四大结构性难题制约 大模型规模化落地遇阻

在实现通用人工智能这一宏伟目标牵引下，AI（人工智能）产业正迈向其发展的"下一个十年"。 不过，在模型能力持续提升的同时，产业落地的脚步却并未同步提速。11月16日，在"2025人工智能 +"大会上，多位业内人士表示，高昂的成本、缺乏高质量行业数据、工程化能力不足以及对大模型能 力边界认知的偏差，正成为制约AI规模化应用的四大结构性难题。 与此同时，从开源与商业化的平衡，到AI入口从云端向终端迁移，产业格局正在发生微妙变化。 AI落地面临"拦路虎" 当产业界尝试将大模型从实验室推向车间、办公室和街头巷尾时，规模化落地遇到的阻力远超预期。 "大模型（当前的）叙事逻辑对赋能千行百业不友好的地方在于，我们一直说规模法则，要把模型越做 越大、越来越强，对应的结果是成本越来越高。"清华大学计算机系副教授、面壁智能联合创始人兼首 席科学家刘知远在圆桌论坛上表示。 刘知远指出，叙事逻辑的不友好直接带来了大模型训练和使用成本的持续攀高。他认为，任何技术要对 人类社会产生深远影响，都必须解决标准化和成本问题。正如芯片行业的摩尔定律，他所在的团队提出 了大模型能力密度法则，即通过技术创新，让更少的参数承载更多的模型能力。"摩尔定 ...