万联易达成立AI专家委员会推动产业智能化应用

随着人工智能技术从实验室研究迈向规模化产业应用，一个关键议题日益凸显：如何实现前沿AI研发与实体经济需求的深度协同，从而构建从技术创新到商业价值的完整闭环？

产业级大模型面临哪些核心技术挑战？先进的AI应用又如何跨越复杂冗长的产业链条，深度融入企业的核心运营与决策体系？

答案或许蕴藏于一场以“落地”为核心的深度对话中。近日，万联易达在北京成功举办了主题为“以应用破局·以生态聚力”的“AI+产业发展”专题研讨会。会上，一个备受瞩目的组织——全国首个“产业人工智能研究与应用专家委员会”正式宣告成立。

该专家委员会汇聚了国内人工智能领域的顶尖智慧：由清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松担任首席顾问，并集结了哈尔滨工业大学刘铭教授、中国科学院大学徐俊刚教授、北京理工大学张磊教授、东北大学刘正皓副教授等多位知名学者。他们的核心使命，是为万联易达正在全力打造的全产业AI大模型“万联摩尔”提供强大的智力支持与战略指导，加速其技术研发与商业化应用进程。

本次研讨会的基调尤为务实，它并非单纯的技术展示，而是直指当前“产学研用”衔接不畅的痛点，旨在以“万联摩尔”为关键载体，构建“AI技术+产业数据+真实场景”三位一体的坚实生态，从而引领产业智能化迈入一个全新的发展阶段。

破解产学研断链：顶尖智囊团深度赋能产业AI

在国家将人工智能定位为支撑现代化产业体系核心基础设施的背景下，政策东风已然强劲。然而，从技术理想走向大规模落地仍存挑战。孙茂松教授在主旨演讲中精准剖析了这一矛盾：“AI学术研究已进入探索‘世界模型’的前沿阶段，但面向具体场景的应用落地仍处于关键的‘涌现窗口期’。”

清华大学人工智能研究院常务副院长、欧洲科学院外籍院士 孙茂松

他强调，当前正是技术原型与商业应用相互赋能、双向驱动的关键机遇期。一方面，文本、代码等通用大模型的规模效应曲线渐趋平缓，智能“涌现”潜力巨大；另一方面，面向垂直领域的专用模型在训练范式、结构化推理等关键技术环节正持续取得突破。这标志着AI实现产业落地的内外部条件日趋成熟。

那么，产业究竟需要什么样的AI？万联易达集团副总裁杜新凯给出了清晰界定：真正的产业级AI，既非仅擅长对话的通用大模型，也非局限于单一行业的狭窄工具。面向全产业的“万联摩尔”，必须深刻理解千行百业的运行逻辑、精通相关政策法规与具体工艺流程，最终目标是深度嵌入企业的经营决策全流程。实现这一愿景的关键，在于打通从技术领先优势到产业核心竞争力的转化路径。

万联易达集团副总裁杜新凯向孙茂松教授颁发首席顾问聘书

为此，万联易达牵头成立产业人工智能专家委员会，意图十分明确：汇聚学术界顶尖智慧，打造一个高水平的产业AI战略智库，为“万联摩尔”的能力跃升开辟快速通道，助力其真正穿透复杂多变的产业场景，嵌入企业决策的核心闭环。

应用落地两大核心挑战：全局视野与行业深度

蓝图虽好，落地之路却布满挑战。孙茂松教授指出，当前许多AI应用普遍面临两大共性难题：一是缺乏“全局观”，导致在处理产业数据时召回率低，关键信息遗漏严重；二是“深刻性”不足，对行业复杂问题的理解深度与解决能力有限，难以应对非标准化、长尾化的场景需求。

如何为AI注入真正的产业“智慧”？刘铭教授提出了系统性的解决思路：在充分发挥通用大模型“广泛认知”能力的基础上，深度融合行业专家的“深度知识”体系。其核心在于构建“产业本体图谱”——这相当于为产业知识建立标准化的骨架与逻辑核心。通过与“万联摩尔”相结合，自动抽取、梳理海量产业知识并形成结构化体系，能为产业AI提供更可靠、可解释、可推理的认知基础，从而显著提升其辅助决策的准确性与可靠性。

哈尔滨工业大学计算学部教授 刘铭

针对数据高效利用与模型“幻觉”问题，刘正皓副教授介绍了前沿的技术解决方案：通过模型自主去噪、结构优化以及针对幻觉参数的剪枝抑制等一系列组合技术，实现对海量外部知识的极致化、精准化利用。

东北大学计算机科学与工程学院副教授 刘正皓

从实践进展来看，杜新凯分享了“万联摩尔”取得的成果与面临的挑战。通过对海量产业数据进行深度清洗与学习，目前模型在回答特定产业问题时的准确率已超过90%。然而，在开放、动态的真实场景下，如何实现非结构化数据的自动结构化、如何将隐性的行业经验进行形式化沉淀，以及推动核心产业知识图谱向更智能的2.0阶段演进，仍是横亘在前的三大研发难点。

如何破解产业场景碎片化困局？

当前，AI落地产业的最大障碍，往往并非技术本身的先进性，而是产业场景的极度碎片化与复杂性。千行百业需求迥异，甚至同一行业的不同企业也各有其策。

张磊教授分析认为，这本质上是对大模型“临场应变”与“泛化能力”的终极考验。目前主流的应对路径有两条：一是基于少量高质量样本对模型进行快速微调适配；二是以任务解决为导向，对复杂问题进行智能拆解。例如，在工业瑕疵检测场景中，可先通过图像增强等技术预处理非标准图片，再交由大模型进行精准识别，从而有效化解场景差异带来的挑战。

北京理工大学计算机学院教授 张磊

万联摩尔事业部总监吴春梅以钢铁行业为例，说明了传统“一个场景训练一个模型”模式的局限性。从安全生产监控到产品质量检测，场景繁多且需求各异。

她透露，“万联摩尔”正尝试通过全面渗透研发、生产、供应链、物流等全产业链环节，初步构建一个面向全产业的智能体（Agentic AI）应用生态雏形。其核心思路是以全产业覆盖和全场景赋能，来系统性破解场景割裂的难题。未来，甚至考虑为企业提供一站式的“智慧虚拟员工”解决方案，以处理复杂的、跨部门的终端业务任务。

这套方法论的本质，是将开放的、非标准的产业问题，智能拆解为标准化的、可执行的任务序列，实现从“被动回答问题”到“主动解决问题”的能力跨越。通过智能任务编排与工具协同，将大模型的通用认知能力，高效、灵活地适配到无数具体而微的业务场景中，从而攻克“应用泛化”这一核心挑战。

对于这条发展路径，孙茂松教授用“致广大而尽精微”来概括。他认为，打造开放性的产业AI，需要研发团队秉持实事求是的精神不断自我超越。构建整合性的全产业大模型固然挑战巨大，但通过构建更“广”的全产业知识生态，为具体场景调用更“精”的全链路智能解决方案，或将成为在“AI+产业”这场竞赛中赢得优势的关键。

迈向“主动智能体”产业新周期

技术持续向上攀登，应用需要向下深扎根。随着模型智力密度的不断提升，如何充分挖掘数据潜能，让AI技术深植于产业沃土并释放生态聚合效应，已成为全行业共同探索的命题。

孙茂松教授判断，未来的竞争焦点在于谁能率先跑通可复制、可盈利、可持续的产业AI商业模式与应用范式。中国在开源基础模型领域已奠定坚实基础，企业若能针对真实产业场景肯下苦功、深耕应用，完全有可能实现星火燎原式的规模化落地，乃至达到世界领先水平。

徐俊刚教授同样持乐观态度，他认为像“万联摩尔”这类全产业大模型市场前景广阔，因为企业用户迫切需要能够一站式解决多种复杂问题的统一AI入口与平台。

中国科学院大学计算机科学与技术学院教授 徐俊刚

杜新凯阐述了万联易达打造产业AI超级载体的信心来源，这源于其在数据、场景、技术三大核心要素上的确定性优势：深厚的产业基因、百亿量级的结构化可信数据池、覆盖全国的区域服务网络以及融通贸易、物流、金融的全链条服务能力，这些独特资源共同为构建全产业智能体应用生态奠定了坚实基础。

“过去的AI多是反应式的智能体，而今年将是主动智能体爆发之年。”杜新凯总结道，“AI+”并非技术的独角戏，而是产业需求与技术创新的双向奔赴与深度融合。只有当尖端技术找到坚实的场景落点，真实的产业需求持续驱动技术迭代升级，真正的价值创造循环才会蓬勃开启。