隨著AI技術從實驗室走向產業化的戰場，大模型的開源浪潮、低空經濟的崛起、具身智能的落地以及智慧交通的成熟，正推動各領域加速變革。然而，技術如何跨越“能用”到“好用”的鴻溝，真正成為產業爆發的引擎，仍是當下亟待解答的核心問題。

2025年4月15日，首屆酒仙橋論壇在北京舉辦。

在圓桌對話《從共性技術到產業爆發：AI如何構建新興產業的增長邏輯？》中，千尋智能戰略生態副總裁、董事、具身智能數據中心總經理孫榮毅，曜宇航空創始人楊立，中科視語聯合創始人張臘，北電數智首席營銷官楊震與甲子光年創始人、CEO張一甲圍繞AI技術的突破、算力適配的挑戰、新興行業的痛點及生態構建的路徑展開深入對話。

張一甲在發言中指出，AI技術正在從實驗室加速走向產業化戰場，推動各領域的變革與創新。她提到，大模型的開源浪潮、低空經濟的崛起、具身智能的落地以及智慧交通的成熟，正成為技術與產業共振的重要體現。然而，技術如何從“能用”跨越到“好用”，真正成為產業爆發的引擎，仍是當前的核心命題。張一甲強調，AI與新興產業的結合不僅是技術與應用的簡單疊加，而是一個螺旋式迭代、生態協同的過程。她總結道，AI與產業的結合需要解決從數據孤島到跨行業協作的“最后一公里”問題，最終通過生態的包羅萬象推動技術與產業的深度融合。

甲子光年創始人、CEO張一甲

孫榮毅在發言中指出，具身智能作為新興領域，其技術發展得益于大語言模型的興起，其技術路線與大語言模型相似，包括預訓練、模仿學習和強化學習。他強調，在工業場景中落地需要模型達到L2水平，千尋智能預計半年內將在國內新能源動力電池龍頭企業的工廠實現落地應用，而商用和家用場景則需要模型達到L3、L4以上水平，預計還需兩到三年。孫榮毅還提到，國產算力適配是當前面臨的挑戰之一，但通過與華為等企業的合作，千尋智能正在優化平臺，以實現快速迭代和高質量數據采集，推動具身智能在特定場景中的應用落地。

千尋智能戰略生態副總裁、董事、具身智能數據中心總經理孫榮毅

楊立在發言中提到，低空經濟作為新興產業，目前仍處于起步階段，無人機注冊數量與大模型用戶規模相比差距較大，行業尚未達到質變階段。他指出，低空經濟的核心痛點在于算力和數據的限制，尤其是在非網絡環境下的無人機操作中，如何實現自動駕駛、邊緣計算與云計算的結合是關鍵挑戰。他還提到，無人機行業需要通過精簡問題、聚焦特定場景來突破技術瓶頸，同時在特殊場景中，無人機的高頻使用為其技術發展提供了重要參考。楊立認為，未來低空經濟的發展將依賴于無人駕駛技術的進步和數據鏈的有效銜接。

曜宇航空創始人楊立

張臘在發言中提到，中科視語作為中國科學院自動化研究所項目孵化的企業，依托大模型技術積累，構建了視語坤川通用視覺大模型和智能體應用平臺，專注于智慧交通和智慧工業領域。她指出，2023年公司完成了MVP客戶交付，2024年智能體解決方案已占公司營收的1/3，預計2025年將直面大模型應用落地的剛性需求。她還提到，智慧城市安全治理領域面臨場景碎片化、事件定義困難和樣本獲取不足等痛點，同時在國產算力適配方面，中科視語通過流水線作業和推動國產化生態統一，應對芯片和框架多樣性帶來的適配挑戰。

中科視語聯合創始人張臘

楊震在發言中提到，北電數智通過“星火·智算”項目，致力于打造一個通用的AI底座，以滿足不同行業對算力的需求。他強調，通過降低算力使用門檻、優化工具鏈和垂類模型，北電數智能夠為個人開發者、中小微企業以及大廠提供全面支持。此外，他還提到，北電數智通過AI咨詢和行業解決方案專家的配合，幫助企業在實際場景中落地AI技術，并通過樣板間的方式帶動行業發展。楊震認為，數據共享和跨行業協作是解決“最后一公里”問題的關鍵，北電數智通過構建共性技術平臺，推動數據流通和生態協同，以促進AI技術在新興產業中的加速發展。

北電數智首席營銷官楊震

以下是本場圓桌的交流實錄，「甲子光年」整理刪改：

張一甲：過去一年，我們見證了AI從實驗室一路狂奔到產業戰場的加速度——DeepSeek拉開了大模型的開源浪潮，各個產業都在接入AI；此外，低空經濟被寫入政府工作報告、具身智能從科幻走進現實、智慧交通和智能制造也越發成熟。但熱鬧背后，一個核心命題始終未變：技術如何跨越從“能用”到“好用”的鴻溝，真正成為產業爆發的引擎？

今天，我們非常榮幸邀請到來自AI基礎設施、低空經濟、具身智能、智慧交通等領域的實戰派嘉賓，他們將用一線攻堅的經驗，拆解AI與產業共振的邏輯。

首先請依次進行自我介紹，簡要介紹所在公司和核心業務。

孫榮毅 ：大家好，我叫孫榮毅，是千尋智能董事和具身智能數據中心的總經理，我們千尋智能是國內具備AI+機器人全棧能力的具身智能公司。我們從去年2月份工商注冊到現在已經完成四輪融資，最近剛完成了PreA輪融資，獲得了5.28億的融資額，領投方為阿美風險投資旗下的P7，還吸引到招商局創投和廣發信德等資本方參與。千尋智能也是唯一獲得順為、寧德時代和華為三個頂級投資機構所投的具身智能公司。我們的愿景是在未來十年讓全球10%的人擁有屬于自己的機器人。

楊立：我是曜宇航空的創始人楊立，我們公司是國內比較早在無人機低空經濟全產業鏈研發的公司，我們專注于每款產品、每個級別產品只做一款，這一款產品是這個類別產品性能的極致，無論性能、可靠性、智能化，所以我們是低空經濟產業鏈當中設備上比較專注于高性能高可靠性的設備商。

張臘：大家好，我是來自中科視語的聯合創始人張臘，中科視語是中國科學院自動化研究所項目孵化的企業，現在也是國家級“專精特新小巨人”，我們在大模型時代里面也是積累了很多年的行業經驗，依托于這樣的行業經驗，研發了視語坤川通用視覺大模型，也在此基礎上構建了智能體應用平臺，我們主要是面向智慧交通和智慧工業，致力于用前沿大模型技術驅動產業的數智化變革。

楊震：大家好，我是楊震，北電數智的首席營銷官，也歡迎大家來到第一次的酒仙橋論壇。

無論這個論壇還是北電數智，其實我們使命愿景在建設數字中國向下希望加速人工智能在中國的落地，在千行百業落地。從另外一個角度來說，我們希望扮演人工智能產業鏈的賦能者和加速器的角色。

張一甲：我們首先聊一個共性話題，今年開春相信大家都會非常忙碌，第一季度我們都看到了一系列中國科技的跨越式進展，包括deepseek的爆火驅動了大家紛紛把自己的模型開源出來，也涌現現象級的產品Manus，還有寫入中國政府工作報告的具身智能等等。從各位的視角看，為什么中國的AI技術爆發會在這樣一個時點集中出現？整個AI產業鏈是否到了一個“量變引發質變”的拐點？

孫榮毅 ：具身智能相比于大語言模型而言，它是動作小模型，它的參數量比大語言模型小很多。但是它的技術棧和技術路線其實與大語言模型是相似的，或者是同根同源。我們先通過預訓練來提高模型泛化能力，通過模仿學習進行微調提高作業成功率，最后通過強化學習提高模型魯棒性，具身智能的興起得益于大語言模型興起，具身智能從業者吃到了大語言模型的紅利。

是否到了量變到質變的過程，其實這個也是目前行業里面大家都在討論的問題，具身智能的智能化水平怎么去分級，哪個級別是能夠達到一個可用的狀態，這個問題包括政府也在思考，前段時間相關龍頭企業進行了一次研討，嘗試著推出行業里關于具身智能的智能化分級。站在我們千尋智能的角度，我們實際上對標自動駕駛L0-L5之間的一個關系，給出了我們千尋的答案。

L0是不具備智能化，L1特定場景若干簡單任務，L2是特定場景若干場景復雜任務，如果針對工業場景來說，L2是具備落地應用的可行性，因為工業場景相對家用商用下限非常之高，它的場景相對固定，作業內容相對單一，其實L2水平是具備量變到質變的一個拐點，具備落地能力。但是如果說是到達商用和家用，可能需要L3到L4，L3是特定環境下特定崗位全部任務，L4是特定環境全部崗位任務。

所以，什么時候量變到質變，我覺得如果在工業場景下限比較高的情況下，我覺得L2水平就達到了?，F在我們千尋的水平大概L1.5水平，估計再有半年時間我們的機器人會在我們的產投方寧德時代的工廠里面真正干活了。如果進入到商用和場景，我們覺得大概在L3以上，可能還需要大概兩到三年時間。這個如果對照大模型角度來說，真正chatGPT能夠為大家所接受，其實GPT3.5左右，大家才覺得ok，這個是特別好用的。在之前chatGPT1或2的時候，還不具備可用條件。我覺得具身動作小模型量變到質變的拐點，根據工業商用場景應用不同會不一樣。

張一甲：非常詳細的回答。 我們聽一下楊立總的回答。

楊立：我們行業其實在這個問題上，有一個很明確的答案，沒有。

我給一個數據，奧特曼剛說他們的用戶達到8億，我想在國內各個大模型已經有幾個億的用戶量，而低空經濟無人機去年截止到6月份民航網站上注冊的數量大概180萬，我們連人家零頭都沒有，所以我們連量變都沒有，現在還談不到質變。

但是在某些特殊場景，如戰爭，一天可能要使用無人機上萬架。

總得來說我們還沒有到質變的過程，可是因為我們現在談到的人工智能已經不再是AI統稱，我們叫AIS，AIS是各個人工智能加在一起的統稱，所以無人機由于特殊性，我們絕大部分場景其實都是在沒有網絡的環境下進行的，所以我們在邊緣計算、無人駕駛等等相關領域反而走得相對比較靠前的，我們會在這個方向進行突破。

張臘：我覺得從大環境來說，無論是大模型技術的快速發展，還有算力產業的全面覆蓋，再加上客戶需求瘋狂的反哺，我覺得技術爆發式的增長肯定形成了。

對于行業來說，以我們經驗舉例，我們2023年就構建了以智能體為基礎的應用交付，并在2023年同年完成MVP客戶交付，在2024年以智能體為支撐解決方案的交付大概占據了我們整個公司營收1/3的份額，根據我們自己的經驗判斷，我們認為，在今年技術發展最終還是回歸到技術應用落點上來看，我們今年需要直面客戶對于大模型應用一線落地轉換的剛性需求，而且它會變得更嚴格，這時候我們應該去迎接或者有必要迎接從量變到質變拐點的出現。

楊震：我蠻同意張總的觀點，我覺得deepseek首先是一個代表，剛才提到一個數據，deepseek日活5000萬，相當于70%GPT，所以從這個數據上已經無限接近了。再考慮到deepseek很多的受眾都在國內，反映普及率的問題，所以deepseek某種層面是Mindsight級別的大模型，改變了大家對人工智能的看法尤其國內。

第二點，上一場圓桌幾位嘉賓已經在探討同樣的事情了，無論我們現在潛移默化已經在使用大模型幫我們做路書，幫我們訂機票，再比如制造出醫生和律師來，已經在決策層面到了一個臨界點。其實我們如果看GPT通用技術的發展，當大模型已經進入到決策無處不在的時候，所謂具身智能、無人機、無人駕駛等等這些都是屬于行動無處不在的，有的時候需要你的決策，通過這種機械肢體等把這個行動帶到物理世界當中來。由于剛才提到deepseek帶來這波決策無處不在的臨界點，下一步必然是行動無處不在新的范式出現。

張一甲：我覺得可能大家賽道不同，所感受到的節奏感和面前挑戰也不一樣，因為我們很多大模型還是在一個數字環境里、虛擬環境里，我們讓它上天、入海、走路、干活這個過程其實要跨越全新的物理AI。

所以這個過程可能是AI雖然迎來很重要的拐點，但前面可以期待的好戲還有很多。

下一個問題我想問下楊震總，在現在的AI智能化時代，AI底座的價值是不可或缺的。可以說未來所有新興產業都需要建立在AI底座之上。作為北電數智以“AI工廠”理念打造的首個“星火·智算”標桿項目——北京數字經濟算力中心可以說是專為人工智能時代而生。但低空經濟、具身智能等不同領域對算力的需求差異極大。能否具體舉例，在北電數智的規劃中，“星火·智算”的AI底座如何實現算力供給與產業需求的高效匹配？

楊震：我覺得需要分幾個層面來回答，第一個層面，在底座層面我們在芯片層、模型層、數據服務層以及工具鏈，甚至垂類模型層面，我們盡量把使用門檻降低，把效率提升，而且我們滿足各層無論個人開發者、開發者團體還是中小微公司，甚至互聯網大廠的全面需求基礎。我們先把基礎能力夯實，這是第一步。第二步就會涉及到怎么用起來，我們在前一場圓桌里，我蠻同意呂教授提的一點，他講了一個未來要有新職業就是咨詢，非常多的企業，他們目前來說還在思考，或者不知道如何用AI。

把AI用起來，非常非常關鍵，如何和產業需求相結合，以我們實踐經驗來說，因為剛才提到星火，星火既是底座也是模式，我們現在在佛山落的星火底座，以我們自己的AI咨詢專家，我們自己的行業解決方案專家以及產業專家，配合了我們生態伙伴一起走入佛山當地的一些頭部企業，和他們的CEO和董事長談他們遇到的問題，去思考人工智能怎么能夠幫到他們，而且也初步形成了一些方案，這些方案就能成為該行業的樣板間，有帶動的作用，既然是新東西，先行先試是對的，而且越用越好，我們是從兩端來解決問題的?？偨Y來說我們把基礎能力做扎實，把整個使用成本、使用難度降下去。從另外一個角度來說，我們要在各行各業去構筑一些樣板間，用咨詢和生態的方式，把兩端進行有效的連接，這是我們在做的事情。

張一甲：我們今天其實有兩個關鍵概念，一個叫AI，一個叫新型產業，我們也很關注當AI和新型產業產生交集的時候會有什么樣的化學反應，各位嘉賓所在的低空經濟、具身智能、自動駕駛等等都已經成為我國未來新質生產力發展的重要新興行業，AI也正在加速賦能這些新興行業發展。所以在各位看來，新興行業有哪些痛點是需要借助AI技術來實現突破（例如開發成本高、場景碎片化等）？

孫榮毅 ：我結合我們的實際情況來說一下，我們的產投方是寧德時代，它是做新能源動力電池的，其實新能源也是一個新興產業，我們現在在給他賦能，它現在面臨的痛點是什么呢？就是在智能制造的多品種、小批量、高柔性的這種生產組織模式下，機器人在切拉換形的時候調試時間非常之長，趕不上換產的時間，導致大量的人工繼續做換產的工作，所以急需要通過具身智能泛化能力解決多品種、小批量、高柔性、切拉換形中的痛點，這也是我們的切入點。

在工業場景里，我們瞄準的錨點也是這點，現在大家可以經?？淳呱碇悄苜惖烙泻枚鄼C器人已經號稱進工廠開始干活，但是干的是什么活？干得都是單一品種大批量重復性的工作，其實這個并不是具身智能機器人和人形機器人的落腳點，這些工作用傳統機器人（無論是大負載工業機器人，協作機器人、復合機器人）都完全可以勝任，沒有必要用一個走起路顫顫微微的雙足機器人去做，這完全為了學馬斯克，但是人家有自己的工廠，可以講自己的故事，但是國內好多企業就學，我覺得這并沒有到真正痛點上。

張一甲：非常精準到位的回答。有請楊立總。

楊立：我們剛才一直結合低空經濟，以前叫無人機，現在叫低空經濟的特點，現在我們所談的人工智能，不再是以前我們說的是視覺等等這樣的人工智能。那么我們從AIS這個角度來講，它有一些特點，從概念來講不是一個萬能的中樞，它是由某些ABCD各個能力集合的，相當于說我要選擇ABC哪些能力對我的行業。比如說你比我聰明，這不是人工智能的概念，這不是精準的。而是說你在智力、語言表達能力等等這方面比我強，但是你在長遠記憶能力不如我，比如說你就不記得咱們上學時一起打羽毛球。

所以，人工智能會遇到無數復雜的問題，所以在我們低空經濟領域里面，實際上就只有四大場景，一個是自動化、非自動化。一個用手還是不用手，這樣就有四個象限，而我們在四個象限當中面對問題不一樣。我們把它總結起來，第一我們特別需要在自動駕駛，特別是非自動化的自動駕駛當中有很多長足的進步，這是蠻困難的。我們訓練大模型的不斷蒸餾，不斷的用數據，而這個成本可能是芯片成本，而在我們還有物理成本，因為我們每次的訓練，可能都會摔無人機，而且這只是單一的訓練，所以這種訓練在我們來說成本非常高的，舉個例子，可能在這里面我要用一百公里/時的速度，快速在這里面飛行躲過所有的椅子、柱子，而能夠實現這個能力的飛手可能全球沒有幾個，所以對于我們來說數據非常有限，我們面對的問題就是如何解決自動駕駛的問題，同時而因為我們90%的運作環境，都是非網絡環境，我們沒有網絡。

一個手機飛行模式你要它做整個大數據、整個生成式完全不可能，我們如何在數據鏈有更好地銜接，如何從我們邊緣計算云計算這樣的結合，如何解決這是我們要面對的問題。

張臘：在這一點上，我想分享一下智慧城市安全治理方面我們自己的產業經驗，在智慧城市方向上，場景非常碎片化，而且各個場景各異，比如說拍攝圖片可能是車載、無人機、卡口相機，然后可以是手機拍攝的圖片，單按照采集方式就已經場景各異了，再比如說我們現在有一些安全事件的發現，安全事件的定義各不相同，比如說想要發現隱患事件，舉個例子比如說獨行的小孩，看起來好像沒有什么問題，但實際上是很多危險事件發生的前期前兆。

再舉個例子，交通事件方面，我們以拋灑物為例子，拋灑物的形狀、大小都難以定義，而且樣本獲取非常難。所以我們在智慧城市安全治理場景下，怎么樣去解決這種碎片化的場景需求，以及事件難以定義包括樣本量非常難以獲取這樣的問題，是現在我們這個行業上對于大小模型，AI相關技術的痛點問題。

張一甲：從三位行業里面嘉賓發言可以看到，每個領域的問題像撥洋蔥一樣，撥開了一層下面還有很多需要解決的問題，有的還要分而知之，這其實做平臺的企業，提出更難的要求，所以下一個問題還是問北電數智。

“新興產業加速平臺”通過構建“AI進入物理世界”的共性技術平臺，提供通用開發組件、物理直覺模型、虛擬仿真環境、訓練數據工具等服務，助力AI原生業務加速提效。該平臺面向具身智能、低空經濟、無人駕駛等新興產業的創新技術孵化和應用落地需求。能否舉例說明“AI進入物理世界”的理念，如何支撐北電數智彌補新興行業的技術短板？

楊震：其實我相信剛才三位的回答中，已經蘊含我要說的答案，不是每家具身智能企業都像孫總一樣，說找到確定性的場景，我們可以把我們的泛化技能針對確定性場景應用的落地。楊總也提到哪怕在我們現在狹小環境當中，全世界可能有10億以下的飛手能做到規避所有障礙物進行有效飛行。

剛才提到決策無處不在，大模型依然在繼續增長，我們進入到行動無處不在可能的環節的時候，反而會回到我們依然積累一個量變到最后的質變，這也是北電數智搭建共性技術平臺的原因。

因為畢竟每家企業的精力只夠把一兩個事情做的很精，我們可以有一個小切口，但是平臺搭起來的時候，我們可以讓場景方在平臺發布他們的特有場景。

孫總顧不過來的場景，但是依然可以提供你的本體小腦，讓非常多的開發者團隊在平臺上利用場景，利用您的小腦本體去做他們的定開，讓您的具身智能有更多落地的可能性。

當這些技能逐步積累到一定程度的時候，才能夠變成一個真真正正AI進入物理世界的案例。我們搭的平臺就是給到場景方，一個平臺讓大家把場景拿出來說究竟以現有技術、現有定開的能力是不是能滿足。也讓我們的本體方、小腦方、無人機方也拿出自己的現有能力，是不是做初步判斷是不是可以對接你，給到更多開發者團體、個人一個機會發揮自己的優勢，把場景攻克。

北電數智一直秉承一個生態理念，尤其新興產業我們想把它發展起來，肯定需要大家共同成長，我們先把產業鏈串起來做完整，產業鏈每個人有自己清晰的角色，每個人互相推動共同成長，這個產業才逐漸發展起來。而且當下很難出現殺手級應用，因為現在任何人買個機器人回去，可能都是當一個擺設、娛樂，不可能真正用它清掃房子，具身智能、AI進入物理世界它的切口還是在TOB場景為主。

比如說無人支架，目前來說沒有針對乘用車做廣泛地范式訓練，比如說我們多試聯運等等這些特殊的場景，找到小切口，但是是非常關鍵的切口，也是極大能夠發揮我們具身智能優勢切口，因為多試聯運像孫總提到他不是rules based control能解決的問題，它一定是learning based的，一定要對多變的環境有感知決策，我們鎖定這樣特殊場景找到行業切口，給到我們具身智能一個落地的樣板間，讓進一步推動整個產業的繁榮發展。

張一甲：非常精彩。生態的邏輯用我們自己甲子光年一句話說，這個生態一定要足夠包羅萬象，才能夠滿足各個場景的奇形怪狀。我覺得可能AI和新行業的結合，更是需要這樣的包羅萬象和奇形怪狀的生態。

在國產算力賦能新興產業的過程中，各位嘉賓所在的行業是否遇到芯片性能不足、框架適配難等問題？這種國產算力適配的挑戰如何轉化為競爭優勢？

孫榮毅 ：目前我們正在面臨這個問題，隨著特朗普增加關稅之后，英偉達的卡非常貴，我們現在和華為合作，華為也是我們產投方。我們更關注自己的迭代能力，其實具身智能不是大魚吃小魚，而是快魚吃慢魚。迭代能力來自于哪，我覺得是來自于飛輪和平臺。首先是高質量數據到高質量模型形成閉環的飛輪，一個是冷啟動的飛輪，一個真實場景數據喂養模型的飛輪，我們在冷啟動飛輪上面通過我們自建數據工廠，自己采集數據，先讓模型具備初步能力，然后到真實場景產生真實數據進一步促進模型發展，但是一切都是基于剛才楊總所提到平臺，如果沒有好的平臺，我們飛輪轉不起來的。

目前我們自己飛輪到模型迭代周期天級別迭代，這個過程中我們大部分精力放在如何優化平臺，能夠讓我們快速獲取高質量數據，并且讓高質量數據快速地訓練模型，這個其實也是剛才和楊總提到的如出一轍。

楊立：我們可能是遇到這個問題最嚴重的行業，對各位公司來說，東西多一公斤不算什么事，對于我們無人機行業東西多一公斤，就飛不動了。所以對于我們來說，大家可以靠堆算力、硬件逐漸的解決問題，而我們堆不動，我們要把飛機做的很大才可以，而飛機做的很大往往不能夠滿足場景需求，所以我們目前在面對這個問題上，只能把所有的問題精簡到最細化，我只解決一個問題，如果解決一個問題，我應該怎么做？所以目前我們只能這樣，剩下情況我們只能等。

張臘：對于我們來說的話，智慧交通其實國產適配我們很早就啟動了，也是最早啟動國產化適配的廠商之一，也算是陪伴了國產算力伙伴的成長。我覺得現在最大問題是目前國內國產化芯片，框架各不相同，這對我們形成挺大的困擾，因為每適配一家芯片對我們來說都要投入一批工作量，對于芯片所發布出來的算力，其實我們并不是擔心算力大小，到底有多小、多大。我們比較擔心是怎么能夠讓我們自己的解決方案，自研的大模型框架能夠真實發揮出來芯片原本報出來的性能，因為我們有很多自己為了行業去改造的一些算子或者是底層的架構邏輯，這種情況下往往需要我們國產化生態伙伴深入到一線和我們進行共同研發。

針對這些問題我們目前解決方案，一個是通過應用反哺我們算力生態發展，另外一個是我們形成了自己的國產適配流水線作業，來了一個芯片我們開始評估，然后看看框架，看芯片算力，再到我們給出一個工作量我們評估周期有多久，再到最后實際上線。我們維護了一個已經適配的芯片庫，這樣才能給到我們自己的客戶相對合適的國產化適配方案。在國產化算力適配的必然路上，我們還是希望能夠有一些標準，或者我們拿應用角度去推動我們整個國內芯片快速統一發展，真正實現共贏。

楊震：首先從國產算力需求來說，北電數智一直在做這個事情，打造通用性共性國產芯片軟件生態。我們做全面60個算子，現在也在針對一些關鍵領域垂類模型在繼續補齊算子，然后我們做了統一的通信庫，涉及到卡間互聯和算力節點間互聯靈活調度，我覺得我們可以線下多討論，我們有非常多的接近生產環境集群化的測試，給到非常多的指引。

另外兩位說的還是基建的問題，車還好，個大，自身可以承載算力，電也足夠多，但是具身智能來說Real2SIM2Real這個路線出來以后，突然發現自己是算力消耗大戶，無人機剛才提到所有能源要用在非續航上而不是算力。所以，基礎設施多樣化，如何實現云邊端的協同，大模型的協同，這個是我們布局的事情，北電數智之前也有針對邊緣，不同形態的邊緣以及這種云端的相應布局，在配合我們對國產算力整體的適配加速，我們也希望有效支撐具身智能不同領域面對這些共性的問題。

當然我們和非常多的地方政府，做相應的研究，針對不同特定領域，做相應的特定領域訓練場，畢竟一旦訓練出來，把最基礎的泛化原則找到以后，有時候就是大力出奇跡了，就可以應對復雜的環境。

最終進入家庭的時候還會存在非常多的變量，以及對人類的影響的問題，因為人形機器人真正使用環境就應該在家庭里面，廣泛的環境里面，輪式、各種形態機器人，我們不一定非常固定在具身智能人形機器人。所以，飯要一口口吃，路要一步一步走，我們做好的事情就是針對大家的需求，一步一步地把每一階段大家需要的平臺，搭出來，大家共同發展。

張一甲：非常感謝。最后一個問題，各位可以想想，要想真正讓AI助力新興產業加速，當前最需突破的“最后一公里”是什么？數據孤島、算力成本，還是跨行業協作機制？每人用一句總結一下。

孫榮毅 ：數據采集裝備和數據孤島。

楊立：跨行業協作。

張臘：數據壁壘，高質量數據壁壘。

楊震：我同意數據最重要，但是數據不打通不能跨行業也是有很大問題。

這就是我們持續做平臺的原因，我們也非常鼓勵所有在我們平臺上做了開發采集的伙伴把數據留下來，哪怕我們給到它一定的價值補償，能夠讓我們行業大家不需要重復造輪子，這是我們搭平臺主要目的。

張一甲：我覺得今天這場圓桌不知道大家感覺如何，我個人收獲非常大，我覺得相比往年談論概念的時候，更多是暢想科幻一般的遠景，但是今天大家的問題很具體，顆粒度很細，這就說明我們這個產業已經開始真正進入軌道了，我覺得在人工智能和新興產業這兩個概念發生化學反應的時候，很難用加法乘法形容得了，這個過程當中每一步都會涉及先有雞還是先有蛋的問題，所有問題要重新理清，所有答案要不斷地來回迭代，大家在螺旋式的互幫互助當中，一起形成生態。

我覺得北電數智做這樣的平臺特別的好，當然我們甲子光年作為第三方服務機構也是見證每個嘉賓的精彩，我覺得今天的圓桌我很有收獲，感謝大家的時間，也感謝各位觀眾。

（文中圖片來自酒仙橋論壇）