高端訪談 | 張亞勤：人工智能如何賦能千行百業

（來源：北京物聯網智能技術應用協會）

 專家簡介

張亞勤，中國工程院外籍院士，美國藝術與科學院院士，澳大利亞國家工程院院士，清華大學智能產業研究院院長，數字領域和人工智能領域的知名科學家和企業家。12歲考入中國科技大學少年班，后留美深造，曾聯合創立微軟亞洲研究院並任微軟中國董事長，曾任百度公司總裁，世界經濟論壇達沃斯人工智能委員會委員。

人工智能是引領科技革命和產業變革的戰略性技術。作為第四次工業革命的核心驅動力，人工智能如何實現從「互聯網+」到「智能+」的跨越，進而賦能千行百業？記者就此採訪了中國工程院外籍院士、清華大學智能產業研究院院長張亞勤。

從「互聯網+」邁向「智能+」

是信息連接向知識創造的躍升

記者：早在2016年冬季達沃斯論壇上，您就提出「AI（人工智能）是第四次工業革命的技術引擎」，並提出「AI+」「智能+」戰略。如今從「互聯網+」到「智能+」的轉變已深刻影響各行各業。能否請您談談這一轉變的核心驅動力是什麼？

張亞勤：差不多10年前，深度學習已經開始在人工智能領域應用了，但當時還沒有大模型、算力，更多的是做語音識別、圖像識別、人臉識別，比較基礎。當時我意識到AI發展的潛力，堅信這會徹底改變整個經濟社會的結構。當時大家都在談「互聯網+」、談第四次工業革命，我提出，「AI+」「智能+」是下一個大趨勢。

現在看來，從「互聯網+」到「智能+」，其本質是技術範式從「信息連接」向「知識創造」的躍升，這是一次意義深遠的變革。

數字化歷經了三個階段。數字化1.0聚焦於內容的數字化，將現實世界的信息轉化為數字形式進行存儲和傳播，像早期的文檔數字化、圖片數字化等。數字化2.0則側重於關係的數字化，互聯網平臺的興起讓人與人、人與物、物與物之間的關係得以數字化呈現，極大提升了交互效率。比如電商平臺讓商家與消費者的交易關係數字化。而當下我們正邁入數字化3.0時代，其核心在於物理世界和生物世界的數字化。這意味着不僅是信息的數字化，而是要對物理實體和生物機體進行數字化模擬與理解，進而實現深度交互與控制。

以製造業為例，「互聯網+製造」主要是將生產環節的部分流程線上化，實現信息的互通有無，方便管理與監控。但「智能+製造」則截然不同，它藉助人工智能技術，對生產流程進行全方位智能化改造。比如通過機器學習算法分析設備運行數據，能夠提前預測設備故障，實現預防性維護，避免生產中斷；利用計算機視覺技術進行產品質量檢測，能夠快速、精準地識別產品缺陷，提升產品質量。

這一轉變的核心驅動力主要來自三個方面。首先，技術上有越來越大的突破是基礎。深度學習算法的不斷突破，讓AI在圖像識別、語音識別、自然語言處理等領域實現了質的飛躍。強大的算力為AI的發展提供了堅實基礎，從傳統的CPU計算到如今專門為AI設計的GPU、TPU等，算力的指數級提升使得複雜的AI模型訓練成為可能。海量的數據更是AI發展的「燃料」。隨着互聯網的普及和物聯網設備的廣泛應用，數據量呈爆發式增長，為AI模型的訓練提供了豐富素材。

其次，市場需求是重要的驅動力。在全球經濟競爭日益激烈的背景下，企業爲了降低成本、提高效率、增強競爭力，迫切需要藉助新技術進行轉型升級。消費者對於個性化、高品質產品和服務的需求也促使企業利用AI技術，深入挖掘數據價值，精準把握市場需求，優化產品設計與服務流程。

最后，政策的支持也不可或缺。各國政府紛紛出臺鼓勵AI發展的政策，在資金投入、人才培養、基礎設施建設等方面給予全方位支持，營造了良好的產業發展環境，加速了 「智能+」時代的到來。

「人工智能+」將成為

每個行業的核心驅動力

記者：2025年的政府工作報告強調，持續推進「人工智能+」行動，將數字技術與製造優勢、市場優勢更好結合起來。AI如何賦能千行百業，最適合在哪些產業先落地應用呢？未來5年，「AI+」最值得關注的風向標是什麼？

張亞勤：這些年，不管我在百度，還是到了清華，都是全身心在做AI這件事。比如百度雲，實際上我們叫智能雲（AI big data cloud，簡稱ABC），它不是一個簡單的基礎設施功能，其實是一個智能體系；我們做無人駕駛，沒有AI不可能實現無人駕駛。到了清華之后，我選了三個垂直方向進一步研究，一個是智慧交通，一個是IoT智慧物聯，一個是智慧醫療。

我有一個重要判斷：2025年自動駕駛或將迎來「ChatGPT 時刻」。我這里講自動駕駛其實是指L4級別也就是高級別的無人駕駛。我的判斷主要基於以下幾點：第一，從美國的Waymo，到國內百度Apollo，無人駕駛已經做了差不多10年時間。這些年技術進展很快，特別是大模型出來后，無人駕駛中遇到的一些難點問題已經在加速解決，在技術角度突破了重要瓶頸。比如數據不足的問題，比如corner case（極端場景）長尾的問題。所以，在技術方面，Waymo和百度，包括文遠知行、小馬智行這些公司基本上都過關了。我説的過關是指安全度已經提升了5倍到10倍，至少比人類駕駛更安全了。第二，從實際運營來看，Waymo在舊金山，百度在武漢，這兩個都是大城市，交通狀況十分複雜，如果在這兩個城市能跑通，那別的城市就更加可以，證明自動駕駛可以規模化運營，同時又比人類駕駛安全很多倍。我還講了無人駕駛既要做好司機，也要做老司機。目前無人駕駛在安全度上可能已經達到好司機水平了，但是與人類的司機共同駕駛的時候，在各種複雜場景里面，還要開得像老司機。「好司機+老司機」這個命題今年是可以證明的，證明之后就可以説達到了「ChatGPT時刻」。當然，要達到規模化還需要更長時間，這里面有政策法規，也有商業模式等一系列問題。我預測到2030年10%的新車會有L4+的能力，這個我就認為是規模化了。所以，我預測無人駕駛的「DeepSeek時刻」發生在2030年。

在生命科學領域，AI正帶來前所未有的變革。通過生成式AI、多模態預訓練等技術手段，AI加速了科學發現的進程。以蛋白質結構預測為例，傳統方法解析蛋白質結構耗時久、成本高，而AI技術如DeepMind公司的AlphaFold，能夠基於氨基酸序列，快速準確地預測蛋白質的三維結構，極大地推動了藥物研發進程。因爲了解蛋白質結構是開發針對性藥物的關鍵，這一突破使得我們能更高效地篩選潛在藥物靶點，縮短新葯研發周期。在基因編輯方面，AI可對海量基因數據進行分析，精準定位需要編輯的基因位點，提高基因編輯的準確性與安全性，為攻克遺傳性疾病帶來新希望。在臨牀診斷中，AI輔助診斷系統能夠快速分析醫學影像、病歷等數據，幫助醫生更準確地判斷病情，實現疾病的早發現、早治療，推動個性化與精準醫療的發展。

隨着全球氣候變化問題日益嚴峻，綠色計算成為實現碳中和目標的關鍵技術，而AI在其中的優化作用至關重要。在數據中心，AI可根據服務器的負載情況，智能調節服務器的運行功率，實現能源的高效利用，如通過對數據中心的温度、濕度等環境參數進行實時監測與智能調控，優化散熱系統，降低能耗。在能源領域，AI能夠對能源生產、傳輸、存儲和消費全過程進行優化管理。比如，在風力發電場，AI可根據風速、風向等氣象數據，智能調整風機的葉片角度和轉速，提高發電效率；在電網調度中，AI通過對電力供需數據的分析預測，實現電力資源的精準調配，減少能源損耗，助力能源產業向綠色低碳轉型。

展望未來五年，首先最大的、第一個受益者是IT產業，就是製造AI的這個行業。AI芯片、數據中心、大模型軟件、各種智能體的發展，會給IT公司帶來新的發展機遇。目前全球最大的五家公司全都是IT公司。英偉達在這一輪AI浪潮中成為主要的受益者，現在市值數一數二，微軟、蘋果、谷歌和亞馬遜均屬於IT科技領域。所以，人工智能發展的第一個受益者就是IT產業。

第二個受益者是高度數字化的企業。因為新一輪的AI是數據驅動的，需要大量數據。一個行業或者一個公司如果沒有做好數字化這個基建，那就很難與AI結合。所以，為什麼現在我們講智慧交通、無人車，包括金融、教育、醫療健康、高端製造，這些行業有了AI以后都會發生很大變化，但最先影響到的產業或者企業，一定是高度信息化、高度數字化的產業或者企業。現在有橫向大模型，也有很多垂直模型，可以做RAG、做智能體，或者做微調，但是如果沒有數據，都不知道怎麼使用AI。

從長遠看，AI一定會影響到每個企業，就像互聯網。早些年，很多人也問我互聯網會影響哪些公司？我説互聯網會影響每個公司，但可能層次不一樣。AI也是如此，可能少數公司在做AI模型，在發明AI技術、工具，但所有公司都會用到AI，而且必須用，你不用，可能會被先用的公司拍死在沙灘上，誰率先使用，誰先成為受益者。當然，也不要太焦慮，因為它對每個行業、每個企業影響的程度不一樣。我們需要擁抱新技術，但使用AI的最終目的還是解決問題。

行業AI大模型驅動

產業升級的挑戰與前景

記者：最近，浙江提出要做深做實AI賦能的文章，加快「人工智能+」行動步伐，爭創全國行業應用基地，加速落地一批牽引力強、影響力大的應用場景。您曾預測中國將出現「數百數千種行業AI大模型」，這些模型在驅動產業升級時面臨哪些挑戰？未來突破方向是什麼？浙江可以在哪些方面先行探索？

張亞勤：關於人工智能發展，我認為有5個核心趨勢值得關注。

首先，生成式AI向智能體AI範式躍遷。未來的智能體不再侷限於內容生成，而是具備更強的目標驅動性、自主決策規劃能力，以及與環境的實時交互能力。這種能力的進化正以「任務長度每7個月翻倍、任務準確度突破50%」的速度推進，將深度重塑消費電子、醫療健康、智能汽車等眾多領域，最終實現從「工具」到「智能夥伴」的質變。

其次，AI領域的規模定律正在發生深刻演變。預訓練階段的邊際效應逐漸平緩，技術焦點已轉向推理規模定律和智能體規模定律。同時，多模態應用從語言、視覺向更多垂直領域擴展，帶來「成本降、能力升」的剪刀差效應——模型推理單位成本以每年10倍速下降，而智能體綜合能力與算力需求則以每年10倍速增長，推動AI從「能思考」向「能實干」的實用化階段跨越。

第三，AI正突破數字世界邊界，與物理和生物智能深度融合。大語言模型正進化為「視覺—語言—行動模型」，為具身智能奠定基礎；無人駕駛領域預計2030年迎來「DeepSeek時刻」，10%以上新車將具備L4+級能力；機器人技術與AI融合下，2035年左右有望實現接近人類水平的靈巧操作。更重要的是，AI在精準醫療、新葯研發及基礎科學研究中的應用，將成為未來十年最具顛覆性的突破方向。

第四，AI發展的風險攀升與治理挑戰不容忽視。CBRN(化學、生物、放射性及核風險)領域的潛在惡意使用風險已從中低級升至中級，模型欺騙、約束逃逸等安全威脅在新版本迭代中愈發突出，而自主智能體的普及可能引發不可預測的系統性風險。當前全球治理機制滯后於技術發展，地緣政治等因素也制約着國際協作，構建敏捷有效的治理體系面臨嚴峻挑戰。

最后，全球AI產業格局重塑，中國將在其中扮演重要角色。預計到2026年，全球通用大模型領域將整合形成8至10家頭部企業，中國有望佔據3至4席。中國企業將走出「極致效能優化、創新架構探索、低價格普惠」的特色路徑，以垂直行業深度落地能力為核心競爭力。同時，產業將形成「80%開源+20%閉源」的生態格局，開源生態加速知識共享，與閉源模式互補推動技術繁榮。

浙江作為數字經濟高地，已形成極具競爭力的互聯網產業格局，為AI高質量發展奠定了堅實基礎。阿里巴巴、網易等行業巨頭，依託阿里雲、網易伏羲實驗室等創新平臺，在人工智能、雲計算領域掌握眾多核心專利，積累海量數據與強大算力。DeepSeek、強腦科技、宇樹科技等科技新鋭企業快速崛起，在大模型、類腦機器人、智能硬件等前沿賽道取得突破，與龍頭企業協同發力，助力浙江搶佔數字經濟發展先機。浙江還創新推出「AI產業飛地」政策，允許北京、上海的研發團隊在杭州設立產業化基地，享受「雙總部」税收優惠，這種「智力飛地+產業落地」的模式，吸引了清華、北大等高校的20余個AI團隊落户。當前行業大模型發展面臨「三元悖論」，模型精度、部署成本、數據安全難以兼顧，浙江的探索給出了創新性解決方案。我認為可以沿着現在的路子繼續走下去，加快發揮優勢、補齊短板。

在主體培育上，加強高校、科研機構與企業的協同創新。高校與科研機構專注於基礎研究與前沿技術探索，為行業AI大模型的發展提供理論支撐與技術儲備；企業則憑藉豐富的業務場景與數據資源，將科研成果快速轉化為實際生產力。通過產學研深度融合，加速行業AI大模型的研發與應用推廣。

在生態建設上，要構建完善的行業AI大模型生態體系。一方面，鼓勵開源開放，促進模型、算法、數據等資源的共享與交流，降低行業創新門檻；另一方面，加強行業標準制定，規範模型的開發、評估與應用流程，營造健康有序的產業發展環境。同時，加大複合型人才培養力度，高校可開設跨學科專業課程，企業通過在職培訓、產學研聯合培養等方式，提升人才隊伍素質，為行業AI大模型的持續發展提供堅實的人才保障。

此文內容為第三方自媒體作者發佈的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與北京物聯網智能技術應用協會無關。文章僅供讀者參考，並請自行覈實相關內容。