財聯社4月2日訊（記者 封其娟）在「聚交」人工智慧+的主題下，2025年的交大校友會再度集結了多位人工智慧產業以及投資領域的先鋒人物，圍繞著當下熱點話題，各抒己見。
在《邊緣ai，探索中國通用人工智慧發展路徑》的主題演講中，雲天勵飛創始人陳寧系統闡釋了人工智慧技術範式的第三次躍遷，並詳聊了產業架構重塑、硬體生態革命、未來產業圖景。作為中國神經網路處理器標準制定者，陳寧提出邊緣ai將重構全球智能產業格局的核心觀點，並預測這場由邊緣智能引發的「靜默革命」，正在重塑從家庭智算主機到城市基礎設施的每個技術節點。
身兼思必馳科技聯合創始人、首席科學家及上海交大計算機科學與工程系教授的俞凱，是產業界的核心技術研發者，也是學術界的跨媒體語言智能實驗室負責人。基於這樣的雙重身份，在《邁向分散式大模型智能體系》的主題演講中，俞凱剖析了大模型技術發展路徑，直言學術界與產業界存在「科學問題轉化斷層」：前者聚焦前沿探索，後者專註應用落地，但缺乏將企業需求轉化為科學命題的橋樑。
他預計，未來3-5年將構建新型智能體生態，通用大模型聚焦創造性內容生成，分散式架構支撐嚴肅任務場景，依託智能硬體實現「可靠智能」。該路徑繼承大模型優勢並突破架構瓶頸，或將重塑人工智慧產業格局。
以「ai產業發展及投資機遇」為主題的圓桌會議上，由上海國投先導私募基金總經理溫治主持，就ai應用與基礎模型的邊界討論、deepseek對ai產業的影響以及對未來的展望，金沙江創投主管合伙人朱嘯虎、久奕投資創始合伙人王曉明、交大工研院執行院長兼觸寶科技創始人王佳梁、天風證券研究所總經理唐海清進行了深度對話。
ai產業發展及投資機遇
唐海清用「ai元年」和「國產崛起」概括2025年中國ai產業核心特徵：隨著政企在算力基建的集中投入，中國將實現從底層算力到場景化應用的全鏈條突破，國產大模型通過技術迭代和商業落地加速全球化認知，未來將迎來企業盈利與產業鏈訂單的規模性增長。
天風證券研究所總經理唐海清
王佳梁直言此輪機會不是在技術側，而是在需求側、應用場景側。但值得注意的是，中國ai生態呈現雙重壟斷特徵：c端市場被存量流量持有者（互聯網巨頭）構築生態壁壘，b端市場受體制化採購路徑依賴（央國企主導硬科技採購）。
王曉明指出，當前ai應用正經歷 "iphone 3 時代" 的同質化競爭：基礎模型能力突破推動企業收入激增，但多數應用仍停留在「套殼式創新」（如低技術壁壘的自動營銷方案），這類服務因缺乏護城河而批量消亡。破局路徑有二：一是生態依附：深度綁定大平台（如上海 ai 開放平台）構建生態位，共享流量紅利；二是價值重構：轉型端到端結果交付，如全流程智能營銷通過 "方案生成 + 平台匹配 + 資源整合" 實現閉環控制。他強調，具備生命力的創新必須回歸用戶需求本質，ai創業者需警惕簡單移植現有模式的陷阱，聚焦核心場景重構服務鏈條。
久奕投資創始合伙人王曉明
唐海清總結，大模型與應用生態正加速融合，c 端呈現 "入口聚合" 趨勢：類比移動互聯網時代 app 收斂，智能助手將演變為超級平台，驅動軟硬一體生態競爭（如終端廠商布局全棧能力爭奪入口控制權）；b 端市場則以 "數據主權" 構築壁壘，醫療、金融等行業龍頭憑藉私有化數據資產佔據先機。隨著 agi 向通用智能演進，中國依託人口規模形成的全場景試驗場和工程化落地能力，有望在「碳基—硅基」協同進化的終極階段，實現 b/c 端應用生態的全局貫通。
朱嘯虎認為，大模型技術正驅動全球產業進入 "1 到 n" 爆發期，中國市場呈現 "技術普惠 + 場景創新" 的獨特機遇。他指出，當前產業遵循 "底層跟隨 + 場景微創" 模式，教育（智能作業輔導）、金融（智能投顧）、醫療（影像識別）等領域憑藉數據資源優勢成為差異化突破口。儘管國內 ai 投資規模僅為美國的1/4-1/5，但國產大模型的性價比突破顯著提升資金使用效率，使開發者獲得更廣闊試錯空間。
在他看來，中國創新的核心在於"1到100"的跟隨式微創新戰略，聚焦已驗證賽道進行成本優化（如電動汽車、晶元領域），而非冒險押注從0到1的探索。他建議創業者避開大廠主戰場，深耕差異化場景，例如ai驅動的會議紀要整理、法律文書處理等高頻低附加值領域，這些未被巨頭壟斷的細分市場既能發揮技術槓桿效應，又能構建初期生存壁壘，是當前中國創業者破局的關鍵路徑。他提出中國ai需"走出技術"，技術型創業者須兼具商業思維，還要理解商務、理解社會、理解人性。
金沙江創投主管合伙人朱嘯虎
在談及deepseek對ai產業的影響時，王曉明認為，deepseek 打破傳統對標模型路徑，通過 "零收費生態共建" 策略，一年內實現技術突破並構建起開放基礎設施，將用戶資源讓渡給合作夥伴，形成類似水電煤的 ai 底座。這種模式顛覆了 "平台規則主導" 的傳統，為硬科技企業提供了低門檻創新土壤，標誌著 ai 產業從 "技術壟斷" 向 "基礎設施共享" 的範式遷移。
同時，唐海清認為deepseek對中國ai產業具有雙重催化效應：一是激活應用端爆發力，企業從被動等待介面開放轉向主動部署本地化開源模型（如各規模企業快速接入），大幅推動行業應用進程；二是形成"大模型反哺算力"的良性循環，國產晶元借力接近國際水準的模型性能實現代際跨越，這種模型與算力的協同進化正在復刻中國消費電子產業的歷史性趕超機遇。
大模型破局之路
針對大模型技術路線，俞凱提出三點核心觀察：首先，chatgpt類集中式通用大模型存在固有局限，無法突破私域知識困境（如特定領域指令理解偏差）、可靠性天花板（模型規模增長無法消除系統性錯誤）及高成本壁壘（訓練推理資源消耗巨大）；其次，產業場景需差異化解構，toc內容生成場景可接受90%+準確率，而tob任務型場景必須通過架構創新實現可控性；再者，需區分「專用大模型」與「通用大模型」的本質差異，前者如alphago解決有限任務但未觸達生活，後者雖具通用性卻面臨工業化複製難題。
基於早期對話系統研究，俞凱團隊提出「1+n 分散式群體智能」架構：通過中樞模型調度專用模塊與工具，構建異構融合智能系統。該方案突破傳統集中式架構局限，實現三大創新：一是認知邊界控制：訓練模型主動拒答不確定性任務；二是系統方面，採用組件熱插拔和分散式計算，使推理成本降到原來的千分之一；三是工程層面，將可靠性和精度優化分開，優先保障關鍵任務的穩定性。通過語音離散符號化技術與材料領域的kdfm系統，已證實該分散式架構在跨模態場景中的可行性。
俞凱強調，智能系統的核心價值在於「可靠交互」而非「全能應答」。在車載等硬體場景中，系統需精準識別用戶意圖邊界，例如在閑聊場景保持靜默，在指令場景即時響應。這種認知交互智能體通過四項特性重構產業範式：資源受限場景的高效性、組件熱插拔的靈活性、定向更新的可控性、端側分散式計算的普適性。
思必馳科技聯合創始人、首席科學家及上海交大計算機科學與工程系教授俞凱
在主題演講中，陳寧指出，全球ai發展正經歷從「發電時代」向「用電時代」的範式轉換：2023年大模型競賽催生算力基建狂潮，2024年開源輕量級模型崛起標誌應用落地拐點到來。雲天勵飛通過「算力積木」架構，在14/12nm國產工藝晶元上實現性能突破，算力密度較傳統方案提升3倍，推理成本降至行業均值的60%。
邊緣ai構建的「雲-邊-端」協同體系正重塑產業生態：雲端聚焦萬億參數模型訓練，邊緣側完成場景化精調，終端設備實現毫秒級響應。技術突破使智能設備成本結構質變——家庭智算主機可運行320億參數私有模型，推理時延20毫秒內，隱私數據本地處理率達98%。
