Passer de discussions techniques à une immersion approfondie dans l'industrie : la seconde moitié de la compétition en IA mise sur la mise en œuvre et la gouvernance

证券日报记者 刘钊

在博鳌亚洲论坛2026年年会现场，AI无疑是最热门的话题。
围绕AI话题的分论坛一场接着一场，热度持续上升。
与前些年更多讨论技术突破、模型迭代不同，今年外界更关心的是，AI如何真正进入产业一线，从“看上去很强”走向“用起来有效”，又如何在加快落地的同时守住安全、责任和治理底线。

2026年《政府工作报告》提出，打造智能经济新形态。
深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。
顺着这一政策导向观察此次博鳌亚洲论坛上的讨论不难发现，AI正从技术竞速迈向产业深耕，其竞争的落点已不仅是模型和算力本身，更在于场景嵌入、组织重构以及治理体系的同步跟进。

从技术竞逐走向场景落地

“AI走到今天，产业界最关心的问题已经不是有没有新模型，而是能不能创造真实价值。”
国务院原副秘书长、国家数据专家咨询委员会主任、中国工业经济学会名誉会长江小涓表示，在人工智能和数字经济时代，产业和企业在创新中的作用显著上升，传统那种从科研发现到技术开发、再到产业转化的线性创新路径正在被重构，产业部门已不仅仅是成果转化的末端环节，还越来越深地参与前沿技术的发现和研发。

中国工程院院士、清华大学讲席教授、清华大学智能产业研究院院长张亚勤则将当前AI发展概括为三大趋势：
从生成式AI走向智能体AI，从信息智能走向物理智能和生物智能，从单一技术走向“AI+”全面赋能千行百业。

这一判断在多场讨论中得到了呼应。
与会的企业界人士普遍认为，AI正逐步突破辅助工具的定位，成为重塑业务流程和产业逻辑的重要力量。
罗兰贝格全球管委会联席总裁戴璞援引其团队对200家企业的调研结果称，超过90%的企业对AI投资回报并不满意，问题并不在于技术本身，而在于不少企业仍停留在分散试点、局部优化甚至“加一个聊天机器人”的阶段，没有真正围绕AI重构流程、重组数据和重塑组织架构。
他认为，只有把AI嵌入企业全流程，并建立以专有数据和系统改造为基础的应用体系，AI投资才可能跨越“价值鸿沟”。

当前AI落地的场景正加速涌现。
“目前教育领域长期存在的高质量、大规模、个性化难以兼得的问题，正随着AI应用推进出现突破。”
猿力科技集团副总裁、人工智能研究院院长程群告诉《证券日报》记者，端边云协同架构、智能终端演进以及通信、算力等底层能力的持续完善，为AI规模化应用提供了支撑。

多位与会嘉宾判断，接下来AI竞争的重心将更多从模型参数、通用能力转向行业理解、场景转化和商业闭环，
谁能更快将AI嵌入真实生产生活，谁就更有可能在新一轮产业变革中占据主动。

应用与治理必须同步推进

AI越是加速进入真实世界，治理的重要性就越是凸显。
受访人士普遍认为，AI可以提高效率、优化资源配置、增强服务可及性，但绝不能脱离责任边界和制度约束单独“狂奔”，应用与治理必须同步推进。

清华大学苏世民学院院长、清华大学人工智能国际治理研究院院长薛澜对《证券日报》记者表示，当前技术突破已明显领先于应用和制度建设，这意味着产业界在推动AI落地时，既要看到其潜力，也必须同步推进生态协同和规则建设。

在与会人士看来，医疗健康场景把AI治理问题呈现得更为集中。
腾讯健康总裁、腾讯生命科学实验室负责人吴文达直言，高风险任务不能完全依赖AI智能体，责任主体必须是人，不能以“AI这么判断”为由转移责任。
励讯集团企业事务总裁、爱思唯尔董事长池永硕也提出，健康体系高度复杂，AI应用必须在提高效率的同时警惕其“影子”，推动知识共享、循证决策和公平可及，但前提是把不利影响控制在可管理范围内。
在细胞出版社战略与创新副总裁、执行主编李统胤看来，医疗健康领域的AI不能只看输出是否“像样”，更要关注输入的数据是否高质量、可信任，输出结果是否经过判断性思考和背景校验，因为一旦决策失误，其代价远高于一般消费场景。

张亚勤提出，AI生成内容需要强化标识，智能体需要能够追溯到责任主体，现有法律体系中的相当一部分规则仍然适用，但针对新技术形态也要及时补齐制度空白。
在年会现场，有与会嘉宾对《证券日报》记者坦言，数据安全、算法偏见、模型透明度、能源消耗、国际协作等问题，都将成为影响AI长期健康发展的关键变量。
换言之，AI竞争不只是技术和商业模式之争，也是治理能力、制度供给能力和生态协同能力之争。

当前，AI正在加速告别“概念热”和“展示热”，进入更强调实效、更重视责任的深水区。
一方面，智能体、新型终端、行业大模型和AI原生应用不断涌现，推动“人工智能+”从点状探索走向面状铺开；
另一方面，围绕责任认定、数据治理、风险防控和规则建设的讨论也明显升温。
对产业而言，真正决定AI能走多远的，既是技术迭代速度，也是落地深度和治理成熟度。
只有在创新与规范之间找到更稳健的平衡点，AI才能更好成为推动经济高质量发展的新动能。