现在AI技术很火。它正在改变很多行业。国家政策也说，要把AI和产业结合起来。目标是让AI帮我们提高产业水平，让我们国家更有竞争力。“十五五”规划建议里，就明确提到了这一点。它要求我们抓住AI应用的机会，全面帮助所有行业。
AI技术现在从实验室走出来，要大规模应用到产业里。但是，怎么才能让技术真正落地，创造价值呢？中国有很多行业，体系很完整。怎么才能让AI在这里扎根，和实体经济一起发展呢？这些都是现在要解决的重要问题。
前不久，万联易达公司开了一个专题研讨会。主题是“以应用破局·以生态聚力AI+产业发展”。很多AI专家和产业代表都来了。他们一起讨论了AI和产业深度结合的问题。也说了中国实体经济怎么转型升级。我想知道他们说了什么。
“涌现窗口期”：AI与产业融合仍存挑战
现在AI发展得很快。而且政策也支持它。这就像AI和产业发展的“黄金期”。2025年8月，国家说要深入做“人工智能+行动”。这个行动把“人工智能+产业发展”定为核心任务。同年11月，国家又发布了意见，要加快场景培育和开放。这些政策都给AI在产业里的发展指明了方向。
政策支持不断，AI技术也进步很快。但是，AI要真的用在产业里，还有很多问题。
清华大学的孙茂松教授是AI研究院的常务副院长。他在会上说，这几年大模型技术进步很快。它能处理文字，写代码，还能理解多种信息。机器现在更聪明了。
万联易达的杜新凯副总裁说，AI研究已经到“世界模型”阶段了。但是，实际应用却刚开始。这就像一个“涌现窗口期”。中国有很多工厂，很多行业。这给AI提供了很多用武之地。AI也能帮助这些行业发展。
但是，杜新凯也直接点出了AI和产业融合的四个大问题：
- 技术和产业不匹配。
AI技术跑得快，产业需求慢一步。它们之间接不上轨。比如说，AI能识别工厂里的螺丝型号。它能很精确地区分M8和M10。但是工厂可能只需要它知道今天总共有多少螺丝入库，不需要区分型号。或者工厂想让AI自己规划生产流程，AI却只能做单一的检测工作。两边的需求不一样，这就浪费了AI的能力，也解决不了工厂的实际难题。 - 数据不好用。
很多数据都锁在自家系统里，动不了。这叫“数据孤岛”。数据就不能互相帮助，发挥作用。例如，一家物流公司有货车运行的数据，知道车辆什么时候出发，走了哪些路线，用了多少油。另一家公司有仓库的库存数据，知道哪些货物什么时候到，什么时候出库。如果这两家公司的数据不共享，就不能优化整个运输路线。车队还在路上堵着，仓库已经堆满了。数据没有流通，价值就出不来。 - 能力对不上。
企业想要智能化的方案，但是市面上的服务不合适。好比企业需要面包，市面上只有蛋糕。比如说，一家纺织厂想用AI检测布料的瑕疵。它需要AI能识别各种细微的线头、跳纱、破洞，而且要能区分不同材质的布料。但是市面上的AI只能识别大块的污渍或者明显的破洞，对细微的瑕疵识别率很低。这就没法解决工厂真正要面对的问题。 - 赚钱模式不清楚。
很多AI技术听起来好，但怎么赚钱，不明确。投入很多钱，回报却看不见。这样企业就不敢投钱。比如说，一家公司开发了智能客服AI。这个AI很聪明，能回答很多问题，也能理解用户的意图。但是，如果它不能减少客服人员的成本，或者不能明显提高客户满意度，让用户更愿意购买产品，企业就不会用它。钱投进去，没有回报，这个技术就很难推广开。
孙茂松教授还补充说，现在的AI，无论是通用的还是垂直领域的，都有两个共同问题：
- 第一，看不全。 AI处理产业数据时，容易漏掉关键信息。它没有一个整体的眼光。比如，AI分析一个工厂的生产效率。它可能只看机器的运行时间，记录了机器停机了多久。但是它可能没看到工人操作不规范，或者原材料供应不稳定，导致效率下降。这就没看到全貌，分析结果就不准确。
- 第二，不深入。 AI对行业问题懂得不够细。遇到一些不常见的问题，它就没办法了。比如，AI能诊断机器常见的故障，通过声音或者震动模式识别异常。但是如果机器因为当地环境湿度突然变化，出现了一种从没见过的故障，AI就可能判断不出来。它没有足够的行业经验，也没有理解这个故障背后的深层原因。
这些问题确实很具体，也很现实。
破解痛点：产业级AI大模型“应运而生”
面对这些问题，我们需要新的AI。这种AI不能只懂通用知识，也不能只懂一个行业。
杜新凯说，这种AI要懂所有行业。比如万联易达推出的万联摩尔。它是一个面向全产业的AI大模型。它必须像一个经验丰富的行业老手。它要熟悉各种行业，了解国家政策，知道工厂生产流程。而且，它还要能帮企业做决策。这就像一个超级行业专家，能解决企业遇到的各种难题。
孙茂松教授也强调，AI和产业结合不是随便就能成功的。需要花很大的力气去思考，去创造。这样才能真正解决产业的实际问题。他说，要“想得大，做得细”。这意思就是，宏观上要抓住技术发展趋势，微观上要深入到每个场景的细节里去。
我在研讨会上了解到，万联易达针对“AI+产业”的问题，提出了一个方案：建一个**“全产业AI超级载体”**。万联摩尔就是这个载体。
“全产业”是什么意思呢？它就是不只看一个行业。它能覆盖工业、农业、服务业等所有领域。它能把不同行业之间的知识整合起来，互相帮助。这就像一个巨大的知识库，把所有行业的经验智慧都汇聚起来。
那“超级载体”又是什么呢？它要懂产业的痛点。它要有全面的产业数据。它要能准确回答产业问题，还能提供好的服务。它给企业提供一站式的智能方案，解决所有问题。
作为产业级的AI大模型，万联摩尔填补了通用大模型和垂类大模型的不足。通用模型对专业问题回答不深，比如你问它一个具体政策条文的含义，它可能只能给出泛泛的解释。垂类模型不能整合上下游信息，比如一个只懂钢铁的AI，它就无法理解煤炭价格波动对钢铁生产成本的影响。
万联摩尔怎么做呢？它能处理这些问题。比如说，你问它焦煤价格相关的问题。它不是随便说个数字。它会自己关联到太原、包头等四个主要产地的信息。它会告诉你不同产地的价格，以及影响价格的因素。这样你得到的回答就很专业，也很全面。它懂行，而且懂得很深。
杜新凯介绍说，现在万联摩尔已经上线了20多个智能工具。而且，还有100多个功能正在开发。它能用在企业研发、生产、供应链、销售、服务、管理等所有环节。
它有一个特别的功能，可以**“一键生成手绘白板图”**。这是一个很有意思的工具。平时我们看几千字的产业分析内容，很复杂。但是万联摩尔能把它提炼出来，变成一张逻辑清晰的可视化图表。这样你一看就懂，很快抓住重点。这能帮你省很多时间。
这是它的工作原理：假设你要分析螺纹钢市场行情。
- 先输入你的问题。 比如：“请分析最近螺纹钢市场的供需情况和价格走势。”
- 然后，万联摩尔会给出文字解答。 这些解答会包含供需、政策、库存等多个维度的信息。它会告诉你目前库存是高还是低，政策有什么变化。
- 最后，它会生成一张白板图。 这张图上会把各种因素，比如上游的铁矿石价格、下游的建筑项目开工率，以及政府的环保限产政策，用箭头和图示连接起来。这样，你就能直观地看到它们之间是如何互相影响的。
这样一来，你做决策会更快，也更准确。这非常实用。
万联摩尔整合了国民经济97大类，超过100亿的产业数据。它回答产业问题的准确率，超过了90%。这在行业里算很高了。
但是杜新凯也承认，开放场景下的问答，他们还在努力。比如说，怎么让非结构化的数据自动变成结构化的信息？怎么把那些不规范的行业经验，变成AI能懂的知识，并且沉淀下来？把核心知识图谱升级到2.0版，是他们现在的难点。他们正努力解决这些技术问题。
为了帮助产业AI技术创新和落地，研讨会上还干了件大事。他们正式成立了**“产业人工智能研究与应用专家委员会”**。孙茂松教授是首席顾问。哈工大、中科院大学、北理工、东北大学等很多大学的AI科研团队专家教授都加入了。他们会一起开发万联摩尔。
场景为基：推动产业与AI“双向奔赴”
大家在会上也说，AI用在产业里，难点不是技术多厉害。而是场景太多太杂。
每个工厂、每个行业的需求都不一样。它是一个“一厂一策、一行一规”的复杂情况。老办法不好使了，因为没有一个通用方案能解决所有问题。
万联摩尔事业部总监吴春梅举了钢铁行业的例子。她说，AI现在已经能做很多事情了。比如：
- 它可以识别工人有没有戴安全帽。如果没戴，就会发出警报。
- 它能发出区域入侵警报。比如在危险区域，有人进去就会提醒。
- 它还能检测钢材有没有裂纹。或者轮胎有没有瑕疵。
这些都是很具体的应用场景，而且它们都解决了工厂实际的问题。
她说：“我们覆盖所有行业，所有场景。这样解决产业场景分散的问题。”未来，他们还想给企业提供一个“智慧虚拟员工”方案。这个方案能解决更复杂的终端任务。比如，一个虚拟员工可以同时监控多个生产线，发现问题自动通知维修人员，还能根据数据优化生产计划。这会很酷。
孙茂松教授说，未来AI竞争的关键，是谁能先做出可复制、能赚钱、可持续的产业AI模式。这就像谁能先找到一条成功的路，并且这条路别人也能走，而且能一直走下去。
他说，中国在基础模型上已经很强了。AI公司要多根据实际场景，把AI用起来。让AI应用像火花一样，到处开花。就是说，要让AI在各个具体的行业和场景中，都找到它的用武之地。
哈尔滨工业大学的刘铭教授说，大模型和产业结合，要加强“知识”和“能力”这两个方面。
- 第一，要注入行业专家的知识。 AI要通过在线学习、知识注入等方式，把行业专家的经验吸收进去。比如，一个有几十年经验的纺织工人，他能凭手感判断布料的质量，知道哪个手感代表好，哪个代表差。AI需要学习这种“手感”，把它变成数据和算法。这样AI才能真正帮到工厂，做出和专家一样甚至更好的判断。
- 第二，要建立能随时更新的知识图谱。 产业知识变化快，AI也要跟着更新。比如，新的环保政策出来了，或者新的生产标准发布了。再或者，市场上出现了一种新的材料，它的特性、价格都和以前不一样。AI的知识库也要马上更新这些信息。这样它给出的建议才是准确的，才能适应不断变化的产业需求。
杜新凯最后说了一句很有意思的话：“以前的AI，只是被动地回应。今年会是主动的AI之年。” 这句话让我对AI的未来充满期待。
“AI+”不是AI自己玩。它需要产业和AI互相奔赴。当AI技术找到实际用途，比如它能帮助工厂提高20%的生产效率。当产业需求推动AI进步，比如工厂提出了一个AI之前解决不了的问题，促使AI技术研发新的算法。这样，真正的价值创造才会发生。AI不再是工具，它会变成产业的一部分，和产业一起成长。
