「智汇制造 创赢未来」腾讯云 TVP AI 研讨会暨泸州老窖·国窖 1573 研究院智库研讨会在上海成功举办。
6 月 20 日，由上海人工智能实验室、腾讯云 TVP 、泸州老窖·国窖 1573 研究院联合主办的「智汇制造 创赢未来」腾讯云 TVP AI 研讨会暨泸州老窖·国窖 1573 研究院智库研讨会在上海成功举办。在本次活动中，专家们现场参观全国首个大模型创新生态社区「模速空间」，直观体验 AI 前沿技术与创新应用的碰撞。来自智能制造、数字化、AI 等领域大咖，围绕 AI 技术、应用落地、行业实践心得等展开深入研讨。活动特设头脑风暴环节，各位专家畅所欲言，进行精彩的观点碰撞，共同探讨 AI 的现在和未来。
主持人开场
主持人积梦智能 CEO、腾讯云 TVP 谢孟军在活动伊始时表示，我们处在一个变革之年，通用大模型加速落地，AI 正从任务型算法迈向认知智能。与此同时，具身智能的崛起打破虚拟与物理世界的界限，推动行业进入生产力革新阶段。今天，期待与各位专家老师共探大模型、具身智能的多元落地路径，为产业智能化升级提速助力。
积梦智能 CEO、腾讯云 TVP 谢孟军
主办方致辞
泸州老窖股份有限公司党委副书记、总经理、泸州老窖·国窖 1573 研究院执行院长 林锋
泸州老窖股份有限公司党委副书记、总经理、泸州老窖·国窖 1573 研究院执行院长 林锋表示，随着人工智能技术的迅猛发展，各行各业正在发生根本性变革。在林锋看来，这种变革可能超越「工业 4.0」的范畴，迈向全新的「工业 5.0」时代。
面对全球范围内革命性的技术浪潮，企业需要积极拥抱 AI 时代。泸州老窖也不例外，在智能制造领域开展大量探索与实践。2024 年 12 月，泸州老窖进入工业和信息化部装备工业一司发布的「卓越级智能工厂（首批）项目名单」。通过与西门子的合作，泸州老窖对传统酿酒体系进行系统性重构，实现从酿造生产、储存到包装物流的全流程自动化建设。不仅实现硬件设备的机械化联通，还实现数据流的整合贯通，真正打通整个生产链条。
泸州老窖通过打造新供应链体系，减少人力需求，从传统模式下的 6000 人降至 164 人，建设成本也显著降低。此外，构建数字化营销体系，使得每一瓶酒的流通数据均可追溯，并基于数据反向驱动营销决策。经过两年多的转型实践，销售团队实现高度数字化的人机协同模式，推动企业运营效率持续提升。此外，泸州老窖积极探索金融科技应用，在数字货币领域走在前列，未来还将推出专属泸州老窖的定制化数字货币，进一步拓展数字生态边界。
此次携手腾讯云 TVP，旨在共同探讨 AI 技术发展的前沿趋势，期待大家通过今天的活动有所收获，探索未来发展的新机遇。
腾讯云副总裁、智慧零售、文旅、建筑、农体技术负责人 程伟
腾讯云副总裁、智慧零售、文旅、建筑、农体技术负责人 程伟表示，当前，以大模型为代表的 AI 技术正以前所未有的速度重塑千行百业。在科研的前沿阵地，上海人工智能实验室作为国家级科研机构，在多模态大模型、具身智能等领域处于领先地位，并在人才培养和开源开放方面做出重要贡献；而在产业的深水区，泸州老窖率先开辟白酒行业数字化转型新路径。自 2018 年起，腾讯云和泸州老窖在数字化营销、数据资产运营等方面展开了深度的合作，结合腾讯智慧零售的解题思路，共同打造了智慧酿造与数字运营双轮驱动的标杆实践，成为传统产业拥抱新技术的教科书级案例。作为长期战略伙伴，今年双方正加速将 AI 技术落地，推动更多创新应用的实现。
腾讯云作为坚定的产业互联网的深耕者，随着生成式 AI 在 2025 年的可用性大幅提升，AI 与产业的融合进程也按下了快捷键，腾讯云持续加大在算力、模型、产业落地的全链路支持，确保 AI 技术能够真正落地应用。在腾讯内部，实行全面 AI 化，内部超过 700 个应用已全面接入 AI。2024 年，腾讯的研发投入达到了 707 亿元，同比增长 220%。目前，腾讯在全栈技术能力、组织人才、场景深度耦合，生态共创四个方面，不断推动前沿 AI 技术落地为好用的 AI。
为了进一步推动 AI 技术的应用与发展，腾讯构建开发者生态与全行业数字化生态的专家计划——腾讯云 TVP，目前已汇聚 500 多位顶级专家，通过举办峰会、参观标杆企业、组织研讨会等方式，促进技术交流和经验分享。展望未来，我们将与更多行业专家并肩同行，让 AI 成为推动社会进步的普惠力量。本次活动作为新的起点，一同携手共进，在 AI 浪潮中书写更多的辉煌，期待与各位专家交流碰撞，共同推进产业与技术的深度融合与创新发展。
从语言模型到具身智能：机会和挑战
腾讯云 TVP 邓亚峰
腾讯云 TVP 邓亚峰发表《从语言模型到具身智能：机会和挑战》的演讲，从大语言模型的发展谈到具身智能的演进，分析其中的机会与挑战。
邓亚峰首先回顾了 AI 技术的发展历程，指出 AI 发展一直是围绕着如何利用更多数据训练更大模型进行。而历史证明，人工智能领域凡是不符合 Scaling Law 的往往都是错的。当前大语言模型具备强大泛化能力，但仍面临幻觉等问题，思维链、强化学习等技术使得大语言模型从「快系统」逐步具备类似人类「慢系统」的能力。
随后，邓亚峰谈到具身智能领域，他认为机器人虽然发展多年，但尚未达到真正的智能，无法泛化、通用，所以应用场景受限，商业化受限。与大语言模型相比，机器人需要与物理世界交互，缺少大量的数据，限制其智能化水平。他对比 LLM 与机器人的商业化路径，指出机器人面对的场景更多，更具商业潜力，但也面临更高技术门槛。他认为，具身机器人是未来 10~20 年科技领域最大的机会，但受限于缺失训练数据，具身机器人的核心技术还没有取得突破，在开放环境任务上，无法持续稳定运行，因此未来发展的里程碑是限定任务通用和场景泛化。
机器人的两大核心能力是移动能力和操作能力，当前移动能力发展迅速，例如今年春晚的人形机器人表演跳舞；在操作能力上，由于环境、任务、物体多样，挑战较大，因此在限定任务上通用，做到场景泛化。
机器人领域的技术路线是视觉语言动作模型（VLA），但端到端的 VLA 模型，需要很多训练数据才能达到泛化能力，且容易受到视觉信号噪声的影响。尽管行业已有百万规模的数据，但远远不够。具身智能领域相对成熟的训练方法是模仿学习，优点是可以利用大量的轨迹数据训练，但泛化能力较弱，难以适应物体形状变化，较难接受视觉输入，适合训练移动能力，不适合训练操作能力。另外一条路线是通过仿真环境和模拟器，机器来收集数据训练，在真实环境下强化学习训练。邓亚峰认为，解决机器人通用泛化的核心是找到新的 Scaling Law，产生大量数据来训练，实现模型突破。但目前这条路仍没有走通。
在展望未来具身智能机器人的发展时，邓亚峰强调，在通用机器人领域取得成功的企业，不仅需要具备强大的 AI 能力，还需要在供应链管理和应用场景开发上拥有优势。除了能攻关具身智能 AI 大模型的团队外，一些基于工程方法和场景数据的团队也可能获得成功，只要找到好的切入场景，打造场景化技术是有机会的。因此对于普通团队来说，在更快闭环的场景构建硬件产品，并积累真实数据优势，等待通用开源具身大模型的到来，提升模型能力，也是一种可行的路径。
AI 赋能汽车研发设计创新多场景应用
阿尔特汽车副总裁、AI.X Lab 主任 刘亚彬分享《AI 赋能汽车研发设计创新多场景应用》的报告，详细剖析阿尔特如何结合 AI 技术在汽车研发设计场景实现创新。
阿尔特汽车副总裁、AI.X Lab 主任刘亚彬
阿尔特创立于 2007 年，目前已服务过超 80 家汽车行业的客户，成功研发超 500 款车型。2023 年，公司开始探索「AI+汽车研发设计」的实现路径，在算法开发和数据融合上已有初步成果。
当前，汽车产业面临用户场景复杂，产品迭代加快，开发周期大幅缩短，整车涉及流程复杂、变量多、约束多等挑战，AI 如何提升效率，重塑汽车产业能力，如何将物理属性需求与设计过程高效衔接。阿尔特携手生态合作伙伴，以 AI 重塑汽车研发全流程。在重塑设计过程中，从原来整车设计的工业时代到整车数智孪生系统，再到如今整车设计的 AI 时代。将复杂的需求拆解为零件数智模型，再合成整车数智系统，让零件「自协同」，实现柔性、敏捷研发。
刘亚彬展开介绍阿尔特 AI 技术架构，分为基础层、算法层、生态层，打造从基础设施到大模型再到智能体、算法工具的全栈 AI 技术体系。
阿尔特探索 AI 落地汽车研发的应用场景有汽车设计知识大模型，实现汽车设计不同公司的设计知识 Knowhow 检索；AI 场景创新，从 AI+用户研究开始，逐步实现 AI+产品定义的全面赋能；开发 AI 员工，让 AI 在不同关键环节提供辅助；通过 AI+项目管理，显著提高项目管理的效率、促进知识的积累和复用；造型 AIGC，推出垂直 AI 创绘模型「TAI」 ，帮助汽车设计师提高设计效率；性能预测，智能预测风阻；AI 二维图自动生成，支持 AI 自然语言交互文件操作，支持常规 3D 数据上传，常用 2D 图框文件上传等；AI 汽车后市场，与生态伙伴携手搭建智能维修诊断平台。还有 AI+3D 敏捷设计开发、AI+软件开发测试等领域。未来，阿尔特将打造一个软件链、AI 工具、多智能体集成的工业设计平台，构建协同高效的汽车智能设计生态。
大模型驱动的具身智能前沿
上海人工智能实验室青年研究员 王栋带来《大模型驱动的具身智能前沿》主题演讲，围绕具身智能的研究背景，目前研究进展与未来展望展开介绍。
上海人工智能实验室青年研究员 王栋
具身智能的概念最早源于心理学实验，其目标是构建一种类似自然界生物的智能实体，能在真实物理世界中执行各种任务，并在物理世界交互中持续学习与进化。与大语言模型相比，具身智能不仅包含数据与算法两个要素，还有机器人本体。其数据具有场景依赖性，不同应用场景下的数据不同；本体形态多样，需要根据特定任务设计相应的本体；在算法层面，具身智能是多模态融合系统，需同时处理视觉、语言与动作，对系统的实时性与执行成功率提出更高要求。这三个方面的特性使得具身智能的研究路径和技术挑战区别于大语言模型。
在数据方面，数据是具身智能发展的核心挑战。人类视频数据、仿真环境数据以及真机数据共同构成具身智能数据金字塔。其中，网络视频数据易于获取，仿真数据可通过建模生成，而真机数据虽然价值最高，但成本高昂，收集大规模数据较难。为解决这一难题，研究者尝试将仿真数据与真实数据结合的方式，通过仿真器、神经渲染等技术构建仿真环境，探索基于「世界模型」的预测机制生成合成数据。
在算法方面，具身智能处于 L2 以下阶段，即只能在受限场景下完成特定任务。其面临的挑战包括动态交互的 3D 环境复杂性，可能出现未知的突发情况，不同的本体需要有不同的底层运控算法来控制；复杂的精细操作，不同复杂程度的任务精细协同操作不同，还有新的场景泛化，例如办公室工作机器人去家里做饭等。目前主流方案依托视觉-语言-动作（VLA）模型，借助大模型的通用知识迁移能力指导机器人操作。例如 Physical Intelligence 推出的π0 模型，上海人工智能实验室等联合开发的空间具身通用操作模型 SpatialVLA 等。
在机器人本体方面，行业正朝着更易用、低成本的方向演进，人形机器人在运动控制技术上取得一些进展。尽管目前尚未达到可广泛部署的 L2 阶段，完全开放场景任需突破，但在固定场景已展现出潜力。
王栋指出，提升数据与算法的泛化能力仍是具身智能发展的核心方向。在短期内，具身智能可在限定场景中实现商业化落地，长期来看，则是构建可在真实物理世界中执行各种任务，并持续学习与进化的智能实体，这是具身智能发展的未来愿景。
AI 赋能营销：消费品行业 AI 应用案例分享
AMT 集团创始人孔祥云发表题为《AI 赋能营销：消费品行业 AI 应用案例分享》的报告，分享 AMT 在不同行业的 AI 应用实践与思考，特别是 AI 赋能营销的案例，阐述消费品行业落地 AI 应用的具体路径。
AMT 集团创始人孔祥云
AMT 作为「管理+IT」专业服务公司，聚焦消费品、冶金化工、金融、能源环保等行业。在消费品领域，AI 落地经常场景诸多，在供应链、产品设计、营销策略等方面都有高度数字化需求。
在营销方面，可通过 AI 陪练，帮助新手导购快速上手、并进阶成销冠；用 AI 监控和指导经营，帮助店长实现经营的即时跟踪与调整，有效提升营销能力。在对外服务中，可用 AI 打造数字分身辅助销售与服务，实现智能客服；通过 AI 的主动销售与智能触达，提升顾客回购率，有效优化消费者体验。孔祥云以 AMT 帮助客户「绝味鸭脖」落地 AI 应用为例，使用 AI 赋能店长和一线店员，不仅提高店员业务能力，还提升整体经营水平。
孔祥云总结消费品行业 AI 应用的实施路径有三步：第一，场景切入，识别关键营销场景。第二，数据整合，构建数据驱动基础。只有结合行业数据，才能为 AI 分析和决策提供强大的数据支撑。第三，人机协同，优化营销业务过程。AI 系统需不断通过反馈进行迭代，才能真正发挥效能。
展望 AI 营销的未来趋势，据 Gartner 预测，2025 年 50% 企业营销内容由 AI 生成。孔祥云表示，在技术融合上，AI Agent 替代部分决策，以及多模态技术持续深化，实现「一人千面」个性化营销。在数据与合规上，数据安全与隐私保护成为重点。在组织变革上，企业设立专职 AI 团队，营销人员需掌握 AI 工具应用能力。
数智领航：泸州老窖智能制造实践与创新探索
泸州老窖集团（股份）公司首席数字官、数字化发展中心总经理、泸州老窖国际发展（香港）有限公司董事长、腾讯云TVP 苏王辉带来《数智领航：泸州老窖智能制造实践与创新探索》主题演讲，分享泸州老窖作为百年传统酒企在数字化转型的战略思考和具体落地实践。
泸州老窖集团（股份）公司首席数字官、数字化发展中心总经理、
泸州老窖国际发展（香港）有限公司董事长、腾讯云 TVP 苏王辉
苏王辉首先回顾泸州老窖的数字化转型之路，发展历程可分为四个阶段：1980 年-2000 年为信息化萌芽期，无纸化建设阶段；2000 年-2015 年为信息化建设期，建成白酒行业首个 ERP 系统；2016 年-2020 年为数字化转型升级阶段，建设工业化、自动化；2020 年-2025 年，进入数据深化应用与治理阶段。在「十四五」期间，泸州老窖提出「六位一体」目标，首次将「建设数字泸州老窖」确立为核心战略之一。
目前，泸州老窖在数字化建设方面取得显著成果：在营销数字化上，自 2018 年起与腾讯合作，构建私域流量和消费者会员体系，构建以「经销商+终端+消费者」为中心的数字化生态链；在供应链数字化上，建成数据驱动、高效协同的智慧工厂；在园区数字化上，打造全面感知的智慧园区；在酿造数字化上，建成行业规模大、智能化水平高的固态法白酒酿造基地；在管理数字化上，构建企业级的大数据平台，推动基于数据驱动的管理和创新。
在人工智能的应用探索方面，泸州老窖建设公司本地智算中心，形成自主可控的人工智能平台能力，采用「大模型」+「小模型」双轮驱动策略，构建「5+N」的全栈国产化智算中心。「5+N」即 1 个国产化算力底座、1 个企业级大数据平台、1 个企业级知识库、1 个 MaaS 平台、1 个智能体平台，打造 N 个场景示范应用。目前，企业对大模型处于探索阶段，基于 DeepSeek R1 和 Dify 平台快速构建公司智能问答等轻量化的场景应用，如问答系统、代码生成、内容撰写、图像生成等。小模型在营销、供应链、酿酒、管理等多个场景中已有应用。未来，公司将探索 AI 在智能问数、智能客服、智能陪练、数字员工等场景的落地，并在垂直领域持续深化，打造泸州老窖专有的场景大模型。
苏王辉强调，AI 应用不是单点技术突破，解决端到端问题才是最终目标。AI 技术本身没有好坏之分，只有契合企业自身发展阶段和业务需求才是最好的。数字化建设的本质在于重塑企业三项重要能力：底层的数字化系统与数据基础、中层搭建专业化数字人才团队、顶层推动企业全员的观念转变与达成共识。
AI+安全：大模型时代的安全威胁攻防实践
腾讯云安全威胁情报副总经理 聂森带来《AI+安全：大模型时代的安全威胁攻防实践》的主题演讲，分享大模型时代，威胁防护的挑战与机遇，传统威胁的新揭发以及大模型带来的新威胁与解法。
腾讯云安全威胁情报副总经理 聂森
腾讯云安全科恩实验室专注于安全攻防技术、安全大数据和安全 AI 算法的交叉研究与应用落地。当前，AI 大模型取得突破性进展，带来新的发展机遇，同时也带来了新的风险和挑战。聂森强调，在我们讨论「AI+安全」时需要明确区分两类问题：利用 AI 解决传统安全问题以及应对 AI 自身发展带来的新威胁。
对于传统网络安全问题，AI 的到来带来全新解法。在终端安全上，针对软件供应链投毒攻击，腾讯云安全科恩实验室打造二进制安全智能分析平台 BinaryAI，使用 AI 分析从源头识别软件供应链威胁，BinaryAI 函数语义匹配大模型 API 日调用量破亿，是技术实力与业务场景结合的实践验证。在安全运营上，运营人员常常面临告警太多，威胁线索收集分析难操作，入侵分析有门槛等难题，可借助大模型补充线索，优化事件的可解释性，实现事件的自动化分析；还可基于有效线索过滤误报并聚合告警事件，进行情报的智能化运营和研判；搭建易用的安全知识库应用，满足平台、人员分析所需的数据和知识库。例如，腾讯云安全科恩实验室打造情报挖掘分析流程智能体化，拆解研判步骤，自助查询相应数据，输出综合研判报告。提供威胁情报 MCP 服务，为安全运营扩展威胁视野。提供威胁分析知识库 API，打造全能型外挂大脑。
大模型时代，如何应对大模型带来的新安全问题？例如针对 MCP 应用的安全防护，腾讯朱雀实验室自研 AI 基础设施安全检测工具 AI-Infra-Guard，可对 MCP 进行安全检测和输出报告。针对 AI 工具在应用过程中的信息泄露防护，腾讯 iOA 可配置敏感文件识别规则，可识别用户剪切板中的敏感信息，提供完整的告警和拦截记录。针对自动化驾驶场景的安全防护研究，科恩研究团队发现若干自动驾驶 AI 模型的安全风险，及时报告给车企，构筑牢固安全防线。
分组脑暴，观点碰撞：AI 及具身智能应用落地展望
除了以上干货满满的主题分享外，腾讯云 TVP AI 研讨会注重互动交流，活动最后环节设置分组头脑风暴，观点碰撞环节，促进各位专家的思想交流。在这一环节中，数十位专家被分为不同的小组，针对一系列 AI 热门话题展开讨论与交流，激发创新思维，催生出众多前瞻性的见解。
未来 1-2 年，将投入 AI 领域的哪些方向？
泸州老窖股份有限公司党委副书记、总经理、泸州老窖·国窖 1573 研究院执行院长 林锋
泸州老窖股份有限公司党委副书记、总经理、泸州老窖·国窖 1573 研究院执行院长 林锋表示，在未来一到两年内，泸州老窖在 AI 智能制造领域将围绕数据体系建设、全员参与和多层次模型部署展开。首先，公司将构建云数据系统，提高数据精准与标准化。其次，动员企业员工投入 AI 建设中来，使用 AI 来提升业务。最后，在技术投入上，将构建从企业 AI 应用体系，从行业大模型到体系模型再到部门级模型、团队模型、个人模型，形成覆盖全面、层次清晰的 AI 模型体系，提升员工核心竞争力，助力企业智能化转型。
腾讯云副总裁、智慧零售、文旅、建筑、农体技术负责人 程伟
腾讯云副总裁、智慧零售、文旅、建筑、农体技术负责人 程伟表示，腾讯在 AI 领域的布局与发展可分别从内外两方面来看。在腾讯内部，首先，公司持续投入基础模型的研发和人才建设。其次，在内部应用方面，腾讯致力于实现全面的 AI 化。再者，腾讯重视安全建设，将持续投入相关技术的研发和创新。从外部来看，腾讯云承载 30 多个行业的服务，以技术赋能各行各业智能化落地，加快企业数字化转型步伐。
西门子中国研究院首席专家、腾讯云 TVP 傅玲
西门子中国研究院首席专家、腾讯云 TVP 傅玲谈到，我们在数据治理和具身智能仿真验证工具上尝试做一些探索。一方面，AI 时代的到来，拥有大量优质数据将成为企业竞争的关键因素。以西门子为例，今年西门子推出了一项新政策，默认公司内的所有数据都可以内部分享，让数据在内部流动起来。另一方面，随着具身智能逐渐进入制造业，将具身智能安全应用在生产环境里，需要进行严格的验证。当前，智能制造领域与具身智能的仿真验证工具存在差异，但相信未来这些工具会被打通，目前，西门子正在积极地进行相关的探索工作。
如何评估 AI 项目的成功？
积梦智能 CEO、腾讯云 TVP 谢孟军
积梦智能 CEO、腾讯云 TVP 谢孟军分享有一次参加智能体的评审工作心得体会：我审查过诸多工业智能体方案，从 ROI 和效果来看，以下方向的工业智能体表现突出：一是工业设计，尤其在处理复杂的三维图纸方面，有两家企业聚焦该领域，效果显著；二是工业知识库，虽然行业积累了一些数字化资料，但将这些资料转化为专业知识库仍是一项挑战。三是设备预测性维护，几乎所有制造企业都依赖于设备进行生产，如何提高设备运行效率，延长运转时间成为关键。
DaoCloud 道客首席运营官、腾讯云 TVP 张红兵
DaoCloud 道客首席运营官、腾讯云 TVP张红兵从技术和服务提供商视角分享 AI 项目的评估逻辑。他指出，企业在衡量 AI 项目时，并不仅聚焦于大模型，还有结合过去几年在 AI 应用的具体场景和业务指标来综合判断。此外，过去制造企业常用「AI 换人」的方式来衡量项目的价值指标，现在越来越多的企业开始反思这一思路。AI 部署本身需要一些投入成本，而且在当前经济环境下，企业注重社会责任体系，不再片面追求替代人工，反而是提升团队人员素质，因此不是说 AI 把人替掉，而是会用 AI 的人会把不会用的替掉。
如何建设实现不同技术+产品的 AI 团队？目前最缺的是算法工程师、数据标注专家，还是懂制造的复合型人才？
泸州老窖集团（股份）公司首席数字官、数字化发展中心总经理
泸州老窖国际发展（香港）有限公司董事长、腾讯云 TVP 苏王辉
泸州老窖集团（股份）公司首席数字官、数字化发展中心总经理、泸州老窖国际发展（香港）有限公司董事长、腾讯云 TVP 苏王辉表示，站在传统企业角度来看，我们在短时间内不会考虑自研算法，目前正在推进场景 AI 化与 AI 场景化的发展。从场景 AI 化角度来看，将传统业务从数据和流程进行标准化，并逐步构建知识库。在此过程中，企业借助外部生态力量如腾讯等来提供技术支持，同时企业有承接能力，形成「握手机制」，即懂业务的人需了解基本的算法逻辑，懂技术的人也要理解业务需求，从而实现有效协同与闭环落地。
从 AI 场景化角度来看，需要有懂业务，还能以 AI 思维创新业务场景的人才。这里面存在更大的挑战。互联网企业较容易实现 AI 与业务融合，而传统企业需要从根本上转变思维方式，形成 AI 思维。
阿尔特汽车副总裁、AI.X Lab 主任 刘亚彬
阿尔特汽车副总裁、AI.X Lab 主任 刘亚彬表示，在 AI 落地工业设计时，企业及时发现 AI 和工程学结合中存在天然短板，如缺乏可追溯性与可解释性。因此，企业战略方向，由人工智能与数字实验室牵头 AI 算法开发和数据集成，与专业板块共同实现产品开发和测试，形成「复合型」协作机制，确保 AI 能真正落地，避免因设计缺陷带来巨大损失，通过组建由 AI 算法工程师、数据工程师与行业专家的工作小组，推动技术与业务深度融合。
哪些行业岗位将被 AI 替代？
ClickPaaS CPO、腾讯云 TVP 马俊
ClickPaaS CPO、腾讯云 TVP 马俊认为，人工智能应具备「降维打击」的能力，实现质的飞跃，而非简单的量变提升。以白酒行业为例，AI 不仅能助力白酒从中国市场扩展到全球市场，还能改变消费群体和产品定位，带来根本性变革。他特别强调，人工智能不应只是「造一个更好的马车」，而是要实现从「马车进化到汽车」的根本性跨越，这一转变的关键在于找到真正能够赋能和突破的点。而各行业岗位是否会被 AI 替代的核心也正是在于此——能否借助 AI 获得新的能力，成为判断该岗位是否会被替代的重要依据。
Output 数字场景负责人 俞江华
Output 数字场景负责人 俞江华表示，我是做数字艺术的，关注 AI 技术的应用层面。面对 DeepSeek 等 AI 工具的流行，许多人问 AI 是否会替代我们？会不会裁员？其实，我们认为 AI 本质上是一种工具，类似于照相机，虽然每个人都有拍照的能力，但每个人拍出的照片都是不一样的。因此，我们应关注如何运用 AI 作为辅助工具来增强而非取代人类创造力。当前我们地痛点是使用 AI 辅助内容创作时，无法区分内容的版权，同时也担心原创创意被不当利用。因此，希望相关科技企业能提供更多有效的工具和支持。
哪些企业的应用案例、哪些实践具有参考价值？解决了哪些传统制造无法突破的痛点？
凯傲亚太自动化高级总监兼林德移动机器人与内部物流事业部总经理 郑鑫清
凯傲亚太自动化高级总监兼林德移动机器人与内部物流事业部总经理 郑鑫清表示，在探索使用 AI 技术来提升物料搬运效率的过程中，经历从人工搬运、机械化搬运、自动化搬运，下一步是实现智能化搬运。凯傲与英伟达合作联合开发 AI 应用，目标是让单体设备变得更加智能，增强制造流程的可靠性。随着智能化程度的加深，进一步提高管理效率。在仿真方面，传统开发一台叉车，需要经过原型设计、样机制作和测试等漫长过程，借助 AI 仿真技术，可以在虚拟环境中完成这些步骤，无需实际制造样车。
Unity 中国合作伙伴生态&政府事务负责人 陈颖辉
unity 中国合作伙伴生态&政府事务负责人 陈颖辉展开谈了公司在智能制造领域的进展。自 2022 年起，Unity 推出智能制造和工业领域的引擎，在新能源车的中控屏 3D 交互内容方面取得了广泛应用。Unity 在 AI 方面做了大量的探索，作为 OpenUSD 的发起企业之一，Unity 致力于解决 3D 领域中 AI 应用的复杂性问题，Unity 可提供底层 3D 的技术支持，未来希望与更多企业合作共创更多落地应用场景。
在整合生产、供应链、设备等数据上，有使用 AI 模型来实现吗？
宝武集团/欧冶云商数据库首席、腾讯云 TVP 薛晓刚
宝武集团/欧冶云商数据库首席、腾讯云 TVP 薛晓刚分享在工业数据整合与 AI 应用过程中的一些失败经验和实践思考。他们尝试通过物联网技术实时监测从产线到物流、仓储的全流程数据时，最初选择时序数据库，但实际应用中发现效果不佳。由于业务场景复杂、数据来源异构，使用不同的数据库和模型，导致数据割裂，即使集中存储，缺乏统一的数据建模也会带来后续分析的困难。如何在 AI 背景下对数据结构进行合理建模，目前许多数据库都支持向量类型了，为 AI 训练提供了更好的基础支撑。
结语
在热烈的讨论气氛下，本次活动圆满落幕。与会专家实地参观大模型创新生态社区「模速空间」，体验 AI 前沿创新应用落地。来自工业制造、数字化、AI 领域的专家分享最新 AI 落地实践与思考，共同探讨从认知智能到物理交互的前沿先进路径，让我们看到 AI 在各行业释放出的巨大潜力。在头脑风暴环节，各位专家从不同角度深入探讨 AI 技术发展路径，提出诸多具有建设性的观点与建议，提供创新思路与方向，开启智能新时代的序幕。
腾讯云 TVP AI 研讨会，是为 TVP 等技术管理者、AI 创业者打造的专属交流活动，旨在聚焦 AI 前沿，通过系列专题研讨，共同探索 AI 变革浪潮下的创业与创新机遇。未来，TVP AI 研讨会将走进更多城市，期待与你见面。
TVP，即腾讯云最具价值专家 (Tencent Cloud Valuable Professional)，是腾讯云授予云计算领域技术专家的一个奖项。TVP 致力打造与行业技术专家的交流平台，促进腾讯云与技术专家和用户之间的有效沟通，从而构建云计算技术生态，实现「用科技影响世界」的美好愿景。
来源：互联网
