在近日舉辦的金融街論壇“金融與科技雙向賦能推動產(chǎn)業(yè)高質(zhì)量發(fā)展論壇”上，百度集團副總裁袁佛玉圍繞人工智能（AI）在產(chǎn)業(yè)中的實際落地與未來路徑發(fā)表了深度見解。她指出，AI不僅是推動智能經(jīng)濟發(fā)展的核心動力，更通過低成本復制專家級智能生產(chǎn)力，為企業(yè)創(chuàng)造了顯著價值。然而，這一變革也對企業(yè)戰(zhàn)略規(guī)劃、人才結(jié)構(gòu)及組織機制提出了全新要求。

袁佛玉進一步分析，AI大模型正沿著兩大方向持續(xù)進化：一方面，智能能力不斷提升，覆蓋更復雜的場景；另一方面，使用成本逐步降低，推動企業(yè)更廣泛地應用。從落地形態(tài)看，AI將向數(shù)字世界的智能代理（Agent）和物理世界的具身智能（Embodied AI）兩大領域深入拓展。前者通過模擬人類決策過程優(yōu)化業(yè)務流程，后者則通過與物理環(huán)境交互實現(xiàn)自主操作。

盡管前景廣闊，當前AI大模型的落地仍面臨兩大關鍵挑戰(zhàn)。首先是算力瓶頸。隨著AI全面滲透企業(yè)運營各環(huán)節(jié)，算力需求呈指數(shù)級增長，可能成為未來企業(yè)最主要的成本支出。如何在有限的算力資源下支撐無限的創(chuàng)新需求，成為企業(yè)必須解決的難題。例如，金融行業(yè)作為AI應用的前沿領域，其高頻交易、風險控制等場景對實時算力要求極高，成本壓力尤為突出。

其次是業(yè)務適配問題。以金融行業(yè)為例，盡管該領域?qū)I大模型的接受度和應用能力均處于領先地位，但作為主流落地形態(tài)的Agent仍存在“不懂業(yè)務”的痛點。袁佛玉提出，解決這一問題需從三個工程維度入手：通過模型工程賦予AI專精領域知識，利用數(shù)據(jù)工程構(gòu)建適配智能體的數(shù)據(jù)體系，并借助應用工程實現(xiàn)業(yè)務場景的深度嵌入。例如，某銀行通過定制化訓練AI模型，使其精準理解信貸審批流程中的隱性規(guī)則，顯著提升了決策效率與準確性。