飞来峰丨“息壤”与“种子”——驱动新一轮产业革命的数智密钥

全文约 2807 字

013月18日，浙江近30万干部参与人工智能专题培训，学好用好AI成为干部必修课，强调AI与实体经济深度融合的重要性。

02最新推理型AI大模型虽具通用性，但在特定行业应用中存局限，如医疗和金融领域。垂直型智能体因专注特定领域，能提供高精度、个性化服务，成为解决之道。

03制造业中，垂直型智能体在生产优化、供应链管理和产品设计等方面发挥关键作用，浙江某纺织企业引入AI垂类模型后，研发周期缩短30%，次品率下降15%。

04通用人工智能的发展构建了产业信息化和数字化突破的理想生态，解决了专业性强造成的深度碎片化问题，为智能技术方向创业公司提供了成长空间。

05政府与行业需聚焦垂直智能体的开放和应用，推动数据共享，建立数据交易平台，制定AI应用标准，加快高校特色化办学，培养技术人才，并强化AI安全与伦理规制。

以上内容由传播大模型和DeepSeek生成，仅供参考

就在上周，3月18日晚，人工智能通识及应用网络专题培训在中共浙江省委党校开班，全省近30万干部线上线下参学。学好用好AI，已成当前广大干部的“必答题”和锻造“硬核”干部队伍的必修课。

最新的推理型AI大模型和智能体的出现，带来了前所未有的“现象级”影响，开源属性让各行各业都可以无缝衔接。但是，也应该看到，通用大模型虽然在通用性和泛化能力上表现出色，在面对特定行业复杂、精细的业务场景时，也存在明显的局限性。通用大模型仅是起点，真正的价值在于与实体经济的深度融合。

不同行业拥有独特的业务流程、专业术语、知识体系和数据特征，通用大模型难以深入理解和处理这些领域的特定信息，无法满足行业对高精度、个性化服务的要求。例如，在医疗领域，医生需要准确诊断疾病、制定个性化治疗方案，这需要对医学知识、临床数据和患者个体情况有深入了解；金融领域的风险评估、投资决策等任务，涉及复杂的金融市场数据和专业的金融知识，通用大模型难以达到专业水平。

智能通用大模型，恰似上古传说中的息壤。息壤要长出好庄稼，还需要种子。而种子就是各行各业的垂直型智能体。

垂直型智能体是指专注于特定领域或任务的人工智能体，它基于特定领域的专业知识和数据进行训练，能够在该领域内提供精准、高效的服务和解决方案。与通用大模型追求广泛的通用性不同，垂直型智能体聚焦于特定领域的深度应用，旨在解决特定领域的具体问题，满足行业内的专业化需求。

如果说，通用模型解决的主要是数据处理的“广度”，那么可以说，垂直类模型决定着数字化的“深度”。

拿制造业来说，在工业4.0和智能制造的背景下，制造业对于提高生产效率、优化生产流程、降低成本、提升产品质量的需求十分迫切。垂直型智能体在生产过程优化中发挥着重要作用，它可以实时监测生产设备的运行状态、生产线上的物料流动和生产工艺参数，通过数据分析和机器学习算法，预测设备故障、优化生产调度、调整生产工艺，实现生产过程的自动化、智能化控制，提高生产效率和产品质量，降低生产成本和能源消耗。在供应链管理方面，智能体能够整合供应链上各个环节的数据，包括供应商信息、库存数据、物流数据等，实现供应链的可视化管理和智能决策，优化供应链流程，提高供应链的响应速度和灵活性，降低库存成本和供应链风险。此外，制造业智能体还可以应用于产品设计和质量检测，通过对市场需求和用户反馈的分析，辅助产品设计创新，利用图像识别和数据分析技术进行产品质量检测，确保产品质量符合标准。

以纺织行业为例，或许更能说明传统产业数字化转型面临的堵点和痛点。纺织业的原料选配、工艺优化和供应链管理高度依赖经验，数据分散于设计、生产和销售环节，形成“信息孤岛”。浙江某纺织企业引入AI垂类模型后，通过整合历史订单数据与市场趋势预测，将面料研发周期缩短30%，次品率下降15%。这一实践印证了垂类模型需破解行业特有的“数据碎片化”与“知识经验化”难题，推动从“人工试错”到“智能决策”的转变。

联合国的产业目录（ISIC）把经济产业分为21个门类，88个大类，419个小类，有340多个细分类目，几十万产品类型。中国的国民经济行业分类（GB/T 4754-2017）有20个门类，97个大类，473个中类，1382个小类。至于产品品类，多到难以计数，保守估计也有数亿之巨，仅就中国而言，设备制造业的品目多达数万，而日用消费品更是以千万计。据统计，仅2023年中国就新增消费品1964万种。每一种产品都有一系列后向的生产流程和工艺。其复杂性、专业性和多样性，是任何通用大模型难以直接处理的。因此，垂类智能体就成为与通用智能体彼此赋能的互补性数智体系。试想一下，如果所有这些产业都能够像前面例举的纺织企业那样，引入AI垂直类模型，则产生的整体经济效能有多大，完全可以说，是一场全新的产业革命，数智化推动的产业革命。

通用人工智能迅猛发展的最大意义，就是构建了产业信息化和数字化得以整体突破的理想生态。在此之前，千行百业都在分头推进数字化的工作，但是彼此缺乏联动、缺乏协同，专业性产业信息系统与通用性操作系统的兼容性差，数字经济的土地上烟囱林立，孤岛遍地。有了最新的通用人工智能，很多垂类场景性的信息都可以连接起来，解决专业性极强所造成的深度碎片化问题，也给了智能技术方向创业公司足够的成长空间。这就像在通用大模型的沃土上，生长出专属相应行业的智慧之树。以土壤生态学来比喻或许是合适的，通用模型如同江南丰饶的水田，但要让其真正孕育万物，需要各种深耕各行业的“育种专家”。

我们欣喜地看到，至少在浙江，已经出现了相当数量的数字产业“育种专家”。例如，由浙大谭建荣院士指导的炽橙科技，与浙江大学共建“先进智能联合研究中心”，从工业场景出发进行底层系统重构，通过自研的新型工业智能底座融合AI大模型技术，构建了一种较为完整的工业智能体系统，助力核电、装备制造、汽车、船舶航空等几百家企业产线，在工艺优化、人机协同、故障维修等环节取得很好效果，而且消灭了一半以上的培训。这种垂类AI大模型的价值，完成了“人工智能+工业”的闭环，实现工业智能的最后一公里，带来真正的经济效益。院士团队、产业公司在工业制图领域深耕二三十年所积累的垂直数据，恰似精心选育的稻种，在融合了通义千问等大模型后，构建成智能工业底座级安全可控系统，便在工业现代化领域绽放出异彩。

大模型如何与垂直智能体实现深度融合，更好赋能千行百业，是人工智能的下一个机遇。像炽橙科技这样的企业，只是点点星火，要让其形成燎原之势，真正开启一场新的产业革命，还有很多事情要做。

目前最大的问题还是，相比于通用智能体的进步，垂直类智能体的发展要滞后得多。因此，将产业提升的重点聚焦于垂直智能体的开放和应用是当务之急。为此，政府或者行业协会要下大力气推动数据共享，建立行业级数据交易平台，制定各产业的AI应用标准，降低中小企业数据整合成本；要切实加快大学的深度特色化办学，推进高校“AI+产业”课程体系改革，培养知行业、懂算法、通工艺的技术人才团队；要强化AI安全与伦理规制，建议针对垂类模型建立风险评估机制，防止产业数据泄露与算法偏见，保障技术应用的稳健性。

浙江在数字经济发展上布局早、发展快、成效大，已经具备了一定的领先优势，但追兵逼近，必须把握时机、集中力量，以通用大模型和行业垂直智能体结合为工作抓手，进一步构建功能强大的数智化现代新型产业体系。

我们有理由相信，未来城市的经济竞争，将是智能体发展力、包容力的竞争，是各类智能体密度的竞争；未来产业发展水平，将取决于通用大模型与各产业垂直智能体相互赋能的性状和水平。浙江，尤其是杭州和宁波这样的城市，应该加大力度，继续强化“底座技术突破—场景生态培育—全球人才汇聚”的闭环，让新的产业文明——数智产业文明从之江大地走向世界。

（罗卫东，浙江大学人文经济研究中心主任、教授）