产业AI专家委员会成立：万联易达如何实现产研双向赋能
当AI技术从实验室步入产业应用的核心战场，一个关键命题亟待解答：研发与产业两端如何实现深度协同，方能构建从技术到商业的完整价值闭环？
产业级大模型面临哪些必须攻克的技术高地？前沿的AI应用又该如何穿透冗长复杂的产业链，真正嵌入企业的核心决策流程？
答案或许隐藏在一场以“落地”为核心的研讨会中。近日，万联易达在京举办了“AI+产业发展”专题研讨会，主题聚焦“以应用破局·以生态聚力”。会上，一个关键组织——全国首个“产业人工智能研究与应用专家委员会”正式揭牌成立。
该专家委员会阵容强大，由清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松担任首席顾问，汇聚了哈尔滨工业大学刘铭教授、中国科学院大学徐俊刚教授、北京理工大学张磊教授、东北大学刘正皓副教授等多位人工智能领域的权威学者。他们的核心使命，是为万联易达正在构建的全产业AI大模型“万联摩尔”提供智力支持，加速其研发与应用进程。
值得注意的是，此次研讨会的基调极为务实。它超越了单纯的技术展示，直指当前“产研断链”的核心痛点，旨在以“万联摩尔”为枢纽，构建“AI+数据+场景”的稳固三角，从而推动产业智能化进入新阶段。
破解产研断链：顶尖智囊团的战略集结
在国家层面将人工智能定位为支撑现代化产业体系的关键基础设施背景下，政策东风已然就位。然而，理想蓝图与落地现实之间仍存在差距。孙茂松教授在主旨演讲中精准指出了这一矛盾：“AI研究已迈入‘世界模型’阶段，但场景应用的落地仍处于关键的‘涌现窗口期’。”
清华大学人工智能研究院常务副院长、欧洲科学院外籍院士 孙茂松
他强调，当前正是技术原型与商业应用双向赋能的关键窗口。一方面，文本、代码类模型的规模效应曲线趋于平缓，智能“涌现”可能随时发生；另一方面，专用模型在训练范式、结构化推理等核心技术领域持续突破。这表明，AI产业落地的内外条件正在加速成熟。
那么，产业究竟需要怎样的AI？万联易达集团副总裁杜新凯给出了明确界定：真正的产业级AI，既非仅能对话的通用大模型，也非局限于单一行业的垂直模型。面向全产业的“万联摩尔”，必须深入理解千行百业的运行逻辑，吃透政策法规与工艺流程，最终深度融入企业的经营决策闭环。实现这一目标，关键在于打通从技术优势到产业竞争力的转化路径。
万联易达集团副总裁杜新凯向孙茂松教授颁发首席顾问聘书
为此，万联易达成立产业人工智能专家委员会，意图清晰：汇聚顶尖学术智慧，打造高水平的产业AI智囊团，为“万联摩尔”开辟能力跃升的快速通道，助力其穿透复杂场景，嵌入产业决策的核心闭环。
应用落地两大关键：全局视野与深度认知
愿景宏大，但落地之路布满挑战。孙茂松教授指出，当前许多AI应用普遍面临两大共性难题：一是“全局观”缺失，导致产业数据召回率低，关键信息损耗严重；二是“深刻性”不足，对行业复杂问题的理解与解决能力有限，缺乏应对非常规情况的深度策略。
如何为AI注入产业“真知”？刘铭教授提出了系统性思路：在通用大模型“能言”的基础上，构建行业专家“深知”的体系。其核心在于构建“产业本体图谱”——这构成了知识图谱的骨架与逻辑核心。通过与“万联摩尔”结合，自动抽取、梳理产业知识并形成结构化体系，能为产业AI提供更可靠、可推理的认知基础，从而显著提升其决策的可靠性。
哈尔滨工业大学计算学部教授 刘铭
针对数据利用与模型“幻觉”问题，刘正皓副教授介绍了前沿的技术组合策略：通过模型自主去噪、结构调优以及剪枝抑制幻觉参数等一系列手段，实现对外部知识的高效、精准利用。
东北大学计算机科学与工程学院副教授 刘正皓
从实践视角，杜新凯分享了“万联摩尔”的进展与挑战。通过对海量产业数据的清洗与训练，目前模型对产业问题的回答准确率已超过90%。然而，在开放场景下，如何实现数据的自动结构化、将非标准的行业经验形式化沉淀，以及推动核心知识图谱向2.0阶段进阶，仍是当前面临的三大研发难点。
破解产业场景碎片化困局
当前，AI落地产业的主要障碍，往往并非技术高度，而是场景的广度与复杂度。产业场景高度碎片化，千行百业需求迥异，甚至一厂一策。
张磊教授指出，这本质上考验的是大模型的场景适应与任务拆解能力。目前主流的应对路径有两条：一是基于少量样本对模型进行快速微调；二是以解决问题为导向，对复杂任务进行逻辑拆解。例如，针对工业瑕疵检测，可以通过图像增强等技术预处理非标准图片，再交由大模型识别，从而化解场景差异带来的挑战。
北京理工大学计算机学院教授 张磊
万联摩尔事业部总监吴春梅以钢铁行业为例，说明了传统“一场景一模型”模式的局限性。从安全监控到瑕疵检测，场景繁多且需求各异。
她透露，“万联摩尔”正尝试通过全面渗透研发、生产、供应链、物流等全产业链环节，初步构建面向全产业的智能体（Agentic AI）生态雏形。其思路是以全产业覆盖和全场景赋能，来破解场景割裂的难题。未来，计划为企业提供一站式的“智慧虚拟员工”解决方案，以处理复杂的终端任务。
这套方法的本质，是将开放的产业问题智能拆解为标准化的可执行子任务，实现从“解答问题”到“解决问题”的跨越。通过任务编排与工具协同，将大模型的通用认知能力，高效适配到无数具体而微的场景中，从而攻克“应用泛化”的挑战。
对于这条路径，孙茂松教授用“致广大而尽精微”来概括。他认为，打造开放性的产业AI，需要研发团队秉持务实精神不断超越。整合性的全产业大模型挑战巨大，但通过构建更“广”的全产业知识生态，为场景调用更“精”的全链路解决方案，或将成为在“AI+产业”竞赛中确立优势的关键。
迈向“主动智能体”新阶段
技术向上攀登，应用向下扎根。随着模型智能密度的提升，如何充分开发数据潜能，让AI技术深植产业场景并释放生态价值，已成为全行业的共同课题。
孙茂松教授判断，未来的竞争焦点在于谁能率先跑通可复制、可盈利、可持续的产业AI范式。中国在开源基础模型领域已奠定坚实基础，企业若能针对真实场景持续深耕、深化应用，完全有能力实现规模化落地，乃至达到世界领先水平。
徐俊刚教授也持乐观态度，他认为像“万联摩尔”这类全产业大模型市场前景广阔，因为企业用户迫切需要能一站式解决各类问题的统一AI入口。
中国科学院大学计算机科学与技术学院教授 徐俊刚
杜新凯阐述了万联易达打造产业AI超级载体的底气，源于其在数据、场景、技术三大要素上的扎实布局：深厚的产业基因、百亿量级的结构化可信数据、遍布全国的区域网络以及融通贸易、物流、金融的全链条服务能力，这些都为构建全产业智能体应用市场奠定了坚实基础。
“过去的AI多是反应式的智能体，而今年将是主动智能体之年。”杜新凯总结道，“AI+”并非技术的独奏，而是产业与技术的深度融合。只有当技术精准找到场景的落点，产业需求持续驱动技术迭代，真正的价值创造循环才会全面启动。