冯俊兰博士分享了全球人工智能领域的前沿动态，指出了八个重要趋势性变化，并从四个方面深度剖析了做好“AI+产业（X）=Y”的挑战和建议。

一是AI芯片研制与量产加速。以往英伟达芯片几年迭代一次，但2025年已完成从B200到GB300、B300的迭代，华为近期也披露了AI芯片密集发布计划。算力快速迭代将为产业应用带来机遇与挑战。

二是算力与应用场景深度融合。近期英伟达在秋季GTC大会上公布了AI原生6G、超算基建、自动驾驶、量子计算、物理AI等前沿方向，这些都将深入改变产业布局。

三是训推技术持续快速突破。伴随训推技术突破，在同等算力下，当前的训推速度相比年初提升至少10倍，如DeepSeek应用MoE大幅提升了推理效率。此外，高效注意力、PD分离（Prefill-Decode Separation，预填充-解码分离）、KV Cache（Key-Value Cache，键值缓存）等均体现了训推技术的快速进步，未来这一领域的技术进展依然会日新月异。

四是模型推理能力不断增强。之前人工智能的智力接近普通人类，但现在已经接近人类中的天才，涌现出很多赢得奥数比赛金牌、攻克科学难题的代表性模型。

五是模型向原生多模态转型。之前的大语言模型主要从语言类数据中训练出智能，多模态、语音等模态也以语言模型为中心构建。这一范式正在发生改变，模型正在从以Large Language Model（LLM，大语言模型）为核心向原生多模态转型。

六是从数字世界走向物理世界。大模型有很强的容纳能力，已学习了过去20年的互联网内容及所有的书籍、电影和出版物。未来，大模型将走向物理世界，实现对物理世界的理解和预测，这是当前人工智能演进的重要方向，国家也已有重要布局。

七是智能体提升了大模型执行力。当前，人工智能已成为新型生产力的领头兵，有很强的感知力、认知力、创造力和企业最为关心的决策力、预测力和执行力，而智能体则体现了在数字世界和物理世界的执行力。相比于大模型的输出需要由用户驱动，智能体可以自我驱动、自我主导，有更强的主动性。

八是端到端安全可信重要性持续提升。中国移动九天大模型重点打造以安全可信基础大模型为核心的高可信、高可控的端到端安全体系。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》和《关于深入实施“人工智能+”行动的意见》均重点提到安全可信。“十五五”规划建议共有8次提到人工智能，其中2次提到“人工智能+产业”，一是“加强人工智能同产业发展、文化建设、民生保障、社会治理相结合”，二是提到“抢占人工智能产业应用制高点”，安全可信是其基础，也是当前产业面临的挑战。

一是AI本身要如何完善。当前，模型能力与产业要求有差距、行业数据在模型训练中占比较低导致数据生态失衡、行业数据模态与基础模型模态适配错位、安全可信与智能失衡发展，制约AI应用的广度和深度。冯俊兰博士指出，“AI技术产业就绪指数”（Industry Ready Index）用于衡量AI技术是否具备稳定、可靠、高效地应用于产业生产环境，这一综合能力指标仍待提升。产业需聚力构建懂行业的高安全、高可信、高可控的AI基座。

二是如何做好做深“+”法。产业在与AI结合的过程中仍面临内部对AI的认知方差大、机制配套欠缺、复合型人才缺乏、各产业AI准入标准不完善等挑战。冯俊兰博士建议以战略目标和路径规划牵引，加快研发、应用、激励管理等各项机制变革。比如从配套机制上，建立小、专、快的团队，推动能带来穿透式用户体验和应用的技术创新。此外，建议加快建立各产业AI准入标准，加速构建产业上下游的AI时代合作分工新范式。冯俊兰博士也分享了中国移动在九天特区机制改革、自智网络建设等方面的成功实践与宝贵经验。

三是产业需要具备哪些条件。一方面，产业要选取高价值业务场景和最核心的生产力、创造力进行升级；另一方面，产业要提升“企业AI就绪指数”（AI ready index）这一评估企业是否具备有效部署和应用AI能力的综合指标，尤其是行业数据体系需实现“AI Ready”。

四是“AI+X=Y”的Y是什么。Y作为人工智能赋能行业实现的目标，重要性极强，需明确企业所在行业的新质生产力和新质创造力，以目标牵引行动，向内核要未来，向规模要价值。

中国移动始终坚持AI自主研发创新，持续构建从关键技术突破到场景化落地应用的技术及产业生态，已成为驱动AI+产业变革的重要力量。展望未来，中国移动将继续以技术创新为锚点、落地应用为引领，携手产业伙伴提升“AI技术产业就绪指数”和“企业AI就绪指数”，推进AI+产业机制建设，以增强新质生产力和新质创造力的目标牵引转型举措，深化AI+产业融合发展，为我国产业数智化转型和高质量发展注入更强劲持久的科技动能。

供稿：九天科研管理与规划部