[ 在此背景下，魏忠伟进一步指出，未来两到三年将是AI加速赋能各行各业的关键时期，通用性、稳定性和可靠性将成为行业发展的关键趋势。国内基础设施企业需要提供高质量的产品和服务，以满足不断增长的行业需求。 ]

随着人工智能（AI）大模型技术迅猛发展，全球各行业迎来一场前所未有的变革浪潮。AI大模型正在金融、交通、教育、医疗等多个传统行业催生出新的应用场景和商业模式。2025年被认为是AI技术加速普及和行业深度融合的关键之年，市场对AI基础设施和应用创新的需求也在持续增长。

然而，AI大模型技术的广泛应用也引发了对技术伦理和法律问题的深刻反思。这些问题不仅关乎技术的可持续发展，更涉及人类社会的基本价值观和法律规范。AI伦理治理逐渐成为全球关注的焦点，国际组织、各国政府以及学术界纷纷加强对AI伦理的研究和规范制定，以确保技术发展符合人类的利益和尊严。

在此背景下，3月8日，陆家嘴金融沙龙举办了一场以“AI+千行百业：应用场景与市场机遇”为主题的圆桌讨论，汇聚了来自金融、科技、学术等领域的多位业内专家，共同探讨AI技术在不同行业的应用前景、市场机遇以及面临的挑战。

垂类AI应用正在爆发

2025年被认为是AI发展的关键转折之年，技术突破、应用落地与产业生态的深度融合正在重塑全球竞争格局。沐曦集成电路（上海）股份有限公司董事会秘书魏忠伟表示，进入2025年后，垂直领域的AI应用发展尤为明显。金融、交通和教育科研等领域需求量增长迅猛，尤其是交通领域，随着特斯拉在国内建立数据中心，中国车企和相关企业也加速布局，未来几年有望催生大量需求。

与此同时，AI技术在终端设备、垂直行业以及生成式人工智能内容（AIGC）三大领域的应用前景被业内看好。上海阶跃星辰智能科技有限公司副总裁李璟指出，2025年将是人工智能应用爆发的关键一年。在终端设备领域，汽车将成为终端变革的核心力量，与智能手机并驾齐驱。在垂直行业方面，金融领域因数字化程度高、对新技术的接受度和付费意愿强，成为AI应用的热门赛道。此外，AIGC在专业内容生产、视频创作等方面的应用也将显著提升，并与其他领域形成差异化发展。

从技术发展的角度来看，AI的进步不仅让生成式AI在各个领域广泛落地，也极大地推动了边缘计算和AI芯片的创新。与此同时，AI终端市场也在迅速崛起，其应用场景从消费端的智能音箱、扫地机器人，拓展到工业领域的数据采集设备，展现出强大的发展潜力。

在此背景下，魏忠伟进一步指出，未来两到三年将是AI加速赋能各行各业的关键时期，通用性、稳定性和可靠性将成为行业发展的关键趋势。国内基础设施企业需要提供高质量的产品和服务，以满足不断增长的行业需求。

然而，AI的快速发展也带来了新的挑战。金融机构在应用新技术时常常显得无从下手，容易盲目跟风，扎堆采用同一类通用模型。国泰君安证券股份有限公司首席信息官俞枫指出，这种做法可能导致证券行业的投资策略趋于一致，进而放大市场波动。他认为，垂类模型才是破局的关键。通过开发和应用此类模型，证券行业能够实现差异化竞争，有效避免因模型趋同而引发的市场共振效应。

不过，AI的发展为中小金融机构带来了技术平权的机会。俞枫认为，尽管通用大模型存在趋同性，但金融行业更倾向于使用垂类模型，通过自身语料、微调策略和训练目标实现差异化竞争。他还强调，中小金融机构应结合自身业务长项，选择局部自主研发，提升数字化能力和数据语料构建能力，以摆脱对科技巨头的依赖。

“大模型的出现，尤其是像DeepSeek这样的技术，带来了技术平权的机会。过去，中小企业可能因为高昂的训练成本而难以使用开源模型。”俞枫说，如今，有了基础模型后，企业可以在其基础上进行微调，并结合领域知识进行优化，从而有机会脱颖而出。

从数据治理到“AI红线”

随着AI大模型加速渗透，数据隐私与伦理争议也成为核心议题之一。上海交大清源研究院研究员刘志毅提出，垂类大模型在发展过程中需要打破领域数据的封闭性，以实现更广泛的数据共享和模型优化。然而，在这一过程中，也要警惕过度专业化可能导致的模型能力下降。他认为，可以通过技术治理与制度协同的“双轨方案”来解决这一问题。

一方面，通过技术治理来解决，即通过隐私计算、区块链与AI技术结合，构建安全数据共享机制，例如在金融场景中实现“数据可用不可见”。另一方面，可以通过纵向的协同合作来解决。例如，上海交通大学法学院成立了计算法学与AI治理中心，推动技术手段与法律规制相结合，可以更全面地解决数据隐私保护问题。

李璟认为，2025年是终端领域发展的关键起点，行业处于快速变化中。推动新技术落地的最大挑战是从“缺乏共识”到“达成共识”，需要多方协作。技术突破重要，但落地还需考虑商业因素。DeepSeek在2025年的大热提升了大众对AI的认知，但目前仍面临诸多挑战：终端厂商需开放更多权限，深度整合AI能力；第三方服务需在Agent架构下重新设计服务模式，而非传统GUI交互。此外，政策支持至关重要，各方仍在博弈，挑战依然巨大。

针对各方协作中可能侵犯个人隐私的问题，李璟认为，个人隐私是一个永恒的话题，如何在效率和隐私之间找到更好的平衡，是当前亟待解决的挑战，“隐私保护并不是一个无解的难题，我们在技术上已经看到了一些可以探讨的方向”。

李璟提出“端云协同”新范式。比如，敏感数据存储于本地终端，通用计算交由云端，用户可自主控制隐私让渡边界，“我们将这些数据与AI结合的权力交还给用户，让用户能够自主决定隐私数据的使用范围”。在他看来，这种方式不仅让用户拥有更大的主动权，也方便他们保护自己最核心的数据。

AI伦理治理是当前人工智能发展中另一项重要议题，在刘志毅看来，技术工具必须服务于人的主体性，而非替代或消解人性价值。他举例说，在教育领域，他曾因伦理问题否决过一款监控教师教学水平并进行评估反馈的产品。他认为，AI作为一种工具，其目标是在尊重人格尊严和独立性的前提下提高效率。

刘志毅总结说，过去，技术乌托邦主义者认为“代码即法律”，这是一种技术理想主义。然而，在真实的人工智能世界中，必须将现实的法律、约束和价值观写入代码，让物理世界对数字世界进行约束，使其符合真实世界的运行规律。