從2024年末開始，隨著Manus等自主智能體的發(fā)布，人們似乎已經(jīng)看到了AI從對話框走向全自動執(zhí)行的未來。大家期待2025年會成為Agent元年。

然而，當(dāng)我們把視線從硅谷的Demo拉回真實的產(chǎn)業(yè)現(xiàn)場，一種巨大的錯配感油然而生。AI在實驗室里能寫代碼、做規(guī)劃，但在企業(yè)的核心決策流和工廠的生產(chǎn)線上，它依然像個局外人。

為何在模型能力狂飆突進的今天，AI依然難以在產(chǎn)業(yè)深處落地生根？

在2025騰訊ConTech大會暨騰訊科技Hi Tech Day圓桌論壇上，由清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）助理教授、智源學(xué)者趙昊擔(dān)任主持，與四位嘉賓——明略科技創(chuàng)始人、CEO兼CTO吳明輝， 智平方副總裁邱巍，蘇州明義微電子技術(shù)有限公司創(chuàng)始人、CEO朱總，以及清華大學(xué)經(jīng)濟管理學(xué)院可口可樂講席教授、清華大學(xué)經(jīng)濟管理學(xué)院互聯(lián)網(wǎng)發(fā)展與治理研究中心主任陳煜波一起，撕開了繁榮表象下的技術(shù)與產(chǎn)業(yè)斷層。

沉默的知識與暴漲的能耗

AI落地的第一道墻，是不可言傳的數(shù)據(jù)。

明略科技創(chuàng)始人、CEO兼CTO吳明輝指出，盡管企業(yè)積累了海量的IT數(shù)據(jù)，但真正決定商業(yè)成敗的往往是決策者腦中那些未被顯性化的隱性知識和語境。當(dāng)前的AI Agent就像一個擁有頂級學(xué)歷卻不懂公司潛規(guī)則的實習(xí)生，如果無法提取這些非結(jié)構(gòu)化的決策邏輯，AI就只能做輔助，無法做代理。

這一困境在物理世界被進一步放大。智平方副總裁邱巍在高端制造的實踐中發(fā)現(xiàn)，工業(yè)場景的數(shù)據(jù)不僅稀缺，更涉及數(shù)據(jù)治權(quán)。工藝參數(shù)是工廠的身家性命，這種隱私壁壘導(dǎo)致AI難以獲得足夠的養(yǎng)料來訓(xùn)練泛化能力。

而即便解決了軟件層面的認知問題，硬件的物理極限正成為新的攔路虎。蘇州明義微電子創(chuàng)始人、CEO朱總表示，以前CPU時代，單機柜功耗不過十幾千瓦；而在AI時代，單機柜功耗正逼近兆瓦級（MW），這相當(dāng)于一座小型城市的耗電量。

更致命的是，GPU負載的劇烈瞬態(tài)跳變，隨時可能擊穿現(xiàn)有的供電網(wǎng)絡(luò)。當(dāng)算力需求指數(shù)級增長，電力基礎(chǔ)設(shè)施卻還在用舊時代的邏輯運行，這種頭重腳輕正在制約AI集群的擴張。

從玩票到必須的漸進式接管

面對上述困境，直接追求L5級別的全自動顯然不切實際。嘉賓們給出的解法是：分級治理，人機融合。

吳明輝借用數(shù)據(jù)庫領(lǐng)域的概念，提出了從OLAP（在線分析）向OLTP（在線交易）進化的路徑。AI應(yīng)先在容錯率高的分析類任務(wù)中試錯，通過人機協(xié)同的模式積累信任，再逐步介入像訂票、交易這樣Mission Critical（關(guān)鍵任務(wù)）的場景。這不是技術(shù)的妥協(xié)，而是商業(yè)落地的必然規(guī)律。

這種協(xié)同在宏觀層面，被清華大學(xué)經(jīng)濟管理學(xué)院可口可樂講席教授陳煜波定義為“騎馬方式的改變”。AI不會簡單替代人，而是迫使人類進化出新的技能樹。未來的組織架構(gòu)中，人不再是指令的執(zhí)行者，而是AI Agent的指揮官，負責(zé)在機器理性和人類直覺之間做最終的裁決。

干二休五與AI的自我進化

如果跨越了當(dāng)下的障礙，未來十年的圖景將會怎樣？

論壇最后描繪了一個極具誘惑力且充滿科幻色彩的終局。

在微觀生活上，吳明輝預(yù)測，隨著Agent真正從助理進化為代理，人類的工作時長將大幅壓縮，干二休五的工作制或許在有生之年得以實現(xiàn)。人類將從重復(fù)性腦力勞動中解放，專注于探索科學(xué)邊界或享受生活，而將生產(chǎn)任務(wù)全面移交AI。

在宏觀技術(shù)上，朱總預(yù)言了技術(shù)閉環(huán)的到來。AI將開始設(shè)計AI芯片。當(dāng)AI能夠自我優(yōu)化底層算力底座，甚至重構(gòu)EDA軟件時，算力的摩爾定律將被重新改寫。

而在物理世界，邱巍給出了明確的時間表。具身智能機器人將2-3年攻克高端制造，3-5年進入公共服務(wù)，5-8年則會真正走進千家萬戶，成為養(yǎng)老與家政的標配。

正如陳煜波所言，科學(xué)家負責(zé)突破生產(chǎn)力的天花板，而企業(yè)家負責(zé)重構(gòu)生產(chǎn)關(guān)系。當(dāng)下的困局，本質(zhì)上是舊有的能源、數(shù)據(jù)與組織形式，裝不下AI這個龐大的新物種。

破局之道，不在于等待一個完美的模型，而在于在不完美的現(xiàn)實中，通過軟硬融合、數(shù)實融合、人機融合，去解鎖下一個增長范式。