围绕产业智能从概念走向规模化应用的关键命题，万联易达集团近日举行“AI+产业发展”专题研讨会。
与会观点认为，产业智能的价值不应停留在文本问答与辅助检索层面，更需要体现在任务理解、流程编排、工具协同与结果交付等环节，通过可衡量的效率提升与成本下降，推动企业从“能问会答”迈向“能做会办”。
问题：落地“最后一公里”仍存结构性堵点 杜新凯在研讨会上指出，过去较多应用呈现“反应式”特征，即系统更多在接收指令后完成单点响应；面向未来，产业需要具备自主规划与主动执行能力的智能体形态，以更好承接复杂业务流程。
他认为，当前产业智能落地主要面临四方面深层障碍：一是技术链与产业链衔接不足，算法能力难以顺畅进入生产、供应、营销、服务等真实链条；二是数据要素流动受阻，数据分散、标准不一、质量参差影响训练与应用；三是能力供需错配，企业端希望“可用、好用、能落地”，而供给端往往偏重演示效果、轻视持续运维与场景深耕；四是商业闭环难通，投入产出难以量化、付费模式不清晰，制约规模化复制。
原因：通用能力与行业知识的“剪刀差”尚未弥合 业内普遍认为，通用模型在语言理解、知识问答等方面表现突出，但在产业场景中仍面临“知道”与“做到”的差距。
杜新凯分析，通用模型虽然具备较强的理解与生成能力，但对行业规范、工艺流程、组织规则、风险边界等缺乏稳定把握，容易在复杂决策链路中出现不确定性；而垂直模型尽管更贴近行业语料与业务规则，却常受行业边界限制，难以覆盖跨环节协同所需的全链条知识与经验，特别是在多部门、多系统、多主体协作场景下，缺少“一站式”统筹能力。
同时，产业智能要真正进入企业核心流程，还必须面对合规与安全约束、数据治理体系建设、系统改造成本、人员能力迁移等现实问题。
若缺少统一的标准接口与持续迭代机制，应用往往难以从试点走向常态化运行。
影响：从效率工具走向生产力重塑，竞争焦点转向“可交付” 研讨会认为，产业智能的竞争焦点正在从参数规模、生成质量，转向“场景适配能力”和“交付能力”。
对于企业而言，若能把智能体嵌入采购、计划、排产、质检、仓配、客服等关键环节，将有望减少重复劳动、提升协同效率、降低运营成本，并为管理层提供更及时的数据洞察与风险预警。
更重要的是，产业智能若形成可复制的产品与服务形态，将推动产业链上下游在数据、标准与流程上加快对齐，带动新的服务业态与生态合作。
但如果数据治理薄弱、流程未梳理清晰、责任边界不明确，也可能带来误用风险与管理成本上升，影响企业对新技术的信心与投入节奏。
对策：以产业大模型为底座，打通数据、流程与决策三条主线 针对企业“既要懂行业、又要能落地”的需求，杜新凯提出，面向全产业打造的大模型应具备三方面能力：一是覆盖更广的行业知识体系，能够理解各行业关键指标、业务术语与典型场景；二是对政策法规、合规要求具备系统化理解，确保在业务建议与流程执行中守住风险底线；三是深入掌握企业工艺流程与管理机制，能够融入经营决策体系，实现从“提出建议”到“推动执行”的闭环。
据介绍，万联易达推出面向全产业的“万联摩尔”大模型，正逐步覆盖国民经济97个行业大类，并通过对海量产业数据清洗训练提升行业问答准确率，旨在以统一底座能力衔接多行业、多场景需求。
与会观点强调，产业智能工具要形成长期价值，还需同步推进数据治理、知识工程、系统集成与组织变革：既要把“数据可用”变成“数据好用”，也要把“单点应用”升级为“端到端流程再造”，并建立可评估、可追踪的效果指标体系，推动商业闭环尽快形成。
前景：从“通用—专用—新通用”演进，生态化应用或加速成型 杜新凯对未来趋势作出判断：产业智能应用将呈现“通用发现潜力、专用解决问题、新通用生态赋能”的演进路径。
随着通用能力与垂直能力交替发展，围绕行业知识、工具链、插件化能力与标准接口的新生态将加速形成。
尤其是智能体在主动任务编排、跨系统调用、工具协同执行等方面的提升，将推动通用认知能力更高效地适配具体场景，使模型从“理解问题”进一步迈向“组织资源解决问题”。
多位与会人士认为，未来竞争的关键不在于单一模型能力的展示，而在于能否把技术能力转化为可复制的行业方案与可持续的运营体系。
谁能率先在真实业务中跑通“数据—模型—工具—流程—评估”闭环，谁就更可能在新一轮产业变革中赢得先机。
人工智能与产业的融合已经进入深水区。
从"解答问题"到"解决问题"的转变，反映的是AI技术发展的内在逻辑和产业需求的客观规律。
只有当AI系统真正理解产业、融入产业、赋能产业，才能实现技术与经济的深度融合，推动数字经济向更高质量、更高效率的方向发展。
这一过程需要技术创新、产业实践和生态建设的有机结合，也需要产业界、学术界和政策制定者的共同努力。