界面新闻记者 | 张一诺

近日举行的中关村论坛上，各个领域专家汇聚一堂，围绕通用人工智能（Artificial General Intelligence）时代如何推动科技创新与产业的深度融合展开深入交流。

根据界面新闻从论坛上获悉的内容，与会嘉宾从科研、资本、落地、生态四大维度，形成了互补且统一的核心观点。

中关村人工智能研究院院长邵斌从科研视角出发，明确了 “认知为核、人机协同” 的创新变革方向；

武岳峰资本联合创始人李峰从资本维度出发，强调了“尊重规律、长期主义”的融合核心；

新烛时代联合创始人兼首席科学家汪跃从产业落地视角出发，剖析了“认知与尺度壁垒”的核心困境；

腾讯研究院资深研究员、前沿科技中心主任王强从生态建设视角出发，梳理了“长期沉淀、多方协同”的落地路径。

以下为四位嘉宾核心观点梳理

邵斌：人才与组织迎来结构性变革

中关村人工智能研究院院长邵斌立足科研一线视角，系统拆解了AGI时代创新核心要素、人才特质与组织形式的颠覆性变革，为定义新时代机制创新范式提供核心框架。

他指出，创新要素正在从资源垄断走向能力普惠，认知高度成为核心稀缺资源。过去，核心能力高度集中于少数头部机构；进入AI时代，大模型、算力、算法框架等以往仅顶级机构才能掌握的核心能力，正快速向“水电煤”式的基础设施转化，普惠性与可及性大幅提升。

当基础技术资源不再稀缺，决定创新高度的关键不再是资源体量，而是人的认知高度。过去依靠知识储备、记忆能力、专业熟练度形成的竞争优势，在AI工具普及后迅速弱化，普通人借助AI也能快速获取海量知识、完成复杂推理与内容生成。这意味着创新竞争的焦点，从“知识占有”转向“知识驾驭”，从“执行能力”转向“定义问题的能力”。

邵斌结合行业趋势与前沿实践，提出AGI时代创新人才必须具备三大关键特征：一是优质问题提出能力，AI擅长解答既定问题，而提出AI未曾覆盖、具有前瞻性的开创性问题，成为引领创新的关键；二是跨学科融合能力，AGI打破学科壁垒，依托AI实现跨界科研成为常态，能够整合多领域知识、开展跨场景研究的人才更具竞争力；三是好奇心、想象力与鉴别力，好奇心与想象力是人类区别于AI的核心创新源泉，而面对AI多元答案，精准甄别优质信息、避免被误导的鉴别力，是保障创新方向正确的重要保障。

邵斌还表示，“基层执行 — 中层协调 — 高层决策”的组织形态正在瓦解，“人+ AI智能体”成为主流单元。大量流程化、标准化的执行工作可由 AI替代，中层协调职能被压缩，个体借助AI即可获得更强的决策支持。

李峰：耐心资本是科技与产业融合的关键

武岳峰资本联合创始人李峰从科技投资视角出发，以底层逻辑不变、长期主义为核心，为AGI时代技术与产业融合提供资本维度的思考与指引。

“投资底层逻辑是要尊重科技发展的客观规律。”李峰强调，尽管AGI技术蓬勃发展，但科技原始创新从创意雏形到产业落地的底层逻辑并未发生根本改变。创新如同人类成长，从孕育到成熟有其必经阶段与客观规律，AGI可加速其进程，但无法逾越规律。当前AI、核聚变等领域热度高涨，大量资本涌入、创业环境优化，但行业切忌浮于表面、追逐概念，需回归科研本质，扎实开展基础研究与技术攻坚，摒弃违背规律的短视行为。

针对技术与产业 “结合点” 的核心争议，李峰提出自己的观点，即不存在固定时间节点，而是“时刻存在、随时发生”的双向驱动过程。科技创新与产业需求本就是一体两面：科学发现源于人类好奇心，工程技术发展源于真实市场需求，二者相互驱动、相辅相成。AI本质是人类在脑力劳动领域追求效率的产物，替代机械性脑力劳动的同时，释放人类更高阶的智力创造力。真正的结合点，是前沿创意与真实产业需求的精准契合。

李峰呼应国家“投早、投小、投长期、投硬科技” 的引导方向，强调耐心资本是科技与产业融合的关键。当前行业存在资本狂热、追求短期回报的浮躁心态，部分项目过度关注短期现金流与变现，忽视了科技成果转化的长期周期。真正的科技投资，应摒弃短期功利主义，聚焦原创性价值与产业长远意义，给予硬科技项目足够成长时间与资源支持，不被短期市场波动裹挟。他以自身投资实践为例，指出判断项目的核心标准是长期技术价值与产业意义，而非短期盈利预期。

他还呼吁行业提升格局，跳出短期商业化、岗位替代、资本过热等表层问题，从人类文明发展的哲学视角看待AGI。他将人类劳动划分为体力劳动、脑力劳动、智力劳动、情感劳动，指出当前AI仅能替代标准化、规则化的脑力劳动，高阶智力创造（如发现新规律、制定新规则）仍依赖人类。行业应聚焦AI如何驱动文明进步，探讨长远发展命题，避免陷入短期利益纷争。

汪跃：破解跨界认知壁垒，打通实验室到产业的落地堵点

新烛时代联合创始人兼首席科学家汪跃从技术落地的视角，剖析前沿科技从实验室走向产业的核心堵点，提出针对性破局思路。

汪跃首先明确，前沿科研领先产业应用是科技发展的客观规律，无需过度焦虑。真正的核心困境在于跨尺度、跨领域的融合壁垒，以AI赋能核聚变领域为例，融合困境呈现“宏观清晰、微观受阻”的特征。宏观尺度上，产业与技术端对融合方向认知高度统一，均认可AI能解决行业空间大、成本高、经验分散等痛点，具备融合基础；核心障碍集中在微观层面与跨尺度交汇层面。

他进一步指出，主要有两个核心堵点。一是跨领域认知壁垒与想象力缺失。产业从业者对AI的认知仅停留在基础分类、回归等表层工具，未能意识到前沿AGI在复杂系统优化、场景创新等领域的深层能力，难以挖掘跨界融合价值，AI从业者则习惯于“对标 Benchmark、刷榜单”的学术研究思维，难以适配工业场景测评指标模糊、依赖行业经验的非标准化特征，双方认知偏差，导致深度融合难以落地。二是宏观与微观跨尺度融合障碍。产业宏观目标（如核聚变降本增效）需拆解为微观可执行指标，才能精准明确AI介入节点。但当前行业尚未形成成熟拆解路径，无法将宏观目标精准转化为AI技术可落地的细分任务，融合缺乏清晰逻辑与执行方案。

针对堵点，汪跃提出核心破局思路：一是搭建跨领域沟通桥梁，破解双向认知壁垒，让产业端理解AI深层价值，让技术端适配产业真实需求；二是探索宏观目标向微观执行的拆解方法，明确AI与产业融合的具体节点与合作模式。他强调，AI赋能前沿产业属于全新领域，无成熟经验可借鉴，需行业保持耐心，持续攻坚融合壁垒，才能推动前沿技术从实验室走向真实产业。

王强：以长期沉淀推动全生态协同发力

腾讯研究院资深研究员、前沿科技中心主任王强从平台企业实践、千行百业调研与政策研究视角，全面梳理AI产业落地的核心鸿沟，结合行业规律提出落地路径与生态协同建议。

王强指出，尽管“人工智能 +”相关落地进程持续加速，但技术与产业融合仍存在三重核心鸿沟。第一，技术能力与复杂任务不匹配。前沿AGI长程任务能力大幅提升，但面对产业长链条、高难度、非标准化的复杂任务，仍难以满足核心需求，成为技术落地的基础障碍。其二，C端与B端商业化失衡。C端AI应用盈利模式不成熟，国内市场面临“不赚钱”困境，大量项目转向出海，专业开发者付费市场与个人开发者生态尚处起步阶段；B端基础场景（知识问答、客服、代码生成）已广泛应用，但深入产业核心生产、研发环节时，落地难度急剧上升。其三，产业端基础准备不足。行业普遍存在急功近利心态，忽视前期沉淀；企业内部知识体系建设不完善，资深从业者的隐性经验未完成数字化，导致AI缺乏高质量数据与知识支撑；部分行业体制机制僵化，难以适配AI迭代节奏，进一步阻碍深度落地。

王强以竹子生长为喻，形象阐释了AI产业落地的核心规律：人工智能与产业融合如同竹子生长，前四年看似停滞，实则完成了根系沉淀；自第五年起迎来爆发式增长，最终一夜成林。他指出，落地前期需完成三大核心沉淀：一是摒弃急功近利心态，树立长期主义；二是完成企业内部知识数字化、隐性经验显性化，筑牢AI落地的数据与知识基础；三是完善适配AI的体制机制，打通内部落地阻碍。只有夯实基础，AI才能实现爆发式渗透，推动产业数字化、智能化升级。