中國新聞周刊記者：楊智杰

　　發于2025.12.15總第1216期《中國新聞周刊》雜志

　　如何讓AI從“會聊天”走向“能生產”，正成為產業界的共同課題。

　　中國新一代人工智能發展戰略研究院執行院長、南開大學原校長龔克，長期關注這一變革。在他看來，人工智能的價值不在“炫技”，而在于與實體經濟的深度融合。圍繞AI落地的路徑與挑戰，《中國新聞周刊》對龔克進行了專訪。

　　“突出應用導向”

　　《中國新聞周刊》：今年以來，AI在產業端有哪些明顯變化或趨勢？

　　龔克：國務院在8月印發的《關于深入實施“人工智能+”行動的意見》(以下簡稱《意見》)，是國內AI發展的一個里程碑式國家戰略文件。

　　去年全國兩會上，“人工智能+”被首次寫進政府工作報告，今年全國兩會政府工作報告進一步要求持續開展“人工智能+”行動，明確提出要將“數字技術與制造優勢、市場優勢更好結合起來”，大力發展新一代智能終端和智能裝備、推動大模型廣泛應用等。

　　目前國內人工智能發展的整體趨勢就是“AI+”，推動技術與實體經濟深度融合，促進國家高質量發展。這不是為了“炫技”，而是要把技術作為生產力，真正推動經濟社會的進步。

　　在發展路徑上，《意見》提出了“三步走”目標。到2027年，率先實現人工智能與六大重點領域廣泛深度融合，新一代智能終端、智能體等應用普及率超70%；到2030年，新一代智能終端、智能體等應用普及率超90%，智能經濟成為我國經濟發展的重要增長極；到2035年，我國全面步入智能經濟和智能社會發展新階段。值得注意的是，這些目標都是以人工智能的普及應用作為衡量指標來規劃的。

　　《中國新聞周刊》：在調研時，是否有讓你印象深刻的應用場景？

　　龔克：在AI走向實體經濟的過程中，我們看到技術已經展示出了很大潛力。比如在工業領域，我們調研發現，目前最成熟的應用之一，是將計算機視覺技術應用于產品生產線上的瑕疵檢測環節。

　　有報道提到，中國至少有500萬工人需要靠眼睛去盯產品的瑕疵，憑著經驗調整生產線，去發現和糾正這些問題。計算機視覺不會疲勞，分辨率比人眼更高，導入成本也不算太高，所以把它引進生產線做瑕疵檢測，現在已經比較成熟，應用也比較廣泛。例如，現在不少汽車生產線上開始用AI檢測了，大幅降低了漏檢率，有些甚至降低了90%以上，同時也大幅縮短了檢驗時間。

　　還有一個典型的例子，是AI在新能源汽車電池領域的應用。電池的生產成本中，有很大一部分來自電池容量的測試。傳統做法是在控制電池溫度的前提下，把電池充滿電再放光，通過時長來判斷容量。但這個過程非常耗時耗能，成了動力電池生產成本的大頭。

　　我們了解到，深圳有的工廠利用大模型學習電芯生產的數據，再加上電化學、先進材料學等知識，能精準預估電池容量。AI應用使整體電芯檢測時間減少了大約80%，耗電減少了50%以上，實測還提高了電芯容量的一致性。去年12月，我在聯合國工發組織的一場報告里就以此例說明，中國電動車之所以能實現低成本，如今靠的已不是政府補貼，而是技術創新。

　　類似的變化也在農業、金融等領域發生。我個人估計，到“十五五”期間，人工智能與實體經濟融合產生的經濟效益，將會更強勁地顯現出來。

　　“AI應用還進不到生產核心環節”

　　《中國新聞周刊》：在AI1.0時代，技術在產業落地時曾面臨諸多挑戰。在當前推動AI與實體經濟深度融合的過程中，有哪些突破？

　　龔克：首先，AI技術和2017年相比已有重大突破。上一輪突破，以計算機圖像識別為代表，最典型的是人臉識別，在醫療影像識別、交通圖像識別等領域用得很廣。

　　上一輪AI在落地的時候，比如做醫學影像識別，需要專門組建團隊針對醫學影像單獨開發模型。但這輪技術革命中，很多數據在基礎訓練階段就已經用過了，人們在基礎大模型之上進行精調和對齊，就能較快用到具體領域里。

　　特別是今年發展迅速的智能體(AI Agent)，能根據任務自動分解、調度不同模型和工具，還能對結果進行交叉驗證和檢查。AI進入專業領域的門檻比之前低了，成本也在往下走，AI變得更好用了。

　　今年斯坦福大學相關團隊發布了《人工智能指數2025年度報告》，追蹤分析了大模型的推理成本。結果顯示，要達到GPT-3.5那樣的性能水平，推理成本從2022年11月到2024年10月下降了99.65%。從硬件層面看，成本每年下降約30%，能效每年提升約40%。

　　麥肯錫有一份報告也顯示，到2024年下半年，78%的受訪者所在的企業已經在至少一個業務中使用了生成式人工智能。多數企業提到，這項技術確實幫他們壓縮了成本，不過整體上對財務表現的影響還不夠明顯。但這些信號已表明，人工智能在實體經濟中發揮作用的前景非常好，且正逐步顯現出來。

　　《中國新聞周刊》：在推動AI與實體深度融合過程中，企業普遍有哪些顧慮？落地過程中存在哪些主要挑戰？

　　龔克： 現在很多企業在引入人工智能時，還存在不少困惑。我們調研發現，除了前面提到的一些比較好的案例，現階段企業里大量的AI應用，主要還是集中在物流、財務、人事、客服這些非生產環節，還進不到生產核心環節。

　　AI要真正和生產環節結合，必須和行業知識深度融合，這個坎必須邁過去。現在難在哪兒呢？從AI技術公司角度看，他們特別希望一個應用做出來后，能大規模推廣。但如果深入實體經濟的核心生產環節，做完這家工廠的項目，到下一家工廠可能又要從頭再來，成本和投入會非常高。

　　而從工廠這邊來看，他們往往不太知道AI到底能帶來多大潛力。AI技術企業和工廠之間，還缺一個“橋梁”，我們也在一些報告里建議過，要發展數字化轉型或智能化轉型的服務業，來解決兩邊融合的問題，幫助AI快速、有效地導入產業，這是當前的一個關鍵問題。正如今年的政府工作報告所指出的，要“培育一批既懂行業又懂數字化的服務商，加大對中小企業數字化轉型的支持”。

　　尤其是在國家層面開始統籌規劃大型訓練平臺建設、不再普遍鼓勵地方自建算力中心的背景下，地方也在把注意力轉向企業真正需要的模型精調和推理服務。

　　《中國新聞周刊》：之前你提到過，要防止“AI+”淪為表面工程或政績工程，現實中有哪些表現？應該注意什么？

　　龔克：以前搞智慧城市建設，出現過這樣的現象：一些地方就做一個大屏，給參觀的領導演示講解一番，但實際問題一個也沒解決。現在發展“AI+”時，也希望大家都能從真實問題出發，這也是為什么中央在談發展新質生產力時，特別強調要“因地制宜”。

　　我理解的因地制宜，這個“地”不僅是地理上的地方，也包括不同的行業、不同的企業，都是不一樣的“地”，哪怕同一家企業里，具體的問題也是不同的“地”。要以實際問題為出發點，按照風險分級，實事求是地推進技術落地。

　　這才是產業端引入人工智能最需要的態度，而不是為了向領導匯報，搞一些作秀式的項目安排，這是特別要防止的傾向。

　　“抓住開源創新大趨勢”

　　《中國新聞周刊》：如何看待大模型還有幻覺？在工業等關鍵場景中，如何保障生產安全？

　　龔克：對，在加速將人工智能深度引入各行各業時，現在更需要注意的是安全問題。如果工廠在引入AI過程中出現重大安全問題，那會是災難性的，會讓有關部門和企業對AI應用望而卻步，投資者也會失去耐心，可能會斷崖式地抽回資金。

　　大模型的幻覺等問題仍然存在，可能產生一些錯誤。比如在生產線上控制生產過程，造成殘次品是小事，萬一導致機毀人亡、爆炸等安全事故，問題就嚴重了。企業在引入AI時必須有安全意識，先從一些剛需且安全邊界可控的場景或者無人的場景切入，逐步推進。

　　比如現在礦山深處的無人采礦，即便出事故，也不會把人困在里面，反而可能減少傷亡。再比如，現在的數控生產線，說明書往往好幾大本，以前工人遇到問題，要去查手冊，靠經驗處理。現在一些工廠把這些說明書數字化之后，系統可以自動讀取錯誤代碼，直接調用手冊上的應對措施，這種方式相對比較安全。

　　在引入生產，特別是關鍵生產環節時，一定要重視模型的可靠性，評估模型可能產生的風險。在部署AI時，要明確風險邊界，即使出問題，也要控制在可容忍范圍內。在實際引入應用的過程中，必須建立非常嚴謹的安全防護措施，這是非常必要的一條。從我們觀察到的情況來看，企業在引入AI時還是非常謹慎的，逐步在應用中熟悉它、了解它，再不斷深化使用。

　　但未來AI大量應用時，安全問題難以完全避免。主管部門也要實事求是，具體問題具體分析，分清責任，避免“一刀切”，適度增加試錯的寬容度，這樣才能促進整個行業健康發展。

　　《中國新聞周刊》：你提到人工智能的競爭不僅是技術競爭，也包括政策和制度的競爭。美國密集推出AI政策，歐洲也開始放松監管，在全球規則不斷重塑的情勢下，中國應如何定位自身的AI政策體系？

　　龔克：特朗普上臺以來，美國已經發布了七八個關于人工智能的總統令。美國的突出目標就是保持自身在人工智能領域的優勢，采取的具體措施主要是放松監管，這是一個非常重要的政策導向。現在歐洲也出現了放松監管、鼓勵創新的動向。

　　美國的這一系列動作，實際上也促使中國和歐洲在AI發展的治理上必須持續應對。既使是在激烈的技術競爭中，也必須穩健處理好創新與安全的關系，防止在技術競爭中忽略安全問題。這一觀點也正是今年年初包括中國在內的60多個國家簽署的《巴黎人工智能宣言》所強調的。

　　國際上很多人認為中國的政策更看重創新，不重視安全，歐洲監管過嚴不利于創新，美國處于中間。這是一種誤解，中國從一開始就強調創新與安全的平衡。

　　2023年，中國在全世界率先推出《生成式人工智能服務管理暫行辦法》。今年，我們在9月1日已經正式實施《人工智能生成合成內容標識辦法》，是全球唯一以法規形式、強制要求所有生成式人工智能產生的內容必須進行標識的國家。

　　此外，我們的政策優勢還在于，中國大力支持大模型開源的路線。

　　目前大多數AI應用者主要基于開源基礎模型進行開發，雖然也有企業選擇閉源模型API的，但主流仍是使用開源模型。去年8月之前，全球使用最廣泛的開源模型是美國的Llama，去年8月之后，中國的千問模型實現趕超，還出現了DeepSeek。最近美國的一份報告顯示，在剛剛過去的一年里，中國研發的開源人工智能模型在全球下載量中的占比達到了17.1%，歷史上首次超越了美國的15.8%。

　　目前，閉源模型與開源模型之間的性能差距正在迅速縮小。開源創新本質上是一種開放的“眾創”模式。例如DeepSeek開源后，會有數百萬開發者協助其迭代優化。我認為，我們一定要抓住開放創新這個關鍵的技術創新大勢，這也是“更高水平對外開放”的具體體現。

　　《中國新聞周刊》2025年第46期

　　聲明：刊用《中國新聞周刊》稿件務經書面授權