場景已成為關(guān)鍵創(chuàng)新資源?！笆逦濉币?guī)劃建議提出，加大應用場景建設(shè)和開放力度。國務(wù)院辦公廳近日印發(fā)的《關(guān)于加快場景培育和開放推動新場景大規(guī)模應用的實施意見》（以下簡稱《實施意見》）將人工智能（AI）置于重要位置，圍繞這一前沿技術(shù)，提出一批應用場景，力求通過關(guān)鍵賽道實現(xiàn)“以點帶面”，構(gòu)建面向未來的現(xiàn)代化產(chǎn)業(yè)體系骨干。

“AI正深度融入經(jīng)濟社會各領(lǐng)域、各環(huán)節(jié)，帶來的機遇前所未有，挑戰(zhàn)也前所未有?！眹倚畔⒅行男畔⒒彤a(chǎn)業(yè)發(fā)展部主任單志廣表示，要搶抓技術(shù)演進和全球AI治理秩序尚未形成的關(guān)鍵窗口期，充分發(fā)揮新型舉國體制優(yōu)勢，深刻把握AI發(fā)展趨勢和規(guī)律，形成我國AI健康發(fā)展路徑。

隨著AI新場景大規(guī)模應用，技術(shù)“試驗地”將加速變?yōu)槭袌觥案弋a(chǎn)田”。

真實業(yè)務(wù)牽引

從實踐看，AI場景創(chuàng)新已在多個重點領(lǐng)域取得階段性進展，并逐步從展示性應用走向真實業(yè)務(wù)。

“當前AI已在多個重點領(lǐng)域?qū)崿F(xiàn)突破性應用，形成了一批可感知、可復制的成果，核心經(jīng)驗在于‘業(yè)務(wù)牽引、技術(shù)適配、生態(tài)協(xié)同’。”北京中關(guān)村科金技術(shù)有限公司（以下簡稱“中關(guān)村科金”）總裁喻友平說，在金融領(lǐng)域，AI應用已進入規(guī)模化深耕階段；在工業(yè)制造領(lǐng)域，AI正從單點試點向流程優(yōu)化延伸；在政務(wù)與民生領(lǐng)域，AI正推動服務(wù)從“經(jīng)驗驅(qū)動”向“數(shù)據(jù)驅(qū)動”轉(zhuǎn)型。

他舉例說，中關(guān)村科金聯(lián)合中國電建財務(wù)公司打造的“財神大模型V1.0”，已在智能問答、智能問數(shù)、貸后報告寫作等辦公場景中落地應用，使員工業(yè)務(wù)知識獲取效率提升70%，數(shù)據(jù)查詢處理效率提升85%，信貸報告撰寫效率提升75%；在醫(yī)保領(lǐng)域，中關(guān)村科金與多地醫(yī)保局合作建設(shè)的“醫(yī)保小智”智能綜合服務(wù)平臺，AI語音客服承擔了超過70%的市民咨詢接待任務(wù)，文字客服問答準確率超過90%，推動公共服務(wù)從“線下跑”變?yōu)椤傲愦闻堋薄?/p>

在喻友平看來，AI創(chuàng)新的主戰(zhàn)場正從技術(shù)本身轉(zhuǎn)向組織準備度、問題精準度和實施堅實度。具體而言，一是重心從“技術(shù)可行”轉(zhuǎn)向“組織先行”，項目成敗不再取決于算法本身，而在于是否得到組織明確支持，是否建立起權(quán)責清晰的跨部門融合團隊；二是場景選擇標準從“能做什么”轉(zhuǎn)向“該做什么”，優(yōu)先解決真實業(yè)務(wù)痛點，而非炫技；三是基礎(chǔ)支撐從模型本身轉(zhuǎn)向數(shù)據(jù)和流程，夯實AI落地的底座。

“創(chuàng)新成效取決于能否精準定義問題。這要求深入業(yè)務(wù)流程，區(qū)分‘偽需求’與‘真痛點’，將資源集中于能夠量化價值的具體場景中。”喻友平說。

警惕“為建而建”

盡管AI加速融入千行百業(yè)，但從整體看，AI場景創(chuàng)新仍面臨不少瓶頸。

“高價值的AI場景創(chuàng)新，是創(chuàng)新要素在市場供需驅(qū)動下高效集聚、協(xié)同耦合的結(jié)果，不能脫離市場邏輯主觀臆斷。”天津大學經(jīng)管學部公共管理學院副院長、國家知識產(chǎn)權(quán)戰(zhàn)略實施（天津大學）研究基地副主任劉大勇直言，如果缺乏要素流動和循環(huán)機制，容易導致AI場景淪為“盆景”“孤島”。

從實踐層面看，喻友平將當前的主要問題概括為四類：一是數(shù)據(jù)質(zhì)量不高與流通不足，要么關(guān)鍵數(shù)據(jù)未采集、設(shè)備未聯(lián)網(wǎng)，形成“數(shù)據(jù)荒漠”，要么數(shù)據(jù)雜亂、標準不一、孤島林立，陷入“數(shù)據(jù)沼澤”，制約模型效果發(fā)揮；二是技術(shù)與業(yè)務(wù)融合不深，通用大模型行業(yè)適配性不足，而行業(yè)專家又難以將模糊的痛點轉(zhuǎn)化為清晰的技術(shù)需求，形成供需鴻溝；三是部署成本高、周期長，尤其是傳統(tǒng)行業(yè)的老舊設(shè)備改造難度大，投入產(chǎn)出比不清晰，同時不少AI創(chuàng)新項目的價值量化體系不完善，投資回報預期不明確；四是復合型人才短缺，既懂行業(yè)業(yè)務(wù)又懂AI技術(shù)的人才供給不足，制約場景落地的效率和效果。

其中，“為建而建”的形式主義問題尤需警惕。“部分企業(yè)陷入‘技術(shù)跟風’誤區(qū)，盲目布局大模型和智能體項目，卻忽視實際業(yè)務(wù)痛點和真實價值訴求，導致不少項目停留在演示層面，最終淪為中看不中用的‘AI盆景’?！庇饔哑教嵝眩@不僅造成算力、資金等資源的浪費，也擠壓了真正有價值的創(chuàng)新空間。

回歸商業(yè)本質(zhì)

“AI場景創(chuàng)新可能在未來分階段持續(xù)深化?！痹趧⒋笥驴磥?，短期內(nèi)，AI相關(guān)創(chuàng)新要素的快速流動與高效匹配，將推動大量高價值應用場景的開放與培育；在更長周期內(nèi)，AI有望作為基礎(chǔ)性技術(shù)載體，進一步引發(fā)更深層的科技及產(chǎn)業(yè)變革，并帶動新型通用基礎(chǔ)設(shè)施的更新和建設(shè)。

從技術(shù)演進角度看，單志廣分析，目前AI總體發(fā)展水平仍處于起步階段，雖然已從運算智能到了感知智能，但是距離認知智能仍有非常大的差距。未來AI發(fā)展需堅持“大模型+小模型”“連接主義+符號主義”的融合路徑，推動運算智能、感知智能向認知智能跨越。各行業(yè)應結(jié)合專有數(shù)據(jù)與場景需求，通過“大模型+知識庫”改造現(xiàn)有系統(tǒng)，重構(gòu)業(yè)務(wù)邏輯，實現(xiàn)管理的全域化與實時化。

在產(chǎn)業(yè)協(xié)同層面，喻友平認為，越深入垂直場景，對行業(yè)知識的依賴越強。未來主流模式將是AI平臺廠商、大模型應用廠商與科研機構(gòu)的多元生態(tài)合作，AI廠商提供平臺和核心AI能力，應用廠商提供領(lǐng)域知識和業(yè)務(wù)系統(tǒng)集成能力，科研機構(gòu)提供技術(shù)支撐。“從‘單打獨斗’走向‘協(xié)同共贏’，才能提升場景落地的成功率和可持續(xù)性?！彼f。

同時，行業(yè)競爭正從“追求模型參數(shù)規(guī)?！鞭D(zhuǎn)向“沉淀可復用方案”。在喻友平看來，大模型的競爭正在從參數(shù)規(guī)模轉(zhuǎn)向行業(yè)知識密度和解決方案的可復制性。技術(shù)服務(wù)商應在不同行業(yè)的落地中沉淀可復用的“場景樣板間”、行業(yè)插件和實施方法論，從而大幅降低成本和交付周期，讓AI落地“越做越快、越做越便宜”。

“AI落地‘最后一公里’的核心，是回歸商業(yè)本質(zhì)，以及它能否真正解決問題、提升效率、創(chuàng)造可衡量的價值?！庇饔哑秸f，只有以深入業(yè)務(wù)、技術(shù)融合、生態(tài)協(xié)作、持續(xù)運營的務(wù)實態(tài)度持續(xù)推進，AI場景創(chuàng)新才能帶來實實在在的產(chǎn)業(yè)升級。

為實現(xiàn)AI場景創(chuàng)新的可持續(xù)運轉(zhuǎn)，劉大勇還建議在更大范圍調(diào)動市場力量，形成眾多創(chuàng)新主體廣泛參與的選擇機制；同時，為各類創(chuàng)新主體提供預期穩(wěn)定和能夠容錯的環(huán)境，助推其開展長周期且不斷迭代的創(chuàng)新研發(fā)。

“這一系列的選擇、分工與反饋優(yōu)化，將推動創(chuàng)新合作機遇的持續(xù)發(fā)掘與優(yōu)勢的循環(huán)累積，為場景培育源源不斷地注入創(chuàng)新生機與經(jīng)濟活力?！眲⒋笥抡f。