從具身智能到行業應用，騰訊雲攜業界專家共話AI新趨勢

　　6月20日，由上海人工智能實驗室、騰訊雲TVP 、泸州老窖·國窖1573研究院聯合主辦的「智彙制造 創赢未來」騰訊雲TVP AI研讨會暨泸州老窖·國窖1573研究院智庫研讨會在上海成功舉辦。在本次活動中，專家們現場參觀全國首個大模型創新生态社區“模速空間”，直觀體驗 AI 前沿技術與創新應用的碰撞。來自智能制造、數字化、AI 等領域大咖，圍繞AI技術、應用落地、行業實踐心得等展開深入研讨。活動特設頭腦風暴環節，各位專家暢所欲言，進行精彩的觀點碰撞，共同探讨AI的現在和未來。

　　主持人開場

　　主持人積夢智能 CEO、騰訊雲 TVP 謝孟軍在活動伊始時表示，我們處在一個變革之年，通用大模型加速落地，AI正從任務型算法邁向認知智能。與此同時，具身智能的崛起打破虛拟與物理世界的界限，推動行業進入生産力革新階段。今天，期待與各位專家老師共探大模型、具身智能的多元落地路徑，為産業智能化升級提速助力。

　　積夢智能 CEO、騰訊雲 TVP 謝孟軍

　　主辦方緻辭

　　泸州老窖股份有限公司黨委副書記、總經理、泸州老窖·國窖1573研究院執行院長 林鋒

　　泸州老窖股份有限公司黨委副書記、總經理、泸州老窖·國窖1573研究院執行院長 林鋒表示，随着人工智能技術的迅猛發展，各行各業正在發生根本性變革。在林鋒看來，這種變革可能超越“工業4.0”的範疇，邁向全新的“工業5.0”時代。

　　面對全球範圍内革命性的技術浪潮，企業需要積極擁抱AI時代。泸州老窖也不例外，在智能制造領域開展大量探索與實踐。2024年12月，泸州老窖進入工業和信息化部裝備工業一司發布的“卓越級智能工廠(首批)項目名單”。通過與西門子的合作，泸州老窖對傳統釀酒體系進行系統性重構，實現從釀造生産、儲存到包裝物流的全流程自動化建設。不僅實現硬件設備的機械化聯通，還實現數據流的整合貫通，真正打通整個生産鍊條。

　　泸州老窖通過打造新供應鍊體系，減少人力需求，從傳統模式下的6000人降至164人，建設成本也顯著降低。此外，構建數字化營銷體系，使得每一瓶酒的流通數據均可追溯，并基于數據反向驅動營銷決策。經過兩年多的轉型實踐，銷售團隊實現高度數字化的人機協同模式，推動企業運營效率持續提升。此外，泸州老窖積極探索金融科技應用，在數字貨币領域走在前列，未來還将推出專屬泸州老窖的定制化數字貨币，進一步拓展數字生态邊界。

　　此次攜手騰訊雲TVP，旨在共同探讨AI技術發展的前沿趨勢，期待大家通過今天的活動有所收獲，探索未來發展的新機遇。

　　騰訊雲副總裁、智慧零售、文旅、建築、農體技術負責人 程偉

　　騰訊雲副總裁、智慧零售、文旅、建築、農體技術負責人 程偉表示，當前，以大模型為代表的AI技術正以前所未有的速度重塑千行百業。在科研的前沿陣地，上海人工智能實驗室作為國家級科研機構，在多模态大模型、具身智能等領域處于領先地位，并在人才培養和開源開放方面做出重要貢獻;而在産業的深水區，泸州老窖率先開辟白酒行業數字化轉型新路徑。自2018年起，騰訊雲和泸州老窖在數字化營銷、數據資産運營等方面展開了深度的合作，結合騰訊智慧零售的解題思路，共同打造了智慧釀造與數字運營雙輪驅動的标杆實踐，成為傳統産業擁抱新技術的教科書級案例。作為長期戰略夥伴，今年雙方正加速将AI技術落地，推動更多創新應用的實現。

　　騰訊雲作為堅定的産業互聯網的深耕者，随着生成式AI在2025年的可用性大幅提升，AI與産業的融合進程也按下了快捷鍵，騰訊雲持續加大在算力、模型、産業落地的全鍊路支持，确保AI技術能夠真正落地應用。在騰訊内部，實行全面AI化，内部超過700個應用已全面接入AI。2024年，騰訊的研發投入達到了707億元，同比增長220%。目前，騰訊在全棧技術能力、組織人才、場景深度耦合，生态共創四個方面，不斷推動前沿AI技術落地為好用的AI。

　　為了進一步推動AI技術的應用與發展，騰訊構建開發者生态與全行業數字化生态的專家計劃——騰訊雲TVP，目前已彙聚500多位頂級專家，通過舉辦峰會、參觀标杆企業、組織研讨會等方式，促進技術交流和經驗分享。展望未來，我們将與更多行業專家并肩同行，讓AI成為推動社會進步的普惠力量。本次活動作為新的起點，一同攜手共進，在AI浪潮中書寫更多的輝煌，期待與各位專家交流碰撞，共同推進産業與技術的深度融合與創新發展。

　　從語言模型到具身智能：機會和挑戰

　　騰訊雲TVP 鄧亞峰

　　騰訊雲TVP 鄧亞峰發表《從語言模型到具身智能：機會和挑戰》的演講，從大語言模型的發展談到具身智能的演進，分析其中的機會與挑戰。

　　鄧亞峰首先回顧了AI技術的發展曆程，指出AI發展一直是圍繞着如何利用更多數據訓練更大模型進行。而曆史證明，人工智能領域凡是不符合Scaling Law的往往都是錯的。當前大語言模型具備強大泛化能力，但仍面臨幻覺等問題，思維鍊、強化學習等技術使得大語言模型從“快系統”逐步具備類似人類“慢系統”的能力。

　　随後，鄧亞峰談到具身智能領域，他認為機器人雖然發展多年，但尚未達到真正的智能，無法泛化、通用，所以應用場景受限，商業化受限。與大語言模型相比，機器人需要與物理世界交互，缺少大量的數據，限制其智能化水平。他對比LLM與機器人的商業化路徑，指出機器人面對的場景更多，更具商業潛力，但也面臨更高技術門檻。他認為，具身機器人是未來10~20年科技領域最大的機會，但受限于缺失訓練數據，具身機器人的核心技術還沒有取得突破，在開放環境任務上，無法持續穩定運行，因此未來發展的裡程碑是限定任務通用和場景泛化。

　　機器人的兩大核心能力是移動能力和操作能力，當前移動能力發展迅速，例如今年春晚的人形機器人表演跳舞;在操作能力上，由于環境、任務、物體多樣，挑戰較大，因此在限定任務上通用，做到場景泛化。

　　機器人領域的技術路線是視覺語言動作模型(VLA)，但端到端的VLA模型，需要很多訓練數據才能達到泛化能力，且容易受到視覺信号噪聲的影響。盡管行業已有百萬規模的數據，但遠遠不夠。具身智能領域相對成熟的訓練方法是模仿學習，優點是可以利用大量的軌迹數據訓練，但泛化能力較弱，難以适應物體形狀變化，較難接受視覺輸入，适合訓練移動能力，不适合訓練操作能力。另外一條路線是通過仿真環境和模拟器，機器來收集數據訓練，在真實環境下強化學習訓練。鄧亞峰認為，解決機器人通用泛化的核心是找到新的Scaling Law，産生大量數據來訓練，實現模型突破。但目前這條路仍沒有走通。

　　在展望未來具身智能機器人的發展時，鄧亞峰強調，在通用機器人領域取得成功的企業，不僅需要具備強大的AI能力，還需要在供應鍊管理和應用場景開發上擁有優勢。除了能攻關具身智能AI大模型的團隊外，一些基于工程方法和場景數據的團隊也可能獲得成功，隻要找到好的切入場景，打造場景化技術是有機會的。因此對于普通團隊來說，在更快閉環的場景構建硬件産品，并積累真實數據優勢，等待通用開源具身大模型的到來，提升模型能力，也是一種可行的路徑。

　　AI賦能汽車研發設計創新多場景應用

　　阿爾特汽車副總裁、AI.X Lab主任 劉亞彬分享《AI賦能汽車研發設計創新多場景應用》的報告，詳細剖析阿爾特如何結合AI技術在汽車研發設計場景實現創新。

　　阿爾特汽車副總裁、AI.X Lab主任劉亞彬

　　阿爾特創立于2007年，目前已服務過超80家汽車行業的客戶，成功研發超500款車型。2023年，公司開始探索“AI+汽車研發設計”的實現路徑，在算法開發和數據融合上已有初步成果。

　　當前，汽車産業面臨用戶場景複雜，産品疊代加快，開發周期大幅縮短，整車涉及流程複雜、變量多、約束多等挑戰，AI 如何提升效率，重塑汽車産業能力，如何将物理屬性需求與設計過程高效銜接。阿爾特攜手生态合作夥伴，以AI重塑汽車研發全流程。在重塑設計過程中，從原來整車設計的工業時代到整車數智孿生系統，再到如今整車設計的AI時代。将複雜的需求拆解為零件數智模型，再合成整車數智系統，讓零件“自協同”，實現柔性、敏捷研發。

　　劉亞彬展開介紹阿爾特AI技術架構，分為基礎層、算法層、生态層，打造從基礎設施到大模型再到智能體、算法工具的全棧AI技術體系。

　　阿爾特探索AI落地汽車研發的應用場景有汽車設計知識大模型，實現汽車設計不同公司的設計知識Knowhow檢索;AI場景創新，從AI+用戶研究開始，逐步實現AI+産品定義的全面賦能;開發AI員工，讓AI在不同關鍵環節提供輔助;通過AI+項目管理，顯著提高項目管理的效率、促進知識的積累和複用;造型AIGC，推出垂直AI創繪模型“TAI” ，幫助汽車設計師提高設計效率;性能預測，智能預測風阻;AI二維圖自動生成，支持AI自然語言交互文件操作，支持常規3D數據上傳，常用2D圖框文件上傳等;AI汽車後市場，與生态夥伴攜手搭建智能維修診斷平台。還有AI+3D敏捷設計開發、AI+軟件開發測試等領域。未來，阿爾特将打造一個軟件鍊、AI工具、多智能體集成的工業設計平台，構建協同高效的汽車智能設計生态。

　　大模型驅動的具身智能前沿

　　上海人工智能實驗室青年研究員 王棟帶來《大模型驅動的具身智能前沿》主題演講，圍繞具身智能的研究背景，目前研究進展與未來展望展開介紹。

　　上海人工智能實驗室青年研究員 王棟

　　具身智能的概念最早源于心理學實驗，其目标是構建一種類似自然界生物的智能實體，能在真實物理世界中執行各種任務，并在物理世界交互中持續學習與進化。與大語言模型相比，具身智能不僅包含數據與算法兩個要素，還有機器人本體。其數據具有場景依賴性，不同應用場景下的數據不同;本體形态多樣，需要根據特定任務設計相應的本體;在算法層面，具身智能是多模态融合系統，需同時處理視覺、語言與動作，對系統的實時性與執行成功率提出更高要求。這三個方面的特性使得具身智能的研究路徑和技術挑戰區别于大語言模型。

　　在數據方面，數據是具身智能發展的核心挑戰。人類視頻數據、仿真環境數據以及真機數據共同構成具身智能數據金字塔。其中，網絡視頻數據易于獲取，仿真數據可通過建模生成，而真機數據雖然價值最高，但成本高昂，收集大規模數據較難。為解決這一難題，研究者嘗試将仿真數據與真實數據結合的方式，通過仿真器、神經渲染等技術構建仿真環境，探索基于“世界模型”的預測機制生成合成數據。

　　在算法方面，具身智能處于L2以下階段，即隻能在受限場景下完成特定任務。其面臨的挑戰包括動态交互的3D環境複雜性，可能出現未知的突發情況，不同的本體需要有不同的底層運控算法來控制;複雜的精細操作，不同複雜程度的任務精細協同操作不同，還有新的場景泛化，例如辦公室工作機器人去家裡做飯等。目前主流方案依托視覺-語言-動作(VLA)模型，借助大模型的通用知識遷移能力指導機器人操作。例如Physical Intelligence推出的π0模型，上海人工智能實驗室等聯合開發的空間具身通用操作模型SpatialVLA等。

　　在機器人本體方面，行業正朝着更易用、低成本的方向演進，人形機器人在運動控制技術上取得一些進展。盡管目前尚未達到可廣泛部署的L2階段，完全開放場景任需突破，但在固定場景已展現出潛力。

　　王棟指出，提升數據與算法的泛化能力仍是具身智能發展的核心方向。在短期内，具身智能可在限定場景中實現商業化落地，長期來看，則是構建可在真實物理世界中執行各種任務，并持續學習與進化的智能實體，這是具身智能發展的未來願景。

　　AI賦能營銷：消費品行業AI應用案例分享

　　AMT 集團創始人孔祥雲發表題為《AI賦能營銷：消費品行業AI應用案例分享》的報告，分享AMT在不同行業的AI應用實踐與思考，特别是AI賦能營銷的案例，闡述消費品行業落地AI應用的具體路徑。

　　AMT 集團創始人孔祥雲

　　AMT作為“管理+IT”專業服務公司，聚焦消費品、冶金化工、金融、能源環保等行業。在消費品領域，AI落地經常場景諸多，在供應鍊、産品設計、營銷策略等方面都有高度數字化需求。

　　在營銷方面，可通過AI陪練，幫助新手導購快速上手、并進階成銷冠;用AI監控和指導經營，幫助店長實現經營的即時跟蹤與調整，有效提升營銷能力。在對外服務中，可用AI打造數字分身輔助銷售與服務，實現智能客服;通過AI的主動銷售與智能觸達，提升顧客回購率，有效優化消費者體驗。孔祥雲以AMT幫助客戶“絕味鴨脖”落地 AI 應用為例，使用AI賦能店長和一線店員，不僅提高店員業務能力，還提升整體經營水平。

　　孔祥雲總結消費品行業AI應用的實施路徑有三步：第一，場景切入，識别關鍵營銷場景。第二，數據整合，構建數據驅動基礎。隻有結合行業數據，才能為AI分析和決策提供強大的數據支撐。第三，人機協同，優化營銷業務過程。AI系統需不斷通過反饋進行疊代，才能真正發揮效能。

　　展望AI營銷的未來趨勢，據Gartner預測，2025年50%企業營銷内容由AI生成。孔祥雲表示，在技術融合上，AI Agent替代部分決策，以及多模态技術持續深化，實現“一人千面”個性化營銷。在數據與合規上，數據安全與隐私保護成為重點。在組織變革上，企業設立專職AI團隊，營銷人員需掌握AI工具應用能力。

　　數智領航：泸州老窖智能制造實踐與創新探索

　　泸州老窖集團(股份)公司首席數字官、數字化發展中心總經理、泸州老窖國際發展(香港)有限公司董事長、騰訊雲TVP 蘇王輝帶來《數智領航：泸州老窖智能制造實踐與創新探索》主題演講，分享泸州老窖作為百年傳統酒企在數字化轉型的戰略思考和具體落地實踐。

　　泸州老窖集團(股份)公司首席數字官、數字化發展中心總經理、

　　泸州老窖國際發展(香港)有限公司董事長、騰訊雲 TVP 蘇王輝

　　蘇王輝首先回顧泸州老窖的數字化轉型之路，發展曆程可分為四個階段：1980年-2000年為信息化萌芽期，無紙化建設階段;2000年-2015年為信息化建設期，建成白酒行業首個ERP系統;2016年-2020年為數字化轉型升級階段，建設工業化、自動化;2020年-2025年，進入數據深化應用與治理階段。在“十四五”期間，泸州老窖提出“六位一體”目标，首次将“建設數字泸州老窖”确立為核心戰略之一。

　　目前，泸州老窖在數字化建設方面取得顯著成果：在營銷數字化上，自2018年起與騰訊合作，構建私域流量和消費者會員體系，構建以“經銷商+終端+消費者”為中心的數字化生态鍊;在供應鍊數字化上，建成數據驅動、高效協同的智慧工廠;在園區數字化上，打造全面感知的智慧園區;在釀造數字化上，建成行業規模大、智能化水平高的固态法白酒釀造基地;在管理數字化上，構建企業級的大數據平台，推動基于數據驅動的管理和創新。

　　在人工智能的應用探索方面，泸州老窖建設公司本地智算中心，形成自主可控的人工智能平台能力，采用“大模型”+“小模型”雙輪驅動策略，構建“5+N”的全棧國産化智算中心。“5+N”即1個國産化算力底座、1個企業級大數據平台、1個企業級知識庫、1個MaaS平台、1個智能體平台，打造N個場景示範應用。目前，企業對大模型處于探索階段，基于DeepSeek R1和Dify平台快速構建公司智能問答等輕量化的場景應用，如問答系統、代碼生成、内容撰寫、圖像生成等。小模型在營銷、供應鍊、釀酒、管理等多個場景中已有應用。未來，公司将探索AI在智能問數、智能客服、智能陪練、數字員工等場景的落地，并在垂直領域持續深化，打造泸州老窖專有的場景大模型。

　　蘇王輝強調，AI應用不是單點技術突破，解決端到端問題才是最終目标。AI技術本身沒有好壞之分，隻有契合企業自身發展階段和業務需求才是最好的。數字化建設的本質在于重塑企業三項重要能力：底層的數字化系統與數據基礎、中層搭建專業化數字人才團隊、頂層推動企業全員的觀念轉變與達成共識。

　　AI+安全：大模型時代的安全威脅攻防實踐

　　騰訊雲安全威脅情報副總經理 聶森帶來《AI+安全：大模型時代的安全威脅攻防實踐》的主題演講，分享大模型時代，威脅防護的挑戰與機遇，傳統威脅的新揭發以及大模型帶來的新威脅與解法。

　　騰訊雲安全威脅情報副總經理 聶森

　　騰訊雲安全科恩實驗室專注于安全攻防技術、安全大數據和安全AI算法的交叉研究與應用落地。當前，AI大模型取得突破性進展，帶來新的發展機遇，同時也帶來了新的風險和挑戰。聶森強調，在我們讨論“AI+安全”時需要明确區分兩類問題：利用AI解決傳統安全問題以及應對AI自身發展帶來的新威脅。

　　對于傳統網絡安全問題，AI的到來帶來全新解法。在終端安全上，針對軟件供應鍊投毒攻擊，騰訊雲安全科恩實驗室打造二進制安全智能分析平台BinaryAI，使用AI分析從源頭識别軟件供應鍊威脅，BinaryAI 函數語義匹配大模型 API 日調用量破億，是技術實力與業務場景結合的實踐驗證。在安全運營上，運營人員常常面臨告警太多，威脅線索收集分析難操作，入侵分析有門檻等難題，可借助大模型補充線索，優化事件的可解釋性，實現事件的自動化分析;還可基于有效線索過濾誤報并聚合告警事件，進行情報的智能化運營和研判;搭建易用的安全知識庫應用，滿足平台、人員分析所需的數據和知識庫。例如，騰訊雲安全科恩實驗室打造情報挖掘分析流程智能體化，拆解研判步驟，自助查詢相應數據，輸出綜合研判報告。提供威脅情報MCP服務，為安全運營擴展威脅視野。提供威脅分析知識庫API，打造全能型外挂大腦。

　　大模型時代，如何應對大模型帶來的新安全問題?例如針對MCP應用的安全防護，騰訊朱雀實驗室自研AI基礎設施安全檢測工具AI-Infra-Guard，可對MCP進行安全檢測和輸出報告。針對AI 工具在應用過程中的信息洩露防護，騰訊 iOA 可配置敏感文件識别規則，可識别用戶剪切闆中的敏感信息，提供完整的告警和攔截記錄。針對自動化駕駛場景的安全防護研究，科恩研究團隊發現若幹自動駕駛 AI 模型的安全風險，及時報告給車企，構築牢固安全防線。

　　分組腦暴，觀點碰撞：AI 及具身智能應用落地展望

　　除了以上幹貨滿滿的主題分享外，騰訊雲TVP AI研讨會注重互動交流，活動最後環節設置分組頭腦風暴，觀點碰撞環節，促進各位專家的思想交流。在這一環節中，數十位專家被分為不同的小組，針對一系列AI熱門話題展開讨論與交流，激發創新思維，催生出衆多前瞻性的見解。

　　未來1-2年，将投入AI領域的哪些方向?

　　泸州老窖股份有限公司黨委副書記、總經理、泸州老窖·國窖1573研究院執行院長 林鋒

　　泸州老窖股份有限公司黨委副書記、總經理、泸州老窖·國窖1573研究院執行院長 林鋒表示，在未來一到兩年内，泸州老窖在AI智能制造領域将圍繞數據體系建設、全員參與和多層次模型部署展開。首先，公司将構建雲數據系統，提高數據精準與标準化。其次，動員企業員工投入AI建設中來，使用AI來提升業務。最後，在技術投入上，将構建從企業AI應用體系，從行業大模型到體系模型再到部門級模型、團隊模型、個人模型，形成覆蓋全面、層次清晰的AI模型體系，提升員工核心競争力，助力企業智能化轉型。

　　騰訊雲副總裁、智慧零售、文旅、建築、農體技術負責人 程偉

　　騰訊雲副總裁、智慧零售、文旅、建築、農體技術負責人 程偉表示，騰訊在AI領域的布局與發展可分别從内外兩方面來看。在騰訊内部，首先，公司持續投入基礎模型的研發和人才建設。其次，在内部應用方面，騰訊緻力于實現全面的AI化。再者，騰訊重視安全建設，将持續投入相關技術的研發和創新。從外部來看，騰訊雲承載30多個行業的服務，以技術賦能各行各業智能化落地，加快企業數字化轉型步伐。

　　西門子中國研究院首席專家、騰訊雲TVP 傅玲

　　西門子中國研究院首席專家、騰訊雲TVP 傅玲談到，我們在數據治理和具身智能仿真驗證工具上嘗試做一些探索。一方面，AI時代的到來，擁有大量優質數據将成為企業競争的關鍵因素。以西門子為例，今年西門子推出了一項新政策，默認公司内的所有數據都可以内部分享，讓數據在内部流動起來。另一方面，随着具身智能逐漸進入制造業，将具身智能安全應用在生産環境裡，需要進行嚴格的驗證。當前，智能制造領域與具身智能的仿真驗證工具存在差異，但相信未來這些工具會被打通，目前，西門子正在積極地進行相關的探索工作。

　　如何評估AI項目的成功?

　　積夢智能 CEO、騰訊雲 TVP 謝孟軍

　　積夢智能 CEO、騰訊雲 TVP 謝孟軍分享有一次參加智能體的評審工作心得體會：我審查過諸多工業智能體方案，從ROI和效果來看，以下方向的工業智能體表現突出：一是工業設計，尤其在處理複雜的三維圖紙方面，有兩家企業聚焦該領域，效果顯著;二是工業知識庫，雖然行業積累了一些數字化資料，但将這些資料轉化為專業知識庫仍是一項挑戰。三是設備預測性維護，幾乎所有制造企業都依賴于設備進行生産，如何提高設備運行效率，延長運轉時間成為關鍵。

　　DaoCloud 道客首席運營官、騰訊雲TVP張紅兵

　　DaoCloud 道客首席運營官、騰訊雲 TVP張紅兵從技術和服務提供商視角分享AI項目的評估邏輯。他指出，企業在衡量AI項目時，并不僅聚焦于大模型，還有結合過去幾年在AI應用的具體場景和業務指标來綜合判斷。此外，過去制造企業常用“AI換人”的方式來衡量項目的價值指标，現在越來越多的企業開始反思這一思路。AI部署本身需要一些投入成本，而且在當前經濟環境下，企業注重社會責任體系，不再片面追求替代人工，反而是提升團隊人員素質，因此不是說AI把人替掉，而是會用AI的人會把不會用的替掉。

　　如何建設實現不同技術+産品的AI團隊?目前最缺的是算法工程師、數據标注專家，還是懂制造的複合型人才?

　　泸州老窖集團(股份)公司首席數字官、數字化發展中心總經理

　　泸州老窖國際發展(香港)有限公司董事長、騰訊雲TVP 蘇王輝

　　泸州老窖集團(股份)公司首席數字官、數字化發展中心總經理、泸州老窖國際發展(香港)有限公司董事長、騰訊雲TVP 蘇王輝表示，站在傳統企業角度來看，我們在短時間内不會考慮自研算法，目前正在推進場景AI化與AI場景化的發展。從場景AI化角度來看，将傳統業務從數據和流程進行标準化，并逐步構建知識庫。在此過程中，企業借助外部生态力量如騰訊等來提供技術支持，同時企業有承接能力，形成“握手機制”，即懂業務的人需了解基本的算法邏輯，懂技術的人也要理解業務需求，從而實現有效協同與閉環落地。

　　從AI場景化角度來看，需要有懂業務，還能以AI思維創新業務場景的人才。這裡面存在更大的挑戰。互聯網企業較容易實現AI與業務融合，而傳統企業需要從根本上轉變思維方式，形成AI思維。

　　阿爾特汽車副總裁、AI.X Lab主任 劉亞彬

　　阿爾特汽車副總裁、AI.X Lab主任 劉亞彬表示，在AI落地工業設計時，企業及時發現AI和工程學結合中存在天然短闆，如缺乏可追溯性與可解釋性。因此，企業戰略方向，由人工智能與數字實驗室牽頭AI算法開發和數據集成，與專業闆塊共同實現産品開發和測試，形成“複合型”協作機制，确保AI能真正落地，避免因設計缺陷帶來巨大損失，通過組建由AI算法工程師、數據工程師與行業專家的工作小組，推動技術與業務深度融合。

　　哪些行業崗位将被AI替代?

　　ClickPaaS CPO、騰訊雲 TVP 馬俊

　　ClickPaaS CPO、騰訊雲 TVP 馬俊認為，人工智能應具備“降維打擊”的能力，實現質的飛躍，而非簡單的量變提升。以白酒行業為例，AI不僅能助力白酒從中國市場擴展到全球市場，還能改變消費群體和産品定位，帶來根本性變革。他特别強調，人工智能不應隻是“造一個更好的馬車”，而是要實現從“馬車進化到汽車”的根本性跨越，這一轉變的關鍵在于找到真正能夠賦能和突破的點。而各行業崗位是否會被AI替代的核心也正是在于此——能否借助AI獲得新的能力，成為判斷該崗位是否會被替代的重要依據。

　　Output 數字場景負責人 俞江華

　　Output 數字場景負責人 俞江華表示，我是做數字藝術的，關注AI技術的應用層面。面對DeepSeek 等AI工具的流行，許多人問AI是否會替代我們?會不會裁員?其實，我們認為AI本質上是一種工具，類似于照相機，雖然每個人都有拍照的能力，但每個人拍出的照片都是不一樣的。因此，我們應關注如何運用AI作為輔助工具來增強而非取代人類創造力。當前我們地痛點是使用AI輔助内容創作時，無法區分内容的版權，同時也擔心原創創意被不當利用。因此，希望相關科技企業能提供更多有效的工具和支持。

　　哪些企業的應用案例、哪些實踐具有參考價值?解決了哪些傳統制造無法突破的痛點?

　　凱傲亞太自動化高級總監兼林德移動機器人與内部物流事業部總經理 鄭鑫清

　　凱傲亞太自動化高級總監兼林德移動機器人與内部物流事業部總經理 鄭鑫清表示，在探索使用AI技術來提升物料搬運效率的過程中，經曆從人工搬運、機械化搬運、自動化搬運，下一步是實現智能化搬運。凱傲與英偉達合作聯合開發AI應用，目标是讓單體設備變得更加智能，增強制造流程的可靠性。随着智能化程度的加深，進一步提高管理效率。在仿真方面，傳統開發一台叉車，需要經過原型設計、樣機制作和測試等漫長過程，借助AI仿真技術，可以在虛拟環境中完成這些步驟，無需實際制造樣車。

　　Unity 中國合作夥伴生态&政府事務負責人 陳穎輝

　　unity 中國合作夥伴生态&政府事務負責人 陳穎輝展開談了公司在智能制造領域的進展。自2022年起，Unity推出智能制造和工業領域的引擎，在新能源車的中控屏3D交互内容方面取得了廣泛應用。Unity在AI方面做了大量的探索，作為OpenUSD的發起企業之一，Unity緻力于解決3D領域中AI應用的複雜性問題，Unity可提供底層3D的技術支持，未來希望與更多企業合作共創更多落地應用場景。

　　在整合生産、供應鍊、設備等數據上，有使用AI模型來實現嗎?

　　寶武集團/歐冶雲商數據庫首席、騰訊雲 TVP薛曉剛

　　寶武集團/歐冶雲商數據庫首席、騰訊雲 TVP薛曉剛分享在工業數據整合與AI應用過程中的一些失敗經驗和實踐思考。他們嘗試通過物聯網技術實時監測從産線到物流、倉儲的全流程數據時，最初選擇時序數據庫，但實際應用中發現效果不佳。由于業務場景複雜、數據來源異構，使用不同的數據庫和模型，導緻數據割裂，即使集中存儲，缺乏統一的數據建模也會帶來後續分析的困難。如何在AI背景下對數據結構進行合理建模，目前許多數據庫都支持向量類型了，為AI訓練提供了更好的基礎支撐。

　　結語

　　在熱烈的讨論氣氛下，本次活動圓滿落幕。與會專家實地參觀大模型創新生态社區“模速空間”，體驗 AI 前沿創新應用落地。來自工業制造、數字化、AI領域的專家分享最新 AI 落地實踐與思考，共同探讨從認知智能到物理交互的前沿先進路徑，讓我們看到AI在各行業釋放出的巨大潛力。在頭腦風暴環節，各位專家從不同角度深入探讨 AI 技術發展路徑，提出諸多具有建設性的觀點與建議，提供創新思路與方向，開啟智能新時代的序幕。

　　騰訊雲TVP AI 研讨會，是為 TVP 等技術管理者、AI 創業者打造的專屬交流活動，旨在聚焦 AI 前沿，通過系列專題研讨，共同探索 AI 變革浪潮下的創業與創新機遇。未來，TVP AI 研讨會将走進更多城市，期待與你見面。

　　TVP，即騰訊雲最具價值專家 (Tencent Cloud Valuable Professional)，是騰訊雲授予雲計算領域技術專家的一個獎項。TVP 緻力打造與行業技術專家的交流平台，促進騰訊雲與技術專家和用戶之間的有效溝通，從而構建雲計算技術生态，實現 “用科技影響世界” 的美好願景。