人工智能還從未像今天這樣，對我們的生產和生活產生如此深刻而廣泛的影響。在新一代人工智能浪潮之下，作為科技創新國家隊和發展新質生產力排頭兵的央企責無旁貸?！秶Y報告》雜志2025年第4期為您帶來特別策劃“央企人工智能發展分析報告”。1篇綜述，為您解析央企如何結合自身優勢和定位加快布局人工智能領域；同時收錄企業案例和專家觀點，為讀者提供借鑒和參考。
我們將與您陸續分享上述內容。今天為您帶來觀點三《人工智能的未來前景與產業賦能》。
大語言模型是人工智能發展的重要里程碑，傳統的語言處理模型在面對復雜多樣的自然語言任務時，常有力不從心之感。大語言模型通過創新的深度學習架構設計以及大規模的數據訓練，極大地提升了語言理解與生成能力。它能夠理解人類語言中的微妙語義差別、語法結構以及上下文關聯，能夠完成諸如智能問答、文本創作、代碼生成等復雜任務。這解決了長期以來自然語言處理領域面臨的難題，即如何讓機器像人類一樣理解和運用語言，使得人與機器之間的交流更加自然和高效。
今天人們所說的大模型已經超越了大語言模型的范疇，擴展到多種信息融合的多模態大模型。只要數據足夠多、模型規模足夠大、訓練足夠充分，結果出現智能涌現的深度學習系統都可以稱其為大模型技術系統。大模型延伸了人的思維器官功能，帶來了生產效率量級提升，展現了通用人工智能的可行路徑。DeepSeek 的出現是大模型發展的一個關鍵節點，一方面凸顯了中國在人工智能領域創新發展的地位，另一方面帶動了各級政府、各類企業組織對AI的使用。
除了寫詩作畫、生成圖文之外，人工智能下一步的發展必然聚焦于產業，賦能新質生產力的提升。一方面，需要進一步優化大模型，使其能夠更好地適配不同行業的特殊需求。例如，在醫療行業，大模型需要準確理解醫學術語、病例邏輯，提升診療效率；在物流行業，要對多式聯運的數據、組合運輸策略精準把握，以進一步降低全社會物流成本。
另一方面，智能體（Agent）是人工智能未來發展的重要方向。智能體能夠在特定環境中自主感知、決策和行動，與大語言模型結合后，可實現更加智能化、自動化的任務執行。比如在智能客服場景中，智能體可利用大模型的知識儲備，主動識別客戶問題，自主選擇最佳應對策略，提供高效的服務。在產業流程智能化中，智能體也可以整合內外部資源并協作，實現從價值鏈到價值網的遷移，大大提升產業鏈與供應鏈的效率、韌性與安全。
大模型正在推動人工智能技術的快速發展，并逐漸成為新質生產力賦能產業的關鍵驅動力。如圖所示，整體來看，大模型的產業化能力構建分為五個層次，每一層相互依托，逐層深入，都在整個大模型應用體系中扮演著不可或缺的角色。
最底層是算據層，數據是所有智能的基礎，在宏觀尺度上，企業可以構建高質量私有數據集，我們以多元融合空天一體感知的基礎數據資源為例，為實現多領域應用，需要融合衛星遙感、低空鄰域信息等空天數據，融合基礎建筑信息、地理信息、城市信息模型等城市數據，實現智慧城市數據以及產業領域的跨模態數據組織。這些海量、多源、異構的數據經過有效的整合與處理，為上層的模型訓練和應用提供了豐富的素材，是整個大模型構建的基石，確保了模型能夠基于全面且細致的數據進行學習和優化。
算法層匯聚了多種前沿的深度學習技術。例如圖神經網絡（GNN）擅長處理圖結構數據，能夠捕捉實體之間的復雜關系，長短時記憶神經網絡（LSTM）在處理具有序列特性的數據時表現出色，對抗神經網絡（GAN）則通過生成器和判別器的對抗訓練，生成高度逼真的數據樣本，拓展了模型生成能力的邊界。此外，還需對大模型的能力構建進行選擇與評估。面向具體場景，需要最終實現端到端的大模型與算網能力的整合，大小模型與算法共同構成了智能的核心引擎，驅動著模型算法對數據的深度理解和智能生成。
算力層為大模型的運行和訓練提供了強大的計算保障。面向不同場景的預訓練與數智化解決方案，能夠根據具體需求靈活調整模型的初始狀態和訓練方向；移動端裁剪與小模型的優化，使得大模型的技術能夠在資源受限的移動設備上得以應用；算力構建與優化目的是提升計算效率，降低能耗；邊緣計算解決方案則將推理能力部署到網絡邊緣，靠近數據源和用戶，減少延遲；資源調度與智能網絡確保了算力資源的高效利用和數據的流暢傳輸，讓整個系統的運算更加高效、穩定。
系統層目標是聚焦多維場景任務的感知與推理，實現模塊化的AI能力構建。關鍵特征和多維場景態勢感知能夠從復雜的數據中提取出最具代表性和關鍵性的信息；預測模擬與推演則基于這些信息對未來的趨勢和可能的情況進行預判；多通道數據融合與監控整合了來自不同渠道的數據，形成全面的融合視角；流程重構、模型微調與推演中臺則對整個業務流程進行優化，根據實際場景對模型進行精細化調整，提升模型對特定場景的適應性和準確性，使得大模型能夠更好地服務于多樣化的產業場景。
應用層是大模型價值的最終體現，實現了AI賦能萬業的美好愿景。例如在行業氣象預報領域，大模型能夠提供更精準、更及時的氣象信息，助力農業、航空等對氣象條件敏感的行業提前做好規劃和應對措施；教育與醫療行業借助大模型實現了個性化學習方案的制定、智能輔助診斷等創新應用，提升了教育質量和醫療效率；農業與環保方面，大模型通過對農田、環境數據的分析，優化種植方案，監測環境污染，推動可持續發展；智慧城市與交通領域，大模型實現了交通流量的智能調控、城市資源的合理配置，提升了城市的運行效率和居民的生活質量，讓人工智能技術真正深入到社會的各個角落，為各行各業帶來智能化的變革與升級。
大模型的產業化構建是一個復雜而精妙的系統工程，各層之間緊密協作，新一代人工智能正是得益于工程化的過程，實現社會組織與產業的賦能。企業可以根據需求，采用不同的解決方案完成端到端的AI能力建設，其中面向需求的任務拆解、高質量場景數據構建是AI的關鍵，一些大模型服務供應商將通用的AI能力建設成基礎設施，例如DeepSeek就提供本地化部署和云端部署的方案，但私有化的數據、針對性的訓練與微調才能將DeepSeek的能力融入具體業務場景中。
