访谈嘉宾

陕西省计算机学会理事长、西北工业大学教授 周兴社

西安电子科技大学人工智能学院执行院长 侯彪

美林数据技术股份有限公司AI应用研究院院长 寇二平

人类社会正迈向以人工智能为关键支撑的智能社会，新一代人工智能成为国际竞争的新焦点和经济发展的新引擎。

抢抓人工智能发展机遇，陕西省发展改革委牵头制定《陕西省深入实施“人工智能+”行动方案（2025—2027年）》，明确陕西将聚焦赋能科技创新、产业发展，助力消费提质、民生改善，提升社会、安全、生态治理能力，增强基础支撑能力4个方面，围绕15个方向推进“人工智能+”在重点行业的深度融合与应用，力争到2027年，陕西制造、能源、文旅等重点领域智能化发展取得显著成效，新一代智能终端、智能体等普及率超70%，具有全国影响力的人工智能创新发展聚集区加快形成。

从这份“施工图”入手，本报记者邀请多名省内高校、研究机构的专家学者和企业负责人解读《方案》，探讨陕西“人工智能+”如何赋能千行百业。本期访谈，记者专访陕西省计算机学会理事长、西北工业大学教授周兴社，西安电子科技大学人工智能学院执行院长侯彪，美林数据技术股份有限公司AI应用研究院院长寇二平。

记者：从全球来看，以大模型为代表的新一代人工智能技术处于哪个发展阶段？陕西在推动“人工智能+”方面应如何把握技术演进节奏？

周兴社：从2023年到现在，新一代人工智能技术爆发式发展，在技术创新与领域应用驱动下进入高速发展期，正在对科技进步、产业发展等产生重大而深远的影响。

按照高德纳（Gartner）技术成熟度曲线来讲，新一代人工智能技术处于不同发展阶段。例如，生成式AI处于泡沫破裂低谷期，应用落地正在实施；AI智能体处于期望膨胀期，距离真正发挥价值还需一段时间，但未来可期。有专家预测，到2027年左右，不少基础大模型会“销声匿迹”，而垂直领域模型则会成为主流，呈现百花齐放态势。因此，我们不能盲目跟风。陕西实施“人工智能+”行动，应该结合重点领域和行业，重点开发面向行业的垂直大模型。

要先易后难推动大模型与各行业结合。目前，大模型的应用主要是以应用场景为驱动。比如，大语言模型在知识问答、智能客服及政务、法务等众多场景中应用取得了良好成效，条件较为成熟；在工业领域，大模型在物流配送、售后服务场景中易于应用，但在工业生产过程的深层次应用难度较大。因为工业生产过程具有鲜明的强专业性、高准确性、高可靠性要求，因此，只有在高质量数据集的支撑下，工业细分领域模型经过微调优化使得幻觉大大减少、准确性大幅提升，才能应用于工业生产过程中的工艺优化、质量管控等场景。

要加强多元化算力支撑和统筹调度。一方面，要加强全省智算基础设施的建设统筹和动态调度，避免盲目建设。另一方面，要形成多元化算力支撑，要有代表区域水平规模较大的智算中心，也要有面向行业、集团的本地化智算集群部署和面向小型企业的小规模轻量化智算系统。如此，才不至于形成过大的浪费，也能够支撑AI应用不断深化。

记者：目前，陕西人工智能产业发展中存在哪些短板？该如何推动产业进一步发展？

侯彪：2017年，“人工智能”一词首次出现在《政府工作报告》中。2024年，《政府工作报告》首次提出“人工智能+”行动概念。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》。

我的理解是，2024年之前是大力推进人工智能基础理论、关键技术和算力数据平台建设的一个时期。2024年开始，产业发展的重点变成了推进场景落地。

陕西是科教大省、能源大省、军工大省，在制造业、农业、文旅等方面优势明显。但是，陕西人工智能产业发展不够超前，潜力有待挖掘。主要有以下几个方面原因：一是高端人才供需矛盾突出；二是缺少龙头企业，示范带动能力弱；三是数据打通难，模型难以落地；四是场景应用要求高，应用落地难度大；五是金融支持体系不完善，商业化概率低。针对以上不足，这次省发展改革委牵头制定的《方案》对陕西人工智能产业发展壮大起到了至关重要的作用。

我认为，推动这些举措落地的过程中要注重树标杆，各个行业领域、政府主管部门要主动打造典型案例，形成示范带动效应。要着力塑生态，人工智能产业生态的建设非常重要，离不开高端人才、龙头企业，算力数据、模型算法、应用场景和金融体系的支撑，必须要打造有利于人工智能产业发展的良好生态。

记者：作为人工智能技术解决方案的供应商，美林数据技术股份有限公司怎么看待人工智能的发展现状及未来趋势？

寇二平：我认为，现在是大力发展人工智能技术的一个最好时机。业界预判，未来大概3到5年时间，人工智能技术就会影响和改变各行各业。

人工智能技术有很多特点：一是通用技术赋能千行百业，影响我们生活的方方面面。二是未来的竞争是非对称性的，大企业能占一席之地，小企业也大有可为，一些独特技术方面的突破就能为行业带来颠覆性的变化。未来，会不断涌现出一些创新能力很强的小企业。三是人工智能行业的发展有自动加速的能力，不是线性发展，而是指数性的发展。模型之间互相比拼、相互促进，会不断优化形成“飞轮效应”。所以，在人工智能技术的研究方面，我们要加快利用好这种“飞轮效应”，加快形成自我迭代的能力。

在长期服务客户的过程中，我们发现两个问题。一是数据治理问题。各行各业的数据有很多，但是数据怎么用于人工智能？质量怎么提高？这是摆在人工智能技术应用方面的必答题。二是可靠性问题。我们服务的一些电网、能源企业客户，他们对可靠性的要求非常高，必须是100%，但是传统大模型还是存在黑箱问题和幻觉问题。这些问题在一些关键产业里面是不可接受的。

下一步，我们将成立人工智能应用研究院，针对大模型和小模型的结合应用构建工程化平台，解决人工智能在关键行业领域应用的问题；联合企业和高校专家成立研发机构，针对行业领域的关键核心难题进行联合研发攻关；积极参与国家在人工智能领域的标准制定，也希望省级层面对人工智能标准工作进行支持；加强产教融合，把实践案例做成实训平台，让教育机构可以直接用我们的实际案例培训学员，让学员能更快地开展实际项目。（记者 杨晓梅 孙丹）

编辑：张娟