（问题）随着人工智能从技术验证走向价值落地，产业端对“可用、可靠、可复用”的智能能力需求迅速上升。但产业级大模型落地中普遍遭遇“进不去、用不深、难闭环”：一上，复杂产业链中获取有效数据、还原业务全貌的能力仍不足；另一上，对行业规则、工艺流程、合规要求等“硬知识”的掌握与推理不够扎实，难以稳定支撑经营决策与流程优化。 （原因）研讨会上——与会专家指出——通用文本类、代码类模型规模化训练上的边际收益递减已较明显，而产业应用仍处于加速探索期。落地难主要来自三上：其一，产业数据分散且口径不一，跨系统、跨企业的数据壁垒仍在，关键信息难以充分召回；其二，行业知识高度结构化、强约束，既包含法规政策与标准规范，也包含隐性经验与异常处置逻辑，通用语料难以覆盖；其三，产业场景强调“可解释、可追溯”，若模型输出缺少可验证的知识依据，应用侧难以建立稳定信任，也难以持续迭代。 （影响）在政策层面，国家有关部门近期联合印发《“人工智能+制造”专项行动实施意见》，明确人工智能对现代化产业体系的支撑作用。政策红利持续释放的同时，若关键技术与场景应用衔接不畅，可能出现重复建设、试点碎片化，影响企业投入产出预期，也不利于“人工智能+制造”等重点方向形成规模效应。对企业而言，产业级智能如果停留在“问答助手”“单点工具”，就难以深入供应链、生产、质控、经营等关键环节，更难形成面向决策的闭环能力。 （对策）为加强产研协同，万联易达在研讨会期间成立“产业人工智能研究与应用专家委员会”。清华大学人工智能研究院常务副院长孙茂松担任首席顾问，哈尔滨工业大学刘铭、中国科学院大学徐俊刚、北京理工大学张磊、东北大学刘正皓等专家参与技术咨询，共同支持产业级大模型“万联摩尔”的构建、研发与应用。企业表示，将通过常态化专家咨询机制，针对真实产业需求开展联合攻关，推动“技术原型—场景验证—规模推广”的闭环迭代。 围绕“懂行业、能推理、可落地”目标，专家建议以“产业本体图谱”作为关键抓手：通过自动抽取、聚类排序与关系映射，将分散的业务概念、实体关系、规则约束和流程节点沉淀为可计算、可推理的知识骨架，为模型提供更稳定的认知底座，从而提升检索召回、问答可靠性与决策一致性。与会人士认为，产业大模型不应停留在通用能力或单一垂直方案，而应在“数据—知识—场景”的协同上形成体系化能力，最终嵌入企业经营管理与生产运营的关键流程。 （前景）业内判断，面向产业的人工智能竞争正从“参数规模”转向“知识工程与场景工程并重”，从“单点应用”转向“跨流程协同”。随着更多产学研力量加入，以本体图谱等方法完善产业知识底座，以可验证的推理与可追溯的输出建立信任，将成为产业大模型规模化落地的重要路径。下一步，如何在确保数据安全与合规的前提下推进跨域数据治理、形成可复制的行业模板，并在真实业务中持续验证效果，将决定产业大模型能否转化为新质生产力的重要增量。
产业智能化的关键在于把知识体系转化为可计算、可复用的数字底座。此次专家委员会的成立，意味着在打通“技术孤岛”和“应用鸿沟”上迈出实质一步。未来仍需持续完善产学研协同机制，让前沿技术更快进入真实业务流程并形成可复制的实践，进而为高质量发展提供支撑。这既考验科研与工程化能力，也关系到现代化产业体系建设的推进速度与质量。