编者按：在新一轮全球科技革命与产业变革浪潮中，人工智能（AI）正以前所未有的深度和广度重塑生产方式与产业生态，成为驱动新型工业化、培育新质生产力的核心引擎。近日，《中国电子报》常务副总编辑连晓东与中国电子云高级副总裁黄锋围绕影响AI落地的关键要素、行业应用逻辑、技术发展趋势、产业机遇与挑战等热门话题进行了深度对话。
对话人：中国电子云高级副总裁 黄锋
《中国电子报》常务副总编辑 连晓东
时 间：2025年11月14日
地 点：中国电子云北京总部
政策红利全面释放，央企勇当“AI+”行动排头兵
连晓东：国务院印发《关于深入实施“人工智能+”行动的意见》，支持企业在重点场景应用通用大模型、行业大模型和智能体。工业和信息化部也在积极研究出台“AI+制造”专项行动实施方案，部署重点行业、重点环节、重点领域智能化转型任务。这一系列政策文件的推出，对我国AI产业发展带来了哪些深刻影响？这其中，中国电子云如何定位自己所扮演的角色？
黄锋：国务院印发《关于深入实施“人工智能+”行动的意见》，标志着AI在国家层面战略地位的质变——它不仅是优化效率的辅助工具，更已发展为驱动国家整体现代化发展的核心基础设施和关键生产力。这一演变意味着资源投入、政策优先级和战略规划都将发生根本性调整。诞生于AI技术底座之上的智能原生模式，将彻底重构商业逻辑、产品形态和产业格局，决定未来数十年的竞争力。
国家系列政策文件的出台，将AI推向前所未有的高度，使其成为新质生产力的关键引擎。这促使各行各业拥抱AI的速度不断加快。对于像中国电子云这样的技术服务商而言，这是一个重大利好。面对这一历史性机遇，我们肩负着央企在国民经济发展中应承担的使命，需勇当“人工智能+”行动的排头兵和主力军。
连晓东：从产业趋势来看，目前业界的关注焦点已经从技术突破转向产业落地。你认为AI在传统行业中落地的关键要素是什么？能否结合实际案例分享一下中国电子云的AI落地经验？
黄锋：从AI发展阶段来看，自ChatGPT爆火至今已有三年多时间，但直到2025年春节之后才真正进入AI应用高速落地期。当前，AI应用落地仍处于初级阶段。这其中既有模型自身能力的问题，也有数据问题、企业拥抱创新的意愿不足等因素，AI在产业端的落地仍面临诸多挑战。
下一步突破的关键要素首先在于数据。智能化的基础是数字化。行业头部企业的数字化水平普遍较高，通过各类软硬件系统积累了大量数据，但这些数据如何被AI有效利用，并真正对其生产经营水平带来显著提升，是大家共同面临的问题。我认为，关键变量就在于数据。
以智能体（Agent）为例，作为未来AI应用的主要载体和方向，其落地实际上面临两个关键制约点：一是模型能力，包括感知、思考、规划、执行等核心能力；二是知识库，打造高质量的行业知识库同样至关重要。
从模型能力看，通用模型对行业深度的理解远远不够。像科研机构、重点领域央企、医疗等关键行业的客户，需要将行业数据进行治理，形成高质量数据集，并基于通用模型训练出行业专用模型。从知识库角度看，如果输入的数据质量不高，智能体给出的回答质量也不会高。例如，要搭建一个合同检索智能体，首先必须对所有合同文本进行结构化处理，形成相对高质量的合同数据集，这样智能体在辅助企业管理者进行合同检索时，才能给出较为理想的答案。
其次，要选择能够显著降本增效或创造新价值的应用场景，精准匹配业务痛点。例如，在医疗领域的辅助诊断场景中，AI应用能带来显著价值。北京安贞医院与中国电子云联合研发的中西医结合高血压诊疗大模型，基于北京安贞医院的权威临床经验、科研能力以及多中心、多模态的大量回顾性医学数据，利用中国电子云自主研发的云计算与人工智能产品与技术，对多源、异构的医疗数据进行系统化、标准化、后结构化处理，构建起高血压高质量数据集和多中心亚组队列，并通过训练、测试、调优，形成涵盖个体化诊疗（诊前、诊中、诊后）和全病程健康管理（主动管理、被动管理）的专病智能体。这种合作模式有助于将大城市高水平医生的经验分享给小城市基层医院的医生，以智能化手段推动优质医疗资源扩容下沉和区域均衡布局。
此外，还需建立反馈循环机制，持续收集反馈、迭代新数据，不断优化AI模型，从而产生更优结果和更有价值的数据，构建“专业数据—垂直模型—场景理解”的飞轮闭环。事实上，通用模型在行业内的应用效果往往打折扣，而针对垂直行业、细分场景的模型更受欢迎。我们正在做模型落地的“最后一公里”，即结合行业和企业的实际需求对模型进行调优，在保证效果的同时控制企业投入成本。
以场景化应用为牵引，关键行业加速数智化转型
连晓东：中国电子云的全链路AI解决方案为什么命名为“新星”？这个名字有何寓意？核心优势主要体现在哪些方面？
黄锋：“新星”寓意引领国家关键行业数智化转型。我们希望成为帮助国家关键行业实现数字化、智能化升级的新生力量，成为一颗耀眼的“新星”。我们的全链路AI解决方案核心优势主要体现在以下四个方面：
一是“懂业务”。相比市面上其他企业，我们不仅是技术提供商，更是与客户共同成长的伙伴。中国电子云长期服务于央国企及关键行业，深刻理解其业务逻辑、数据特性和安全合规要求。
二是“安全”。正因为我们长期服务央国企及关键行业，中国电子云在安全方面投入了大量资源，在模型输入输出、敏感词干预、权限控制、安全算子开发等方面建立了较强的技术优势。
三是“本土化”。通过与沐曦等本土芯片厂商展开深度合作，我们已完成昇腾、沐曦、海光等主流国产GPU的深度适配，能够通过软硬协同优化，在不降低精度的前提下将推理性能提升数倍，为客户提供高性价比的本土化算力选择。
四是“服务”。AI在行业端的落地绝非标准化产品，而是具备标准化平台能力、需根据业务定制的服务。基于丰富的项目经验，我们可以为客户提供从咨询规划、方案设计到最终交付的“贴身服务”。
以中国电子云正在为中海油打造的勘探知识问答智能体为例：由于行业特殊性，文档中包含特殊图表和大量专业术语。如果不针对这类特殊文档做定制化解析，这个看似简单的知识问答智能体就无法实现预期效果。中国电子云提供的正是这“最后一公里”的服务——通过针对客户业务需求的定制化开发与服务，最终交付真正好用的智能体。
连晓东：“新星·全链路AI解决方案”强调以场景应用为牵引，重点服务科研、央企、政务等关键行业。请问，选择这些行业的背后逻辑是什么？这些行业在AI落地过程中存在哪些痛点？
黄锋：我们围绕高水平科技自立自强和服务国家战略调整了市场布局。从外部看，这些关键行业市场空间大、数字化水平高、智能化升级需求迫切；从内部看，中国电子云本身是一家央企，对关键行业客户的业务需求有更深刻的理解和感同身受，也积累了大量历史客户资源。
在AI落地过程中，一些共性痛点包括：在数据治理方面，多源异构数据整合困难，高质量标注数据稀缺；在业务闭环方面，不能将AI看作孤立工具，而需将之融入工作流程以实现降本增效；在人才方面，既懂AI又懂行业的复合型人才匮乏，更多通过与客户共创、互相培训的方式实现能力提升。
连晓东：“新星”解决方案“3+3+N”体系中的各平台是如何实现无缝衔接和数据闭环的？差异化优势是什么？
黄锋：不同于许多大厂平台相对“独立”的架构，“新星”的“3+3+N”产品服务体系中，多模态数据治理平台、模型开发平台、应用开发平台三大平台构成一个可拆可合、全链路打通的闭环体系，作为解决方案的支柱，支撑全链路AI解决方案在于关键行业的落地。
其一，多模态数据治理平台，帮助关键行业用户构建高质量数据集，负责原始数据的采集、清洗、标注与评估；其二，模型开发平台，基于高质量数据集进行模型训练、调优与评估，支持行业大模型开发；其三，应用开发平台，将训练好的模型封装为业务应用，支持智能体等应用形态。
应用产生的反馈数据可回流至数据治理平台，用于模型迭代优化，实现持续学习。
与市场上其他AI平台相比，“新星”从设计之初就采用可拆可合的一体化架构，统一规划、建设与管理，没有“历史包袱”，可无缝对接外部平台或客户已有系统，具备较强的兼容性和前瞻性。同时，我们不仅提供平台工具，还配备行业专家团队，解决“最后一公里”问题；并且从底层芯片到上层应用，实现全链路本土化适配，满足关键行业自主可控的需求。
深耕垂直细分行业，未来竞争转向“懂行”
连晓东：中国电子云如何看待企业级大模型与行业大模型之间的关系？中国电子云的模型融合方案是针对什么应用场景？
黄锋：现阶段常见的基本都是企业级大模型，即基于通用模型和企业自身数据训练而成的模型。而行业大模型的训练通常需要多个企业的数据。然而，数据已成为企业的核心资产，让各企业贡献并共享数据非常困难。此外，出于隐私泄露风险的考虑，企业往往不愿共享数据，导致数据难以互通。
中国电子云已实现技术突破，打造出一套模型融合方案：通过联邦学习技术，在本地完成企业模型训练，仅全局更新模型梯度，从而实现在各企业数据不出域的前提下，联合训练出行业大模型。简言之，该方案可在保障A企业和B企业数据安全不出域的情况下，由中国电子云作为第三方进行模型融合，提取两家数据中蕴含的知识，训练出一个新的行业大模型，实现知识共享。经测试，融合模型的效果可达直接合并数据训练模型的80%，在某些场景下甚至提升至1.3倍。这为拉通产业链上下游、实现知识共享提供了可行路径。目前，该方案已在不同参数量模型、不同训练任务、不同数据集上多次验证，效果良好。
连晓东：您认为未来3～5年，AI技术发展的主要趋势是什么？将会带来哪些新的机遇与挑战？
黄锋：我认为Agent（智能体）是AI应用的终极形态，也是未来三至五年最重要的发展方向。智能体像人一样拥有“大脑”（即模型）、会使用工具、具备知识库，能够实现感知、规划、决策、执行的完整闭环。但受限于当前大模型能力，纯靠大模型自主编排的智能体效果尚不理想。当前更现实的是基于工作流编排的智能体，在限定场景和模板化流程中落地。
传统软件时代是“人找应用”，用户需进入不同SaaS完成不同任务；未来则是“智能体找人”或“任务找智能体”——用户通过自然语言发出指令，由智能体网络自动调用后端各种工具能力完成任务。未来布局将从“以应用为中心”转向“以智能体为中心”，竞争焦点不再是某个单点功能的优劣，而是在完成端到端业务流程中的不可或缺性。技术上需深耕关键行业的垂直领域，打造在特定领域“最懂行”的模型能力。
举例来说，智能体在AI Coding（编码）领域已开始大规模应用，全球程序员写代码、读代码、写注释都在使用智能体，中国电子云自己的团队也在用。此外，智能客服、数字人等领域也有大量智能体落地。未来必将涌现更多、更好用的智能体。
在挑战层面，未来3～5年，企业客户将视AI为成熟工具，要求其稳定、可靠，并能无缝集成到核心业务流程中。这对中国电子云的产品提出了更高要求，也需我们对产品进行深耕打磨。同时，客户将严格评估AI产品的投资回报率——若无法明确证明其提升了效率或创造了价值，采购意愿将大幅降低。因此，如何保证AI应用的有效性，以及如何在竞品中脱颖而出，都是中国电子云需要前瞻考虑的问题。此外，未来还将面临合规、安全与伦理风险。全球AI监管框架正在逐步形成，这将成为产品设计的硬约束，尤其在金融、医疗等高风险领域，产品必须能解释其决策过程，否则无法追溯审计。中国电子云也需基于监管要求，更合规地设计产品。
连晓东：作为身处一线的实践者，你认为中国AI产业要在全球竞争中形成持续竞争力，当前最需要在哪些方面补齐短板？
黄锋：中国AI产业要在全球竞争中形成持续竞争力，需在以下四方面补齐短板：
一是基础理论与算法创新，需加大基础学科投入，推动物理、生物、材料等不同学科与AI理论的融合创新；二是算力，尽管英伟达在全球市场仍处领先地位，但国产芯片厂商正奋力追赶，差距正在缩小，应进一步优化算力资源布局；三是人才，AI越深入行业应用，越需要既懂行业又懂AI的复合型人才。只有掌握双方话语体系，才能精准识别应用场景，因此应加大对这类人才的培养力度；四是数据，要加快建设可信数据空间，实现高质量跨行业数据共享。
补齐这些短板需要政产学研协同努力。政府营造包容审慎的政策环境，企业聚焦高价值场景落地，高校加强基础研究与交叉人才培养，投资机构提供耐心资本支持长期创新。
（本版文字由本报记者宋婧整理）