技术的应用如果在产业中长期没有闭环，也就很难持续下去。”李振军认为，光有技术远远不够，大部分业务的落地仍然依靠需求端，因此场景驱动是AI规模化落地的主要策略，需要在细分产业里找到和AI技术的契合点。

上海交通大学计算机学院特聘教授，思必驰联合创始人、首席科学家俞凯深耕于以智能对话为核心的语言和语音处理领域。依托对产业端的观察，他表示，AI在落地过程中必须解决三大关键问题，首先是需具备全系统、全链路交付能力，“真实场景需要的不只是一个能输出声音和文字的模型这么简单，而是集合任务执行、资源调度与满足用户需求的系统”。第二是软硬件结合，只有将智能体真正嵌入到硬件层面，才有机会走进千家万户。此外，还要关注通用人工智能在真实场景需求中的可定制能力，“技术落地无法套用固定公式，需围绕实际需求进行调整，灵活运用大小模型与多种不同工具，提升解决真实场景问题的能力”。

阿里云智能集团副总裁霍嘉过去3年在业务一线注意到，AI大模型在实际落地中仍存在认知偏差、理论与实践脱节、缺乏可复用的最佳实践等问题。

霍嘉建议企业在选择AI落地场景时避免“标新立异”，不要追求“用看起来很酷炫的技术解决疑难杂症”，而是选择重复性工作场景，从可借鉴的领域开始。其次是优化数据质量，形成清晰的语料库，还要选择适合自己的模型。与此同时，智能体的快速迭代需要企业进一步重视工程师的作用，通过提升技术的工程化能力来推动规模化落地。

AI技术的加速落地，正在成为驱动行业升级“新引擎”。工业和信息化部公布的数据显示，“十四五”以来，我国智能制造工程扎实推进，已建成基础级智能工厂超3.5万家、先进级智能工厂7000余家、卓越级智能工厂230余家，持续推动工业装备软件集成创新。

“制造业是立国之本、强国之基，是人工智能应用的主战场。”李乐成在《加快推进人工智能赋能新型工业化》一文中表示，要推动制造业全流程智能化升级，推进人工智能技术深度嵌入生产制造核心环节；加速智能产品装备迭代创新，推进AI手机、AI电脑等消费终端换代，加快人形机器人、脑机接口等新一代智能终端研发与应用，推动大模型与智能网联新能源汽车、数控机床等深度融合；加快智能体设计、开发、测试和部署，探索多智能体协同生态。

在大会现场，王兴兴邀请在场嘉宾想象这样几个场景：在工厂的生产线上，未来机器人与工人并肩协作，工人只需发出简单的指令，机器人完成自动搬运，将人从繁重劳动中解放；在社区养老服务里，小型护理机器人上门为独居老人测量血压，陪伴聊天，弥补养老护理人口短缺；在普通家庭的客厅中，机器人承担打扫、看护、辅助学习等任务，成为每个家庭的全能助手。

尽管目前AI行业仍存在亟待消除的壁垒和痛点，但毋庸置疑的是，当下全球AI领域已经进入技术加速进化、能力集中涌现、应用加快普及、创新群体突破交织叠加的时期。用王兴兴的话来说：“如果过去10年是‘萌芽与探索’，那么下一个10年，注定是‘生长与绽放’。”