■中国经济时报记者 张一鸣 王彩娜
随着人工智能（885728）技术的快速发展，行业正步入挑战与机遇并存的产业落地期，推动AI深度赋能实体产业是2026世界人工智能（885728）大会（WAIC）讨论的热点话题，制约落地的核心因素有哪些，如何破解，相关各方如何应对变化？中国移动（HK0941）首席科学家冯俊兰在会议期间接受中国经济时报记者独家专访。她认为，“AI+产业”的一个核心命题，是依托技术融合打造全新产业形态，创造产业未来、未来产业，预计一两年内行业将迎来全局性重大变化。
中国经济时报：推动AI与产业融合应重点关注哪些方面？
冯俊兰：自2022年12月ChatGPT推出至今，大模型发展已走过三年，超九成大型企业均已布局人工智能（885728）应用，行业已普遍完成认知觉醒，AI与产业融合进入深度变革新阶段。目前产业发展核心有两大主线：其一为向规模要价值，依托现有产业体系挖掘规模化商业价值；其二为向内核要未来，依托AI重塑各产业底层技术、业务全流程，催生革命性变革。
“AI+产业”的一个核心命题，是依托技术融合打造全新产业形态，创造产业未来、未来产业，这也是产业智能化升级需要跨越的关键台阶。概括而言，整体发展思路即向规模要价值，向内核要未来。
中国经济时报：当前制约AI规模化落地的核心因素有哪些？
冯俊兰：制约因素集中在AI技术、产业基础两大主体上，同时AI安全可信问题是企业落地的重要顾虑。
第一，AI自身产业就绪度不足。现有通用人工智能（885728）偏向模拟个体智能，但企业运营需要执行、决策、预测、实时化的复合型企业智能，当前AI难以适配企业生产中多方协同等复杂场景需求。
第二，产业智能化就绪度不足。传统产业长期依托固有技术架构搭建，数据无法转化为AI可识别、可运算的标准化信息，完成数字化改造需要投入大量时间与成本，企业投入产出测算难题延缓转型节奏。不建议企业耗费数年时间完整重构产业基础再布局AI，应当找准转型切口，以单点突破带动全域变革。
第三，AI安全可控体系不完善。人工智能（885728）安全、可信、可控配套体系尚未成熟，企业落地应用存在大量风险顾虑，直接限制AI规模化推广。
中国经济时报：您提到的转型“切口”具体指什么？大型企业、中小企业的切入思路有何区别？
冯俊兰：“切口”是在企业资源、人力有限前提下，能够快速落地、产生实际价值的单点AI转型抓手，不同主体选择逻辑存在明显差异。大型企业需筛选能够创造规模化经济价值、决定企业长期发展的核心业务单点。全域转型难度极大，企业必须确立清晰战略目标，依靠战略定力推动深层变革，待单点场景成熟后，其余业务将自然接入AI体系。中小企业组织架构灵活、转型周期（883436）短，无需开展全域改造，应当依托AI全新赛道重新定位自身业务，快速挖掘可对外输出价值的细分切入点。找准切口高度考验企业管理者认知，行业从业者、技术负责人与企业管理者协同研判，均可清晰定位适配自身的转型路径。
中国经济时报：企业选择AI转型切入点，是否存在通用标准与落地方法论？
冯俊兰：通用筛选标准是锚定企业自身核心价值主线，即企业不可替代、为社会提供独有服务的核心业务板块，以此为原点布局AI落地。
中国移动（HK0941）自身拥有十余年智能化转型实践，提供两大参考案例：一是服务主线，十年前启动10086客服智能化改造，多轮迭代后大幅优化客户体验、降低客服运营成本；二是网络核心主线，2017年开展网络智能化探索，2020年确立自智网络转型目标，参照自动驾驶分级逻辑，推动4G、5G网络从L1向L4级自智网络升级。
大型企业转型需配套可量化的价值评价指标，作为转型成效判定标准，树立内部变革信心，同时联动上下游厂商、生态伙伴协同共建，各行业企业均可借鉴相关实践经验。
中国经济时报：高质量数据集是行业公认发展瓶颈，产业端如何破解数据采集、应用难题，赋能千行百业？
冯俊兰：行业应当摒弃“唯数据论”，海量数据（603138）不等于产业价值，盲目采集数据只会持续抬高采集、存储、传输、处理成本，数据能否转化为产业价值存在巨大不确定性。高质量数据的评判标准，是能够助力业务降本增效、推动产业智能升级的数据。产业应当以业务目标牵引数据建设，仅采集、沉淀价值收益高于数据治理成本的数据资源，形成动态自然的数据供给体系，而非一次性投入长期耕耘原始数据。产业日常生产会产生海量原始数据，多数不具备应用价值，无产出效益的数据应当及时清理；脱离业务目标单独囤积数据，很难实现数据流通与价值释放。
中国经济时报：如何破解数据共享流动中存在的制约因素？
冯俊兰：数据具备无限复制的特殊属性，企业天然担忧自有商业数据外泄，推动数据流通需要搭建配套机制与技术保障。
一是树立“价值流带动数据流”的“数据运河”逻辑，数据会自发流向高价值应用场景，需搭建分层价值分配机制，让数据产生的收益按层级回馈上游供给方，形成互利循环。
二是摒弃单向索取思维，数据共享不能只索取他人数据、不愿开放自有数据，该模式无法长期维系。
三是依托技术保障数据供给方权益，在价值分配规则、安全技术体系落地前，数据共享流动会持续遭遇阻力。同时并非所有产业数据都具备价值，大量产业原始数据属于无效数据，盲目囤积无实际意义。
中国经济时报：当前众多央企相继推出垂类大模型，联合共建能够实现降本增效，但AI升级是否仅有降本增效这一层价值？
冯俊兰：降本增效只是AI升级的基础层级，AI更核心的价值是培育新质生产力。降本增效仅能在现有生产力框架内提升产出、压缩成本，属于线性增长；而产业智能化升级的核心目标，是重塑产业体系、催生全新产业形态，实现跨越式变革，这也是跨时代升级的核心标志。
中国经济时报：您预判多久能够看到“产业的未来、未来的产业”落地？
冯俊兰：近两年来人工智能（885728）产业发展速度持续超出行业专家预期，国家与产业资本持续加码赛道，优质人才不断涌入，产业智能化转型已成不可阻挡的发展趋势。相关变革落地速度将快于市场普遍预判，预计一两年内行业将迎来全局性重大变化。产业升级过程中难免伴随质疑与阵痛，但长期发展前景向好。
