今年大家會聽到越來越多的AI化、智能化，商業化，這些會成為主流旋律。

未來，AI技術的發展從可靠、能干、聰明的階段，將被部署到更廣泛的場景中。得益于算法和算力的技術突破，帶來了AI的更新變革，也為行業帶來更多的能力和動力去獲取更多的數據。

AI的發展與AI的應用緊密相連，AI的發展將推動私有知識的價值越來越大，AI的應用將成為重要的戰略優先級，其應用不僅能提升效率，更能幫助人們解決信息不對稱和價值創造的問題，并創造新的供給。未來的研發智能化將會帶來業務比值和內部比例的變化，這是非要重要的企業研究方向。

將來所謂的行業壁壘會被重新定義嗎？

以AI的認知模式的差異和效率定義，還是人類的認知模式和經驗定義？

01每一種媒介都塑造了獨特的交流內容和過程

大家都知道計算機已然有著近百年的發展歷史，回顧歷史的脈絡時，蘊含著極其重要的意義。有多少人是電視時代成長起來的一代？小編本人也近乎是電視時代的見證者，在某種程度上，也逐漸融入了計算機時代的浪潮之中。而如今成長起來的各位IT同仁，無疑也是計算機到移動互聯網再到智能時代的幸運者們。

第一臺計算機名為ENIAC，這種新型的機器，以電子元件取代了傳統的齒輪、活塞等部件。它的奇妙之處在于，內部的微型處理器輸入原始指令、有數十億個電子在高速運轉、運算速度極快、強大的適應性、以每秒百萬千萬條指令的速度傳輸、以多樣化的方式操控電子的流動。它依據當前的運行狀況以及上一次的操作結果來進行相應的調整。這項重要的發明。它誕生于1946年，當時是專門為軍事計算而研發的，體積巨大，幾乎無人有機會使用它。而世界上首個由大學提供的計算機科學學位，是在1968年，由加州大學伯克利分校設立的碩士學位。這意味著，擁有計算機科學學位的最年長者如今近80多歲。

1976年第一臺個人電腦誕生。1983年，該行業交付超過300萬臺小型計算機，到1986年達到1000萬臺。而在當時，所有偉大的產品設計師都在設計建筑、汽車。幾乎沒有人在設計和關注計算機。現在的人們每天要花23個小時與這些機器互動，有時與這些機器互動的時間比他們在車里的時間還要長。

下一個真正的突破，發生在60年代，時間共享概念因此應運而生。當時蘋果公司，將一臺非常大的計算機進行共享，因為它能夠快速執行大量指令。在當時，計算機進行了一系列的協同工作，閱讀他人的成果，比如：閱讀某人關于舞蹈的研究、經營某人關于工作的成就等。共享資源以其速度之快，讓每個人都覺得自己仿佛擁有了整臺電腦。

時間共享也是從60年代計算機開始真正普及的原因。人們通過一些連接線，使用終端設備連接到其他地方的大型計算機，這就是時間共享模式，也是大學校園里電腦數量眾多的原因。蘋果公司之所以能夠崛起，是因為比別人早5年偶然發現了“分馬力計算”這一理念。蘋果將微處理器芯片（也就是芯片上的計算機），與其他必要的所有組件相結合，制造出了一臺大約13磅重的電腦。因此，分馬力計算也引發了一場革命。

幾十年前的計算機，通過構建這些簡單指令的集合，創建一個更高層次的指令系統。已經并非簡單地指示“向左、向右、右腳、左腳、伸手、抓物”，而是會說：“您能去買些物品嗎？您能倒一杯咖啡嗎？”很早時期，計算機就已經抽象層次上可進行處理，抽象層次會被轉化為運行速度極快的簡單指令。它的最佳的方法是進行類比。以最早于19世紀末發明的電動馬達為例，電動馬達只能用于構建非常大型的設備，這意味著，只有在成本合理的情況下才能應用于大型項目。因此，電動機并未迅速普及。然而，下一個突破性進展出現了，有人利用這些大型電動馬達中的一個，在工廠中間搭建了一個棚屋，并配備了一系列鈴鐺和開關，以此使用馬力，使一個大型電動馬達能夠在15或20個中型工作站中使用，從而讓電動馬達在一些中等規模的任務中變得成本合理。隨后，電動馬達的數量大幅增加，但真正的突破是分馬力電動馬達的發明。如此一來，我們可以將動力直接輸送到需要的地方，并且在完全獨立的應用中實現合理成本。

計算機占據了最早主導的交流媒介，就如同電視曾經取代書本一般。然而，每一種媒介都存在其固有的局限性，這些局限構成了難以逾越的界限。盡管如此，它們通常也會帶來一些新穎且獨特的機遇。值得注意的是，每一種媒介不僅塑造了通過它的交流內容，還深刻影響了交流的過程。

回溯最初的電視節目，它們基本上是電視攝像機對準的廣播節目。許多人第一次意識到電視已成為成熟媒體是阿波羅登月，那種體驗很令人激動，但一項媒介的成功花了近20年的時間才使其真正發展和成熟。不同媒介所傳播的內容顯然存在差異。其中最有趣的是交流過程的變化。我們通過電話與他人交談時，我們必須同時在線；而當使用電腦終端向某人發送文件或繪制一幅畫并放入其郵箱時，對方無需即時在線。可以在中午12點查看，也可以在3天后查看，甚至在異國查看。

那么，隨著無線連接功能的便攜式計算機的普及，信息自由移動并檢索，傳播過程本身隨著媒介的演變而發生變革。無論是電話、郵件、網絡搜索、視頻、聲音、門戶網站、動作等，都在某種意義上，均是發送由1和0構成的數據。

80年代首次個人電腦的普及，其作為一種新媒體，就社會和計算機領域而言，計算機編程與電視制作對比，我們發現，電視擅長捕捉并重現經驗，盡管這種重現成本高昂且有其局限性。通過電視節目，我們能真切感受到，阿姆斯特朗登月等歷史時刻的激動人心。相比之下，計算機編程則聚焦于捕捉經驗的基本原理，而非直接復制經驗本身。這些原理具有廣泛的適用性，能夠衍生出無數種不同的體驗。以視頻游戲為例，它們遵循物理定律（引力和動量守恒），盡管每場游戲的具體過程各不相同，但都基于這些不變的規則運行。

AI發展的前景是滲透、掌管數字世界，改變物理世界

（這是喬布斯在1983年的PC預言想象力，有AIGC后，覺得一切近在咫尺）

Prompt Engineering：一輛配備攝像頭的汽車駕駛在街道，拍攝了每條街道的照片和每個十字路口的畫面，對所有建筑物進行了拍攝，并將電腦與視頻磁盤相連。在屏幕上，可以看到自己正注視著街道，通過觸摸屏幕，屏幕上會出現一些箭頭。您可以進行觸摸操作并向前移動。忽然，仿佛人真的在街上行走，來到一個十字路口。可以停下，向右、向前或向左查看，決定自己想要選擇的道路。還可以走進一些商店。這是一張電子地圖，能讓我們體驗到在漫步的感覺。在角落處有四個按鈕，它們的作用與之前相同。四季的景象都有呈現。可看到街道的景象。街道出現在屏幕上，上面覆蓋著1英尺厚的雪......

無論是電視還是計算機編程，都是強大的工具，它們以各自獨特的方式影響著我們的世界和生活。我們需要持續優化模型，使其日益精密復雜。然而，這是一種互動式的學習模式，在我們成長歷程中不斷興替。盡管存在成千上萬種獨特體驗，但它們皆基于一套基本原則。今天，人們創造的先進機器，它們能夠捕捉潛在的預測、更多基本原則、看待世界的獨特視角，工業設計、軟件設計、用戶交互，都將是AI智能化發展的衍生所在。

02智能經濟與具有創造力的組織

縱觀歷史，技術進步一直是經濟發展文明演進的底層驅動力。人類文明的歷史就是從火的應用開始，到經濟真正開始增長，是從第一次工業革命，有了機械化的工具，直至第二次工業革命電力，再到信息時代的幾代革命。

工業時代最基本經濟單元是工廠，取代手工作坊是工業經濟最重要的一個組織突破。信息時代經濟最基本的是公司。智能時代的基本經濟來源就是智能體，也就是機器人，機器人是未來創造經濟價值的基礎。

從生產上看，最初規模經濟，管理上受制于便捷的效率遞減，規模經濟背后的是人類的學習能力，因為規模的擴張能重復勞動，產生沉淀與傳播。從泰勒的科學管理、流水線動作、SAAS化，幾十年的演進，才有了最佳管理實踐，這都是人類的經驗的傳播。直到互聯網時代的網絡效應快速擴張。AI作為智能時代復雜系統的演化，核心讓復雜系統涌現智慧。

過去十余載，企業數字化也主要依據SaaS、ERP等信息系統的發展軌跡，扮演著信息采集與搬運的角色。當下，Data Al互相驅動的數字化新范式也相伴而來，能自主思考、主動做事的AI正在重構企業生產力的上限。AI高效生產、治理、運營數據、以及上下文的全局關聯的都顯示了高質量數據結合知識的重要性。尤其是初始化條件下，最有利于智能創造和產生，基于AGI消化吸收了現有知識，頂尖人才學習成本降低，元認知+AI工具結合，高認知個人能力和數據優勢會被無限放大。

圖：組織持續創新的核心

過去50年的信息革命中，軟件的價值被提高，知識工作者是最有價值的。未來個體發展的方向是創造力，而非知識和思考人的價值。德魯克是上個世紀最偉大的管理學家，他的工業革命經歷了工廠取代手工作坊，以及企業超越工廠的階段，并將企業視為流水線，批量生產，提高管理效率。哈佛商學院將視為流水線，批量生產，有共同語言的管理者提高管理效率。Agent將成為人類的合作伙伴，而非簡單的代理或助手。

2024年，AI應用的元年，未來的組織將由三層人和無限擴張的匯集構成，科層制管理的公司制度正在消亡。未來，共創性的研發組織的核心目標是群體智慧的涌現，群體認知的提升速度決定了組織的競爭力，人才密度的高低與自動化場景管理的緊密關聯。

03智能業務生產

整個未來經濟發展的核心，讓我們進入了一個類似生物系統大爆炸的階段，所有的產品都是核心在認知上的貢獻，智慧的涌現，而推動效應是以復雜系統的結構和研發的主要因素。機器學習的本質是推動智能生產效應的，機器學習的復利，帶來學習與獲取更多知識的智能體，以及研發出更強的智能體。這些之間的互通，人與Agent之間互通，人與人之間互通、Agent與Agent互通，共同演化，便成了智能經濟發展的核心。

圖：reflex務實的移動底盤人形機器人

尤其是數智化時代，經濟發展的核心驅動力是技術進步，工業經濟的組織突破和管理信息時代的公司創造。智能時代的經濟來源是機器人，會是未來創造經濟價值的基礎，核心點在于企業微觀競爭和宏觀經濟思考。隨著互聯網時代的到來，網絡效應快速擴張，AI的本質是智能涌現，其核心在于如何讓復雜系統涌現出智慧，推動效應本質上是機器學習。未來經濟發展的核心，將進入類似生物系統大爆炸的階段，智能體和智能體之間的互通，推動效應是以復雜系統的結構和研發的主要因素。

04基礎模型從技術能力變成產業化能力

年初，DeepSeek的火爆出圈，打破了“高算力和高投入是發展AI唯一途徑”以及“集成電路制程優勢=AI技術霸權”的現實，引領AI行業進入以算法和模型架構優化為主，同時高度重視數據質量與規模、理性提高算力的新時期。隨著生成式AI、大語言模型、智能體（Agent）等新技術層出不窮，整個行業發生了范式變革，從計算范式-AI協同編程-混合架構-AI原生服務，模型從技術上的能力轉變為產業化的能力。

在AI領域，眾多行業巨頭如微軟、AWS（亞馬遜云服務）、英偉達、華為、阿里巴巴及百度等公司相繼宣布在其AI服務平臺上部署DeepSeek V3和R1模型。DeepSeek所推出的具備高效率與低成本特性的推理模型，以及其開源商業模式，有望引領AI行業的全新潮流。

圖：RNN的破局在于線性注意力、混合架構、并行計算、循環網絡等

DeepSeek的成功在于它突破了Scaling Law的瓶頸，R1拋棄了預訓練的做法，使用自主強化學習方法，讓AI擁有了自我反思的長思維鏈能力。長思維鏈是人真正的智力體現。這些說明了，在AI的發展進程中，算法優化以及系統級工程優化是不可或缺的關鍵環節，并行計算硬件需做更加復雜的訓練加速，增強更多的模型性能和計算復雜度，而資深工程師在其中發揮著至關重要的作用。

在模型算法及工程優化方面，系統級創新面臨著有限資源的制約，探索AGI成為開辟新路徑的重要方向。從廣泛覆蓋的“橫向通吃”模式向深入的“縱向做精”模式轉變，可以吸引更多中小企業參與其中，從而創造更多的應用空間。然而，將多個專用模型整合為通用模型的過程中，需要解決諸多技術和工程難題，比如模型間的接口適配、數據格式的統一規范以及訓練過程中的負載平衡等問題。或許通過通專融合的方式，即專用多模型的“垂直做精”與通用大模型的“橫向擴展”相互補充，能夠共同構建起智能時代的產業新生態。

AI產業與資本密集型和經驗積累型的集成電路產業有所不同，它不僅需要大量的資金投入，更需要智力的深度投入，本質上是一個拼人的智力的新興產業。因此，AI產業呈現出明顯的不對稱性特征。真正的AI競爭，不僅僅是技術和模型層面的競爭，更是生態系統、商業模式以及價值觀等多方面的綜合競爭。開源模型的出現使得每一位開發者都能夠輕松調用強大的AI工具，擺脫對大公司的依賴，從而顯著提升AI的進化速度。

圖：算力訓練在深度思考和長思維鏈的全新挑戰

2014年的云計算研發沉淀，鍛造了自主可控產品和服務體系，一些關鍵領域：大數據、云管平臺、虛擬化、操作系統都有技術突破，頭部互聯網、運營商、金融、通信、電信等行業，各行各業都應用開源技術以及分布式算力布局，以計算為主到算網融合，算力技術隨云、大數據、AI需求的加大，算網一體，更是推動IT技術結構變革、數字化進程的業態。

產業生態一直被市場牽引，芯片設計和大模型的開源戰略，成為全球AI的開源系統中的主導，企業需在有限算力條件下，通過算法和軟件的協同創新，充分發揮硬件的極致性能，挖掘所有可能的優化空間。國內的AI模型需做好算力資源與AI平臺的優化適配，才能應用好AI。

05AI極大助力從業者提升知識的獲取效率

AI發展最大的應用是機器人，軟硬件一體化的掃地機器人、自動駕駛的汽車、人形機器人，呈具身智能化，加之井噴式爆發的AI模式，Agent（智能體），一個個AI系統，完全自主，當天在較長時間內獨立運行來完成視頻、編程、數據分析、自動化測試、監控、對話等多種多樣的智能業務生產，并且能夠收集反饋，不斷學習來提升自主能力。它像極了人腦神經元，形成思考的閉環，神奇的是互聯網處理海量知識。

AI系統需要具備強大的計算能力，還需要具備持續學習、適應環境、理解復雜情境等能力，這些能力往往難以通過簡單地增加算力來實現。當下，機器人讓我們已感受到智力上，相比之前的進步和力量，無論任何問題，任何詢問，都會出現一個讓我們覺得很不錯的答案，深度思考能力升級，也由于芯片的發展、IT基礎設施的完善，數據的多樣性和規模經濟的發展帶動的AI變革，顆粒度更精細、更豐富，多維的數據備案會在智能上進化的更快更強大，在發展的過程中，知識革命將推動人工智能的發展，并推動私有知識的價值不斷提升。IT行業進入產業化的拐點，商業化會成為未來的主旋律。

圖：AGI Agent的框架

而今天，我們使用通義、豆包等對話，在處理知識的基礎之上，簡單獲得夢幻視頻、智能寫作、創作等；使用AR設備，置身科幻世界，使用智能系統，輔助駕駛、輔助編程，真切的看到每一個AI模式都在吞噬海量知識、個性化的知識，運行下來，預訓練和推理一體化逐一閉環起來，私有知識的價值會越來越大。這些能讓更聰明的自然知識吸引更多的用戶，更多的用戶會帶來更多的私有的數據+知識。回望企業數字化的歷程，從信息化到智能化，技術的每一次躍遷，都是認知方式的重構。數據不再只是輔助決策的資源，而是企業演進為智能體的基礎“能量場”。AI不單是單純的算法，是數據螺旋增長協同驅動的生產力，當數據、大模型與Agent共同聚焦在具體場景，可真正發揮其各自價值，實現AI在業務層的高地，釋放出AI時代的結構性紅利。

也因如此，端到端研發也非常重要，尤其是自動駕駛端到端后，行業影響極大，端到端意味完全獨立上崗，無人干預，AI工具是為了提高效率的上限，等于AI是24小時×7×365天，持續不斷的在學習的三個環節，所以，企業AI業務若獨立上線，讓AI自己完成實時的數據變換，那么同時由于搭建智能體的核心能力又是相對稀缺的，跨領域的場景擴張顯得尤為重要。

AI技術的核心在于其高效的學習和應用，其核心價值解決信息不對稱、價值創造和決策效率成本等問題。智能體的獨立上線和實時數據變換是其重要的戰略優先級。Agent的核心能力稀缺，可以擴展到更多領域。未來競爭將趨向均衡，Agent的上崗將解決供給稀缺的問題。智能體的發展也將帶來更復雜的智能體，并可能打破人類的知識和經驗壁壘，重新定義行業壁壘。

總結

在萬物互聯的背景下，算力呈現多架構并存、多技術協同、多領域協同等局面，AI呈現深度學習、跨界融合、人機協同、自主操控、群智開放等新特征，這些數字化技術對經濟發展和社會進步產生深遠影響。未來智能社會的核心引擎是AI服務，基礎設施智能化、企業智能化，都預示著：AI技術的大規模、普適性發展及應用落地，全面支撐智能經濟社會構建。

大模型作為當前科技發展的前沿驅動力，正在深刻影響著智能研發與IT組織的未來發展。企業應敏銳洞察這一趨勢，積極擁抱變革，充分發揮大模型在智能研發中的巨大潛力，構建適應新時代需求的敏捷IT組織架構，實現可持續的創新與發展。春雷之中孕生機，云計算、AI、大數據會伴隨算力，朝向未知而又精尖的方向演進，讓我們拭目以待吧！

2025CSDI 9月12-14日

共話科技AI應用元年

正值LLM時代，智能軟件研發的技術、范式和工具都發生了巨大的變化。無論是依賴于深度學習、神經網絡和大數據技術。還是軟件研發的范式從傳統的規則驅動和專家系統轉變為數據驅動和模型驅動。大量的智能軟件研發工具和框架應運而生。數據成為了智能軟件研發的核心。智算資源的需求與訓練部署復雜的模型，開發者需要利用高性能的硬件（如GPU、TPU等）和分布式計算技術（如云計算、集群計算、數據庫等）。這些技術應用仍然是IT組織探尋與研究的課題。

2025CSDI第九屆中國軟件研發創新科技峰會，將以數算+智躍為主旨，于深圳9月12-14日召開，攜手100+國內外頂尖創新先鋒，一起推動數字技術引領的智能研發，探尋LLM引發的知識革命下，更多的場景應用實踐。

第九屆2025CSDI 即將開幕，誠邀各界IT英雄，引崢嶸

扎實的專業+前瞻性的思考+優秀的實踐，帶給業界同仁們精彩視角、卓越思維。秉持科技向善理念，推動IT行業交流與傳播。渴望追求卓越、才華橫溢的同道中人，渴望在前沿AI領域有著豐富實踐的嘉賓，加入我們，攜手并肩，探尋知識革命的未來！

精彩瞬間

微軟、阿里巴巴、小米、騰訊、華為、360、平安集團、渣打銀行、工商銀行、招商銀行、隨行付、易方達、長亮科技、南方電網、廣州銀聯、穆迪信息、拍拍貸、宇信集團、投哪兒金融、天維信息、薩摩耶、華泰證券、招商證券、國信證券、陸金所、廣發基金、中國銀聯、恒天軟件、天陽宏業、中數通、電信規劃設計院、oppo、步步高、vivo、愛立信、百富計算機、廈門航空、福建聯迪、網易、星網視易、升騰科技、視睿電子、飛利浦、金山軟件、金山游戲、歐特克、順豐、深信服、歡聚時代、虎牙、珠海健康云、優視科技（UC）、52TT、天翼云、凱米網絡、電信設計院、ADmaster、博思軟件、網宿科技、珍愛網、金蝶、唯品會、中國聯通、中國移動、傳動數碼、無限極、中電、珠海網博、中軟、同盾科技、杭州順網、藍凌軟件、長園深瑞、中南民航、遠光軟件、廣聯達、中國電信、傳音、利通、物理研究所等。