在刚刚落下帷幕的今年两会，“人工智能+”成为高频词汇。
今年政府工作报告（以下简称《报告》）提出，要持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。
就人工智能如何赋能千行百业，以及推广应用中需要注意哪些问题等，《科创板日报》记者采访了各行各业代表进行解读。在“+”之后，企业代表们补上了 “ 具身智能” “教育”“安全” “ AI Agent”等词语，在自己的专业领域“解码”人工智能。
值得一提的是，多名业内人士指出，DeepSeek让原本就横亘在企业落地大模型应用中的成本与性能权衡问题更加凸显。尽管大模型训练和推理成本降低了，但企业实际的部署成本并不低。“一方面，需要从降低计算量的底层逻辑出发，压低成本。另一方面，尽量做到推理引擎的标准化和算力的可重用。”
“人工智能+”激活千行百业
人工智能的迅猛发展推动了大模型与机器人技术的深度融合，显著提升了机器人的自主决策能力和环境交互水平。
作为一家人工智能大模型技术创新与应用落地企业，面壁智能ceo李大海告诉《科创板日报》记者，在大模型与机器人融合的 “具身智能”方面，目前，面壁智能为人形机器人打造 “端侧大脑”，落地了业界首个高效端侧模型运行在人形机器人的案例。
据悉，高效端侧模型与具身机器人的结合，能大大加速具身智能的快速落地。端侧模型与机器人的融合，基于自然语言理解交互，泛化场景指令，端侧超低指令延时，强大全面的多模态能力，高并发实时数据处理，高效硬件资源利用，场景数据隐私和安全。而面壁 MiniCPM 端侧模型都已初步具备相关能力，应用潜力巨大。
在具身智能、自动驾驶等行业中面临真实数据采集难、标注成本高、利用率低等问题。作为一家致力于为企业落地AI提供合成数据的解决方案商，光轮智能创始人兼CEO谢晨告诉《科创板日报》记者，报告中提到要持续推进“人工智能+”行动，这表明AI技术正在从“科研驱动”逐步走向“产业驱动”和“场景驱动”。而AI技术最终落地的瓶颈之一就是数据的供给问题，合成数据作为真实数据的“放大器”，本质上正是为了解决AI产业落地的痛点问题。
“首先光轮长期布局的合成数据与仿真技术，正好满足具身智能大规模预训练数据缺乏的问题。其次智能制造、工业数字化的快速落地方面，过去几年，制造业数字化的瓶颈一直在于数据难以规模化获取，而新的政策背景下，能更好地通过合成数据技术帮助企业构建仿真环境，进行更高效、更低成本的生产优化、质量检测和智能决策。“
数据显示，教育在消费行业中具备刚需属性，叠加庞大的用户基数，AI+教育有望率先实现应用落地。
万物引力科技有限公司创始人兼CEO肖翔峰告诉《科创板日报》记者，在AI To C教育应用方面，公司开发了一款产品 Talkface.AI ，是 AI 雅思口语教练，帮助用户免费提升口语能力。
肖翔峰建议，政府、国有资本与科研机构、产业园区设立专项孵化通道，重点支持小企业；其次是建设先进模型/算力加速中心，鼓励个人和中小创业者利用大模型加速各行业场景应用探索。
致力于AI+教育的北京盒智科技创始人&CEO鲁雅琦告诉《科创板日报》记者，“我们看到C端智能硬件与订阅服务会爆发，结合DeepSeek等大模型的推理能力，公司可通过低成本部署实现硬件功能升级，此外B端教育信息化与智慧校园建设也有很大的空间，解决智慧教考、智能评测、自动化批改等B端场景需求。” 鲁雅琦表示。据介绍，盒智科技的核心产品为面向儿童的随身智能硬件，创新性地搭载自研全流程多模态模型推理架构。
作为国内最早一批聚焦于Agent 领域的人工智能公司之一，未来式智能 Autoagents.ai 创始人 & CEO杨劲松告诉《科创板日报》记者，公司专注打造企业级Agent应用构建平台。此次报告释放出两个关键信号，其一，技术产业化路径清晰化，通过“人工智能+”明确技术扩散路径，推动大模型落地应用，避免“重研发轻应用”的失衡；其二，将AI与新能源汽车、智能终端等优势产业绑定，形成“技术突破—产业升级—经济增长”的良性循环。
“这些政策若有效实施，预计将推动中国在全球AI产业竞争中获得‘应用场景主导权’，而非局限于基础技术追赶。” 杨劲松认为。
作为AI安全领域的创新企业，隐拓智安 CEO张天鑫告诉《科创板日报》记者，高度关注报告中关于“统筹发展与安全”的战略布局。两会代表指出，目前“90%的大模型仍处于网络裸奔状态”，缺乏有效的安全防护体系。
张天鑫认为，针对端侧模型的“训练—部署—推理”全流程安全防护将成为行业刚需，并快速催生新的安全技术与服务。建议在医疗、金融等敏感行业设立AI安全技术试验专区，允许企业在合规监管框架下进行创新试验，为AI安全技术的发展提供实践空间。
“我们看到了在DeepSeek带来的热度之后，各行各业拥抱人工智能的速度加快。大模型公司，应用公司和硬件公司共同配合支持 AI 在各行业落地。麦伽智能聚焦在法律科技行业，2025年会加速拓展在法院，检察院和司法行政机关的智能辅助应用落地，业务也已经拓展到企业和事业单位的合规内控。” 麦伽智能创始人兼CEO罗成如是对《科创板日报》记者表示。
据财联社创投通执中ZERONE统计，2023年至今，人工智能赛道共有741家公司发生1027起融资事件，1795家机构参与投资，奇绩创坛（38起；34个项目）、红杉中国（18起；15个项目）、启明创投（15起；11个项目）、蓝驰创投（13起；10个项目）、阿里巴巴（13起；9个项目）等投资机构活跃，可统计到的融资金额为622.96亿元。
“降本提算” 让更多企业用得起大模型
年初DeepSeek的横空出世，将人工智能带入了“深思考”时代，这不仅加速了AI行业的渗透速度，也令算力迎来了一轮新的挑战。
如何在保证性能的前提下，系统性降低千亿级大模型的部署成本？在此背景下，聚焦智能算力优化的AI Infra赛道崛起。AI Infra，是指在大模型生态系统中，链接算力和应用的中间层基础设施，包括硬件、软件、工具链和优化方法等，是一个整体解决方案。
基流科技创始人兼 CEO胡效赫对《科创板日报》记者表示，DeepSeek-R1的全球影响力是对scaling law在推理和合成数据方向发展的强有力印证，这将进一步驱动算力需求的指数级增长。
当下，算力成本与效率的矛盾日益尖锐，单纯堆砌硬件规模已难以满足可持续发展需求，需通过跨层优化实现“质效双升”，软件系统层面需优化分布式训练框架与资源调度算法，从而在单位算力成本下释放更高模型性能，这正是基流核心能力所在，也是与传统设备厂商的核心差异。
同时，基流研发了端到端国产智算通信系统，实现智算网络中网卡和交换机芯片的国产化替代。预期将降低对进口设备的依赖，提升算力自主可控能力。
据了解，千亿参数模型私有化部署仍困难重重。成本高昂、推理耗时久，中小企业预算压力巨大，部分企业无奈选用轻量化模型，这在一定程度上牺牲了模型的智能化水平。
聚焦AI infra赛道的趋境科技CEO艾智远告诉《科创板日报》记者，从基础设施厂商的视角来看，国家关于大模型应用和算力建设的政策导向，需要更加考虑到怎么在终端有限设备上调用算力、优化算力利用率。“一方面，需要从降低计算量的底层逻辑出发，压低成本。另一方面，尽量做到推理引擎的标准化和算力的可重用。”
艾智远提及，公司特别推出 “以存换算”，通过这一新思路，能够充分利用存储资源，释放存力作为对于算力的补充，尤其在RAG（包括检索和生成）场景中，响应延迟能够降低20倍，性能提升达10倍。
一位头部机构投资人告诉创投日报记者，趋境科技凭借 “以存换算” 和全系统异构协同优化的创新路径，一定程度解决千亿参数模型落地过程中的 “成本高企” 与 “性能折损” 双重困境。
据了解，在AI Infra赛道，既有硅基流动、无问芯穹、潞晨科技、清昴智能这样的初创企业，也包括阿里云、华为云、字节火山引擎、百度这样的大厂，其通过各自的云服务平台，提供全栈AI Infra能力，涵盖算力调度、模型训练和部署等。
