当前，我国以“人工智能+”为重要抓手，推动数字技术与实体经济深度融合，产业智能化从概念验证走向规模化落地。
与前些年强调“速度”和“热度”的技术扩张不同，行业正在进入更加注重成效的阶段：能否在生产、供应链、物流、营销、金融等关键环节形成可复制、可度量的价值，成为检验产业智能化水平的重要标尺。
问题：从“能用”到“好用”，产业落地仍面临多重堵点。
业内普遍反映，技术链与产业链衔接不畅、数据要素流通受阻、能力供给与需求错位、商业闭环难以跑通等问题仍较突出。
一方面，面向细分领域的模型往往受限于自身边界，难以贯通跨环节知识与流程；另一方面，通用模型对产业的专业术语、工艺逻辑、合规要求与组织流程理解不足，难以直接解决企业的个性化难题。
如何把技术、数据和场景有效连接，形成“看得见效益”的产业智能能力，成为当前产业转型的关键课题。
原因：产业复杂性与数据分散性叠加，导致“最后一公里”成本高。
产业系统具有链条长、环节多、标准不一、业务规则隐性化等特点，许多经验沉淀在流程、文本与人员认知中，难以直接转化为可被技术调用的结构化知识。
同时，数据往往分布在交易、仓储、运输、金融、生产与服务等多个系统，既存在质量参差、口径不一的问题，也受到安全合规与治理能力的约束。
缺乏稳定的高质量数据来源和行业知识体系，容易导致模型“会回答但不懂业务”“能生成但难决策”，进而影响企业投入意愿与应用深度。
影响：场景化突破将决定产业智能化的推进速度与质量。
若上述堵点难以解决，产业智能化容易停留在局部试点与点状应用，难以在全链条形成协同效应；反之，若能在场景、数据、组织与生态上形成系统能力，将推动企业降本增效、提升供应链韧性，并带动生产性服务业升级。
更重要的是，产业智能化若能形成可持续商业模式，将为技术迭代提供真实需求牵引，推动技术与产业相互促进、加速演进。
对策：以“场景—数据—模型—智能体”贯通为主线，构建面向全链条的能力载体。
杜新凯在会上提出，产业智能化需要坚持以实际应用场景为牵引、以产业需求为导向，逐步构建能够支撑全产业智能转型的“超级载体”。
据其介绍，万联易达作为生产性服务业平台运营的产业互联网企业，依托线上平台与线下服务，在商品交易、物流仓储、数智金融及生产性服务等场景中沉淀了较为丰富的可信数据，为面向产业的智能应用提供基础支撑。
围绕能力建设路径，万联易达推出全产业大模型“万联摩尔”，作为产业智能化入口，已在PC端和移动端上线20余个核心智能体，并计划到2026年底扩展至100个以上，覆盖研发、生产、供应链、物流、营销、金融等环节，形成面向全链条的智能服务支持。
为提升产业问题的理解深度，公司组织行业专家深度参与研发，尝试将专家经验转化为产业知识体系，构建覆盖97个行业大类、超过100亿条结构化数据的“产业本体图谱”，并提出“融合产业本体图谱的结构化思考技术”，以增强对产业逻辑、业务规则与因果关系的识别能力。
相关方表示，目前其在农业、工业、服务业等行业问题回答准确率已达较高水平。
前景：开放生态与能力集群化，将成为产业智能化规模化的关键变量。
面向下一步发展，杜新凯表示将加大资源投入并开放生态，形成“产业大模型+智能体+数字员工”的能力集群，为企业提供一站式、全方位的生产力工具。
业内人士认为，随着政策持续引导、数据治理体系逐步完善以及企业对投入产出比的要求不断提高，产业智能化将更强调“可落地、可管控、可持续”。
未来竞争焦点或将从单一模型能力转向系统工程能力：谁能更好地沉淀行业知识、打通业务闭环、形成标准化交付与生态协同，谁就更可能在规模化应用中占得先机。
AI与产业的融合不是单向的技术输出，而是双向的互动与赋能。
当AI技术找到了产业场景的落点，当产业需求驱动了AI技术迭代，真正的价值创造才会发生。
当前，我国完备的产业布局体系为AI落地提供了丰富的应用场景，而不断进步的AI技术也在持续促进产业发展。
通过构建产业AI超级载体这一系统化解决方案，产业互联网企业正在为AI从"风口"走向"常态"提供新的样本。
这一探索的成败，将直接影响我国AI产业化进程的速度和质量，值得持续关注。