AI场景创新让技术“试验地”成市场“高产田”

　　科技日报记者 崔爽

　　场景已成为关键创新资源。“十五五”规划建议提出，加大应用场景建设和开放力度。国务院办公厅近日印发的《关于加快场景培育和开放推动新场景大规模应用的实施意见》（以下简称《实施意见》）将人工智能（AI）置于重要位置，围绕这一前沿技术，提出一批应用场景，力求通过关键赛道实现“以点带面”，构建面向未来的现代化产业体系骨干。

　　“AI正深度融入经济社会各领域、各环节，带来的机遇前所未有，挑战也前所未有。”国家信息中心信息化和产业发展部主任单志广表示，要抢抓技术演进和全球AI治理秩序尚未形成的关键窗口期，充分发挥新型举国体制优势，深刻把握AI发展趋势和规律，形成我国AI健康发展路径。

　　随着AI新场景大规模应用，技术“试验地”将加速变为市场“高产田”。

　　真实业务牵引

　　从实践看，AI场景创新已在多个重点领域取得阶段性进展，并逐步从展示性应用走向真实业务。

　　“当前AI已在多个重点领域实现突破性应用，形成了一批可感知、可复制的成果，核心经验在于‘业务牵引、技术适配、生态协同’。”北京中关村科金技术有限公司（以下简称“中关村科金”）总裁喻友平说，在金融领域，AI应用已进入规模化深耕阶段；在工业制造领域，AI正从单点试点向流程优化延伸；在政务与民生领域，AI正推动服务从“经验驱动”向“数据驱动”转型。

　　他举例说，中关村科金联合中国电建财务公司打造的“财神大模型V1.0”，已在智能问答、智能问数、贷后报告写作等办公场景中落地应用，使员工业务知识获取效率提升70%，数据查询处理效率提升85%，信贷报告撰写效率提升75%；在医保领域，中关村科金与多地医保局合作建设的“医保小智”智能综合服务平台，AI语音客服承担了超过70%的市民咨询接待任务，文字客服问答准确率超过90%，推动公共服务从“线下跑”变为“零次跑”。

　　在喻友平看来，AI创新的主战场正从技术本身转向组织准备度、问题精准度和实施坚实度。具体而言，一是重心从“技术可行”转向“组织先行”，项目成败不再取决于算法本身，而在于是否得到组织明确支持，是否建立起权责清晰的跨部门融合团队；二是场景选择标准从“能做什么”转向“该做什么”，优先解决真实业务痛点，而非炫技；三是基础支撑从模型本身转向数据和流程，夯实AI落地的底座。

　　“创新成效取决于能否精准定义问题。这要求深入业务流程，区分‘伪需求’与‘真痛点’，将资源集中于能够量化价值的具体场景中。”喻友平说。

　　警惕“为建而建”

　　尽管AI加速融入千行百业，但从整体看，AI场景创新仍面临不少瓶颈。

　　“高价值的AI场景创新，是创新要素在市场供需驱动下高效集聚、协同耦合的结果，不能脱离市场逻辑主观臆断。”天津大学经管学部公共管理学院副院长、国家知识产权战略实施（天津大学）研究基地副主任刘大勇直言，如果缺乏要素流动和循环机制，容易导致AI场景沦为“盆景”“孤岛”。

　　从实践层面看，喻友平将当前的主要问题概括为四类：一是数据质量不高与流通不足，要么关键数据未采集、设备未联网，形成“数据荒漠”，要么数据杂乱、标准不一、孤岛林立，陷入“数据沼泽”，制约模型效果发挥；二是技术与业务融合不深，通用大模型行业适配性不足，而行业专家又难以将模糊的痛点转化为清晰的技术需求，形成供需鸿沟；三是部署成本高、周期长，尤其是传统行业的老旧设备改造难度大，投入产出比不清晰，同时不少AI创新项目的价值量化体系不完善，投资回报预期不明确；四是复合型人才短缺，既懂行业业务又懂AI技术的人才供给不足，制约场景落地的效率和效果。

　　其中，“为建而建”的形式主义问题尤需警惕。“部分企业陷入‘技术跟风’误区，盲目布局大模型和智能体项目，却忽视实际业务痛点和真实价值诉求，导致不少项目停留在演示层面，最终沦为中看不中用的‘AI盆景’。”喻友平提醒，这不仅造成算力、资金等资源的浪费，也挤压了真正有价值的创新空间。

　　回归商业本质

　　“AI场景创新可能在未来分阶段持续深化。”在刘大勇看来，短期内，AI相关创新要素的快速流动与高效匹配，将推动大量高价值应用场景的开放与培育；在更长周期内，AI有望作为基础性技术载体，进一步引发更深层的科技及产业变革，并带动新型通用基础设施的更新和建设。

　　从技术演进角度看，单志广分析，目前AI总体发展水平仍处于起步阶段，虽然已从运算智能到了感知智能，但是距离认知智能仍有非常大的差距。未来AI发展需坚持“大模型+小模型”“连接主义+符号主义”的融合路径，推动运算智能、感知智能向认知智能跨越。各行业应结合专有数据与场景需求，通过“大模型+知识库”改造现有系统，重构业务逻辑，实现管理的全域化与实时化。

　　在产业协同层面，喻友平认为，越深入垂直场景，对行业知识的依赖越强。未来主流模式将是AI平台厂商、大模型应用厂商与科研机构的多元生态合作，AI厂商提供平台和核心AI能力，应用厂商提供领域知识和业务系统集成能力，科研机构提供技术支撑。“从‘单打独斗’走向‘协同共赢’，才能提升场景落地的成功率和可持续性。”他说。

　　同时，行业竞争正从“追求模型参数规模”转向“沉淀可复用方案”。在喻友平看来，大模型的竞争正在从参数规模转向行业知识密度和解决方案的可复制性。技术服务商应在不同行业的落地中沉淀可复用的“场景样板间”、行业插件和实施方法论，从而大幅降低成本和交付周期，让AI落地“越做越快、越做越便宜”。

　　“AI落地‘最后一公里’的核心，是回归商业本质，以及它能否真正解决问题、提升效率、创造可衡量的价值。”喻友平说，只有以深入业务、技术融合、生态协作、持续运营的务实态度持续推进，AI场景创新才能带来实实在在的产业升级。

　　为实现AI场景创新的可持续运转，刘大勇还建议在更大范围调动市场力量，形成众多创新主体广泛参与的选择机制；同时，为各类创新主体提供预期稳定和能够容错的环境，助推其开展长周期且不断迭代的创新研发。

　　“这一系列的选择、分工与反馈优化，将推动创新合作机遇的持续发掘与优势的循环累积，为场景培育源源不断地注入创新生机与经济活力。”刘大勇说。