机械臂灵活摇晃，让奶白色的冰淇淋在塑料杯里堆叠成一座小山，两位欧洲参展商小心翼翼地接过机器人递过来的冰淇淋，一边品尝一边朝工作人员频频点头……这是发生在8月27日召开的2025 AGIC 深圳（国际）通用人工智能大会上的一幕。 “人工智能+”在这场大会上被具象化，从机器人“饮品天团”到智能驾驶汽车，从AI零售新生态到“城市大脑”，人工智能正驾驶着机器人等“硬件快车”、踩着油门冲进千行百业。不过证券时报记者了解到，在“人工智能+”行动大规模落地的新阶段，AI想真正迈入应用“深水区”，仍面临技术“通而不专”、数据“质缺量少”、成本居高不下等难题。 只需在屏幕选一杯咖啡，机器人就能在90秒内全自动制作一杯拉花精美的咖啡，浓香扑鼻。在大会现场，安诺机器人（深圳）有限公司相关负责人告诉记者，这次公司把整个“饮品天团”都搬到了展会上，能通过机器人完成做奶茶、咖啡拉花、打冰淇淋、调酒等各项复杂技能，“以后会有越来越多的饮品店出现‘机器人员工’”。 这正是AI技术落地的具象化场景。上述负责人表示：“我们的咖啡机器人就配备了智能视觉捕捉和识别系统，靠AI建立了学习能力，通过视觉捕捉和3D建模，专业咖啡师在它面前展示的拉花技巧，它可以看懂并学会，然后完美复刻出来。” 当咖啡机器人正在忙碌为参展者提供饮品的同时，一个挂着数枚金牌的机器人正张开双手，以“拥抱”的姿态面向参展者。这是领益智造的“领珑”机器人，在近期结束的首届世界人形机器人运动会上，该机器人斩获了物料搬运技能竞技、混料分拣技能竞赛双料冠军。 领益智造相关工作人员告诉记者：“‘领珑’主要能力是分拣，它搭载了我们自主研发的智能高精度视觉引导技术和创新的空间抢占式抓取算法，能够在物料混乱堆放的情况下精准选出需要的物料，高效进行分拣。它未来的应用场景将会非常广阔，能在大部分工厂里面当个好员工。” 在“领珑”机器人不远处，几台无人看管的收银机也吸引了很多人驻足。无需人工操作，只需把餐盘放到识别区，机器就能自动识别出餐盘上有哪些菜、需要支付多少钱，高效完成收银工作，这是深圳市银歌云技术有限公司推出的智能零售结算台，公司相关负责人表示：“我们的产物主要依托于百度飞桨的AI能力去打造，以前人力结算一分钟平均处理两单，我们的结算台一分钟可以处理10单到15单，大幅提高餐饮业效率、降低人力成本。” 从咖啡机器人到AI结算台，从“AI工匠”到智能轮椅，记者在大会现场看到了AI在各类场景中“显露身手”，这正是AI加速向千行百业渗透的缩影。 8月26日，《国务院对于深入实施“人工智能+”行动的意见》正式印发，明确提出到2030年，新一代智能终端、智能体等应用普及率超90%。同时，《意见》还以科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作六大领域为重点，部署实施“人工智能+”行动。“这意味着，届时AI将彻底成为水、电、网络一样的基础设施，全面赋能实体经济并融入日常生活的方方面面。”一名资深的AI行业人士告诉记者。 记者梳理发现，自一个月前国务院常务会议审议通过《对于深入实施“人工智能+”行动的意见》，近一个月以来已有浙江、上海、安徽、湖南等省份通过文件或会议形式，部署“人工智能+”行动。例如，浙江以“人工智能+医疗健康”为突破口，致力于建设国家级人工智能医疗行业应用基地；上海则聚焦制造业，实施“模塑申城·AI+制造”行动，推动人工智能技术与制造业深度融合。 “从以上两地来看，浙江依托‘数字浙江’基础，在影像辅助诊断、基层推广应用、数字医生普及等方面重点发力，体现其在数字健康领域的先发优势；上海则结合其作为全国高端制造和人工智能双高地的产业基础，重点在集成电路、汽车、钢铁、航空航天等行业推进AI深度赋能。”盘古智库高级研究员余丰慧在接受证券时报记者采访时表示，以钢铁制造业为例，华院计算的钢铁行业大模型已将宝武集团的热轧表面缺陷检测准确率从不足80%提升至98%，并成功出海应用于墨西哥阿塞雷罗钢铁，展现了“AI+制造”的巨大价值。 在当前各地加快实施“人工智能+”的浪潮中，赛智产业研究院院长赵刚告诉证券时报记者，各地需要结合自身资源禀赋，突出产业特色和创新亮点，因地制宜推进“人工智能+”行动，力求取得实效。余丰慧认为，要避免同质化，关键在于立足本地产业禀赋和数字化基础精准切入。“建议各地在实施中应坚持‘一业一策’，优先选择数据基础好、场景清晰、需求迫切的行业，依托链主公司构建‘数据—模型—场景’闭环，避免低水平重复建设。”余丰慧说。 随着“人工智能+”行动从顶层设计迈向全面实施，AI技术正加速从实验室走向工厂车间、田间地头和城市街巷。然而，多名受访专家表示，当前AI应用已进入“深水区”，规模化落地仍面临一系列难题。 首先是技术通而不专，行业适配性不够。“基础模型仍处于发展阶段，存在模型可解释性差、幻觉高等问题。一些行业模型的应用试验场景少，推广部署的条件还不成熟。”赵刚表示。 余丰慧表示，工业领域普遍存在“三高”困境——高准入门槛、高运营成本、高安全风险，一个微小的误判可能导致重大安全事故，这要求AI模型必须深度理解复杂的工艺逻辑与“老师傅”的隐性经验。但是当前普遍存在技术与业务“两张皮”的现象，应用场景难以打通。 “对此，必须构建‘技术—场景—生态’闭环体系，应鼓励龙头公司牵头组建创新联合体，推动AI公司与制造公司深度融合，实现AI在装配、焊接、质检等典型场景的规模化部署。”余丰慧说。 其次是数据质缺量少，高质量语料不足。高质量数据是训练行业大模型的“燃料”，但赵刚表示，目前不同行业数字化转型程度不同，“数据孤岛”现象突出，数据质量参差不齐，难以满足行业模型训练和推理的需求。 深圳星灿智能机器人有限公司相关负责人告诉记者：“智能机器人从实验室走向千家万户，过程中需要大量的优质训练数据让机器人迭代升级，让它更适应真实生活场景的需求，落地场景更丰富。” 最后是成本居高不下，中小公司难以承受。赵刚表示，标准化AI服务尚不能满足不同行业的特色需求，但定制化AI服务的算力、模型、数据等建设和实施成本仍较高，对中小公司而言负担沉重，成为了AI规模化推广的“拦路虎”。 “实施‘人工智能+’行动需要分类施策，针对央国企、行业龙头和中小公司等不同类型和规模的公司，给予差异化的支持政策。”赵刚表示，还可以探索建设“人工智能+”行动公共服务平台，满足共性基础设施和资源能力的供给，降低中小公司成本，促进人工智能应用创新。
