南方财经 21世纪经济报道记者吴斌 上海报道

7月的上海，骄阳似火，流金铄石。但比气温更高的是摩肩接踵的人群对AI的热情。

7月17日至20日，以“智能伙伴 共创未来”为主题的2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）汇聚全球1400余位中外嘉宾、1100余家企业，展出3000余项前沿AI展品，其中超300款产品实现全球首发。

人们抛出的问题正变得越来越具体：“这个大模型在我那个场景里准确率能到多少？”“智能体部署要多大成本？”“医疗AI给出的诊断建议可信度如何衡量？”“出错了谁来兜底？”

这些追问并非偶然。过去两年，大模型以摧枯拉朽之势席卷世界。然而，当技术真正走向生产线，现实难题浮出水面。这些关键问题恰恰决定了当前的AI热潮究竟是一场泡沫，还是能真正重塑产业肌理的底层力量。

从好奇心驱动到价值驱动

随着AI走进千行百业，它已经成为人们必不可少的工具。

爱思唯尔在世界人工智能大会上发布的《未来医生白皮书（2026）》显示，AI正逐渐成为临床医护人员日常工作的重要辅助工具。调研显示，49%的全球受访临床医护人员已将AI应用于工作，与2025年的48%基本持平。这意味着，在经历快速增长后，AI在临床领域正进入相对稳定的发展阶段，行业关注点也逐渐从“是否使用”转向“如何用得更好”。

中国临床医护人员将AI用于工作的比例达到56%，高于全球平均水平（49%）。其中，中国医生群体的AI应用率进一步达到72%，明显高于全球医生平均水平（57%），反映出中国临床一线对AI工具的较高接受度和应用积极性。

随着AI逐步融入临床实践，临床医护人员对于AI的期待也更加明确。相比AI能否生成答案，他们更加关注答案是否可靠、是否透明，以及是否建立在高质量医学证据基础之上。调研显示，全球仅37%的受访临床医护人员认为当前AI工具值得信赖，反映出建立可信AI仍是行业进一步发展的关键。

爱思唯尔大中华区首席医学官贾旭明对记者表示，医疗AI正在从早期快速试用阶段进入一个更成熟的阶段。现在大家不再只是看有多少人用AI，而是在看什么样的AI值得被持续使用，能够真正进入临床工作流程。医疗AI行业正在从好奇心驱动转向价值驱动。

谈及挑战，浙江大学计算机创新技术研究院智慧医疗研究中心主任、浙江大学医学院附属第二医院人工智能与信息化部主任相鹏对记者表示，中国临床专用AI工具使用率仍低于通用型AI，医院端“最后一公里”卡在医疗本身的严肃性。在没有明确效果，或者准确率没有提升的情况下，临床专用AI工具使用率会长期低于通用型AI。

工业AI“深水区”破题：场景牵引

工业AI在实战中也面临挑战：在零容错的生产线上，每一个误判都可能意味着真金白银的损失，甚至引发安全事故。

在西门子中国董事长、总裁兼CEO、国际智能制造联盟副主席肖松看来，中国工业门类的广度、制造业体系的深度、产业创新的速度、对新技术的开放态度，成为发展工业AI的独特优势。但要将这一独特优势转化为生产力，必须破解工业AI落地过程中模型训练与数据供给之间衔接不足的结构性难题。工业场景需要采集足够多的数据，尤其是负样本的数据，通过这种方式训练出的模型才能更加有效和精准。数据质量是工业AI成功的关键。破题在于抓住“场景”这一核心牵引。

工业场景是人工智能应用的“深水区”。它价值巨大，但门槛极高。工业生产强调零容错，对确定性、可靠性和安全性要求严苛，而工业现场又受设备、工艺、人员、环境等多重因素影响，系统高度复杂，且不同行业、不同生产模式和不同制造工艺之间差异明显。肖松分析称，这使得工业AI不能追求全覆盖式的发展方式，而是必须要从具体的业务场景入手，以可追溯、可验证、可控制为前提稳步推进。

真正值得优先投入的，不是概念最热的场景，而是那些同时具备四个特征的场景：痛点够高频，数据可获取，价值可量化，并且具有推广复制和进一步泛化的潜力。

进而，以场景为牵引，才能有效建设工业高质量数据集。工业领域的数据并非天然完备、现成可用，而是广泛分散在不同设备、系统和流程中，呈现出无序化、碎片化、多源异构和多模态等特征。与此同时，大量影响生产质量和效率的关键知识，常常沉淀于工艺规范、操作经验以及一线工程师和“老师傅”的长期实践之中。未经治理、整合与标注的数据，难以支撑大模型、智能体的训练和使用。

肖松强调，只有以具体场景为牵引，数据梳理才能有的放矢，数据采集才能不失焦，数据治理才能抓住重点。只有这样，数据才能真正从“无序积累”走向“有序生产”，分散的数据和隐性的知识也才能逐步转化为可用、可靠、有效的模型训练资产，从而实现“场景—数据—模型”的良性循环，让人工智能真正“有用、好用”，可以“放心用”。

铜冶炼就是一个典型例子。在这一场景中，原料矿石含铜量不稳定、一线经验人才储备不足、高温工况复杂多变等问题相互交织，仅靠单一数据或单点模型难以有效应对，必须围绕具体工艺场景整合设备数据、工艺知识和专家经验。肖松表示，西门子与“十五冶”合作，整合11个工艺段的设备数据，以及来自行业文献、工艺规范和“老师傅”口口相传的行业知识和一手经验，打造出炼铜行业首个下沉到边缘的智能体，使影响铜成品质量和炉体寿命的关键指标——冰铜品位稳定性提升了15%。

需要注意的是，软硬融合的系统能力是场景价值兑现的关键。工业AI落地不是单一模型部署的问题，而是一个复杂的系统工程，需要与工业软件、边缘计算设备、执行装备以及工艺流程深度结合。尤其在多代际设备并存、多协议交织的工业现场，人工智能如果不能嵌入复杂异构系统，就很难真正发挥作用。

肖松强调，工业AI不仅要能够理解现场，输出推理结果，还要能够让新旧设备之间实现协同，让指令能够准确执行，让异常处置具备安全兜底机制，并通过运行数据的持续回流形成闭环。只有打通感知、决策、执行、反馈的全链路，工业AI才能从技术能力转化为现实生产力。

这一趋势已在新一代工业智能体产品中有所体现。在2026世界人工智能大会上，西门子推出了全球首款面向工业自动化工程的AI智能体Eigen Engineering Agent（Eigen工程智能体），实现了AI在工业场景中从辅助工具到自主执行工程任务的跨越，推动全球工业AI技术与中国创新速度、丰富产业场景同频共振。

开源开放迈向下一程

当AI在具体场景中创造价值，一个关键的问题随之浮出水面：这些价值究竟被谁攫取，又能否惠及更广阔的产业和社会？

麻省理工学院教授、生命未来研究所联合创始人Max Tegmark对记者表示，中国致力于让AI真正满足现有需求，追求更好的制造业、更好的科学、更好的医疗、更好的公共服务、更好的民生福祉。发展AI的目的应当是帮助人类，而不是取代人类。

Tegmark分析称，如果只有极少数公司以极高价格出售闭源AI，它们自然会攫取大部分价值。而如果把所有安全的AI都开源，不仅能得到广泛应用，而且大部分价值会流向用户、其他行业以及所有用上它的个人。换句话说，这将惠及社会大众，并阻止AI公司独占所有价值。

与此呼应的是，肖松也强调，工业AI不可能靠单个企业关起门来做成。它要真正走向规模化，必须坚持开放式创新，必须建立在场景开放和生态协同的基础之上。从这个意义上看，开放不是附加项，而是工业AI普及应用的必要条件。当前，已有企业开始通过开放场景、协同试点等方式，加快相关技术在真实工业环境中的验证和优化。

在世博展览馆，华为昇腾重点展示了开源开放的基础软件生态，依托CANN、Mind系列等基础软件，持续优化开发体验、降低创新门槛，为大模型技术快速迭代提供开放生态支撑。

昇腾950超节点（Atlas 950 SuperPoD）真机首次公开亮相，成为本届大会备受瞩目的焦点。业界最大规模超节点Atlas 950 SuperPoD，面向大规模数据中心建设、万亿级大模型训练与中心高并发推理场景算力需求，凭借“超大带宽、超低时延、统一内存编址”三大核心优势，筑牢Agentic AI时代新一代标杆算力底座。

7月17日，月之暗面宣布推出Kimi K3，以2.8万亿参数成为全球最大开源模型，并在前端编程权威榜单Frontend Code Arena上以1679分登顶，超过Fable 5（1631分）与GPT-5.6 Sol（1618分）。这是首次有开源模型在权威编程榜单上超越全部海外闭源模型。

展望未来，Tegmark持乐观态度。他预计神经网络所学到的所有算法和知识，能够被导出到计算机代码中的比例会随着智能的提升而渐进增长，并趋近于100%。随着AI变得越来越强，进行自我内省会更容易，它能把它学到的一切都导出。

凭借可控的、可信的AI，Tegmark预计，人类可以从根本上改变经济中的几乎每一个领域。例如，用AI工具每年在全球道路上拯救无数生命，在医疗领域拯救更多生命，诊断前列腺癌、肺癌和无数其他疾病，帮助预防大流行病。AI还可以革新科学研究，升级制造业的机器人技术，节约电力，让教育更具可及性和个性化。