回望即将结束的2025年，智能体应用爆发，AI开始从“听令行事”走向“主动服务”，人形机器人产业链也开始提前规划产能。但整体而言，AI在物理世界的部署仍面临诸多挑战，在追求高精度和高效率的工业场景中，这一问题则更为突出。李飞飞、杨立昆等顶尖人工智能科学家近日均发声强调AI学习理解物理世界的重要性。

为何AI在物理世界走得更慢？AI在2026年又迎来怎样的发展？

世界经济论坛人工智能卓越中心的人工智能应用与影响负责⼈玛丽亚·贝索（Maria Basso）近日在接受第一财经记者专访时解释称，将机器人集成至工业场景的难度远高于部署聊天机器人。她认为，让机器人能够理解物理世界的“世界模型”技术尚未完善，而实际部署时需要考虑更多因素、调试更多参数。另外，机器人部署还需要解决安全问题和劳动力适配等问题。

但她也观察到，在工业特别是制造业场景中，越来越多AI、传感器与机器人技术相融合的案例涌现出来。展望未来，她期待世界模型技术取得更大进展，同时AI智能体可以实现从技术概念和零星应用，到被企业规模化应用的跨越。“2026年很可能成为两大技术深度融合的一年。”她称。

避免陷入“为AI而AI”的困境

自大模型诞生并飞速改变世界以来，“拥抱AI”已经成为全球叙事。然而，麻省理工学院今年8月发布的报告却扔下一颗重磅炸弹。在调查了300多个部署案例、访谈了150位企业高管后，报告得出结论称，尽管投入了300亿至400亿美元，95%的企业在生成式AI投资中未能获得商业回报。

企业如何才能通过部署AI实现转型升级，维持竞争力？

贝索表示，无论是大型企业还是中小企业，首先要深耕专业领域知识，AI是一项通用技术，企业的差异化优势在于对特定领域的深度认知，所以企业要注重AI与专业知识的融合，避免陷入“为AI而AI”的困境。她还建议，企业要注重保持创新韧性，及时调整和放弃无法创造价值的项目。保持开放心态，内部从管理层到一线员工要协同开发和推动AI应用落地，对外则要注重向行业学习和分享经验。

“需要特别注意的是，有些企业开始盲目在所有业务中应用AI，这种做法往往收效甚微。”贝索表示，大量成功案例的共同秘诀之一在于从试点项目和起步阶段起就明确其商业价值，验证可行性后扩大推广并不断优化。贝索同时提醒称，由于AI的价值很大程度上源于优质数据，所以企业要重视数据治理，建立清晰的数据管理架构和专门团队。

中国获奖者占比40%

为挖掘那些真正具备“有意义、智能化、创新性、可部署”特征的AI应用，世界经济论坛发起了AI应用之星（MINDS）计划，重点关注已经在医疗、能源和金融服务等关键领域带来切实影响的人工智能应用。记者注意到，首批获奖者中有宁德时代、蚂蚁集团、工商银行等不少“中国面孔”。

贝索向记者透露，该计划第一期共收到来自23个国家的数百个项目的申请，申请者中既有两人初创公司，也有大型跨国企业。“虽然来自中国的申请只占总量的20%，但最终中国项目在获奖名单中占比高达40%。这一数据充分印证了中国蓬勃发展的创新实力。”她说道。

她观察到中国的人工智能应用往往并非源于单一企业，而是多方合作。“这种对不同利益相关者开放的对话和讨论确实加速了人工智能的发展进程。”她称。

“要构建一个有利于人工智能的发展环境，政策制定者、产业界和学术界需要坐在同一张谈判桌前。”贝索表示，在这一方面，中国的政策制定者始终将人工智能发展放在议程前列，中国企业也展现出了惊人的创新速度和保持谦逊、持续学习的态度。

(本文来自第一财经)