作者 / 路 行

编辑 / 黄大路

设计 / 柴文静

编者按：

2025年6月15日，第十七届轩辕汽车蓝皮书论坛的第三天，中国电子信息行业联合会数据与治理专委会执行委员、未来创意实验室主任皇甫秉京发表题目为《AI+的决断：未来已来》的演讲。

他在演讲中表示，商业模式的底层逻辑由数据、算力、算法协同驱动三要素构成其价值创造与竞争壁垒核心的企业可称为“Al+”企业。

同时，他对AI+的全球价值做了一个预测，并给出了一组数据：从生产力的提高、社会福祉的提升、环境效益的增加三个维度预估，到2030年整个智能经济的总价值可以达到18.8万亿美元，占全球经济的16.9%，其中制造业可获得超过2.3万亿的生产力收益，占比12.2%，10年复合增长率超过14%。

他指出，当开源模型成为基础设施建设的时候，企业的竞争力就要考验其AI的竞争力，即数据要素的密度×模型工程的深度×人才生态的广度。从“AI+”的角度，企业未来的工作范式是人机协同=人+工作流+智能体。

以下为皇甫秉京的演讲实录，《轩辕商业评论》略有删减与整理：

今天我分享的题目是《AI+的决断：未来已来》。

我先简单介绍一下我自己和我们的实验室。未来创意实验室是上海普陀区的人工智能重点实验室，我们是一家民非企业，也就是一家非营利的机构，我们的主要任务是去推进整个AI+生态的发展。简单来讲，就是把政、产、学、研、用、金、服等这些要素凑到一起，包括政府、高校、研发机构、企业，更好地去推进AI+的发展，这是我们实验室主要的任务。我们主要的技术方向聚焦在AIGC和空间智能。一个是关注科研成果的转化，另外一个就是整个智库的输出。

围绕今天整个大会，其实我们在讲AI的决断，我的题目叫“未来已来”，告诉大家，AI不光是在我们眼前的一件事情，很多未来的事情都已经出现了。

01

新质生产力与新型生产关系

刚才我们讲AI+生态的内容，其实我们在讲AI+这件事情的时候，本身就是在讲生产关系这件事，AI+就是讲我们如何准备好相关的生产关系。AI是新质生产力的代表，AI+就是新型生产关系具体的阐述。

左边的课件是我从今年的1月份开始就给各大主机厂和相关的政府去讲的内容，其实讲的就是新型生产关系与新质生产力的重新适配。今年春节之后，很多地方的AI开年的第一课讲的就是这个内容。今年6月份的时候，国家数据局，包括《人民日报》也刊发了加快形成与新质生产力相适应的新型生产关系相关的内容，讲为了促进以人工智能为代表的新质生产力的发展，新型生产关系，也就是我们所有的生产要素，包括土地、人等等该如何去做。在这个里面，我们也做了一些思考。因为演讲的时间有限，我找了我最近思考的一些结论跟大家进行汇报。

在这之前，我正好前半周的行程是在合肥，有一些新的进展跟大家简单分享一下。我去参观了合肥的可控核聚变项目，原先觉得这是离我们非常远的事情，因为毕竟可控核聚变被称为人类的终极能源形态。没想到去参观完了以后，他们现在的进度是在2027年即将用可控核聚变发电点亮第一枚灯泡，换句话说即将在2027年完成产品化，以及在2035年完成整个商业化进度。当汽车行业在讨论新能源到底是燃油、增程或者是纯电形式的时候，其实这种终极能源已经离我们非常近了，这是一个方面。

另外一方面，本身我们实验室和王坚院士的海纳工程院是协同工作的，王坚院士现在也提出要去做整个算力卫星相关的部署，也是在2027年，即将在太空部署100颗算力卫星。就是在既有的卫星传输数据、在做包括定位这些服务的基础之上，它还能够提供算力服务。原来我们讲云边端、车路协同，现在我们延展到了低空经济，延展到了空间，这里面整个的设备、算力等等这些，包括人的关系，将会被重构。因为毕竟从整个能源的产生方式以及从算力的角度来讲，都会促进整个人工智能往下一步发展。

从AI+的角度来讲，我们可以从全球视野去看一下。我们对AI+的全球价值做了一个预测，从生产力的提高、社会福祉的提升、环境效益的增加三个维度预估，到2030年整个智能经济的总价值可以达到18.8万亿美元，占全球经济的16.9%。其中制造业可获得超过2.3万亿美元的生产力收益，占比12.2%。最关键的是这10年复合增长率超过14%，是这样一个增长的速度。

从2018年-2025年这7年时间里面，其实表述发生了一些变化，包括大家的认知，这也是我在很多场合在讲的。“+人工智能”和“人工智能+”这两者的区别是什么，从我的理解来讲，“+人工智能”就是在现有的工作当中加一点智能的成分就可以，比如说我在我的门禁这边加一个智能的人脸解锁功能，这是“+人工智能”。“人工智能+”，我后面会有一个比较完整的阐述。

刚才讲了“+人工智能”是什么，我们一直在思考的一个问题就是如何去定义“AI+”企业。什么样的企业是“AI+”企业？

通过之前的一些实践，我觉得可以给出一个定义。我们认为企业商业模式的底层逻辑是由数据、算力、算法协同驱动，而且这三个要素构成整个企业的价值创造以及它的竞争壁垒核心，这样的企业，我们称之为“AI+”的企业。

简单来讲，就是用人工智能三要素去解释、去构造整个企业的核心，让它成为一个“人工智能+”的企业。包括在汽车主机厂里边，我们也看到很多的企业，包括像理想，重新定义成人工智能的企业。我们用这样的方法就能够很好地去解释汽车制造型企业和人工智能型企业的区别在于什么地方。

02

人工智能+，数据要素×

在这个里面我们把人工智能三要素的重点也拆出来跟大家做一些分享，这个是在很多层面，大家在实际操作当中会产生一些问题的地方。比如数据，我们认为数据是人工智能现在三要素当中最重要的。数据本身的定义是什么，我不用再重复了，但是这里我特别提一下数据要素，因为中国首先把数据要素作为第五大生产要素，跟其他生产要素并列，这是中国首先提出来的。中国现在在“人工智能+”的同时，还在推进“数据要素×”的相关政策，甚至在推动数据要素的相关政策里边，无论从政策的力度、无论从开放的场景，其实我觉得从某种程度上比人工智能的开放程度更大。

从政府的角度来讲，希望能够给社会供给更多的高质量数据。我们看到了政府先拿出了自己的整个政务数据做了第一波开放，后面央企、国企，站在他们的角度，他们一定也会拿出自己的数据，因为这是他们最主要的任务，已经拿出来了。再加上汽车产业链的链主企业，我们就可以形成完整的、高质量的，尤其在制造领域高质量的数据供给，我们可能跟美国在整个竞争上能够走一个不同化的态势。

所以在整个数据角度来讲，这是我觉得对现有的链主企业、龙头企业，包括创业企业来说，这是大家要重视的。如果说你认为自己是一家“AI+”企业，在做相关创业的时候，我们完全可以去找到政府、找到链主企业，尤其是央国企，他们现在正在做数据开放的事情。虽然可能不同的地方、不同的人对这个事情会有不同的看法，但是整个大的趋势是这样。

我这边写到了，数据要素现在最关键的，无论是底层区块链的技术去保证安全还是其它的，我觉得这些都没有现在国家想让它去流通起来这件事情更重要。而在流通的过程当中，数据的属性更像什么呢？我觉得更像增值税的感觉，就是在流通增值的部分，其实你获得它的相关收益。

我把数据和其他的四大要素，包括劳动力、资本、土地、技术作为生产要素做了区隔。数据的特点是什么，它其实是非竞争性的，并不是我拥有了数据，别人就不能拥有，它本身是大家可以同时去使用的；它也存在着非排他性，并不是说今天A使用完了，B就不能去使用。所以在这一点上，数据要素也是我国在“人工智能+”的竞争当中能够积累出自己优势的最重要的一个点。我觉得大家其实可以在数据上多下一些功夫，因为本身我们在算力技术的供给上，现在还在超额去建设算力中心，数据供给以后，我们能够直接为后面的模型打下一个特别好的基础。

大家发现从今年春节开始，尤其是DeepSeek发布之后，人工智能一下离我们近了，当时很多的企业，包括大家都在想，DeepSeek开源了，我在我的业务场景该怎么样去应用？所以才会有很多的公司去做DeepSeek的本地化适配。

DeepSeek为什么是“上甘岭战役”？我们现在来看，它在模型工程上，实现了自主可控、免费、开源，刚才包括理想的黄总也讲到了，我认为在国家的角度这是在着力推动的大方向。开源是非常重要的一点，也是我国后面在整个生态发展中非常重要的点。但是在DeepSeek出现的时候，它不是一个孤单的案例，大家可以去回想一下，DeepSeek发布的时候，千问和Minimax同步也发布了自己的模型，但是因为DeepSeek当时实在太火，所以这部分的声音被盖住了。回到现在看，包括千问3，包括新的模型也在不断发布，其实我国已经在这块形成了自己独特的发展态势。在模型的角度来讲，我讲一下为什么是这样。

我们说回来，当模型朝开源的方向去走的时候，每个人拿到80分是非常容易的一件事情。就像我经常举的一个例子，去年年底各位在做年终总结的时候可能很少会用大模型去帮忙做，但是今年年终总结一定会让我们的AI同事先出一版，然后我在此基础上进行修改。

当开源模型成为基础设施建设的时候，企业的竞争力就不再是一个供应商提供的模式，而是去考验到你的AI竞争力，即数据要素的密度×模型工程的深度×人才生态的广度。

我后面也有一些例子去介绍在人才的角度，我们该怎么去做，这也是大家在整个“AI+”生态布置中会发现的问题。

在整个开源模型当中，我们也发现了一个问题，让人工选择人工智能模型，其实看起来是很不人工智能的一件事情。因为我们本身后面有包括上海交大、华师大等一系列的学校，还有政府的支持，其实我们现在在做两件事。第一，我们与浦江实验室一起开始去做AI模型与智能体的能力评测，我们在做这部分的benchmark的事情，我们把这个部分所有的评测提供出来供整个社会进行相关应用。在此基础之上，我们现在围绕着“AI+”的各个垂直领域，在搭建行业异构模型的创新中心。因为我们看到每家的大模型都有自己的优点和缺点，我们用这种异构模型的方式能够帮助大家更好地选择一个地区、一个产业、一个企业，你到底该选用哪样的模型，去搭建自己整个AI的底层基础。

我们在做一些相关的多模态大模型的评测内容，也有最新的Agent的评测，现在也在进行公开。后面如果大家谁对这方面感兴趣，我们可以再去聊这个事情。

03

“AI+”全面落地的实践

我刚才也讲到了生态和人才是很重要的，我们在上海普陀区也找了一家龙头企业，是一家上市公司，对它整个“AI+”的落地进行了一个全面的实践。本身这个公司也在做AI相关的产品，所以它把自己的AI产品底座规划已经做好了。之后我们再围绕着全公司1600人，先做了三轮AI培训。在这个培训之后，从每个重要的岗位和重要的业务团队都选出了1位，大家觉得他对AI、对工作流程都非常了解，把他当成进行重点培养的人，让他在此基础上去搭工作流，用Agent，围绕他的业务场景做整个智能化的改变。

在这样一个改变之后，他自己内部的业务团队率先去用，之后在整个公司层面做不断的筛选、案例的评选，再通过这100个种子、优秀员工，去带动其他岗位的所有人，完成公司全员“AI+”的升级。最后他们做到了让每个岗位的员工都配备自身业务所需的智能体工具，工作效率的大幅提升。

从“AI+”的角度，企业未来的工作范式是，人机协同=人+工作流+智能体。

回到最初的话题。未来创意实验室，我们之所以区别于之前的一些研发机构，最大的特点是我们希望能够做到新质生产力的“预制菜工厂”。因为我们现在发现广泛科研的能力是在高校，但是高校跟整个产业在接轨的过程当中也会发生很多问题。所以我们就有了这样一套企业出题、由实验室来去做拆解、高校和机构答题的方法。最重要的有一点，工程团队和实验室进行交付，同时在这个过程当中，我们也跟企业合作了科创的引导基金，去孵化链上的企业，完成这一整套的链路。所以其实实验室在研发机构的角度来讲，可以说是端到端的，我们既能够看到题，也能够把这个考卷交出去。其实我们还跟人形机器人的链主企业——优必选搭建了优生态科技中心，也在按照这个方式来做相关内容。

这里举一个端到端的例子。我们在可控式生成里面把一些成果做到了从论文到产品。这就是我们现在正在做的，通过原始的微信二维码图形，从美观的角度进行重新生成一个新的图像。我们现在是1.0的版本，马上会迭代新的版本，每个人可以放自己的照片在二维码里面。其实在这个里面，我们可以看到，把二维码的实用性和美观度进行了一个非常好的统一。同时，在6月份未来创意实验室的Tech Day会做这个产品的商用化巡演。大家可能很难看到一个实验室会把内容做成这个样子，这是一个端到端的过程。

最后，我再占用一点时间，这是我们实验室去做的一个纯AIGC的MV，这里面我们用了诸多的模型，还有自己工程化的团队进行调试，包括是国内首个首尾帧的AIGC MV，大家再花2分钟欣赏一下这个内容，今天我分享的内容就基本上结束了。

最后，我虽然是一个理工科的男生，但是我还是想为文科生们说一句，在这个时代，AI非常需要审美，AI+审美在这个时代的融合是至关重要的。

谢谢大家！