場景已成為關鍵創新資源。“十五五”規劃建議提出，加大應用場景建設和開放力度。國務院辦公廳近日印發的《關於加快場景培育和開放推動新場景大規模應用的實施意見》（以下簡稱《實施意見》）將人工智能（AI）置於重要位置，圍繞這一前沿技術，提出一批應用場景，力求通過關鍵賽道實現“以點帶面”，構建面向未來的現代化產業體系骨干。

“AI正深度融入經濟社會各領域、各環節，帶來的機遇前所未有，挑戰也前所未有。”國家信息中心信息化和產業發展部主任單志廣表示，要搶抓技術演進和全球AI治理秩序尚未形成的關鍵窗口期，充分發揮新型舉國體制優勢，深刻把握AI發展趨勢和規律，形成我國AI健康發展路徑。

隨著AI新場景大規模應用，技術“試驗地”將加速變為市場“高產田”。

真實業務牽引

從實踐看，AI場景創新已在多個重點領域取得階段性進展，並逐步從展示性應用走向真實業務。

“當前AI已在多個重點領域實現突破性應用，形成了一批可感知、可復制的成果，核心經驗在於‘業務牽引、技術適配、生態協同’。”北京中關村科金技術有限公司（以下簡稱“中關村科金”）總裁喻友平說，在金融領域，AI應用已進入規模化深耕階段﹔在工業制造領域，AI正從單點試點向流程優化延伸﹔在政務與民生領域，AI正推動服務從“經驗驅動”向“數據驅動”轉型。

他舉例說，中關村科金聯合中國電建財務公司打造的“財神大模型V1.0”，已在智能問答、智能問數、貸后報告寫作等辦公場景中落地應用，使員工業務知識獲取效率提升70%，數據查詢處理效率提升85%，信貸報告撰寫效率提升75%﹔在醫保領域，中關村科金與多地醫保局合作建設的“醫保小智”智能綜合服務平台，AI語音客服承擔了超過70%的市民咨詢接待任務，文字客服問答准確率超過90%，推動公共服務從“線下跑”變為“零次跑”。

在喻友平看來，AI創新的主戰場正從技術本身轉向組織准備度、問題精准度和實施堅實度。具體而言，一是重心從“技術可行”轉向“組織先行”，項目成敗不再取決於算法本身，而在於是否得到組織明確支持，是否建立起權責清晰的跨部門融合團隊﹔二是場景選擇標准從“能做什麼”轉向“該做什麼”，優先解決真實業務痛點，而非炫技﹔三是基礎支撐從模型本身轉向數據和流程，夯實AI落地的底座。

“創新成效取決於能否精准定義問題。這要求深入業務流程，區分‘偽需求’與‘真痛點’，將資源集中於能夠量化價值的具體場景中。”喻友平說。

警惕“為建而建”

盡管AI加速融入千行百業，但從整體看，AI場景創新仍面臨不少瓶頸。

“高價值的AI場景創新，是創新要素在市場供需驅動下高效集聚、協同耦合的結果，不能脫離市場邏輯主觀臆斷。”天津大學經管學部公共管理學院副院長、國家知識產權戰略實施（天津大學）研究基地副主任劉大勇直言，如果缺乏要素流動和循環機制，容易導致AI場景淪為“盆景”“孤島”。

從實踐層面看，喻友平將當前的主要問題概括為四類：一是數據質量不高與流通不足，要麼關鍵數據未採集、設備未聯網，形成“數據荒漠”，要麼數據雜亂、標准不一、孤島林立，陷入“數據沼澤”，制約模型效果發揮﹔二是技術與業務融合不深，通用大模型行業適配性不足，而行業專家又難以將模糊的痛點轉化為清晰的技術需求，形成供需鴻溝﹔三是部署成本高、周期長，尤其是傳統行業的老舊設備改造難度大，投入產出比不清晰，同時不少AI創新項目的價值量化體系不完善，投資回報預期不明確﹔四是復合型人才短缺，既懂行業業務又懂AI技術的人才供給不足，制約場景落地的效率和效果。

其中，“為建而建”的形式主義問題尤需警惕。“部分企業陷入‘技術跟風’誤區，盲目布局大模型和智能體項目，卻忽視實際業務痛點和真實價值訴求，導致不少項目停留在演示層面，最終淪為中看不中用的‘AI盆景’。”喻友平提醒，這不僅造成算力、資金等資源的浪費，也擠壓了真正有價值的創新空間。

回歸商業本質

“AI場景創新可能在未來分階段持續深化。”在劉大勇看來，短期內，AI相關創新要素的快速流動與高效匹配，將推動大量高價值應用場景的開放與培育﹔在更長周期內，AI有望作為基礎性技術載體，進一步引發更深層的科技及產業變革，並帶動新型通用基礎設施的更新和建設。

從技術演進角度看，單志廣分析，目前AI總體發展水平仍處於起步階段，雖然已從運算智能到了感知智能，但是距離認知智能仍有非常大的差距。未來AI發展需堅持“大模型+小模型”“連接主義+符號主義”的融合路徑，推動運算智能、感知智能向認知智能跨越。各行業應結合專有數據與場景需求，通過“大模型+知識庫”改造現有系統，重構業務邏輯，實現管理的全域化與實時化。

在產業協同層面，喻友平認為，越深入垂直場景，對行業知識的依賴越強。未來主流模式將是AI平台廠商、大模型應用廠商與科研機構的多元生態合作，AI廠商提供平台和核心AI能力，應用廠商提供領域知識和業務系統集成能力，科研機構提供技術支撐。“從‘單打獨斗’走向‘協同共贏’，才能提升場景落地的成功率和可持續性。”他說。

同時，行業競爭正從“追求模型參數規模”轉向“沉澱可復用方案”。在喻友平看來，大模型的競爭正在從參數規模轉向行業知識密度和解決方案的可復制性。技術服務商應在不同行業的落地中沉澱可復用的“場景樣板間”、行業插件和實施方法論，從而大幅降低成本和交付周期，讓AI落地“越做越快、越做越便宜”。

“AI落地‘最后一公裡’的核心，是回歸商業本質，以及它能否真正解決問題、提升效率、創造可衡量的價值。”喻友平說，隻有以深入業務、技術融合、生態協作、持續運營的務實態度持續推進，AI場景創新才能帶來實實在在的產業升級。

為實現AI場景創新的可持續運轉，劉大勇還建議在更大范圍調動市場力量，形成眾多創新主體廣泛參與的選擇機制﹔同時，為各類創新主體提供預期穩定和能夠容錯的環境，助推其開展長周期且不斷迭代的創新研發。

“這一系列的選擇、分工與反饋優化，將推動創新合作機遇的持續發掘與優勢的循環累積，為場景培育源源不斷地注入創新生機與經濟活力。”劉大勇說。

分享讓更多人看到