2026GAIC:如何让聪明的模型,成为可交付的AI
(孙迎新/文)日前,2026GAIC全球人工智能大会・杭州良渚峰会在杭州开幕。峰会由GAIC全球人工智能大会组委会、IAAI国际人工智能协会主办,以“连接AI产业・链动全球”为主题,围绕算力与大模型、空间智能、多模态、AI出海全球化,探讨了AI应用落地、Agent商业化、创业与产业对接等热点话题。

从空间智能的设计端,到企业级智能体的交付端,AI要进产业,第一道关就在图纸上。伏羲空间智能CEO、浙江大学计算机辅助设计与图形学国家重点实验室研究员、博导杜鹏,发表《AIAD空间智能辅助设计的未来:让模型赋能模型》的主旨演讲。他提出,空间智能不是简单的三维重建,而是设计模型、感知模型、仿真模型互相调用的多模型协同闭环;AIAD把AIGC、空间感知与仿真校验融在一起,面向建筑、工业场景做空间设计自动化。
杜鹏把这条路线概括为:让模型赋能模型。他认为,单一大模型包打天下的思路,在专业设计里走不通;眼下多数空间模型只停在可视化,缺物理约束与工艺约束,AIAD要补的正是可制造、可校验这一段,把设计与仿真打通。
要让AI连接产业,就必须有面向产业的统一智能底座。随之而来面临的问题就是:谁把模型装进企业的业务流程?Agnes爱思科技副总经理、商业化负责人陈晓梅的答案是Harness。
陈晓梅表示,爱思科技是江苏省内做大模型基座的公司,主打极致性价比。爱思科技的文本模型已经达到业界同类模型的领先水平,并且还极其具有成本优势。当前的月Token调用量达到65万亿,GPU集群已达万卡规模。
她进一步表示,爱思科技把重点放在交付上:通用大模型正走向垂直落地,比的不是哪个模型更聪明,而是AI是否真正具备完成专业工作的能力。Harness能够承载工具调用、任务规划、上下文记忆与流程编排,向上接模型,左右接软件与物理设备,可以靠它去赋能FDE。
在AI商业化过程中,同样面临法律问题,当AI系统交付出去,商业风险就跟着进门。广东科思律师事务所创始合伙人陈焕,在《AI项目法律避坑指南:管好人、钱、事》的主题演讲中,把AI商业化风险按人、钱、事三条线进行分类。
陈焕表示,在AI项目执行过程中,人是第一层:一人公司(OPC)看着轻巧,但按《公司法》,股东不能证明公司财产独立于自己财产的,要对公司债务承担连带责任;两人创业更不该搞五五开,股权五五开表面上是非常公平的,但它非常容易遇到各种各样的障碍,他建议比例可以是51比49,或者干脆过三分之二。
针对钱这一层面,他表示财产混同是一人公司最容易踩的坑;在事这一层面,规范得更细:用户协议与隐私政策、算法备案与大模型登记、调用海外API带来的数据出境合规等等都要合规。同时,他还提醒创业者,上线本身不难,真正难的是我如何合法地将它推上线。
合法上线之后,成本账单随即就摆在眼前。杭州先进编译联合创始人、副总李帅龙,在题为《ACInfer:多元算力下的大模型推理优化引擎》的主题演讲中表示,2024年我国日均Token消耗1000亿,到2026年6月已达175万亿。而作为算力的供给端,先进算力整机柜报价高达2000万元,国产芯片份额会继续上升,最终形成两极分化、长期共存的格局。
李帅龙指出,就在算力成本走高的同时,全行业GPU的利用率只有30%左右,大约有百分之六、七十的时间是在空转。从Token使用效率出发,ACInfer可以做成四层:统一接入、核心调度、硬件抽象、异构通信,目标就在于让每一颗芯片都能跑出它的巅峰时刻。当前实测在国产GPU上,可以通过优化实现吞吐提升约2.5倍;在另一款非GPU架构的推理卡上,可以做到把可用上下文从20万tokens拉到100万,而延迟下降47.4%。 来源:飞象网






