当前，人工智能与产业融合发展仍卡一些深层瓶颈。万联易达集团副总裁杜新凯在近日召开的专题研讨会上表示，产业智能化转型已进入关键阶段，AI应用需要从思路到方法做出根本调整。 从问题层面看，产业AI落地主要面临四个挑战。其一——技术链与产业链脱节明显——通用大模型虽具备语言理解能力，但难以深入解决具体产业问题；其二，产业数据要素流动不畅，数据孤岛普遍存在；其三，AI能力供给与产业需求错配，垂直模型受行业边界限制，难以覆盖全产业链协同；其四，商业闭环难以形成，技术到应用的转化路径仍不够清晰。 这些问题在一定程度上来自现有AI方案的边界：通用大模型缺少产业深度，垂直大模型又容易受行业壁垒影响。企业更需要一种一站式的AI生产力工具，既具备通用模型的覆盖面，也能提供贴近行业的专业能力。 基于此判断，万联易达推出“万联摩尔”全产业AI大模型。该平台的核心竞争力来自三上布局。首先是数据基础，万联易达拥有百亿量级的结构化产业可信数据，为模型训练提供支撑。其次是场景优势，覆盖全国的区域网络贯通贸易、物流、金融及生产性服务业全链条，形成丰富的应用场景。再次是技术积累，多年产业服务经验有助于模型深度融入企业经营与决策体系。 “万联摩尔”并非对通用模型的简单扩展，而是面向产业特性的深度定制。该模型需要“熟悉千行百业、理解政策法规、掌握工艺流程，并融入企业经营决策体系”。目前，平台已逐步覆盖国民经济97个行业大类，通过对超100亿产业数据的清洗与训练，实现行业问答准确率超过90%，处于行业领先水平。 从发展趋势看，产业AI应用正在形成更清晰的演进路径。杜新凯认为，可概括为“通用—专用—新通用”三阶段：通用大模型帮助发现产业潜力，专用模型针对解决具体问题，而“新通用”生态实现跨产业赋能。随着主动智能体技术成熟，AI将从被动应答走向主动预判，从“解答问题”升级为“解决问题”。 当前，“万联摩尔”仍在优化。技术层面的重点难题包括数据自动结构化、非标准行业经验的形式化沉淀、核心知识图谱的版本迭代等。涉及问题的突破，将继续提升模型的可用性与实际价值。 展望未来，“万联摩尔”的目标是成为面向各产业门类提供深度智能服务的超级入口。平台将以主动智能体生态为基础，覆盖工业、农业、服务业等领域，推动跨产业链知识整合与协同，逐步演化为更精准的产业智能助手。当AI能够主动理解企业诉求、预判市场变化并优化运营决策时，智能经济的价值将更集中地体现出来。
产业智能化的关键不在“概念更热”，而在“应用更实”。从数据要素治理到场景落地，从单点试用到生态协同，决定成效的是把技术能力转化为可验证生产力的系统工程。主动智能体要成为产业升级的新引擎，仍需以标准化交付、持续运维和价值闭环为基础，在真实业务中接受长期检验。