当前，全球数字经济与实体经济深度融合进入关键阶段，人工智能技术如何从实验室走向产业一线，成为推动高质量发展的核心议题；万联易达集团此次发布的“万联摩尔”大模型，正是对此命题的实践探索。 问题：技术应用与产业需求存断层 尽管通用AI技术发展迅猛，但多数企业面临“有技术无场景、有数据无协同”的困境。传统AI模型在复杂产业环境中常表现为被动响应，难以深度融入生产决策链条。 原因：三大核心要素尚未打通 杜新凯在研讨会上分析称，数据质量、场景适配性与技术穿透力是制约产业AI落地的关键。以物流行业为例，非标准化操作流程、分散的区域网络与动态政策环境，要求模型必须具备行业专属认知能力。 对策：构建“大而精”的垂直智能生态 “万联摩尔”通过三上突破实现差异化竞争：一是基于百亿级产业数据训练，覆盖贸易、金融等全链条场景；二是将非标经验转化为可计算知识图谱，目前已在制造业工艺优化等领域实现90%以上准确率；三是以Agentic智能体技术为底座，实现跨行业任务自动编排。据悉，该模型已服务能源、农业等领域的头部企业，单场景效率提升达40%。 影响：重塑产业智能化演进路径 这一布局标志着AI赋能模式从“技术驱动”转向“生态协同”。专家认为，垂直领域大模型的崛起将加速形成“通用—专用—新通用”的螺旋上升格局。中国信通院数据显示，2025年我国产业AI市场规模有望突破万亿元，其中制造业、服务业智能化改造需求占比超60%。 前景：向“主动智能”时代迈进 杜新凯强调，下一阶段需攻克数据自动结构化、知识图谱2.0升级等挑战。随着智能体自主决策能力提升，未来三年或将涌现一批能预判行业风险、自主优化流程的“产业级助手”，真正实现从解题到破题的跨越。
产业AI大模型的推进，标志着人工智能正加速走向生产实践，并从技术创新延伸到产业创新；“万联摩尔”等产业级应用的落地，显示我国AI赋能产业上已积累一定实践基础。下一步的关键在于加强产学研协同，突破数据结构化、知识形式化等瓶颈，推动AI与产业更深度融合，让AI更有效地支撑产业升级，为经济高质量发展提供新动能。