在近日由万联易达主办的“AI+产业发展”研讨会上，来自学界与产业界的专家围绕人工智能技术演进与产业落地展开深度对话。清华大学人工智能研究院常务副院长孙茂松教授作为产业人工智能研究与应用专家委员会首席顾问，从技术突破与产业痛点双维度解析了人工智能赋能实体经济的路径与挑战。
孙茂松指出，大模型技术最显著的突破在于其"能力涌现"特性，这种从量变到质变的飞跃正在重塑技术演进轨迹。当前AI在文本生成、代码编写、多模态交互等领域展现的跨越式发展，正是参数规模突破临界点后的质变结果。但他同时强调，单纯依赖数据参数扩张已触及瓶颈，"当面对复杂产业场景时，通用大模型在全局认知与行业深度上仍存在明显短板"。
针对产业应用中的核心痛点，孙茂松分析称，现有AI系统普遍存在"广度有余而深度不足"的困境。一方面，产业数据召回率偏低导致关键信息缺失；另一方面，对行业特殊场景的理解停留在表面，难以提供定制化解决方案。这种矛盾在工业质检、农业种植、金融风控等垂直领域尤为突出，成为制约AI技术规模化落地的关键因素。
万联易达集团副总裁杜新凯在会上提出创新解决方案。他介绍，公司研发的产业AI大模型"万联摩尔"突破单一行业边界，通过整合工业、农业、服务业等全领域数据，构建起跨产业链的知识图谱。该模型特别强化了小样本学习能力，可在数据稀缺的细分场景中实现快速适配，目前已在物流调度、供应链优化等场景取得实质性突破。
与会专家形成共识：产业AI发展需要"顶天立地"的双重突破。既要把握大模型等技术趋势，也要在数据标注、算法优化等基础环节精耕细作。某科技企业代表透露，其正在构建的产业AI平台已接入超过200个细分行业数据集，通过动态权重分配机制，使模型在保持通用能力的同时，对重点行业形成深度认知。
当前产业AI发展正处在关键转折点。孙茂松认为，随着技术原型与商业应用的双向赋能，具备全产业整合能力的AI平台将迎来发展机遇期。但这种机遇伴随着更高要求——既要构建覆盖全产业链的知识体系，也要在每个具体场景中提供精准解决方案，这种"大而精"的平衡将成为平台竞争力的核心指标。
