每經(jīng)記者｜張梓桐    每經(jīng)編輯｜文多    

“滿足數(shù)據(jù)基礎成熟、場景痛點明確、商業(yè)化路徑清晰等條件的行業(yè)將成為AI（人工智能）落地的‘先鋒軍’?？傮w來看，醫(yī)療、制造、金融領域?qū)⒆钕缺l(fā)；教育行業(yè)也有爆發(fā)潛質(zhì)。”7月28日下午，畢馬威中國數(shù)字化賦能及人工智能主管合伙人張慶杰在“2025世界人工智能大會暨人工智能全球治理高級別會議”（WAIC 2025）上接受《每日經(jīng)濟新聞》記者（以下簡稱NBD）專訪時，作出上述判斷。

當前，人工智能技術正加速從實驗室走向產(chǎn)業(yè)實踐，成為驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型的核心引擎。與此同時，隨著生成式AI技術加速滲透千行百業(yè)，大模型產(chǎn)業(yè)正從概念熱潮邁入務實發(fā)展的深水區(qū)。

當前市場呈現(xiàn)多重鮮明特征：“價格戰(zhàn)”硝煙漸濃，模型訓練與部署成本持續(xù)下探，技術門檻不斷降低；落地場景加速分化，不同行業(yè)對AI的需求呈現(xiàn)差異化發(fā)展；通用模型與垂直模型的路徑之爭愈演愈烈。

對此，張慶杰認為大模型成本下降是一把“雙刃劍”，需警惕陷入“廉價平庸化”陷阱。他強調(diào)，企業(yè)必須在技術、商業(yè)、社會三個維度把握平衡，既要關注成本與效能的非線性博弈，也要處理好規(guī)?；c差異化的矛盾統(tǒng)一，更要平衡效率提升與風險控制。

畢馬威中國數(shù)字化賦能及人工智能主管合伙人張慶杰 圖片來源：企業(yè)提供

要避免模型“廉價平庸化” 需平衡三個方面

NBD：您此前表示未來兩年將迎來人工智能應用大爆發(fā)，能否具體說說哪些行業(yè)會成為應用爆發(fā)的“先鋒領域”？

張慶杰：人工智能應用的爆發(fā)需要數(shù)據(jù)基礎成熟、場景痛點明確、行業(yè)需求強烈、商業(yè)化路徑清晰、價值貢獻較大、監(jiān)管綠燈等前提條件，滿足這些條件的行業(yè)將成為AI落地的“先鋒軍”。

總體來看，醫(yī)療、制造、金融領域?qū)⒆钕缺l(fā)。教育行業(yè)也有爆發(fā)潛質(zhì)，但目前監(jiān)管政策暫不清晰。能源、農(nóng)業(yè)等行業(yè)的長期價值雖大，但受基礎設施限制，可能增速略緩。

NBD：從發(fā)展趨勢來看，大模型的應用方向正從通用大模型轉(zhuǎn)向行業(yè)垂直模型乃至企業(yè)私域模型，這對企業(yè)的技術儲備和資金投入有怎樣的要求？

張慶杰：從通用大模型轉(zhuǎn)向行業(yè)垂直模型或私域模型，本質(zhì)上是從“技術探索”到“生產(chǎn)級應用”的跨越，對（企業(yè)）技術儲備和資金投入的要求呈指數(shù)級提升。

在技術儲備方面，要從AI三要素來看——企業(yè)需具備行業(yè)級數(shù)據(jù)治理與隱私計算能力，需具備模型定制能力與領域自適應技術，需支持算力的異構管理與混合部署。

在資金投入方面，企業(yè)在算力、數(shù)據(jù)治理、定制開發(fā)等方面的成本將普遍增加2~5倍。

NBD：模型成本大幅下降的同時，如何確保其顛覆性應用價值的釋放，這里面有哪些關鍵的平衡點需要把握？

張慶杰：在模型成本大幅下降的背景下，要避免“廉價平庸化”需在三方面把握平衡。

在技術維度，需要關注成本與效能博弈，平衡“夠用就好”與“性能冗余”、平衡通用基座與垂直精調(diào)、平衡集中訓練與邊緣智能；在商業(yè)維度，需要關注規(guī)?；c差異化的統(tǒng)一，平衡標準化與定制化、平衡技術護城河與生態(tài)開放度、平衡直接與間接價值捕獲；在社會維度，則應關注效率與風險的拉鋸，平衡應用激進性與倫理安全、平衡數(shù)據(jù)飛輪與隱私保護、平衡人力替代與人機協(xié)同。

企業(yè)應用AI易陷入五大誤區(qū)

NBD：AI時代的商業(yè)模式轉(zhuǎn)型會呈現(xiàn)哪些具體特征，能否舉例說明某類企業(yè)可能的轉(zhuǎn)型路徑？

張慶杰：AI時代商業(yè)模式轉(zhuǎn)型呈現(xiàn)三大核心特征：一是能力服務化轉(zhuǎn)型，如工程機械企業(yè)從產(chǎn)品提供商轉(zhuǎn)為智能化服務商；二是價值捕獲方式革新，如農(nóng)業(yè)無人機企業(yè)按增產(chǎn)效果收費；三是生態(tài)平臺化升級，如“海爾卡奧斯”平臺連接15萬家制造企業(yè)。

以制造業(yè)為例，轉(zhuǎn)型分三階段：1~2年完成數(shù)據(jù)筑基，2~3年實現(xiàn)服務重構并提升效率40%，3~5年完成生態(tài)躍遷使服務收入占比從不足5%提至35%以上。

NBD：您認為企業(yè)在利用AI實現(xiàn)高效資源配置和流程優(yōu)化時，最容易陷入哪些“應用誤區(qū)”？

張慶杰：企業(yè)應用AI易陷入五大誤區(qū)。一是過度追求技術先進而忽視業(yè)務適配，如直接套用通用大模型不做領域適配；二是數(shù)據(jù)基礎滯后，數(shù)據(jù)標準不統(tǒng)一、標注不足就倉促上馬，約60%項目的失敗源于此；三是組織協(xié)同不足，技術與業(yè)務部門脫節(jié)，僅35%的企業(yè)具備有效協(xié)作機制；四是過度自動化，關鍵環(huán)節(jié)全權交由AI會增加風險；五是缺乏持續(xù)投入，將AI視為一次性項目，但成功的企業(yè)通常會用15%~20%的預算持續(xù)優(yōu)化。

NBD：人才在AI時代依然不可替代，那么企業(yè)在優(yōu)化人才招聘和培養(yǎng)體系時，應培訓員工重點提升哪些與AI協(xié)作有關的核心能力？

張慶杰：企業(yè)需重點培養(yǎng)員工五大協(xié)作能力：一是人機協(xié)作能力，員工應理解AI邊界并校正輸出；二是數(shù)據(jù)素養(yǎng)，員工應能解讀AI的輸入和輸出邏輯；三是批判性思維，員工應獨立判斷AI建議并識別偏見；四是持續(xù)學習能力，員工應快速掌握新型AI工具；五是創(chuàng)新整合能力，員工需將AI與傳統(tǒng)流程結合創(chuàng)造價值。

企業(yè)應該建立分層培養(yǎng)體系并注重實戰(zhàn)，具備這些能力的團隊比普通團隊的效率高40%以上。

NBD：數(shù)據(jù)作為布局AI的關鍵，企業(yè)在數(shù)據(jù)治理、隱私保護與AI應用價值挖掘之間該如何平衡？

張慶杰：企業(yè)平衡數(shù)據(jù)治理與價值挖掘需要四項策略：一是建立分級分類管理體系，對核心與非敏感數(shù)據(jù)差異化管控；二是用隱私計算實現(xiàn)數(shù)據(jù)可用不可見，如某銀行通過“聯(lián)邦學習”（一種在沒有任何人看到或接觸數(shù)據(jù)的情況下訓練AI模型的方法），提升了25%的反欺詐準確率；三是構建全生命周期管理機制，歐盟企業(yè)會向GDPR（《通用數(shù)據(jù)保護條例》）合規(guī)投入營收的1.2%，以此獲取15%業(yè)務增長；四是形成數(shù)據(jù)倫理審查制度，由跨部門團隊進行事前評估。企業(yè)完善治理體系后，其AI項目的成功率高出行業(yè)平均值40%。