□ 本报记者 付玉婷
　　人工智能已进入“场景决胜”的关键节点。10月15日，2026人工智能产业大会开幕式现场，诺奖得主、两院院士以及人工智能产业链上下游的行业领军者坐在一张“圆桌”旁开展对话。有人从基础科学底层逻辑拆解瓶颈，有人以产业一线的实践经验回应焦虑。这些观点相互碰撞，但都指向一个共识——人工智能的下一程，需要更“清醒”的头脑。
保持对“复杂”的敬畏
　　一句话生成代码、一个指令完成设计、一次提问就能获取以前翻遍资料才能找到的答案——人工智能似乎让一切变简单了。但越是这个时候，越要保持对“复杂”的敬畏，保持对原始创新的执着。
　　“现代工业发展不断逼近复杂性边界，原本一些可以忽略的因素逐渐成为决定系统性能的关键。”中国科学院院士郑志明提到，更可靠、更高精度的现代工业意味着各项指标提升，体系耦合性增强，尤其是在特色冶金、材料化工、生物工程等门类，人工智能能以其“在有限组合里进行优化的能力”，更好地支撑工业发展；但与此同时，工业发展仍然存在着连续演化、状态辨识、动态调控等问题。
　　“在停止模仿鸟类扑翼、发明了固定翼后，人类才得以飞上天空。”诺贝尔奖得主、中国科学院外籍院士乔治·帕里西从物理学的角度分享了他对人工智能的看法：人工智能正加速从数字世界走向物理世界，但通向物理世界的道路，可能不是越来越大的模型，而是要发现新的架构。
　　一个常见的情况是，语言模型在任何情况下都“强行”回答，“一个不会说不知道的系统，难以被信任；如何植入这种能力是当前一大难题。”乔治·帕里西表示，人工智能产业的发展需要进一步强化基础研究、公共研究，让其切实拥有应对不同情景的能力。
AI落地，最考验需求判断力
　　人工智能落地产业，最考验的不是技术能力，而是需求判断力。方向对了，技术才有价值，问题本身有“问题”，再强的模型也只能空转。
　　卡奥斯物联科技股份有限公司董事长陈录城提到，AI在制造业落地，是一个把行业知识经验显性化、创造真价值的过程，但凡不能创造真实价值的，那就是“伪需求”。
　　“一些企业开发的聊天机器人，为了对话而对话，业务动作却仍需要回到原有系统，难以实现闭环，这也属于比较典型的伪需求。”中国数联物流信息有限公司副总经理韩敬华表示，真实的人工智能需求具有约束清晰、结果可量化、收益能进报表等特征，这同时也意味着，人工智能时代，对企业领导者的目标设定、责任承担以及跨边界整合等能力提出了更高要求。
对共性问题要有个性解法
　　2026人工智能产业十大关键词在会上发布，其中一个关键词是具身智能实景实训。如今，具身智能产业仍在复杂作业任务、高价值垂直场景、规模化产品交付等方面存在短板。对于这些发展中的共性难题，各地需要探索个性解法。
　　今年4月，济南获批制造领域工业软件方向国家人工智能应用中试基地，浪潮云洲承建运营。“山东41个工业大类全部覆盖，海量真实工厂、真实产线场景，这是‘人工智能+工业软件’最稀缺的资源。”浪潮云洲副总经理、首席技术官商广勇表示，基于这些优势和基础，基地正着力解决技术升级、软件易用性不足、工业场景理解能力弱等关键共性问题，打造“人工智能+工业软件”能力支撑平台，形成可复制、可推广的工业软件智能化中试模式。
　　就在开幕式举办的前一天，山东发布“垂域智能齐鲁七星”，七个大模型不拼参数规模，不卷通用能力，而是扎进化工、矿山、港口、冶金等产线深处。“发展人工智能，需要在行业大趋势上融合好地方优势，结合禀赋做最擅长的事情。”中国信息通信研究院人工智能研究所所长魏凯认为，这是很好的人工智能与实体经济结合路子。