随着人工智能技术发展，AI正在从“能用”到“好用”演进，从产业视角看，AI技术如何找到适合的场景切入?现阶段AI发展路线是否符合预期?智能体是当下的“版本答案”吗?以及未来AI会如何演进?
7月27日，世界人工智能大会期间，腾讯举办“智能涌现”主题论坛，中国信息通信研究院人工智能所所长魏凯，IEEE计算机学会技术成就奖得主、合肥工业大学大数据知识工程教育部重点实验室主任、长江学者吴信东，英国工程与技术学会会士、澳大利亚计算机学会会士、香港教育大学人工智能讲座教授徐贯东，国家粮食大数据采集与应用技术创新中心主任、人工智能全球最具影响力学者、合肥工业大学教授曹杰齐聚，围绕当下AI发展的关键问题展开圆桌讨论。腾讯公司副总裁、腾讯研究院总顾问杨健担任主持人。
杨健在开场谈到，AI领域的变化之快令人瞩目，新的技术路径与应用形态不断涌现，这既反映出行业的旺盛活力，也说明未来还有很多可能性等待挖掘。
腾讯公司副总裁、腾讯研究院总顾问 杨健
AI应用价值思考：未来人工智能将“化于无形”，如同水电无处不在
2025年高考刚刚落下帷幕，高校录取结果陆续出炉，腾讯元宝、AI高考通等AI工具为高考填报志愿提供建议和思路，成为时下的新趋势，该现象也引出了圆桌讨论第一个话题：人工智能如何寻找到产业场景的结合点，实现技术价值?
徐贯东认为，AI放大了学习的自主性，推动教育从“知识传授”转向“知识建构”，使得教师角色从“课堂主导者”转变为“知识引导者”，给传统的教学体系带来强烈的冲击和革新。
曹杰则阐述了AI在粮食仓储领域的“冷门”应用：通过人工智能对粮库进行多模态数据采集，实时分析后实现智能、准确的温度和湿度调控，降低自然损耗，避免虫害现象，提升粮库的存储和交付质量，保障粮食安全。
中国信息通信研究院人工智能所所长 魏凯
但对于普罗大众而言，更希望找到适合的“AI入口”，获得多元丰富的AI能力。对于“AI原生”和“AI+既有应用”的方向之争，魏凯表示，要分不同的场景具体看待，To C端市场更容易形成通吃的超级应用，而To B端则更加垂直，融入企业的业务流程。魏凯也强调，未来人工智能无论在C端还是B端都会“化于无形”，用户感知不到它的存在，但又像空气、水和电一样无处不在。
对于AI落地进程中产学研壁垒问题，吴信东表示，打破壁垒的难点在于“价值拉齐”和场景驱动，同一个技术落地场景，产业界偏重经济价值，高校和研究所则更加注重学术价值，造成目标和价值方面的不一致，而腾讯等领先企业，在探索兼容并蓄的路径上，可以加强产学研的连接和合作。
AI发展现状观察：开源不仅代表普惠向善，也是竞争策略和治理工具
产学研对技术路线和研发模式的观点也不尽相同，比如是选择闭源模型构筑技术壁垒来保障商业化，还是选择开源模型开放协作来加速创新?年初DeepSeek爆火，为该问题带来了更多思考。
徐贯东表示，从社会维度看，开源是通向普惠AI的必经之路，降低了大模型的应用门槛，比如教育界就应提倡开源大模型，让更多的学校师生享有使用领先AI能力的机会，进而实现教育的平等，但也能理解闭源存在的必要性，因为企业需要商业收益来维持研发成本，正是开源和闭源技术路线的共存和协调，推动了技术的发展演进。
魏凯指出，目前来看开源有着三大意义，其一是代表普惠向善的理念，可以让人工智能惠及发展落后的国家和地区;其二是代表一种竞争策略，通过开放协作带来弯道超车的可能性;其三是作为一种“治理工具”，可以让大家互相寻找技术背后的安全、伦理等风险。
IEEE计算机学会技术成就奖得主、合肥工业大学大数据知识工程教育部重点实验室主任、长江学者 吴信东
选择开源大模型的另一大原因则在于大模型训练成本高昂，玩家开始呈现头部效应，未来其他企业是否还有必要独立开发大模型?对此吴信东表示，大模型在开始阶段扮演着基础设施的角色，现在还是百花齐放，但后续一定会大浪淘沙。不能仅靠通用大模型来解决所有问题，实际应用还要结合领域知识和海量数据实现“双轮驱动”，打造细分的垂直领域大模型，如此才是人工智能落地的必由路径。
聚焦Agent智能体：2025年Agent热度攀升，多Agent协同尚需时日
由于大模型不能直接作用于产业场景，还需要结合数据库、知识库等工具，形成能直接对话的“载体”，因此近年Agent智能体的热度不断攀升。
吴信东表示，Agent概念在学界业界都已经存在很多年了。世界上目前使用最为广泛、翻译语种最多的人工智能教材AIMA(Russell和Norvig编著)早在1995年的第一版就旗帜鲜明地指出需要用Agent方法来教授AI技术。大模型为Agents注入了新的生命力，关键点在于实现感知、任务规划、行动决策、交互协同的闭环，类似人类“从理论到实践”的认知过程，是实现AGI的一条重要途径。
对于Agent与传统AI工具的区别，曹杰以农业领域应用举例，表示传统的农药机器人受限于数据标注与算法泛化能力，很难准确识别虫害部位和正常部位，工作效率也不如人力，需要大模型来进行二次开发推理，打造能自我学习、准确识别的Agent应用。
Agent之间如何实现“协同作战”?魏凯指出需要先解决南北向问题，即Agent与外部被调用工具之间的接口，比如付款、地图信息、企业系统等，否则大模型的作用会大幅受限;其次才是东西向问题，即Agent之间的协议标准化接口，比如MCP协议，但全面打通仍然需要时间。
具身智能的前景：产业分工还有细化空间，VLA模型是落地关键
除了智能体，今年人工智能另一重要应用概念当属具身智能，但具身智能并不简单等同于广义上的机器人概念，相比传统AI形态，其突破点在哪里?又有哪些发展瓶颈?
对此吴信东表示具身智能从字面上看就需要“身体”与“心智”的有机结合，让AI技术落实到各行各业，从而深入到千家万户、无处不在。吴信东强调，具身智能在具体场景的应用，依然离不开大模型对领域知识和数据的结合。
魏凯也认为，具身智能产业还需要进一步细化分工，比如本体制造、软件设计、开发平台、云厂商、大模型等方面各司其职，其中视觉-语言-动作(VLA)端到端模型是具身智能落地的关键所在，当下大部分机器人仍然以小模型控制，泛化能力不如预期。
对于中国发展具身智能的优势，曹杰表示一方面丰富的产业场景带来大量数据和知识，延伸出专属大模型，比如面向粮食行业的粮食大模型、粮库智能体等，为具身智能的场景应用奠定了基础。
英国工程与技术学会会士、澳大利亚计算机学会会士、香港教育大学人工智能讲座教授 徐贯东
具身智能落地，还需要解决商业闭环的“最后一公里”。徐贯东表示，发展具身智能要兼顾社会价值和经济价值，虽然在特种行业等高价值场景有着很大应用潜力，但高成本仍然阻碍了具身智能产品进一步普及。
未来展望：基于高质量知识和数据，打造“专而精”的AI
国家粮食大数据采集与应用技术创新中心主任、人工智能全球最具影响力学者、合肥工业大学教授 曹杰
对于未来五年如何定义“好用的AI”，圆桌嘉宾也表达了自己的展望和设想。曹杰认为，大模型幻觉是通往好用AI最大的障碍之一，需要加强行业知识库的建设，通过高质量的知识和数据，来减少幻觉现象，因此未来知识库将成为不可或缺的基础设施。
吴信东认为，好用的AI应当是“目标鲜明、专业定制、简单易用”，在确定范围内满足用户需求，实现用户期望;魏凯则从用户体验的角度切入，表示好用的AI应当与用户配合自然，不会有突兀抢占操作空间的生硬感，更加行云流水。
徐贯东也认为，未来的AI更接近人，在信息采集上实现多模态，在前端应用上实现“专而精”，通过漫长的技术演进，逐渐通向通用的人工智能，“好用的AI，我觉得就是要从善，真正帮助到社会的生产生活。”徐贯东说。
