Full text · 原文
1,098 字
新华社大连6月24日电（记者丁非白、高爽）当全球科技巨头将数万亿美元砸向人工智能基础设施，一个令人困惑的现象正在浮现：技术迭代日新月异，但多数企业的生产力“账本”上，却难见相应增长。<br>
正在大连举办的世界经济论坛第十七届新领军者年会（夏季达沃斯论坛）上，一场题为“AI无处不在，却非一蹴而就”的论坛座无虚席。“一些企业表示，过去三年AI尚未对公司发展产生可衡量的影响”，成为与会嘉宾热议的焦点，多位学界与产业界嘉宾共同探讨上述行业困境。<br>
数据勾勒出鲜明的反差。科技巨头们今年正在大幅增加在AI基础设施上的资本支出。据多家机构预测和分析，今年，仅亚马逊、Alphabet、微软和Meta这四家公司就计划支出超过7000亿美元，几乎是去年的两倍。然而，普华永道最新发布的《2026年人工智能效能研究报告》显示,在通过AI实现财务收益这一赛道上，仅有少数企业遥遥领先。 在大连国际会议中心，嘉宾在“AI无处不在 却非一蹴而就”分论坛现场交流（2026年6月23日摄）。新华社记者 潘昱龙 摄<br>
“我们正处在一个悖论之中。”论坛上，万宝盛华集团董事长兼首席执行官约纳斯·普里辛格表示，一方面大模型演进速度惊人，另一方面其对生产力的影响却不及预期。他将这种“高投入、低产出”的困境概括为“幽灵效率”——AI提升了个体效能，却没有自动转化为组织效能。<br>
为何投入与产出会出现“剪刀差”？与会嘉宾普遍认为，问题不在于技术本身，而在于技术与组织、场景、人才之间的深层错配。<br>
清华大学苏世民书院院长薛澜认为，想要AI技术全面渗透社会，既需要硬件基建，即数据中心、能源供给等实体设施，也需要软性基建，即法律法规、行业监管体系。但目前软性基建的完善速度，远远跟不上前沿模型的迭代速度。从政策视角来看，必须加快完善配套规则，才能推动技术快速普及。<br>
当前，通用大模型算力成本高、投入高，行业内卷加剧，但一些轻量化AI的快速成熟，让AI技术从“重资产竞赛”转向“轻量化落地”，改写行业竞争格局。<br>
薛澜认为，轻量化模型会催生大量细分赛道的创业公司，快速落地各类垂直应用，AI智能体也给很多小公司创造了独特的市场机会，能够发展更快，找到自己的方向。<br>
在业界看来，相较于通用大模型，轻量化AI更适配细分行业，能够精准对接工业、民生、服务业等垂直场景的个性化需求。<br>
中国移动首席科学家冯俊兰表示，破解“AI生产力悖论”，关键在于弥合技术速度与人的适应速度之间的鸿沟。这要求企业不仅投资于算力与算法，更要投资于组织变革、员工培训与治理体系建设；不仅追求技术的“单点突破”，更要实现技术与业务的深度融合。