随着AI技术从实验室走向产业化的战场，大模型的开源浪潮、低空经济的崛起、具身智能的落地以及智慧交通的成熟，正推动各领域加速变革。然而，技术如何跨越“能用”到“好用”的鸿沟，真正成为产业爆发的引擎，仍是当下亟待解答的核心问题。

2025年4月15日，首届酒仙桥论坛在北京举办。

在圆桌对话《从共性技术到产业爆发：AI如何构建新兴产业的增长逻辑？》中，千寻智能战略生态副总裁、董事、具身智能数据中心总经理孙荣毅，曜宇航空创始人杨立，中科视语联合创始人张腊，北电数智首席营销官杨震与甲子光年创始人、CEO张一甲围绕AI技术的突破、算力适配的挑战、新兴行业的痛点及生态构建的路径展开深入对话。

张一甲在发言中指出，AI技术正在从实验室加速走向产业化战场，推动各领域的变革与创新。她提到，大模型的开源浪潮、低空经济的崛起、具身智能的落地以及智慧交通的成熟，正成为技术与产业共振的重要体现。然而，技术如何从“能用”跨越到“好用”，真正成为产业爆发的引擎，仍是当前的核心命题。张一甲强调，AI与新兴产业的结合不仅是技术与应用的简单叠加，而是一个螺旋式迭代、生态协同的过程。她总结道，AI与产业的结合需要解决从数据孤岛到跨行业协作的“最后一公里”问题，最终通过生态的包罗万象推动技术与产业的深度融合。

甲子光年创始人、CEO张一甲

孙荣毅在发言中指出，具身智能作为新兴领域，其技术发展得益于大语言模型的兴起，其技术路线与大语言模型相似，包括预训练、模仿学习和强化学习。他强调，在工业场景中落地需要模型达到L2水平，千寻智能预计半年内将在国内新能源动力电池龙头企业的工厂实现落地应用，而商用和家用场景则需要模型达到L3、L4以上水平，预计还需两到三年。孙荣毅还提到，国产算力适配是当前面临的挑战之一，但通过与华为等企业的合作，千寻智能正在优化平台，以实现快速迭代和高质量数据采集，推动具身智能在特定场景中的应用落地。

千寻智能战略生态副总裁、董事、具身智能数据中心总经理孙荣毅

杨立在发言中提到，低空经济作为新兴产业，目前仍处于起步阶段，无人机注册数量与大模型用户规模相比差距较大，行业尚未达到质变阶段。他指出，低空经济的核心痛点在于算力和数据的限制，尤其是在非网络环境下的无人机操作中，如何实现自动驾驶、边缘计算与云计算的结合是关键挑战。他还提到，无人机行业需要通过精简问题、聚焦特定场景来突破技术瓶颈，同时在特殊场景中，无人机的高频使用为其技术发展提供了重要参考。杨立认为，未来低空经济的发展将依赖于无人驾驶技术的进步和数据链的有效衔接。

曜宇航空创始人杨立

张腊在发言中提到，中科视语作为中国科学院自动化研究所项目孵化的企业，依托大模型技术积累，构建了视语坤川通用视觉大模型和智能体应用平台，专注于智慧交通和智慧工业领域。她指出，2023年公司完成了MVP客户交付，2024年智能体解决方案已占公司营收的1/3，预计2025年将直面大模型应用落地的刚性需求。她还提到，智慧城市安全治理领域面临场景碎片化、事件定义困难和样本获取不足等痛点，同时在国产算力适配方面，中科视语通过流水线作业和推动国产化生态统一，应对芯片和框架多样性带来的适配挑战。

中科视语联合创始人张腊

杨震在发言中提到，北电数智通过“星火·智算”项目，致力于打造一个通用的AI底座，以满足不同行业对算力的需求。他强调，通过降低算力使用门槛、优化工具链和垂类模型，北电数智能够为个人开发者、中小微企业以及大厂提供全面支持。此外，他还提到，北电数智通过AI咨询和行业解决方案专家的配合，帮助企业在实际场景中落地AI技术，并通过样板间的方式带动行业发展。杨震认为，数据共享和跨行业协作是解决“最后一公里”问题的关键，北电数智通过构建共性技术平台，推动数据流通和生态协同，以促进AI技术在新兴产业中的加速发展。

北电数智首席营销官杨震

以下是本场圆桌的交流实录，「甲子光年」整理删改：

张一甲：过去一年，我们见证了AI从实验室一路狂奔到产业战场的加速度——DeepSeek拉开了大模型的开源浪潮，各个产业都在接入AI；此外，低空经济被写入政府工作报告、具身智能从科幻走进现实、智慧交通和智能制造也越发成熟。但热闹背后，一个核心命题始终未变：技术如何跨越从“能用”到“好用”的鸿沟，真正成为产业爆发的引擎？

今天，我们非常荣幸邀请到来自AI基础设施、低空经济、具身智能、智慧交通等领域的实战派嘉宾，他们将用一线攻坚的经验，拆解AI与产业共振的逻辑。

首先请依次进行自我介绍，简要介绍所在公司和核心业务。

孙荣毅 ：大家好，我叫孙荣毅，是千寻智能董事和具身智能数据中心的总经理，我们千寻智能是国内具备AI+机器人全栈能力的具身智能公司。我们从去年2月份工商注册到现在已经完成四轮融资，最近刚完成了PreA轮融资，获得了5.28亿的融资额，领投方为阿美风险投资旗下的P7，还吸引到招商局创投和广发信德等资本方参与。千寻智能也是唯一获得顺为、宁德时代和华为三个顶级投资机构所投的具身智能公司。我们的愿景是在未来十年让全球10%的人拥有属于自己的机器人。

杨立：我是曜宇航空的创始人杨立，我们公司是国内比较早在无人机低空经济全产业链研发的公司，我们专注于每款产品、每个级别产品只做一款，这一款产品是这个类别产品性能的极致，无论性能、可靠性、智能化，所以我们是低空经济产业链当中设备上比较专注于高性能高可靠性的设备商。

张腊：大家好，我是来自中科视语的联合创始人张腊，中科视语是中国科学院自动化研究所项目孵化的企业，现在也是国家级“专精特新小巨人”，我们在大模型时代里面也是积累了很多年的行业经验，依托于这样的行业经验，研发了视语坤川通用视觉大模型，也在此基础上构建了智能体应用平台，我们主要是面向智慧交通和智慧工业，致力于用前沿大模型技术驱动产业的数智化变革。

杨震：大家好，我是杨震，北电数智的首席营销官，也欢迎大家来到第一次的酒仙桥论坛。

无论这个论坛还是北电数智，其实我们使命愿景在建设数字中国向下希望加速人工智能在中国的落地，在千行百业落地。从另外一个角度来说，我们希望扮演人工智能产业链的赋能者和加速器的角色。 

张一甲：我们首先聊一个共性话题，今年开春相信大家都会非常忙碌，第一季度我们都看到了一系列中国科技的跨越式进展，包括deepseek的爆火驱动了大家纷纷把自己的模型开源出来，也涌现现象级的产品Manus，还有写入中国政府工作报告的具身智能等等。从各位的视角看，为什么中国的AI技术爆发会在这样一个时点集中出现？整个AI产业链是否到了一个“量变引发质变”的拐点？

孙荣毅 ：具身智能相比于大语言模型而言，它是动作小模型，它的参数量比大语言模型小很多。但是它的技术栈和技术路线其实与大语言模型是相似的，或者是同根同源。我们先通过预训练来提高模型泛化能力，通过模仿学习进行微调提高作业成功率，最后通过强化学习提高模型鲁棒性，具身智能的兴起得益于大语言模型兴起，具身智能从业者吃到了大语言模型的红利。

是否到了量变到质变的过程，其实这个也是目前行业里面大家都在讨论的问题，具身智能的智能化水平怎么去分级，哪个级别是能够达到一个可用的状态，这个问题包括政府也在思考，前段时间相关龙头企业进行了一次研讨，尝试着推出行业里关于具身智能的智能化分级。站在我们千寻智能的角度，我们实际上对标自动驾驶L0-L5之间的一个关系，给出了我们千寻的答案。

L0是不具备智能化，L1特定场景若干简单任务，L2是特定场景若干场景复杂任务，如果针对工业场景来说，L2是具备落地应用的可行性，因为工业场景相对家用商用下限非常之高，它的场景相对固定，作业内容相对单一，其实L2水平是具备量变到质变的一个拐点，具备落地能力。但是如果说是到达商用和家用，可能需要L3到L4，L3是特定环境下特定岗位全部任务，L4是特定环境全部岗位任务。

所以，什么时候量变到质变，我觉得如果在工业场景下限比较高的情况下，我觉得L2水平就达到了。现在我们千寻的水平大概L1.5水平，估计再有半年时间我们的机器人会在我们的产投方宁德时代的工厂里面真正干活了。如果进入到商用和场景，我们觉得大概在L3以上，可能还需要大概两到三年时间。这个如果对照大模型角度来说，真正chatGPT能够为大家所接受，其实GPT3.5左右，大家才觉得ok，这个是特别好用的。在之前chatGPT1或2的时候，还不具备可用条件。我觉得具身动作小模型量变到质变的拐点，根据工业商用场景应用不同会不一样。

张一甲：非常详细的回答。 我们听一下杨立总的回答。

杨立：我们行业其实在这个问题上，有一个很明确的答案，没有。

我给一个数据，奥特曼刚说他们的用户达到8亿，我想在国内各个大模型已经有几个亿的用户量，而低空经济无人机去年截止到6月份民航网站上注册的数量大概180万，我们连人家零头都没有，所以我们连量变都没有，现在还谈不到质变。

但是在某些特殊场景，如战争，一天可能要使用无人机上万架。 

总得来说我们还没有到质变的过程，可是因为我们现在谈到的人工智能已经不再是AI统称，我们叫AIS，AIS是各个人工智能加在一起的统称，所以无人机由于特殊性，我们绝大部分场景其实都是在没有网络的环境下进行的，所以我们在边缘计算、无人驾驶等等相关领域反而走得相对比较靠前的，我们会在这个方向进行突破。

张腊：我觉得从大环境来说，无论是大模型技术的快速发展，还有算力产业的全面覆盖，再加上客户需求疯狂的反哺，我觉得技术爆发式的增长肯定形成了。

对于行业来说，以我们经验举例，我们2023年就构建了以智能体为基础的应用交付，并在2023年同年完成MVP客户交付，在2024年以智能体为支撑解决方案的交付大概占据了我们整个公司营收1/3的份额，根据我们自己的经验判断，我们认为，在今年技术发展最终还是回归到技术应用落点上来看，我们今年需要直面客户对于大模型应用一线落地转换的刚性需求，而且它会变得更严格，这时候我们应该去迎接或者有必要迎接从量变到质变拐点的出现。

杨震：我蛮同意张总的观点，我觉得deepseek首先是一个代表，刚才提到一个数据，deepseek日活5000万，相当于70%GPT，所以从这个数据上已经无限接近了。再考虑到deepseek很多的受众都在国内，反映普及率的问题，所以deepseek某种层面是Mindsight级别的大模型，改变了大家对人工智能的看法尤其国内。

第二点，上一场圆桌几位嘉宾已经在探讨同样的事情了，无论我们现在潜移默化已经在使用大模型帮我们做路书，帮我们订机票，再比如制造出医生和律师来，已经在决策层面到了一个临界点。其实我们如果看GPT通用技术的发展，当大模型已经进入到决策无处不在的时候，所谓具身智能、无人机、无人驾驶等等这些都是属于行动无处不在的，有的时候需要你的决策，通过这种机械肢体等把这个行动带到物理世界当中来。由于刚才提到deepseek带来这波决策无处不在的临界点，下一步必然是行动无处不在新的范式出现。

张一甲：我觉得可能大家赛道不同，所感受到的节奏感和面前挑战也不一样，因为我们很多大模型还是在一个数字环境里、虚拟环境里，我们让它上天、入海、走路、干活这个过程其实要跨越全新的物理AI。

所以这个过程可能是AI虽然迎来很重要的拐点，但前面可以期待的好戏还有很多。

下一个问题我想问下杨震总，在现在的AI智能化时代，AI底座的价值是不可或缺的。可以说未来所有新兴产业都需要建立在AI底座之上。作为北电数智以“AI工厂”理念打造的首个“星火·智算”标杆项目——北京数字经济算力中心可以说是专为人工智能时代而生。但低空经济、具身智能等不同领域对算力的需求差异极大。能否具体举例，在北电数智的规划中，“星火·智算”的AI底座如何实现算力供给与产业需求的高效匹配？

杨震：我觉得需要分几个层面来回答，第一个层面，在底座层面我们在芯片层、模型层、数据服务层以及工具链，甚至垂类模型层面，我们尽量把使用门槛降低，把效率提升，而且我们满足各层无论个人开发者、开发者团体还是中小微公司，甚至互联网大厂的全面需求基础。我们先把基础能力夯实，这是第一步。第二步就会涉及到怎么用起来，我们在前一场圆桌里，我蛮同意吕教授提的一点，他讲了一个未来要有新职业就是咨询，非常多的企业，他们目前来说还在思考，或者不知道如何用AI。

把AI用起来，非常非常关键，如何和产业需求相结合，以我们实践经验来说，因为刚才提到星火，星火既是底座也是模式，我们现在在佛山落的星火底座，以我们自己的AI咨询专家，我们自己的行业解决方案专家以及产业专家，配合了我们生态伙伴一起走入佛山当地的一些头部企业，和他们的CEO和董事长谈他们遇到的问题，去思考人工智能怎么能够帮到他们，而且也初步形成了一些方案，这些方案就能成为该行业的样板间，有带动的作用，既然是新东西，先行先试是对的，而且越用越好，我们是从两端来解决问题的。总结来说我们把基础能力做扎实，把整个使用成本、使用难度降下去。从另外一个角度来说，我们要在各行各业去构筑一些样板间，用咨询和生态的方式，把两端进行有效的连接，这是我们在做的事情。

张一甲：我们今天其实有两个关键概念，一个叫AI，一个叫新型产业，我们也很关注当AI和新型产业产生交集的时候会有什么样的化学反应，各位嘉宾所在的低空经济、具身智能、自动驾驶等等都已经成为我国未来新质生产力发展的重要新兴行业，AI也正在加速赋能这些新兴行业发展。所以在各位看来，新兴行业有哪些痛点是需要借助AI技术来实现突破（例如开发成本高、场景碎片化等）？

孙荣毅 ：我结合我们的实际情况来说一下，我们的产投方是宁德时代，它是做新能源动力电池的，其实新能源也是一个新兴产业，我们现在在给他赋能，它现在面临的痛点是什么呢？就是在智能制造的多品种、小批量、高柔性的这种生产组织模式下，机器人在切拉换形的时候调试时间非常之长，赶不上换产的时间，导致大量的人工继续做换产的工作，所以急需要通过具身智能泛化能力解决多品种、小批量、高柔性、切拉换形中的痛点，这也是我们的切入点。

在工业场景里，我们瞄准的锚点也是这点，现在大家可以经常看具身智能赛道有好多机器人已经号称进工厂开始干活，但是干的是什么活？干得都是单一品种大批量重复性的工作，其实这个并不是具身智能机器人和人形机器人的落脚点，这些工作用传统机器人（无论是大负载工业机器人，协作机器人、复合机器人）都完全可以胜任，没有必要用一个走起路颤颤微微的双足机器人去做，这完全为了学马斯克，但是人家有自己的工厂，可以讲自己的故事，但是国内好多企业就学，我觉得这并没有到真正痛点上。

张一甲：非常精准到位的回答。有请杨立总。

杨立：我们刚才一直结合低空经济，以前叫无人机，现在叫低空经济的特点，现在我们所谈的人工智能，不再是以前我们说的是视觉等等这样的人工智能。那么我们从AIS这个角度来讲，它有一些特点，从概念来讲不是一个万能的中枢，它是由某些ABCD各个能力集合的，相当于说我要选择ABC哪些能力对我的行业。比如说你比我聪明，这不是人工智能的概念，这不是精准的。而是说你在智力、语言表达能力等等这方面比我强，但是你在长远记忆能力不如我，比如说你就不记得咱们上学时一起打羽毛球。

所以，人工智能会遇到无数复杂的问题，所以在我们低空经济领域里面，实际上就只有四大场景，一个是自动化、非自动化。一个用手还是不用手，这样就有四个象限，而我们在四个象限当中面对问题不一样。我们把它总结起来，第一我们特别需要在自动驾驶，特别是非自动化的自动驾驶当中有很多长足的进步，这是蛮困难的。我们训练大模型的不断蒸馏，不断的用数据，而这个成本可能是芯片成本，而在我们还有物理成本，因为我们每次的训练，可能都会摔无人机，而且这只是单一的训练，所以这种训练在我们来说成本非常高的，举个例子，可能在这里面我要用一百公里/时的速度，快速在这里面飞行躲过所有的椅子、柱子，而能够实现这个能力的飞手可能全球没有几个，所以对于我们来说数据非常有限，我们面对的问题就是如何解决自动驾驶的问题，同时而因为我们90%的运作环境，都是非网络环境，我们没有网络。

一个手机飞行模式你要它做整个大数据、整个生成式完全不可能，我们如何在数据链有更好地衔接，如何从我们边缘计算云计算这样的结合，如何解决这是我们要面对的问题。

张腊：在这一点上，我想分享一下智慧城市安全治理方面我们自己的产业经验，在智慧城市方向上，场景非常碎片化，而且各个场景各异，比如说拍摄图片可能是车载、无人机、卡口相机，然后可以是手机拍摄的图片，单按照采集方式就已经场景各异了，再比如说我们现在有一些安全事件的发现，安全事件的定义各不相同，比如说想要发现隐患事件，举个例子比如说独行的小孩，看起来好像没有什么问题，但实际上是很多危险事件发生的前期前兆。

再举个例子，交通事件方面，我们以抛洒物为例子，抛洒物的形状、大小都难以定义，而且样本获取非常难。所以我们在智慧城市安全治理场景下，怎么样去解决这种碎片化的场景需求，以及事件难以定义包括样本量非常难以获取这样的问题，是现在我们这个行业上对于大小模型，AI相关技术的痛点问题。

张一甲：从三位行业里面嘉宾发言可以看到，每个领域的问题像拨洋葱一样，拨开了一层下面还有很多需要解决的问题，有的还要分而知之，这其实做平台的企业，提出更难的要求，所以下一个问题还是问北电数智。

“新兴产业加速平台”通过构建“AI进入物理世界”的共性技术平台，提供通用开发组件、物理直觉模型、虚拟仿真环境、训练数据工具等服务，助力AI原生业务加速提效。该平台面向具身智能、低空经济、无人驾驶等新兴产业的创新技术孵化和应用落地需求。能否举例说明“AI进入物理世界”的理念，如何支撑北电数智弥补新兴行业的技术短板？

杨震：其实我相信刚才三位的回答中，已经蕴含我要说的答案，不是每家具身智能企业都像孙总一样，说找到确定性的场景，我们可以把我们的泛化技能针对确定性场景应用的落地。杨总也提到哪怕在我们现在狭小环境当中，全世界可能有10亿以下的飞手能做到规避所有障碍物进行有效飞行。

刚才提到决策无处不在，大模型依然在继续增长，我们进入到行动无处不在可能的环节的时候，反而会回到我们依然积累一个量变到最后的质变，这也是北电数智搭建共性技术平台的原因。

因为毕竟每家企业的精力只够把一两个事情做的很精，我们可以有一个小切口，但是平台搭起来的时候，我们可以让场景方在平台发布他们的特有场景。

孙总顾不过来的场景，但是依然可以提供你的本体小脑，让非常多的开发者团队在平台上利用场景，利用您的小脑本体去做他们的定开，让您的具身智能有更多落地的可能性。

当这些技能逐步积累到一定程度的时候，才能够变成一个真真正正AI进入物理世界的案例。我们搭的平台就是给到场景方，一个平台让大家把场景拿出来说究竟以现有技术、现有定开的能力是不是能满足。也让我们的本体方、小脑方、无人机方也拿出自己的现有能力，是不是做初步判断是不是可以对接你，给到更多开发者团体、个人一个机会发挥自己的优势，把场景攻克。

北电数智一直秉承一个生态理念，尤其新兴产业我们想把它发展起来，肯定需要大家共同成长，我们先把产业链串起来做完整，产业链每个人有自己清晰的角色，每个人互相推动共同成长，这个产业才逐渐发展起来。而且当下很难出现杀手级应用，因为现在任何人买个机器人回去，可能都是当一个摆设、娱乐，不可能真正用它清扫房子，具身智能、AI进入物理世界它的切口还是在TOB场景为主。

比如说无人支架，目前来说没有针对乘用车做广泛地范式训练，比如说我们多试联运等等这些特殊的场景，找到小切口，但是是非常关键的切口，也是极大能够发挥我们具身智能优势切口，因为多试联运像孙总提到他不是rules based control能解决的问题，它一定是learning based的，一定要对多变的环境有感知决策，我们锁定这样特殊场景找到行业切口，给到我们具身智能一个落地的样板间，让进一步推动整个产业的繁荣发展。

张一甲：非常精彩。生态的逻辑用我们自己甲子光年一句话说，这个生态一定要足够包罗万象，才能够满足各个场景的奇形怪状。我觉得可能AI和新行业的结合，更是需要这样的包罗万象和奇形怪状的生态。

在国产算力赋能新兴产业的过程中，各位嘉宾所在的行业是否遇到芯片性能不足、框架适配难等问题？这种国产算力适配的挑战如何转化为竞争优势？

孙荣毅 ：目前我们正在面临这个问题，随着特朗普增加关税之后，英伟达的卡非常贵，我们现在和华为合作，华为也是我们产投方。我们更关注自己的迭代能力，其实具身智能不是大鱼吃小鱼，而是快鱼吃慢鱼。迭代能力来自于哪，我觉得是来自于飞轮和平台。首先是高质量数据到高质量模型形成闭环的飞轮，一个是冷启动的飞轮，一个真实场景数据喂养模型的飞轮，我们在冷启动飞轮上面通过我们自建数据工厂，自己采集数据，先让模型具备初步能力，然后到真实场景产生真实数据进一步促进模型发展，但是一切都是基于刚才杨总所提到平台，如果没有好的平台，我们飞轮转不起来的。

目前我们自己飞轮到模型迭代周期天级别迭代，这个过程中我们大部分精力放在如何优化平台，能够让我们快速获取高质量数据，并且让高质量数据快速地训练模型，这个其实也是刚才和杨总提到的如出一辙。

杨立：我们可能是遇到这个问题最严重的行业，对各位公司来说，东西多一公斤不算什么事，对于我们无人机行业东西多一公斤，就飞不动了。所以对于我们来说，大家可以靠堆算力、硬件逐渐的解决问题，而我们堆不动，我们要把飞机做的很大才可以，而飞机做的很大往往不能够满足场景需求，所以我们目前在面对这个问题上，只能把所有的问题精简到最细化，我只解决一个问题，如果解决一个问题，我应该怎么做？所以目前我们只能这样，剩下情况我们只能等。

张腊：对于我们来说的话，智慧交通其实国产适配我们很早就启动了，也是最早启动国产化适配的厂商之一，也算是陪伴了国产算力伙伴的成长。我觉得现在最大问题是目前国内国产化芯片，框架各不相同，这对我们形成挺大的困扰，因为每适配一家芯片对我们来说都要投入一批工作量，对于芯片所发布出来的算力，其实我们并不是担心算力大小，到底有多小、多大。我们比较担心是怎么能够让我们自己的解决方案，自研的大模型框架能够真实发挥出来芯片原本报出来的性能，因为我们有很多自己为了行业去改造的一些算子或者是底层的架构逻辑，这种情况下往往需要我们国产化生态伙伴深入到一线和我们进行共同研发。

针对这些问题我们目前解决方案，一个是通过应用反哺我们算力生态发展，另外一个是我们形成了自己的国产适配流水线作业，来了一个芯片我们开始评估，然后看看框架，看芯片算力，再到我们给出一个工作量我们评估周期有多久，再到最后实际上线。我们维护了一个已经适配的芯片库，这样才能给到我们自己的客户相对合适的国产化适配方案。在国产化算力适配的必然路上，我们还是希望能够有一些标准，或者我们拿应用角度去推动我们整个国内芯片快速统一发展，真正实现共赢。

杨震：首先从国产算力需求来说，北电数智一直在做这个事情，打造通用性共性国产芯片软件生态。我们做全面60个算子，现在也在针对一些关键领域垂类模型在继续补齐算子，然后我们做了统一的通信库，涉及到卡间互联和算力节点间互联灵活调度，我觉得我们可以线下多讨论，我们有非常多的接近生产环境集群化的测试，给到非常多的指引。

另外两位说的还是基建的问题，车还好，个大，自身可以承载算力，电也足够多，但是具身智能来说Real2SIM2Real这个路线出来以后，突然发现自己是算力消耗大户，无人机刚才提到所有能源要用在非续航上而不是算力。所以，基础设施多样化，如何实现云边端的协同，大模型的协同，这个是我们布局的事情，北电数智之前也有针对边缘，不同形态的边缘以及这种云端的相应布局，在配合我们对国产算力整体的适配加速，我们也希望有效支撑具身智能不同领域面对这些共性的问题。

当然我们和非常多的地方政府，做相应的研究，针对不同特定领域，做相应的特定领域训练场，毕竟一旦训练出来，把最基础的泛化原则找到以后，有时候就是大力出奇迹了，就可以应对复杂的环境。

最终进入家庭的时候还会存在非常多的变量，以及对人类的影响的问题，因为人形机器人真正使用环境就应该在家庭里面，广泛的环境里面，轮式、各种形态机器人，我们不一定非常固定在具身智能人形机器人。所以，饭要一口口吃，路要一步一步走，我们做好的事情就是针对大家的需求，一步一步地把每一阶段大家需要的平台，搭出来，大家共同发展。

张一甲：非常感谢。最后一个问题，各位可以想想，要想真正让AI助力新兴产业加速，当前最需突破的“最后一公里”是什么？数据孤岛、算力成本，还是跨行业协作机制？每人用一句总结一下。

孙荣毅 ：数据采集装备和数据孤岛。

杨立：跨行业协作。

张腊：数据壁垒，高质量数据壁垒。

杨震：我同意数据最重要，但是数据不打通不能跨行业也是有很大问题。

这就是我们持续做平台的原因，我们也非常鼓励所有在我们平台上做了开发采集的伙伴把数据留下来，哪怕我们给到它一定的价值补偿，能够让我们行业大家不需要重复造轮子，这是我们搭平台主要目的。

张一甲：我觉得今天这场圆桌不知道大家感觉如何，我个人收获非常大，我觉得相比往年谈论概念的时候，更多是畅想科幻一般的远景，但是今天大家的问题很具体，颗粒度很细，这就说明我们这个产业已经开始真正进入轨道了，我觉得在人工智能和新兴产业这两个概念发生化学反应的时候，很难用加法乘法形容得了，这个过程当中每一步都会涉及先有鸡还是先有蛋的问题，所有问题要重新理清，所有答案要不断地来回迭代，大家在螺旋式的互帮互助当中，一起形成生态。

我觉得北电数智做这样的平台特别的好，当然我们甲子光年作为第三方服务机构也是见证每个嘉宾的精彩，我觉得今天的圆桌我很有收获，感谢大家的时间，也感谢各位观众。

（文中图片来自酒仙桥论坛）