袁岳长沙演讲:AIKC,人工智能落地应用的本地之锤中性

2026-11-14 15:07:46
分享
文章提及标的
人工智能--
零点有数--
医院--
新蛋--
消费--
Palantir--
查看股票机会下载客户端

这是2026年11月7日,中国民营经济研究会副会长、零点有数(301169)董事长袁岳先生,在“2026中国(长沙)民营企业科技创新发展大会”上的演讲实录。

各位尊敬的嘉宾,很高兴今天有机会跟大家分享这样一个主题。

人工智能(885728)给我们带来非常大的冲击,大家有对人工智能(885728)未来的期待,也有担忧,怕人工智能(885728)会代替人干了大部分的事,或者干了所有的事,能不能替我们做一些人做得不那么好,或者是人几乎不能做的事。

事实上,我们今天遇到人工智能(885728),我们在前面看到的机器人就是人工智能(885728)。

我想问大家,这些机器人除了跳舞以外,如果在我们家里面能够帮助我们做家务,它做不了99%的家务,对于家政阿姨们来说,如果没见过机器人就觉得很向往和期待,但看了机器人以后,阿姨们觉得至少20年之内机器人不会抢了她的活。同样,很多企业和公司大家切身感受人工智能(885728)做PPT没问题,写初步稿子没问题,帮我直接拉客户,搞定生意有很大问题,搞一个与众不同的场景有问题,这就是我们今天提出人工智能(885728)的应用,尤其是在中国的应用将会走向怎样的方向,我们今天的机会又是什么。

人工智能(885728)能够成为有用的工具,数据非常重要。我们中国目前跟美国相比,数据总量已经超过了美国,今天要训练人工智能(885728)的时候,我们需要大量数据来训练人工智能(885728),而且使用人工智能(885728)的时候又需要输入数据,才会产出结果,但是我们是不是光靠数据就可以了?

PART 01

除了数据,还有知识:知识半衰期正在加速缩短

美国80年代开始普及互联网,使得人类把自己做过的事情用数字痕迹留了下来,而留下来的数字痕迹非常重要,这些数字痕迹使得今天我们能看到大模型、看到人工智能(885728)。

至少,在网上公开的数据就构成了足够大的数量,这就是为什么我们今天看到有OpenAI、千问、DeepSeek的关键。

仅仅有这些知识就够了吗?这些数据够了吗?其实不够。

今天坐在前面的领导,他们看了大部分文件,后排的人是看不到的;今天有很多数据,如医院(884301)病历、政府部门管理的工作内容其实是不公开的,数据也有大量不公开的专门数据,知识也是如此。前面莱维特是来自斯坦福的教授,斯坦福大学大概有4000多门课,各自都有教学参考书,今天有很多知识是公开的,有《湖南日报》《长沙晚报》,长沙电视台、中央电视台,这些信息都是公开的。我们知道有相当一部分知识是显性知识,但是为什么有一些芯片公司能搞定芯片,而有些公司搞不定?有些公司技术进展更快,有些更慢?显然,个体行为和组织行为当中存在很多隐性知识,是不公开的。

今天人工智能(885728)应用有两个很重要的方向:第一,不仅仅公开数据能使用,专用数据也能用起来;二是显性知识能使用,隐性知识也要能使用。

告诉大家,后排的民营企业,如果你们活了5年以上,通常这个公司是很良性的;如果你活了15年以上,说明这个公司更健康。改革开放48年,有些企业竟活了40多年,它们就非常有积累,如果能活400年,你就是跟小青一样,是个妖精级公司;如果你活700年,你就像白娘娘一样,属于大典籍神奇公司,所以它告诉我们一个非常重要的道理:知识和数据的结合推动了人工智能(885728)的落地。

我看到前面有很多学校和企业签约。如果发生在40年前,学校拥有的知识比企业多,但在今天签约时,通常公司拥有的知识超过了学校,而且很重要的是,一个大学教科书里面的知识是15年前的知识。今天公司能够存活,能够把产品卖给你,是用当前知识和未来知识。这就告诉我们:世界上的存量知识和增量知识分布形式发生了巨大改变,人工智能(885728)在大模型中间有个很重要的能力就是“生成”,一旦通过训练以后可以形成新的知识,这就是人工智能(885728)的厉害之处。

这上面告诉我们“两个首次”:

一是2025年人工智能(885728)所阅读的文字量正式超过人类,它比人类多了差不多一半;二是去年机器所调用的数据量正式超过了人类。

很多人问人工智能能不能超过人类?

我告诉你,已经超过了,光输入就超过我们了,所以它的输出能力更加会超过我们。是否超过整体人类还不好说,但是超过任何单个人类完全可能了。

前面莱维特和陈润生教授,都跟数据蛋白结构分析相关,跟生物很有关系。美国是拥有非常强大的蛋白质分析能力的国家,其实所有美国科学家在15年以前,他们每年能做的新蛋(NEGG)白结构就是几千个,现在GPT6单月就能完成4000万个蛋白结构分析。

你们知道是什么概念?

人类所有病,特别是产生的新病,在蛋白结构这个层面被分析明白后,今天人工智能(885728)就能够分析明白。

AlphaFold创始人说,未来十年所有病都可以看好,原因就在于作为病的变化。对蛋白结构分析一旦搞清楚以后,搞清楚治病的药,搞清楚分子结构,搞清楚结构匹配,三个搞清楚以后,治病的药就能找到了,病就能治好,这就是人工智能(885728)真正强大的地方。

搞清楚意味着什么呢?

从生物到化学微观世界的知识深度,达到了人类原来算法不能达到的深度。启示我们:一是今天新知识产生的效率特别高,二是产生的知识更新特别快,这是我们今天面临的新数据的世界,新知识的世界和新能力的理解。

PART 02

大模型处于期望膨胀期,只触及了泛在的表层生成,未触及垂直的深层推理

机器利用大量公开数据训练出了人工智能(885728),把训练出来的模式用来推理任何你问的问题,或者想要解决的问题。

这个问题过去没有碰到过。但只要用公开数据训练这个模式,你提出的任何问题和想要它回答的问题,它都可以给你提供答案。但是它有一个缺陷,正是因为它是利用公开的、大量的数据训练的,所以它在解决专业问题时能力不强。

今天人工智能真正缺的是什么呢?

在座每个公司拥有自己的专业数据,你是一个小企业,你们那个老师傅的经验是不公开的。

真正短板:缺少工程化的本体知识体系

如茶颜悦色在全国有好几千个店,从中间找出100个做得特别好的店,把这一百个店的知识梳理出来,人工智能(885728)还没有发挥这方面的作用。

我们今天应用的人工智能(885728),是把开放知识层面的人工智能(885728)所梳理出来的模式,以及在隐性(本体知识)层面,每个人都拥有本体知识。很多人信佛,佛不是靠拜菩萨,也不是靠烧香,佛是靠自我觉醒,每个人都是弥勒佛。如来佛最早告诫大家,你不要摆任何佛像,佛是一个非常重要的本体性的符号。

真正用好人工智能(885728),除了大量泛在的知识之外,其实就是用好自己的知识和能力。

知识体管理的四种范式

今天的人工智能(885728)是基于泛在知识。

但有些人有些领域,如刚才所提到的蛋白结构领域,有大量专业论文、专业数据,在泛在智能当中叫作伸缩化的知识管理。我专门把它梳理出来了,这边叫作通用大模型,另一边是垂类大模型。

什么东西没有被充分用起来?

就是本体化知识管理。任何行当和公司有一定规模以后,都有很强的本体知识,最后有一个个体化知识。你们公司里面有老师傅,派出所有破案经验非常足的警察,每个人都有非常强的专用知识,把这些东西结合起来才能形成解决办法,人工智能(885728)弱的地方是后面这部分。

所以,我们把人工智能(885728)往前推进时,不仅仅要基于泛在知识的一般性解决方案,还要有针对垂直知识的专用解决方案,这就是人工智能(885728)从AI机器要往前走向AI智能决策时代。

PART 03

AIKC:从内容生成到垂直知识智能决策

这样的解决方案有两个很重要的支撑。

一是过去专用数据和专用知识怎么能够把它快速地汇集起来,这就是编织技术的发展;二是一旦把知识汇聚完以后,要形成一套整体描述。这个描述变成工程化,就形成了一套新技术,动态本体技术。

这是国家的战略布局。我们要在这两个技术领域中间往前推进,从而使得人工智能(885728)更加具备解决关键问题的能力。

工具密集落地:从“买设备”走向“建底座”

国家目前在推动算力发展,很多地方政府也出台了鼓励人工智能(885728)应用的相关政策,有很多企业在应用发展中做了积极探索。

国际标杆:Palantir本体重塑决策

美国人工智能(885728)分两大流派:一是以OpenAI为代表的通用人工智能(885728),另外一大类是以Palantir(PLTR)为代表的解决专门问题的流派。

后一类企业为金融、生产、消费(883434)行业提供服务。

只有后面这个流派可以从企业那拿到收入,这个流派就是用专门知识图谱解决问题的流派。

金融案例:穿透式风控与条件推演

专门知识图谱解决问题的流派。今天银行保险公司是基于大系统,我们现在要发展穿透式风控和穿透式知识体系,每个银行和保险公司要用自己的知识和专用数据充分利用起来。

在新消费(883434)领域当中,海尔能做好多家电,新一代消费(883434)公司会以聚焦单品、持续突破为方向,茶颜悦色是月度配方,每月有新配方,高度得益于人工智能(885728)的支持。今天对于新消费(883434)产业来说聚焦单品,单品中有专门行当和专门知识和数据,聚焦专业知识基础上,从研发、生产、渠道形成一套新的基于人工智能(885728)的管理流程。

医药案例:垂直知识图谱与精准研发

医药对于疾病本身的研究,对于新的分子结构的研究,对分配模式所进行的研究。

我们通过未来的技术,特别是像生物制药中间的新药研发,人工智能(885728)会发挥巨大作用,过去十年中国新药快速发展得益于智能化应用。

政府案例:资源分配的本体推理闭环

政府每年都在推动民营经济和各个产业发展,光补贴就给不少。这个钱到底是用来支持什么企业,花在什么上面,会产生什么效果,能产生多少,最后真的产生这么多吗?其实没数,以后未来人工智能(885728)在政府职能中间会发挥巨大作用。

AIKC跨行业泛化:形成一整套新模式。

我们未来不仅要数据中心,更重要的是要有知识工厂,每一个企业、政府部门、系统都要把来自普通员工,特别是优秀员工、骨干员工的经验知识、知识库很好地汇集起来,形成一套在外面建好大模型,内部用好专项支持工程的封装模式。当我们走到这里时,就会形成一整套新体系。

美国做了一个对伊朗人的斩首行动,这个行动就高度依赖于人工智能(885728),大家可以理解为,一个斩首行动就是一个AI KC项目,不同于传统的模式,不是用大模型干的,而是用专用模型来做的。每个公司未来要充分用好人工智能(885728),不只是把员工办公工具用好而已。

我最后这段话是我对人工智能(885728)的重要看法:今天要建好大模型,AI编织是一个企业和你所在行业专有数据和专门知识的应用,同时你要构建自己的专用知识。因为机器学习最精准的方法不是看原文,而是看知识图谱,包括动态知识图谱。我们要建设好自己的动态知识图谱和专有知识底座,用数据和知识编织动态管理技术帮助决策者高效推演多套决策方案。一旦做了选择以后,人工智能(885728)支持你的行动,追踪你的行动。你的行动完成以后,根据行动结果知道什么地方需要优化。最后,我们建立的是在特定领域和经营性企业的生态数据和终端知识的共享,最终建立的是穿透式决策执行体系。

换句话说,今天我们所说的人工智能(885728)只走完了前半截,后半截AIKC与每个公司都密切相关。

从这个角度来说,长沙跟湖南这样的地方,不仅仅要使用一般性的人工智能(885728),而应该在专用人工智能(885728)领域有更多突破。在全世界人工智能(885728)发展进程中,前面谢总分享中美是互相竞争,美国最大的强项是应用场景的丰富性和资源,中国完全有可能在AIKC领域中成为领导性的企业和行业集中的地方。

谢谢大家!

如需了解更多详情及合作

免责声明:风险提示:本文内容仅供参考,不代表同花顺观点。同花顺各类信息服务基于人工智能算法,如有出入请以证监会指定上市公司信息披露平台为准。如有投资者据此操作,风险自担,同花顺对此不承担任何责任。
homeBack返回首页
不良信息举报与个人信息保护咨询专线:10100571违法和不良信息涉企侵权举报涉算法推荐举报专区涉青少年不良信息举报专区

浙江同花顺互联信息技术有限公司版权所有

网站备案号:浙ICP备18032105号
证券投资咨询服务提供:浙江同花顺云软件有限公司 (中国证监会核发证书编号:ZX0050)
AIME