（问题）在“人工智能+”加速融入实体经济的背景下，产业侧的共同诉求正在从“能用”转向“好用、可控、可持续”。
研讨会上，与会人士指出，当前不少企业在推进智能化转型过程中，仍遭遇“四道关口”：技术链与产业链衔接不畅，形成“模型强、落地弱”；数据要素流通不顺，数据碎片化、标准不一导致训练与应用“两头难”；能力供给与真实需求错位，通用能力难以直达业务核心；商业模式闭环尚未打通，投入产出不确定性较高，制约规模化复制。
（原因）上述难题背后，既有技术演进带来的阶段性矛盾，也有产业组织方式与数据治理基础相对滞后的结构性因素。
一方面，通用大模型在语言理解、知识检索等层面表现突出，但面对复杂工艺、供应链协同、合规约束与经营决策等问题时，往往缺少“可验证、可追溯、可执行”的产业知识体系支撑；另一方面，垂直模型虽能深耕单一行业，却易受行业边界限制，难以把跨行业、跨环节的经验与规则纳入统一框架，难以满足企业“一站式、全链条”的智能化需求。
更重要的是，产业数据的形成、治理与共享需要长期投入，很多企业在数据采集、结构化、标签体系与知识沉淀方面基础不一，直接影响模型可用性与稳定性。
（影响）如果上述堵点不能有效打通，“人工智能+产业”将可能停留在局部试点与工具层面，难以进入经营管理与产业协同的关键环节。
对企业而言，智能化项目容易出现“看得见亮点、算不清账”的问题，导致投入谨慎；对产业链而言，数据与知识难以跨主体流动，协同效率难以提升；对区域经济而言，若缺少可复制的应用范式与生态支撑，产业智能化的扩散速度将受限。
与会人士认为，产业智能化进入深水区后，竞争焦点将从单点算法能力转向“数据—场景—工具—流程—治理”的系统能力，谁能率先构建可持续的生态型供给体系，谁就更可能形成长期优势。
（对策）针对落地难题，万联易达集团提出以应用为牵引、以生态为支撑，打造面向全产业的“超级载体”。
企业在会上发布“万联摩尔”全产业大模型构想，强调该模型并非对通用模型的简单延伸，而应具备“懂行业、懂规则、懂流程、能执行”的综合能力：既要覆盖多行业知识与共性能力，又要能够融入企业运营决策与业务流程，实现从问答到任务编排、从建议到执行闭环的升级。
企业方面介绍，相关模型正逐步覆盖国民经济多个行业门类，并在产业数据清洗与训练方面持续投入，通过结构化数据与可信数据积累提升行业问答准确度。
同时，企业也坦言开放场景下仍需攻克数据自动结构化、非标准经验的形式化沉淀以及知识图谱迭代等关键技术与工程问题。
（前景）研讨会释放出的一个重要信号是，产业智能化的下一阶段将更加倚重“主动式能力”与“生态化协同”。
与会人士认为，产业应用的演进大致呈现“通用能力发现潜力—专用能力解决痛点—新通用能力生态赋能”的路径：早期通用模型帮助企业快速触达智能化；中期垂直能力围绕具体问题形成可交付方案；后期则需要在更大范围内实现工具协同、任务编排与跨链条知识整合，推动大模型从“能回答”走向“能办事”。
在这一趋势下，围绕智能体与工具链的产业生态有望加速形成，数据治理、行业标准、合规审计与可解释性建设将成为规模化落地的“硬门槛”。
业内判断，谁能在合规可控的前提下把产业数据、业务场景与可执行工具有效打通，谁就更可能把智能化从“项目制”推进到“平台化、生态化”。
当人工智能发展进入深水区，技术与产业的融合已从简单叠加迈向深度重构。
万联易达的实践表明，破解智能化转型难题不仅需要技术创新，更呼唤对产业规律的深刻把握。
在数字经济成为全球竞争新高地的背景下，这种"以应用牵引技术、以生态赋能产业"的发展路径，或将为我国实体经济高质量发展提供新的解题思路。
智能经济的真正价值，终将体现在千行百业提质增效的实际成果之中。