北京 2025年5月26日 /美通社/ -- 5月15日，由亞杰商會主辦的"智算賦能，AI創未來——AI最佳實踐應用沙龍"活動在亞杰匯成功舉行。本次活動通過主題分享、圓桌討論等多元形式，圍繞AI技術落地、算力普惠、商業模式及路徑創新等核心議題展開深度交流，為參會者呈現了一場兼具前瞻性與實踐價值的思維盛宴。亞杰商會執行會長羊東、常務副會長兼秘書長郭基梅及搖籃計劃導師、亞杰搖籃計劃19期、20期人工智能領域創業者學員、行業專家及投資人共40余人參與本次活動。

猜中開頭易，猜中結尾難！——尋求 AI時代的最佳實踐

羊東老師在開場致辭中提出了對AI發展的深刻思考。他從投資視角指出當前AI應用面臨三大核心命題：

一是商業模式演化中的不確定性：他指出，AI技術的范式變革雖已明確，但其最終形態仍充滿不確定性。他以互聯網發展史類比："互聯網初期，門戶網站是主流，但最終存活的是平臺型公司。AI時代的‘谷歌'和‘亞馬遜'會是誰？答案或許遠超我們當下的想象。"

二是 AI對軟件內涵的本質顛覆：區別于傳統軟件的工具性，AI的"非確定性輸出"顛覆用戶對軟件的理解。軟件從工具化到參謀化是質的升級，使用方式會有根本改變。如智能體的回答重新定義人機協作規則。

三是對企業工作流程和管理的重構：AI的輸出具有非確定性，需要體現企業的價值觀和方法論。這種特性將顛覆企業的管理模式和商業模式。有利于打破IT系統的僵化，但帶來靈活性的同時，又增加了不確定性。

他提醒創業者需關注AI在決策中的邊界問題，并探索技術與商業的閉環路徑。

讓算力像水電一樣普惠 —— 九章云極的智算創新實踐

九章云極首席AI科學家繆旭先生向與會人員分享了《智算創新與AI賦能》主題報告，以"智算中心的創新范式"為核心，深入講解了九章云極在AI基礎設施領域的探索。針對傳統算力采購的彈性不足、技術門檻高痛點，九章云極推出"算力包"模式，以"度"為計費單位，通過serverless架構實現GPU資源彈性調度，配套阿拉丁開發工具降低使用成本，推動算力從"奢侈品"變為"基礎設施"，目標是"讓算力像水電一樣普惠"。據他介紹，目前，九章云極通過構建"算力 + 算法"的一體化服務，已建成5個智算中心，算力規模達5000P，未來三年納管10萬P。

在技術實踐層面，繆旭先生重點解析了智能體（AI Agent）的開發邏輯。他提出，當前AI的創新瓶頸在于"從0到1的創造力"，九章云極通過"思維鏈推理 + 強化學習"的方法來訓練專業的智能體，將手搓工作流進一步簡化，已在工業檢測、供應鏈優化等場景中實現突破。例如，其 CV 智能體可通過多工具調用和沙箱環境訓練，將工業場景中的裸土覆蓋檢測準確率從71%提升至90%。

"2025年是智能體經濟的元年，真正的智能體革命將在交互中誕生。未來，AI 將成為人類的最佳合作伙伴，但前提是設計出高信息密度的交互界面，讓用戶無需成為‘微操專家'即可高效協作。"展望未來，繆旭先生認為人機協同是長期主題，智能體交互需平衡信息復雜度和簡潔性。他表示，AI的價值不在于替代人類，而在于延伸能力邊界。未來成功的企業將是"人類創意 + AI 執行"的復合體，組織管理需從"人力驅動"轉向"人機協同驅動"。

從"實驗室"走向"生產線"—— AI 應用的落地挑戰與創新路徑

在圓桌討論環節，亞杰執行會長羊東與九章云極首席AI科學家繆旭，句子互動創始人& CEO李佳芮，共績科技創始人付智，原粒（北京）半導體技術有限公司聯合創始人/ COO 原鋼，奧克福（北京）機器人科技有限公司董事長柴建偉圍繞AI應用落地、技術挑戰、商業模式等話題展開深入討論，以下為精彩內容摘錄：

Q1：當前 AI 應用從概念到產業化的"最后一公里"難點是什么？如何突破？

李佳芮：最大難點在于數據孤島與工具整合。以零售行業為例，實現"千人千面"營銷需打通用戶行為數據、庫存系統與智能決策模型，但跨平臺數據合規成本高，工具調用效率低。參考美國Agentic AI模式，國內企業可先聚焦單一業務場景，通過低代碼平臺快速集成現有工具，再逐步擴展至全鏈路自動化。

原鋼：芯片設計公司是代碼編寫工作量很大的一類公司，先進的代碼生成大模型能幫助芯片公司提高生產效率。不過處于安全的考慮，芯片公司主要編碼工作都在隔離的內網服務器進行，無法直接調用公網的先進大模型，必須進行本地部署。而本地化大模型部署的門檻不算低，一個是需要昂貴的推理服務器硬件，另外一個是需要性能很強，同時代碼生成效果很好的先進模型。目前目前一些開源的模型代碼生成的質量已經比較好，可以在代碼修改、輔助代碼生成方面發揮很大作用。如果公司IT部門能力很強，或者有第三方機構提供服務，也可以基于開源模型結合本公司積累下來的代碼庫做微調和強化學習，再配合高效的大模型一體機等開發專屬的智能體，提高芯片公司的開發效率。

Q2：年輕創業者如何構建‘AI 原生組織'？在管理模式上有何創新？傳統企業如何借鑒？

付智：我們公司提出"AI原生組織"理念，核心是用AI重構管理全流程。在招聘層面：要求候選人"使用AI后效率提升0.4 倍以上"，通過考察其與AI協作能力篩選人才。在協作層面：企業大腦系統自動解析會議錄音、生成任務工單，并通過知識圖譜關聯員工技能與項目需求，實現"無人化任務分發"。例如銷售團隊只需語音記錄客戶需求，系統自動生成商機線索并分配跟進人員。傳統企業可以從"工具層"切入，先部署 AI 輔助行政、客服等標準化流程，再逐步向核心業務滲透，避免直接顛覆現有架構。

柴建偉：AI應用應該聚焦落地，為真實需求而生。很多專業場景的技術人員需要AI化的解決方案，來解決目前大量人力的重復性工作。比如說橋梁結構檢測中的裂縫檢測項，傳統檢測模式是人湊近，用相機拍照，然后再回辦公室一條條標注，再出報告，費時費力費人！需要一個AI裂縫自動識別標注軟件就可以解決，但卻一直沒有成熟的軟件。AI應用路漫漫，需要大量的基礎教育，普及工作，與需求相向而生！

Q3：垂直領域 AI 如何構建可持續商業模式？

李佳芮：我認為垂直領域AI要構建可持續的商業模式，核心在于兩點：一是深度嵌入業務場景，二是持續創造效率和轉化價值。以我們句子互動的產品為例，我們在在線教育行業智能幫助機構搭建大模型驅動的數字員工，高效管理全鏈路營銷、銷售、客服工作流，這本質上解決的是獲客成本高、服務不及時的問題。我們基于自研的平臺快速構建專屬的教育場景智能體，比如銷售觸達智能體、線索清洗智能體、客戶分層智能體，這些AI Agent 不只是工具，而是直接影響招生轉化、學員留存、復購增長。只有把AI能力轉化成業務轉化、降本增效的可衡量價值，客戶才愿意長期付費。所以我們一直堅持從業務場景出發，打造標準化+定制化結合的AI產品體系，這才是垂直領域AI走向可持續商業模式的關鍵路徑。

付智：算力共享平臺的商業化需解決信任機制與收益分配。我們通過記錄算力貢獻者的資源使用數據，按"計算時長 + 任務難度"自動分配收益，吸引個人用戶共享閑置算力。目前平臺已匯聚 30 萬 + 節點，算力成本較傳統云服務器降低40%。垂直領域需構建"技術 + 生態"雙壁壘，通過開源工具吸引開發者，再以數據反哺模型優化，形成正向循環。

羊東老師在圓桌討論環節進行總結發言，他表示本次討論揭示了 AI 產業化的核心矛盾：技術的通用性與場景的特異性、數據的開放性與安全的封閉性、效率的提升與倫理的約束。對創業者而言，破局之道在于"精準定位場景價值，小步快跑驗證模型，構建AI原生組織"。亞杰在組織學員互相幫助，了解最佳實踐，緊跟技術的范式變革，希望大家充分討論，亞杰商會將持續通過"搖籃計劃"對接行業資源，推動AI技術從"實驗室"走向"生產線"，助力創業者在智能革命中找到屬于自己的生態位。

結語：

此次沙龍不僅展現了 AI 技術的澎湃動能，更揭示了商業創新的底層邏輯：唯有將技術洞察與行業需求深度融合，方能在智能時代搶占先機。亞杰作為國內創新創業領域的引領者，將持續發揮"搖籃計劃"與"亞杰基金"的孵化優勢，未來將組織更多活動，推動 AI 技術與實體經濟深度融合，為更多創業者賦能。