尊龙凯时官方网站中兴通讯崔丽：AI应用触及产业深水|来栖淳子|区价值闭环走向完备

　　围绕千行百业将衍生出诸多更为丰富的垂域模型与应用ღ✿✿，那也将是本轮AI浪潮真正引发技术变革的关键所在ღ✿✿。

　　其中ღ✿✿，物理AI成为一种重要关注窗口ღ✿✿，正加速推进具身智能ღ✿✿、自动驾驶等领域演进ღ✿✿，有望深刻改变未来社会的运行方式ღ✿✿。但技术路线仍存分歧ღ✿✿，法律ღ✿✿、合规与伦理等软性基础尚在夯实ღ✿✿。而进入“Agent元年”ღ✿✿，让AI技术真正触及实体经济的“深水区”ღ✿✿，仍有挑战需要克服ღ✿✿。

　　中兴通讯首席发展官崔丽接受21世纪经济报道记者专访时ღ✿✿，深入分析了物理AI的技术路线走向ღ✿✿。据她观察ღ✿✿，一些具体行业已经在真正借力AIღ✿✿，率先完成价值闭环ღ✿✿。

　　2025年初ღ✿✿，Sora的横空出世因其高度还原物理世界的视频生成能力ღ✿✿，引发关于“世界模型”的广泛讨论ღ✿✿，也让物理AI的两条核心路线——世界模型与 VLA（视觉语言模型）的竞争浮出水面ღ✿✿。

　　崔丽对记者分析道ღ✿✿，Sora等模型的爆发ღ✿✿，标志着AI正从单纯的“预测者”向“模拟者”进化ღ✿✿，是从“数据驱动”到“模型仿真驱动”到“物理对齐”到“通用模拟”的范式转移ღ✿✿，也是AI落地物理世界如自动驾驶ღ✿✿、具身智能等必须解决的问题ღ✿✿，即实现对物理世界进行模拟和互操作ღ✿✿。

　　但她也指出ღ✿✿，目前的Sora只是一个“视觉模拟器”ღ✿✿，而非真正的“物理世界模型”ღ✿✿。“真正的世界模型必须具备因果推理ღ✿✿、反事实推演和物理一致性ღ✿✿。Sora生成的视频虽然在视觉上极具欺骗性ღ✿✿，但在物理逻辑上经常崩溃ღ✿✿。”她补充道ღ✿✿。

　　其原因有二ღ✿✿：一方面ღ✿✿，生成式模型本质上是学习像素分布的统计相关性ღ✿✿，而非物理因果性ღ✿✿，因此会常看到违背动量守恒或物体凭空消失的“物理幻觉”ღ✿✿。另一方面ღ✿✿，生成式模型侧重于“视觉渲染”ღ✿✿，即生成给人看的像素ღ✿✿，而机器人和自动驾驶需要的世界模型侧重于“状态预测”ღ✿✿，即生成用于决策的物理状态ღ✿✿，彼此间产生功能错位ღ✿✿。

　　当前ღ✿✿，世界模型的路线已分化成了“生成派”和“表征派”ღ✿✿：Sora和李飞飞的Marble属于前者ღ✿✿，技术本质是通过海量感官数据（视频）归纳世界规律的经验主义ღ✿✿；“表征派”则是杨立昆的JEPA（Joint Embedding Predictive Architectureღ✿✿，联合嵌入预测架构）ღ✿✿，技术本质是通过构建内在结构（表征）推演世界状态的理性主义ღ✿✿，强调通过模块化设计和自监督学习获取抽象表征ღ✿✿。

　　由于其不同特点ღ✿✿，相对来说ღ✿✿，生成派适合做数据工厂或仿真训练ღ✿✿；表征派适合做决策大脑ღ✿✿，做实时推理ღ✿✿。

　　而谈及应用于具身智能领域的VLA模型与世界模型ღ✿✿，崔丽指出ღ✿✿，这不仅是算法架构的竞争ღ✿✿，更是关于“智能本质是直觉还是推理”的哲学探讨ღ✿✿。

　　其中ღ✿✿，VLA模型的核心理念是将机器人的控制问题转化为序列建模问题ღ✿✿，最大的产业价值在于其零样本泛化能力ღ✿✿，局限在于缺乏因果推理ღ✿✿，且严格依赖训练数据覆盖度ღ✿✿。

　　世界模型主张机器人应当先构建环境的内部模型ღ✿✿，在潜在空间中进行数百万次的虚拟试错ღ✿✿，这种方法使得机器人可以在极少真实交互的情况下学会复杂任务ღ✿✿，样本效率远超VLAღ✿✿。

　　“产业界正呈现出VLA与世界模型融合的趋势来栖淳子ღ✿✿。”崔丽观察指出ღ✿✿，比如利用VLA进行高层策略规划ღ✿✿，利用世界模型进行底层动作验证ღ✿✿。

　　首先ღ✿✿，不仅发现相关性ღ✿✿，还能理解因果性ღ✿✿，掌握第一性原理ღ✿✿。以通信网络为例ღ✿✿，底层的信号波动受环境多径效应影响巨大ღ✿✿，世界模型的使命是找到真正决定网络是否拥塞的核心规律ღ✿✿。

　　其次ღ✿✿，是构建从“读万卷书”到“行万里路”的模拟器ღ✿✿，解决物理一致性问题ღ✿✿。世界模型旨在通过海量视频数据预训练ღ✿✿，在神经网络内部构建一套隐式的“物理引擎”ღ✿✿，由此ღ✿✿，就能在数字空间中低成本地试错和推演ღ✿✿。

　　此外ღ✿✿，产业界正面临数据枯竭与长尾困境ღ✿✿。从自动驾驶场景为代表的数据驱动型AI来看ღ✿✿，下一阶段竞争本质上是高质量合成数据的竞争ღ✿✿。一个成熟的世界模型能够生成现实中难以捕捉的极端工况数据ღ✿✿，为AI提供针对性“特训”ღ✿✿。

　　崔丽预测来栖淳子ღ✿✿，世界模型的落地时间表ღ✿✿，大概会在2024-2025年实现视觉仿线年有望实现通用具身智能ღ✿✿。

　　崔丽分析道ღ✿✿，过去的十年ღ✿✿，云原生成功解决了互联网应用面临的弹性伸缩和敏捷开发需求ღ✿✿，互联网流量表现为“南北向”为主的特征ღ✿✿，数据包小而离散ღ✿✿，对时延抖动有一定容忍度ღ✿✿，网络体现为“尽力而为”ღ✿✿。

　　然而ღ✿✿，大模型时代到来ღ✿✿，不仅令流量规模增长ღ✿✿，流量特征也专项分布式“同步计算”ღ✿✿，这会带来“大象流”来栖淳子ღ✿✿、丢包零容忍ღ✿✿、微秒级时延敏感等特点ღ✿✿，需要网络做到“万无一失”ღ✿✿。

　　“网络架构必须向‘AI原生’演进ღ✿✿，核心不再是资源虚拟化ღ✿✿，而是极致的性能无损和算网协同ღ✿✿，具备内生智能ღ✿✿、确定性保障和算网一体等关键特征ღ✿✿。”她总结道ღ✿✿。

　　而在应用或操作系统层面ღ✿✿，崔丽指出ღ✿✿，云原生应用主要以K8S为底座ღ✿✿，以微服务架构和微服务间通信为代表ღ✿✿，AI原生应用主要以“大模型+Agent”为底座ღ✿✿，以Agent及Agent间通信为代表ღ✿✿。“云原生应用和AI原生应用会趋于融合ღ✿✿，成为云智一体原生应用ღ✿✿。”

　　据介绍ღ✿✿，基于这种技术演进趋势ღ✿✿，中兴通讯从2G时代开始推进硬件集成ღ✿✿，3G时代的软件创新和硬件架构创新ღ✿✿，4G时代逐步演进到芯片加整机的范式尊龙凯时官方网站ღ✿✿，5G则进化至芯片+整机+大模型的组装式研发范式ღ✿✿。

　　“中兴通讯在技术ღ✿✿、专利ღ✿✿、标准等方面ღ✿✿，也逐渐从2Gღ✿✿、3G跟随ღ✿✿，4Gღ✿✿、5G参与到引领的转变ღ✿✿。有线光通信ღ✿✿、数通尊龙凯时官方网站ღ✿✿、光接入等发展路径也类似尊龙凯时官方网站ღ✿✿。此外ღ✿✿，中兴通讯在IT领域和端侧也持续深耕ღ✿✿，自研珠峰ღ✿✿、定海ღ✿✿、凌云等芯片ღ✿✿，服务器ღ✿✿、存储ღ✿✿、数据中心交换机和数据中心等产品收入增速明显ღ✿✿。”崔丽补充道ღ✿✿。

　　在她看来ღ✿✿，无论是CTღ✿✿、IT还是AIღ✿✿，核心都在于数据处理ღ✿✿、交换和存储ღ✿✿。通讯与AI有很多相似之处ღ✿✿，都是复杂超大系统的高效协同ღ✿✿，是跨多学科的复杂工程科学ღ✿✿。

　　通讯涉及多个网元组成庞大的网络尊龙凯时官方网站ღ✿✿，AI需要芯片ღ✿✿、服务器ღ✿✿、存储ღ✿✿、交换和数据中心组成高效绿色的基座ღ✿✿。两者不仅需要局部最优ღ✿✿，也需要芯片ღ✿✿、硬件ღ✿✿、软件ღ✿✿、资源调度和应用等的全局优化ღ✿✿，需要具备全栈的技术积累ღ✿✿、工程实践和系统优化能力尊龙凯时官方网站ღ✿✿。

　　据悉ღ✿✿，中兴通讯提供全栈全域的智算解决方案ღ✿✿，支持软硬解耦ღ✿✿、模型解耦和训推解耦ღ✿✿，聚焦工程能力工具化ღ✿✿，提升AI生产效率并提高易用性ღ✿✿。

　　2025年被称为“Agent元年”ღ✿✿，将有望推动千行百业更为彻底地转型ღ✿✿，在进行内部流程再造的同时ღ✿✿，也进一步提升价值空间ღ✿✿。

　　对此ღ✿✿，崔丽对记者分析道ღ✿✿，人工智能技术正在从以“内容生成”为核心的Copilot辅助模式ღ✿✿，向以“自主行动”为核心的Agent模式迈进ღ✿✿，企业智能化的目标也正从单一环节的“效率提升”转向全价值链的“业务重构”ღ✿✿。

　　崔丽指出ღ✿✿，在电信ღ✿✿、金融ღ✿✿、能源等高可靠性要求的行业ღ✿✿，如何解决随机性模型与确定性业务之间的矛盾ღ✿✿，如何确保长程任务的稳定性ღ✿✿，以及如何构建可信的安全边界等ღ✿✿，成为阻碍Agent规模化落地的核心挑战ღ✿✿。

　　在核心业务中ღ✿✿，AI“幻觉”是不可接受的风险ღ✿✿，企业无法容忍一个“黑盒”在没有人类审核的情况下做出关键决策ღ✿✿。

　　而由于上下文窗口限制ღ✿✿，在处理跨天ღ✿✿、跨周的复杂任务链时ღ✿✿，模型容易出现记忆丢失或逻辑断裂尊龙凯时官方网站ღ✿✿，导致Agent开发的复杂度呈指数级增长ღ✿✿。

　　此外ღ✿✿，Agent的核心能力在于使用工具ღ✿✿，即执行代码ღ✿✿、调用APIღ✿✿、操作数据库ღ✿✿，这也会带来安全风险ღ✿✿，比如工具调用可能带来沙箱逃逸ღ✿✿、资源耗尽和数据泄露等ღ✿✿。

　　“除了技术层面挑战ღ✿✿，企业现有的IT环境是复杂的‘新旧混杂’体ღ✿✿，存在接口标准化缺失ღ✿✿、数据孤岛等问题ღ✿✿，同时必须考虑推理和维护成本与ROI的平衡ღ✿✿。”她补充道来栖淳子ღ✿✿。

　　对于智能体应用ღ✿✿，中兴通讯推出“Co-Sight智能体工厂”ღ✿✿。崔丽指出ღ✿✿，其带有鲜明的“CT级可靠性”基因ღ✿✿，结合深度思考和反思ღ✿✿，以及DAG（Directed Acyclic Graphღ✿✿，有向无环图）和COA（Chain of Agents）规划协同ღ✿✿，实现推理能力跃迁ღ✿✿，增强脑力ღ✿✿，同时通过信息密度聚焦ღ✿✿、工具封装等ღ✿✿，支持分钟级智能体构建ღ✿✿。

　　该方案通过引入冲突感知元验证CAMV（Conflict-Aware Meta-Verification）机制ღ✿✿，设置独立的“找茬”Agentღ✿✿，基于约束条件对推理步骤进行攻击性验证ღ✿✿，将确保决策可信ღ✿✿；而采用基于结构化事实的可信推理TRSF（Trustworthy Reasoning with Structured Facts）ღ✿✿，建立共享事实模块ღ✿✿，支持超长任务的“断点续做”ღ✿✿。

　　此外ღ✿✿，Co-Sight构建了严格的运行环境ღ✿✿：一是受控沙箱ღ✿✿，所有代码执行都在隔离的Docker容器或微虚拟机中进行ღ✿✿；二是全链路审计ღ✿✿，基于TRSF机制ღ✿✿，Agent每一步推理ღ✿✿、每一个工具调用都被记录并映射到具体的事实依据上ღ✿✿；三是隐私保护ღ✿✿，遵循中兴通讯2025隐私保护白皮书的标准ღ✿✿，确保数据处理全生命周期的合规性ღ✿✿。

　　当然还要注入行业“灵魂”ღ✿✿，例如星云电信大模型ღ✿✿，就在底座注入了电信级专业知识ღ✿✿。同时为配合企业定制专属领域模型ღ✿✿，应用开发平台还配置一系列自主工具ღ✿✿。

　　在此基础上ღ✿✿，采用“零部件车间（预置原子能力）+总装车间（可视化编排）”架构ღ✿✿，降低开发门槛和成本ღ✿✿，实现“用AI生产AI”ღ✿✿。

　　据透露ღ✿✿，自9月以来ღ✿✿，Co-Sight 2.0在通用AI助手基准测试GAIA中连续三个月保持第一ღ✿✿，在代表前沿知识的HLE评测中也连续两个月位居榜首ღ✿✿。

　　“测评并非竞逐的终点ღ✿✿，当然技术的价值在于应用ღ✿✿。”崔丽以中兴通讯与中国移动的合作为例指出ღ✿✿，双方联合验证了“点金行动”的31个高价值场景ღ✿✿，结合图谱检索ღ✿✿、强推理以及电信级多智能体协议ღ✿✿，助力自智网络向L4+迈进ღ✿✿。

　　基于“AI向实”的一系列探索ღ✿✿，哪些行业能率先跨越概念验证ღ✿✿，实现AI价值的规模化复制？产业间已经逐渐找到方向ღ✿✿。

　　崔丽对记者总结了其中关键特征ღ✿✿：信息密集ღ✿✿、数据结构化程度高ღ✿✿、具备强反馈机制ღ✿✿、价值闭环极快（如视觉质检直接提升良率）ღ✿✿、有一定容错度ღ✿✿、具备一定范围泛化能力ღ✿✿。

　　比如制造业凭借其高度结构化的数据环境和明确的效率指标ღ✿✿，成为AI价值变现的“排头兵”ღ✿✿；城市治理则依托海量的多模态数据和迫切的公共安全需求ღ✿✿，正在通过“城市智能体”模式实现从被动响应到主动预防的跨越ღ✿✿。

　　而一旦这些具体行业的数智化转型进入“深水区”ღ✿✿，也就意味着转型从外围辅助系统进入向核心生产系统渗透的关键阶段ღ✿✿。

　　“在浅水区ღ✿✿，AI主要用于容错率较高的办公自动化ღ✿✿、简单问答机器人或离线数据分析ღ✿✿；进入深水区意味着AI开始介入网络运营ღ✿✿、电网调度ღ✿✿、城市应急指挥等核心业务流ღ✿✿。”崔丽指出ღ✿✿，由此将面临更为复杂的局面ღ✿✿：“三多”即多模态数据ღ✿✿、多厂家设备ღ✿✿、多业务场景ღ✿✿；三新为新技术（大模型ღ✿✿、Agent）ღ✿✿、新架构（云边端协同）ღ✿✿、新安全威胁ღ✿✿；三跨则是跨领域知识融合ღ✿✿、跨系统数据调用ღ✿✿、跨组织流程协同ღ✿✿。

　　技术路径上ღ✿✿，在驱动各行各业融入AI发展过程中ღ✿✿，此前曾出现“通用基础大模型+行业精调”或者从零开始构建行业专属小模型的不同路线ღ✿✿。对此ღ✿✿，崔丽指出ღ✿✿，这将并非是“二选一”ღ✿✿，而应采用“云边协同”的混合路径ღ✿✿。

　　“通用基础大模型+行业精调”是构建企业“大脑”的最有效路径ღ✿✿，它解决了认知层面的通用性与专业性矛盾ღ✿✿，能以低成本继承通用逻辑能力ღ✿✿，解决知识密集型任务ღ✿✿。

　　从零构建行业专属小模型是构建企业“四肢”的可行方案来栖淳子ღ✿✿，在非自然语言ღ✿✿、极致边缘和极致隐私场景下不可或缺ღ✿✿，它解决了感知与执行层面的效率ღ✿✿、适配和安全问题ღ✿✿。

　　她进一步说明ღ✿✿，通用大模型是基于人类语言和互联网图像训练ღ✿✿，面对工业领域的振动波谱ღ✿✿、雷达信号ღ✿✿、基因序列等“非自然语言”数据ღ✿✿，通用模型的先验知识反而可能成为噪音ღ✿✿。

　　此时ღ✿✿，从零构建专用的各类CNN（卷积神经网络）或Transformer模型是必须的ღ✿✿；对于极致时延和功耗场景ღ✿✿，如在矿山无人驾驶卡车或高速贴片机上尊龙凯时官方网站ღ✿✿，推理时延必须控制在毫秒级ღ✿✿，且算力受限于嵌入式芯片ღ✿✿。此时ღ✿✿，训练一个参数量在几百万到几亿的专用小模型ღ✿✿，是唯一可行的方案ღ✿✿。

　　面向对数据隐私和主权有极致要求的场景ღ✿✿，例如金融或核心基础设施ღ✿✿，虽然私有化微调可以解决部分问题ღ✿✿，但为了确保模型内部没有任何潜在的偏见或后门ღ✿✿，会选择完全物理隔离环境下的从零训练ღ✿✿。

　　据悉ღ✿✿，中兴通讯采用“1（通用底座）+N（领域增强）+X（场景微调）”策略ღ✿✿，结合RAG技术ღ✿✿，兼顾能力与成本ღ✿✿。

　　“当然来栖淳子ღ✿✿，需要注意AI本身已经在重塑软件工程ღ✿✿，在一些创新领域ღ✿✿，高效利用AI代码大模型试错ღ✿✿，可以在一定程度上加速试错和降低成本ღ✿✿。”崔丽补充道ღ✿✿。

　　从物理AI的路线之争尊龙凯时官方网站ღ✿✿，到AI原生基建的迭代升级ღ✿✿，从智能体的技术突破到产业深水区的实践探索ღ✿✿，AI应用正告别“技术炫技”的初级阶段ღ✿✿，迈入“价值落地”的关键时期ღ✿✿。

　　这场变革的核心逻辑ღ✿✿，是AI从“实验室里的高精尖”转变为“产业中的实用工具”ღ✿✿，从“单一技术赋能”升级为“全链条生态协同”ღ✿✿。

　　中兴通讯的实践给出了清晰启示ღ✿✿：AI应用的成功ღ✿✿，既需要底层基建的“硬支撑”ღ✿✿，也需要场景落地的“巧方法”ღ✿✿，更需要产业深耕的“真价值”ღ✿✿。尊龙凯时官网自动驾驶ღ✿✿。尊龙凯时人生就是搏ღ✿✿，