前言：
2025年，AI撕裂數據與實體的邊界，量子計算探索物理規則的邊緣，綠色科技重塑增長的倫理，低空經濟、機器人、大模型打開科技躍遷的大門。
在這個大背景下，中國企業需要以智慧為坐標，穿透技術、組織與商業模式的“三重結界”，在數字與實體的糾纏中鍛造新物種。在這背后，是一群技術興國的信奉者，產業躍遷的掌舵人、商業社會的洞察者、認知邊界的拓荒者，這些企業家永遠走在創新的前沿。
與智者同行者，必將率先觸摸未來；與AI共振，終將定義下一個紀元。
我們邀請了多位國內外頂尖創新與商業領袖，人工智能鏈主和龍頭創新企業，共同展望2025產業發展、技術創新以及戰略性新興產業發展的前景。
此文為融中特別策劃·《2025向新·AI未來》系列報道第八篇。

作為下一代人工智能算力基座的領航者，九維圖靈專注于超大規模集群架構安全和算力加速技術創新，致力于為客戶提供全棧智算解決方案，推動人工智能技術的健康發展。

九維圖靈的誕生源于對人工智能未來發展的深刻洞察。隨著全球數據量的爆發式增長和AI應用的日益普及，傳統的算力架構已經難以滿足市場的需求。九維圖靈的團隊憑借多年的技術積累和行業經驗，敏銳地捕捉到了這一市場空白，并迅速投入研發，致力于打造一個更高效、更安全、更智能的AI算力平臺。公司自主研發的SmartOS智算操作系統，突破了傳統云架構的限制，為AI應用的爆發式增長提供了強勁動力。該系統能夠有效應對億萬用戶和數據訪問時的高并發、高擴展性需求，幫助客戶在激烈的市場競爭中保持領先地位。

除了技術創新，九維圖靈在產品研發上也展現了極高的專業水準。公司推出的多款產品，如高性能計算集群、AI加速卡等，均采用了先進的設計理念和制造工藝，不僅在性能上達到了國際領先水平，更在安全性和可靠性上表現出色。這些產品廣泛應用于金融、醫療、教育、科研等多個領域，為客戶提供了強大的技術支持和解決方案。

九維圖靈的團隊是其核心競爭力之一。公司匯聚了一批來自全球頂尖高校和科研機構的專家，他們在人工智能、高性能計算、網絡安全等領域擁有深厚的專業背景和豐富的實踐經驗。正是這樣一支高素質的團隊，為九維圖靈的技術創新和產品研發提供了源源不斷的動力。

憑借其在技術創新和產品研發方面的出色表現，九維圖靈獲得了多項榮譽，包括清華校友三創大賽一帶一路五強獎、中國MBA創業大賽優勝獎、河北省先進計算大賽二等獎等。這些榮譽不僅是對九維圖靈技術實力的認可，更是對其未來發展的期許。九維圖靈正以堅定的步伐，在人工智能算力基礎設施的道路上穩步前行，致力于打造有溫度的AI產品，為全球人工智能產業的發展貢獻自己的力量。

以下為融中財經與九維圖創始人沈方藝對話實錄，以饗讀者：

融中財經：貴司所處AI產業鏈條哪些關鍵環節、市場格局如何，具備哪些技術/產品優勢等？

沈方藝：九維圖靈專注于AI產業鏈中應用層和平臺層的關鍵環節，其核心產品GoAgent是“智能體+平臺”創新模式的代表。當前，AI應用市場正處于爆發前夜，各類大模型和智能體技術層出不窮，但真正的挑戰在于如何將這些技術高效落地到具體行業和場景中，市場格局呈現“百花齊放，但缺乏真正殺手級應用”的特點。GoAgent的技術優勢主要體現在三個方面：一是突破傳統智能體單打獨斗模式，通過群體智能協作實現多智能體并行協作，大幅提升復雜任務處理能力；二是采用人智協同（Human-in-the-Loop）模式，強調AI與人的深度融合，保留人的決策權和創造力；三是提供從算力、模型到應用部署的全棧AIOS一體化解決方案，降低企業AI應用門檻。這些優勢得益于九維圖靈團隊在并行計算、算力調度等領域的深厚技術積累，為GoAgent的強大性能提供了堅實支撐。

融中財經：智能體在To B和To C市場的商業化模式差異有哪些？當前智能體技術的核心瓶頸是什么？多模態理解、長期記憶還是自主決策能力等？

沈方藝：商業化模式差異上，To C市場更注重個性化、娛樂化服務（如智能助手、虛擬陪伴等），商業模式以訂閱制、增值服務和內容付費為主；而To B市場則聚焦于提升企業效率、降低成本和業務賦能，主要采用訂閱服務與定制化解決方案。當前智能體技術的核心瓶頸在于"理解復雜世界的綜合能力"，具體表現在三個方面：首先需要突破多模態理解能力，使智能體能像人類一樣綜合處理文本、圖像、聲音、視頻等多維信息；其次要建立長期記憶系統，持續記錄用戶偏好和歷史交互以實現個性化服務；最關鍵的是發展自主決策能力，讓智能體在復雜環境中具備合理規劃、決策及試錯學習的能力。這些能力的突破將決定智能體技術能否真正實現規模化應用。

融中財經：當智能體整合外部信息或工具時，可能會偏離其預期目的。如何解決這個問題？

沈方藝：這是一個非常關鍵的問題！要解決智能體整合外部信息或工具時可能出現的“跑偏”問題，我們需要多管齊下。

首先要強化Prompt工程和約束，通過更精準的Prompt設計，明確智能體的目標和行為邊界，減少其自由發揮的空間.

其次，引入“守門員”機制，在智能體調用外部信息或工具后，增加一個審核環節，判斷其行為是否符合預期，如果不符合，及時進行干預和糾正。

之后要建立反饋循環，允許用戶對智能體的行為進行評價和反饋，智能體通過學習這些反饋不斷優化自身的行為模式.

最后提升智能體的“價值觀對齊”能力，這涉及到更深層次的模型訓練和調優，使其更好地理解人類的價值觀和倫理規范。

融中財經：大家都在擁抱開源生態，但企業生存又需構建差異化護城河。您認為貴司在哪些方面具備“做大做強”的優勢？開源后，如何解決數據共享與知識產權沖突？

沈方藝：GoAgent的核心競爭力在于其獨特的群體智能協作模式，這一創新技術使其在市場中脫穎而出。我們不僅擁有全棧技術實力，在算力、模型和應用層面都具備扎實積累，能夠為客戶提供一站式服務，更重要的是具備深厚的行業Know-How和場景落地能力，能夠深刻理解行業需求并提供真正解決客戶痛點的應用方案。在數據共享與知識產權保護方面，我們采用"開源+閉源"的混合模式：通過開源部分核心技術吸引開發者共建生態，同時保留關鍵商業化組件以保持差異化優勢。我們還建立了嚴格的數據治理規范，運用加密、脫敏等技術手段保障數據安全與用戶隱私，并積極申請專利和軟件著作權等知識產權保護，確保技術創新成果得到充分保護，持續保持行業領先地位。

融中財經：選擇做通用大模型還是應用模型？如何訓練專精模型？數據怎么搞、成本如何降？

沈方藝：關于這個問題，九維圖靈的思路其實很明確：我們選擇深耕應用模型，而不是去追逐通用大模型。通用大模型更多是在訓練端，是一個高度資本密集型和技術密集型的行業，需要大量的算力的投入。創業公司更加適合走行業應用創新，找準利基市場，精準把握用戶畫像和市場需求是我們的路線

具體到怎么訓練專精模型？

首先，數據是關鍵，我們會想方設法搞到高質量的行業數據，當然，脫敏是必須的，然后我們會用一些數據增強的手段來擴充數據規模；另外，我們還會幫助企業構建自己的私域知識庫，讓模型更好地理解企業的業務。

至于成本，我們也有一些‘省錢’的妙招，比如模型壓縮和蒸餾，就是把大模型‘瘦身’，減少計算資源的消耗；還有增量訓練和遷移學習，站在巨人的肩膀上，避免從零開始‘造輪子’；最后，我們還會對算力進行優化，用更高效的算法和硬件，提高算力利用率。

總之，我們相信，在應用層面做出創新，把AI真正地融入到各行各業，這才是更有價值的事情

融中財經：您認為未來3年，最具顛覆性的智能體應用場景是？

沈方藝：我認為這是一個沒有標準答案的問題，AI for Everything。就我個人而言，有幾個特別值得關注的賽道：首先是企業級工作流自動化，智能體將深度整合到OA、ERP、CRM等系統中，實現跨部門、跨業務流程的智能協同，大幅提升企業運營效率；其次是個性化知識服務領域，智能體將扮演"超級助理"角色，為用戶提供定制化的知識檢索、分析和推薦服務，比如在智能投研、法律顧問等專業場景的應用；最后是人機共創模式，智能體將與設計師、藝術家、程序員等創意工作者形成深度協作關系，在創作過程中相互激發，共同拓展人類創造力的邊界。這些賽道都展現了AI技術變革傳統工作方式的巨大潛力。

融中財經：智能體的“自主行為”如何界定責任？是否需要立法明確開發者、部署方、用戶的責任邊界？

沈方藝：隨著智能體自主性的不斷增強，其法律地位和社會責任已成為亟待解決的前沿議題。我認為當前亟需通過立法明確開發者、部署方和用戶三方的責任邊界：開發者應對智能體的設計、開發和訓練環節負責，確保符合法律法規和倫理規范；部署方需對智能體的部署、運行和維護負責，保障系統安全穩定運行；而用戶則需對其使用行為負責，不得利用智能體從事違法活動。在立法方向上，首先要明確智能體的法律定位——究竟是工具、代理人還是具有獨立人格的"電子人"；其次要建立涵蓋研發、測試、部署全流程的準入監管制度，確保技術安全可靠；同時需要制定數據使用、隱私保護和公平性等方面的倫理規范；最關鍵的是建立完善的責任追究機制，明確智能體造成損害時各方的責任承擔方式。這些立法舉措將為智能體技術的健康發展提供必要的法律保障。

融中財經：AI訓練需要消耗海量數據與算力。未來如何展開技術創新，打造聰明又能干的智能體？多模態能力和MoE如何更好服務客戶？

沈方藝：未來的token和算力的單價成本大概率會持續下降，這是技術發展的必然趨勢。用戶真正關心的，不僅僅是消耗成本，更是AI應用的實現效果和需求滿足度。

我們認為，未來5-10年，智能體將會對現有的SaaS場景進行全面的重塑，目前還有大量的細分場景的需求遠未被滿足，AI對人的能力的替代還遠遠不夠，市場的需求還有巨大的挖掘空間，市場潛力和規模可以說是看不到天花板。

因此，未來的技術創新將更加聚焦于以下幾個方面：

提升智能體的“深度理解”和“復雜任務處理”能力，這才是智能體真正發揮價值的關鍵。我們需要讓智能體不僅僅停留在“解決皮毛問題”的層面，而是能夠真正理解用戶的意圖，高效地完成復雜、專業的任務。

多模態能力，智能體需要具備處理和理解多種類型信息的能力，例如文本、圖像、語音、視頻等，才能更好地適應真實世界的復雜場景。這將極大地拓展智能體的應用范圍，例如，在電商領域，智能體可以根據用戶的瀏覽歷史、語音指令和上傳的圖片，提供更加精準的商品推薦和搭配建議。

MoE（Mixture of Experts），通過采用MoE架構，我們可以讓智能體具備更加專業化的能力。不同的“專家模型”負責不同的任務，智能體可以根據具體的任務需求，調用最合適的“專家”，從而實現更高的效率和準確率。例如，在金融領域，我們可以訓練專門負責風險評估、投資分析、客戶服務的“專家模型”，從而為客戶提供更加全面和專業的金融服務。

持續降低智能體的“使用門檻”，讓更多的用戶能夠輕松、便捷地使用智能體，也是非常重要的。這需要我們在交互方式、界面設計、應用開發等方面進行持續的創新。

總之，我們認為，未來的智能體技術創新，將更加注重于提升智能體的應用價值，滿足用戶更加復雜和專業的需求，從而真正開啟智能體時代的巨大市場潛力。