AI竞争进入深水区 产业应用与治理能力成关键
本报记者 刘钊
在博鳌亚洲论坛2026年年会期间，AI毫无疑问成为最受关注的议题。围绕人工智能展开的分论坛接连举行，讨论热度不断攀升。不同于前几年更多聚焦技术突破和模型升级，今年各界更关注的是，AI怎样真正深入产业一线，从“看起来很强”走向“实际用得好”，以及在提速应用的同时，如何守牢安全、责任与治理的底线。
2026年《政府工作报告》指出，要培育智能经济新形态，持续深化“人工智能+”，推动新一代智能终端和智能体加快普及，促进重点行业领域人工智能实现商业化、规模化应用，培育智能原生的新业态与新模式。顺着这一政策方向观察本届博鳌亚洲论坛上的讨论可以发现，AI正由技术比拼转入产业纵深推进，竞争焦点已不再只是模型与算力本身，而更多落在场景融合、组织重塑和治理体系同步完善上。
从技术竞逐走向场景落地
“AI发展到今天，产业界最在意的已不是有没有新的模型，而是能否创造切实价值。”国务院原副秘书长、国家数据专家咨询委员会主任、中国工业经济学会名誉会长江小涓表示，在人工智能和数字经济时代，产业和企业在创新体系中的作用明显增强，过去从科研发现到技术开发、再到产业转化的线性创新路径正在被重塑，产业部门不再只是成果转化的末端，还越来越多地参与前沿技术发现与研发过程。
中国工程院院士、清华大学讲席教授、清华大学智能产业研究院院长张亚勤则把当前AI发展总结为三大方向：从生成式AI迈向智能体AI，从信息智能延伸到物理智能和生物智能，从单项技术演进为“AI+”全面赋能各行各业。
这一观点在多场讨论中都得到了印证。参会企业界人士普遍认为，AI正逐渐突破辅助工具的角色，成为重构业务流程和产业逻辑的重要驱动力。罗兰贝格全球管委会联席总裁戴璞引用其团队对200家企业的调研结果表示，超过90%的企业对AI投资回报率并不满意，问题并非出在技术本身，而是许多企业依旧停留在零散试点、局部优化，甚至只是“加一个聊天机器人(14.880, -0.19, -1.26%)”的层面，并没有真正围绕AI重构流程、整合数据、调整组织架构。他认为，只有让AI嵌入企业全流程，并建立在专有数据和系统改造基础上的应用体系，AI投入才有机会跨越“价值鸿沟”。
当前，AI落地应用场景正在加快涌现。“目前教育领域长期存在的高质量、大规模、个性化难以同时实现的问题，正随着AI应用推进迎来突破。”猿力科技集团副总裁、人工智能研究院院长程群在接受《证券日报》记者采访时表示，端边云协同架构、智能终端迭代，以及通信、算力等底层能力的持续提升，都为AI规模化落地提供了支撑。
多位与会嘉宾判断，下一阶段AI竞争的重心将更多由模型参数和通用能力，转向行业认知、场景转化和商业闭环，谁能更快把AI嵌入真实生产与生活，谁就更有可能在新一轮产业变革中掌握先机。
应用与治理必须同步推进
AI越快进入真实世界，治理的重要性也就越加突出。受访人士普遍认为，AI能够提升效率、优化资源配置、增强服务可及性，但绝不能脱离责任边界和制度约束一路“狂奔”，应用推进与治理建设必须同步展开。
清华大学苏世民学院院长、清华大学人工智能国际治理研究院院长薛澜对《证券日报》记者表示，当前技术突破已明显走在应用和制度建设前面，这意味着产业界在推动AI落地时，既要看到其巨大潜力，也必须同步推进生态协同与规则建设。
在与会人士看来，医疗健康场景更集中地体现了AI治理问题。腾讯健康总裁、腾讯生命科学实验室负责人吴文达直言，高风险任务不能完全交由AI智能体承担，责任主体必须是人，不能因为“AI作出这样的判断”就转移责任。励讯集团企业事务总裁、爱思唯尔董事长池永硕也表示，健康体系高度复杂，AI应用在提升效率的同时也要警惕其“影子”，推动知识共享、循证决策和公平可及，但前提是将潜在不利影响控制在可管理范围内。在细胞出版社战略与创新副总裁、执行主编李统胤看来，医疗健康领域使用AI，不能只看输出是否“像样”，更要关注输入数据是否高质量、值得信赖，输出结果是否经过判断性思考和背景校验，因为一旦出现决策失误，其代价远高于一般消费场景。
张亚勤提出，AI生成内容需要加强标识，智能体应当能够追溯到责任主体，现有法律体系中相当一部分规则依然适用，但面对新技术形态，也要及时补足制度空白。在年会现场，有与会嘉宾向《证券日报》记者坦言，数据安全、算法偏见、模型透明度、能源消耗、国际协作等问题，都将成为影响AI长期健康发展的关键变量。换句话说，AI竞争不仅是技术和商业模式的竞争，也是治理能力、制度供给能力和生态协同能力的竞争。
当前，AI正加速告别“概念热”“展示热”，进入更加注重实效、更加重视责任的深水区。一方面，智能体、新型终端、行业大模型和AI原生应用持续涌现，推动“人工智能+”从点状探索迈向面状铺开；另一方面，围绕责任认定、数据治理、风险防控和规则建设的讨论也明显升温。对于产业而言，真正决定AI能走多远的，不仅是技术迭代的速度，更是落地的深度和治理的成熟度。只有在创新与规范之间找到更稳健的平衡，AI才能更好成为推动经济高质量发展的新动力。