全球都在经历AI的喧哗与躁动，大模型的异军突起，AI技术的快速发展给予产业各界，乃至社会经济整体以巨大的震撼。我们也需要清醒的认识，喧嚣不能淹没理性，当人们对AI技术发展速度、应用前景以及盈利前景的过高预期，就催生了行业泡沫。尽管AI技术取得了显著进展，但与实现通用人工智能（AGI）的目标相比，目前的技术成熟度仍存在较大差距，并且AI与业务结合的场景尚未实现商业化路径，无论是ToC还是ToB。

  未来如何进退，我们来看看业内人士最新的观点。

  中国科学院院士、北京大学教授梅宏发声：人工智能泡沫太大，当前，社会对“AI+”或“AI for everything”（一切皆人工智能）抱有很高的期望，然而，现实情况却不尽如人意。“从当前的热潮中，我看到了太多‘炒作’和‘非理性’导致的 AI‘过热’现象，也对当前AI发展技术路径多样性的欠缺产生了一些担忧。”“AI的应用还需要经历一段时期的探索、磨合和积累，才可能迎来繁荣。”

  百度李彦宏说“AI像历史上许多次技术浪潮一样，在度过最初的兴奋阶段之后，泡沫不可避免。在这之后，有1%的企业将脱颖而出，继续成长，为社会创造巨大价值。现在，我们只是在经历这个阶段，这个行业比过去更冷静，也更健康。”

  周鸿祎表示“现在最大的挑战是怎样在看似与AI无关的传统领域、传统行业当中，用AI解决过去很难解决的问题。”他以斯坦福医学院通过AI技术优化医疗服务的多个环节，从而降低人力成本为例，指出在传统行业中，AI的应用案例应聚焦于解决具体问题。“正确的做事方向是，在传统行业里找到工作流程中的卡点和堵点，用AI能力将它解决，而不是追求宏大叙事。”周鸿祎认为，不要高估AI大模型现在的能力，AGI不会很快到来；但也不要低估它的潜力，目前大模型比较适合在细致的场景里进行突破。

  中国电子周进军副总经理提出，高质量的数据集和垂直大模型构成了未来软件产业发展的双轮驱动。借助中国丰富的数据资源和行业专家的深厚积累，我们有潜力在AI领域实现“并跑”甚至“领跑”。这将为软件行业带来更智能化的应用，也使得软件在行业场景的适应性更强，满足用户的实际需求。

   麦肯锡分析了中国的人工智能使用率暂时落后于全球平均水平，较世界领先国家仍有较大提升空间。而其中AI能否与业务充分结合，是决定AI能否实现经济价值的关键因素。只有紧贴业务的AI战略设计、完善的配套架构、充足的AI人才，以及健全的内部培养机制，才能使AI与业务发展需求充分融合，最大化经济收益。麦肯锡的详细调研结果表明，与领先国家相比，中国的AI在应用中有三大不足之处：一是人工智能整体战略尚不成熟，AI战略从顶层指导AI的设计、落地及业务协调，对AI成效和公司整体营收都有显著影响。二是人工智能转译员人才储备不足。AI相关的岗位主要包含软件工程师、数据工程师、数据科学家、数据架构师、产品经理和转译员等。其中，人工智能转译员的角色尤为重要，因为他们知道应该提出哪些业务问题，并将业务问题“翻译”成人工智能解决方案。三是对企业内部人才培养的重视程度不足。从调查结果来看，中国公司更愿意从顶尖高校和其他科技公司挖掘人才，而对于内部人才培养的重视程度不足。

  我们听到学者、企业、机构的不同声音，总体对AI应用保持着审慎的乐观。前途光明，道路并不平坦。借助AI，我们不仅可以提升个人和企业的运作效率，更能够为社会的整体发展注入新的活力。未来的路在我们每一个人手中，期待大家共同探索AI带来的无尽可能。

  对于企业而言，避免为了追求AI概念而进行投资和开发，而是立足专注于创造具有实际价值和差异化的AI产品和服务去研究和实践。

  数升数据作为长期从事软件和数据服务的企业，我们也需要敏锐地洞悉，AI的发展同样将深刻影响和改变软件行业的形态，从计算架构到软件开发流程，再到用户交互体验，AI技术都在推动着软件行业的创新和变革。最关键的是AI大模型的兴起正在重构软件开发的基本架构，这些模型通过强大的机器学习与数据处理能力，可以进行自动代码生成，并创建原生的AI应用，显著降低开发的门槛。这不仅提升了开发效率，还改善了开发者的整体体验。同时，端侧AI大模型的出现，使得软件应用逐步向智能体（AIAgent）演进。未来，AI智能体将能在各种终端设备中，如手机、个人电脑和智能音箱等，实现更为便捷的交互和使用体验。再有，软件工程思路也将向“Agent工程思路”转型，推动全新的开发理念，形成智能化技术的基底。随着AI技术的深入融合，软件行业、工业企业及各行各业都将有机会步入一个全新的发展阶段，借助智能工具，极大推动各行业效率提升和模式变革。

  未来已来，AI冲击波，会给软件行业带来新的生机和可能，也正在为经济发展注入新动力，塑造未来社会的新面貌。

（本文部分信息转自互联网，如有版权使用，请告知，我们将立即删除）