《科创板日报》12月22日讯（记者 陈俊清） 当前，人工智能（AI）已成为全球经济社会发展的核心方向之一，与大数据共同构成第四次工业革命的核心主题。新兴AI技术对各产业发展的渗透影响、在企业运营与管理中的实践应用，以及其未来发展潜力，均已成为各界关注的热点议题。

12月21日，在上海交通大学中银科技金融学院举办的“AI驱动产业跃迁新时代”2026新年论坛上，多位产业界人士围绕AI发展现状、产业融合路径等关键议题展开探讨。

AI重塑医疗健康产业新范式

“中国医疗信息化进程已经进入智能破局阶段，利用AI破解医疗资源‘成本-质量-可及性’三角矛盾，缓解‘看病难、看病贵、医生压力大’的系统性难题是当前智能时代的一大课题。”万达信息总裁姜锋表示。

姜锋认为，AI的核心价值在于将稀缺医疗资源转化为可低成本复制的能力。例如，通过AI学习顶级专家的读片诊断经验，可将其标准化并赋能基层医生，实现优质医疗资源的规模化下沉。

在技术路径方面，姜锋认为，医疗的严肃性要求AI必须突破“像素级认知”，迈向“逻辑级认知”，结合多模态数据进行因果分析，实现从识别病灶到理解临床决策的深度转变。同时，需为AI装上“伦理刹车”，规避误判风险，并通过RAG检索生成技术让AI从“闭卷背诵”转向“开卷查阅”，提升诊断可信度。

从医疗行业核心需求出发，商汤医疗首席医疗官钱琨认为，所有散点问题最终可归结为两类核心技术问题：一是语言、文本等模态的理解，这直接关联医学核心知识体系的承载与应用。二是影像模态的解读，涵盖CT、MRI影片解读及肿瘤活体切片病理诊断等，这类技术是严肃医疗环节的关键门槛，两大技术协同才能让AI真正融入医生的诊疗流程。

钱琨表示，当前AI产品落地仍面临多方角色的权责利分配问题。医疗决策的每个环节均受医疗监管方的治疗管控规则与学术管理方的专科质控规则约束，涉及软件使用者、监管方、医保/商保/自费等付费方等多个主体。

其中，AI与医生在诊断中的责任比例划分、数据采集分析到诊疗记录全链路的内涵质控（符合疾病特性的实质性质控），均是落地过程中的重大挑战。她提出，管理与治理的核心启发，在于明确技术与场景链路中各角色的界定及权责利分配。

对于未来发展趋势，姜锋提出五个发展方向：一是医疗入口泛在化，打破医院界限，实现院内、居家、社区、穿戴设备全覆盖；二是诊疗过程数字孪生，结合历史病例、基因数据实现精准用药与诊断；三是释放医生人文价值，让AI承担专业技术工作，医生聚焦复杂决策与情感慰藉；四是推动支付体系向价值导向转型，实现从“账房先生”到“客观裁判”的转变；五是强化数据的通用语言属性，打通医疗、医药、保险、康养全产业链。

世界模型与具身智能仍处于初期阶段

当前全球AI大模型竞争激烈，中美科技大厂均全力布局AI模型与AI Agent，而多模态大模型已从语言模型、文生图/文生视频模型，逐步迈向理解与生成统一架构的新阶段，世界模型成为AI大模型的下一重要发展方向。

关于世界模型的行业现状，华为终端BG首席科学家田奇介绍，该领域尚处于百花齐放的初级阶段，不同专家观点存在差异，如对是否需与物理世界交互、是否要实现精准预测等核心问题认知不一。

如果说基座模型与多模态架构是世界模型的“基础”，那么长视频理解与3D生成就是世界模型实现“复杂交互”的核心载体。田奇表示，长视频将取代图像，成为多模态理解的主要研究对象。“长视频通常指1小时以上的视频，由于篇幅巨大而难以一次性送入大模型处理。长视频理解，不仅是多模态大模型的重大挑战，也是大模型在复杂交互环境中的感知基础，是打造世界模型的重要基石。

在长视频理解与3D技术领域，华为已取得多项进展。据田奇介绍，团队首创了UniLat3D预训练模型，单张图片输入、单卡3秒内即可生成高质量3D资产，研发的WorldGrow能生成可无限扩展的3D仿真环境。此外，华为研发的三模态协同理解大模型，可整合字幕、人脸、语音等多维度信息，每小时视频能生成10万字以上达标数据。

对于未来的发展路径，田奇提出了相关规划：首先生成3D仿真场景，将机器人置于其中，随后以机器人的视角生成第一人称视频，再通过实时长视频理解算法，对视频语义进行深度理解，最终实现任务执行与指令响应。“这是我们认为通往世界模型的一条可行路径。”

与世界模型相辅相成的是具身智能，即AI通过物理载体与环境交互的能力。"若将具身智能比作智驾L1-L5，具身智能2025年行业仍处于L2初级阶段。"灵境智源创始人、CEO孙博认为，当前机器人运动能力突出，但自主泛化性不足，根源在于“缺智”，即机器人核心智慧模块的缺失。

从产业链视角，孙博拆解了行业痛点，他表示，目前以人形机器人为代表的终端已进入量产阶段，机电类核心零部件实现自主国产化，但最关键的“大脑”模块仍依赖海外厂商。其核心原因在于技术难度高，且当前行业技术路线尚未收敛，难以形成通用化解决方案。孙博坦言，当前行业尚未解决的核心难题包括缺乏专有芯片、专有操作系统及工具链、专有具身智能类脑模型，这也印证了行业仍处于早期发展阶段的判断。

针对这一行业困境，孙博公开灵境智源提出的“碳基脑映射硅基脑”技术路径，表示只有将芯片、操作系统、算法模型与产业化完全打通，才能真正实现具身智能算力底座的产业化落地。

孙博重点介绍了灵境智源自主打造的“德沃夏克”超异构架构，该架构从底层硬件开始，采用异构处理器架构，重构具身智脑系统，为机器人打造出一套“中枢神经系统”，实现机器人决策层与控制层的协同。

在产品层面，灵境智源于9月11日发布端侧计算平台“致境”T系列，算力达到1500TOPS。在产业落地层面，灵境智源已形成N系列产品，并规划2026年推广T系列，覆盖40TOPS至1500TOPS算力的需求，同时已布局N系列第一代、T系列第二代至X系列的长期发展路径，X系列将搭载通用型具身芯片。

市场化成果方面，孙博表示，灵境智源三个月内便积累了全行业头部、腰部客户资源，众多客户已实现实际下单与重复采购。

AI与传统产业融合加速

在AI技术深度融入传统产业的转型浪潮中，装备制造、航运物流、工业控制及产业投资等领域正加速探索智能化升级路径。

“港口业主对无人化、智能化的需求，倒逼我们早在10多年前就开始拥抱AI技术。”上海港机重工有限公司董事长胡中望表示，该公司2015年便交付了全无人化港口。在他看来，装备制造业无需深耕AI技术研发，核心是筛选高可靠的AI技术与产品深度结合，解决劳动力短缺、海量数据管理等行业痛点。而AI落地装备制造的关键门槛在于资金投入，企业需结合目标市场前景、产品架构合理性及盈利能力审慎布局。

中远海运科技股份有限公司总经理林亦雯从航运科技领域出发，表示AI与航运业融合是“必答题甚至抢答题”。她表示，AI为传统航运业带来颠覆性变革，公司围绕智能船舶、智能港口等五大领域，打造了多个数智产品、人工智能体及行业解决方案。

其中，视觉AI产品有效突破极端天气下雷达干扰的局限，实现“看得见、认得出”的目标，检出率超95%，误报率低于3%。她同时表示，船舶属性、货物保障及港口操作等因素决定了海上无人驾驶难以完全实现，人机协同仍是未来主流方向。

上海新华控制技术集团科技有限公司副总经理王福成聚焦工业控制领域的AI融合策略。他介绍了该公司的风险分级施策方案：对化工、地铁等重大风险领域，采用1比1或1比多冗余设计，关键节点全闭环处理；对影响成本效率的中等风险领域，全面引入AI并在关键节点介入检查。同时，通过跨部门联动共创，推动研发、销售、管理协同，提升AI赋能的提质增效效果。

启迪之星副总裁兼启迪之星（上海）总经理王维从产业孵化与投资视角，分享了AI与产业融合的判断标准。王维表示，商业模式创新依赖于产业价值重构，投资时更看重AI对产业价值的实际贡献。

王维对AI领域的相关投资基于三个方面，一是真实应用场景与需求，如能提升医院接诊效率的AI医疗技术更具商业价值；二是形成“数据+算法+场景”的正向飞轮迭代能力；三是具备商业闭环的付费客户。此外，团队是否了解AI技术边界、产业痛点及行业Know-How，是否具备工程化落地能力，也是早期投资的关键考量因素。