徐文伟
复旦发展研究院技术创新战略研究中心教授；
华为技术有限公司前常务董事
尊敬的各位来宾，女士们、先生们：
大家上午好！
非常荣幸在上海论坛，与各位来宾与专家们，围绕“重构的时代：创新与共治”这一主题进行交流。当前，我们正处于技术范式加速演进、产业结构持续调整的关键阶段，国际秩序与治理体系也在经历新的变革。人工智能，正是这一轮重构中最重要的力量之一。它带来前所未有的发展机遇，同时也提出了必须回应的治理课题。今天，我将从技术趋势、产业应用和治理实践三个方面，与各位分享一些思考。
人工智能前沿技术发展，正在驱动一场深刻的时代变革。
回顾近几年人工智能的发展，可以清晰看到一条能力持续跃升的路径。早期大模型以语言理解与内容生成为核心，广泛应用于翻译、摘要、代码、搜索等场景；随后模型具备更强逻辑推演与决策能力，成为高效推理者；近年来，人工智能加速进入智能体阶段，不仅能回答问题，更能感知环境、调用工具、自主执行任务。展望下一步，人工智能将从单体能力走向多智能体组织级协同，实现更复杂的分工、协作与任务编排。
总体来看，2023—2025年是智能体技术快速成熟与规模化落地的关键期，2026年有望进入组织级能力部署加速期。这意味着，人工智能正从单一模型，向系统能力、协同能力方向快速发展。
过去大模型能力提升，主要依赖海量高质量数据、大规模参数与持续扩展的算力，本质是对人类已有知识的学习、整合与内化。用一个不完全准确的比喻来说，就像是将人类已有的知识体系进行一种“近似无损压缩”，模型在一定程度上已经吸收并掌握了大量既有知识。但当前面临的关键挑战在于，在高质量数据日益稀缺的背景下，仅依靠对既有知识的学习，难以持续突破认知与能力上限。
未来，人工智能的能力提升将更多来自与环境的交互与反馈。智能体不再只是对话系统，而是能够成为在真实或仿真环境中持续观察、行动、修正和成长的行动主体。这不仅是技术路线的变化，更意味着人工智能开始从“知识复现”走向“行动智能”。但我们所面临的挑战非常大。“小脑”能力已经具备一定基础，但“大脑”的问题仍然没有解决。例如自动驾驶，尽管目前已经达到L2甚至接近L3的水平，但仍然主要停留在二维世界中。而当我们真正进入具身智能三维场景中，我们的研究方向是什么，核心困难是什么？数据量是巨大无比的，甚至是没有数据。这就是新的挑战。虽然我们希望通用人工智能（AGI）尽快到来，超级人工智能（ASI）尽快实现，但必须承认，我们仍面临非常巨大的挑战，尤其是在物理人工智能技术（Physical AI）与世界模型等方向上。因此，我们希望学术界与产业界能够共同努力、协同推进这一进程。
因此，人工智能发展正在从模型与算法主导的上半场，迈向以任务定义、环境构建、评估体系为核心的下半场。上半场，核心是模型架构与训练方法的突破；而下半场，更关键的是如何构建真实任务环境、形成有效反馈闭环，并建立贴近应用场景的评估体系。未来，强化学习和环境驱动的训练方式将更加重要。谁能更好地定义任务、构建环境、形成闭环，谁就更有可能把握下一阶段人工智能发展的主动权。
技术跃迁最终会推动经济形态变化。今天，人工智能正在催生一种新的经济形态——智能体经济，包括现在很流行的OPC。这里会涌现大量的创业机会，但竞争肯定也会更激烈呢。
历史上，TCP/IP协议支撑了互联网经济发展，智能手机普及催生了APP经济。今天，以大模型为核心的自主智能体与自主演进范式，正推动人工智能从辅助工具，走向任务执行者、资源调度者和价值创造者。这意味着，未来产业的组织方式、平台竞争方式和用户服务方式都将发生深刻变化。我们讨论人工智能，不能只看它能回答什么问题，更要看到它正在形成新的商业逻辑和新的生态结构。
在这一过程中，自进化范式尤其值得关注。它让人工智能从“执行任务”进一步走向“持续成长”。 近年来，AI已在算法自动发现、架构优化等领域实现突破，推动从“人设计算法”向“AI辅助发现算法”演进。从长远看，这一范式为突破能力边界提供了新的路径：人工智能不仅可以复现知识，也可以辅助发现知识；不仅完成既定任务，也可能挖掘新的问题与应用场景。这将对科研、软件开发以及组织管理等知识密集型领域产生深远影响。
未来十年，一个重要趋势是：从“一个APP一个入口”，走向“统一智能入口+专业应用深度融合”。过去，用户需要在不同应用间来回切换；未来，用户将拥有理解意图、协调资源、主动服务的AI超级助理，多个专业智能体自动协同，完成产品推荐、风控管理、服务交付与持续优化。这意味着，未来很多行业的竞争，不再只是单个应用的竞争，而是多智能体协同能力的竞争。用户体验将从“功能可用”走向“服务主动”，产业逻辑也将从“流量分发”走向“智能编排”。
下面，我分享第二部分：AI赋能行业智能化升级，构筑数智生产力。
人工智能正推动整个社会从数字化迈向人机协同、虚实融合的新阶段。对个人与家庭而言，AI让生活更加便捷与高效；对企业而言，AI促进人机协同与科学决策，加速行业智能化转型；在更宏观层面，物理世界与数字世界正在加速融合，人工智能正逐步成为新型基础能力。这意味着，人工智能不再只是屏幕中的工具，而会通过感知、联接、决策和行动，逐步进入生产和日常生活，成为新型基础能力的一部分。
AI赋能医疗健康，推动从“被动治病”走向“主动预防与健康管理”。通过医学影像识别、辅助诊断、连续健康监测与个性化干预，AI显著提升诊断效率与精准度，推动健康管理前移，助力全生命周期健康守护。
AI赋能制造业，推动产业向设计制造协同、智能制造、服务型制造升级。通过仿真优化与数据驱动，研发设计与生产工艺更紧密协同；通过具身智能与柔性产线，更快适配个性化需求；通过全流程透明交互，消费者深度参与定制，推动制造业从规模生产走向柔性智能制造与服务型制造。
在微电子、新材料和工程科学等基础领域，人工智能也发挥着越来越重要的作用。过去，材料、器件、芯片、架构、软件等层级往往彼此割裂，优化局限于局部。现在，借助人工智能，我们有机会实现跨尺度、端到端的协同设计与参数寻优，加速新材料发现、芯片设计和系统架构优化。这意味着，AI不仅在改变应用层，更在改变科研和工程创新的方法论。我相信，AI 将在科学研究和工程技术创新领域，取得重大进展。
下面，我分享第三部分：分层分级，技术先行，敏捷治理，护航人工智能有序发展。
人工智能在创造巨大价值的同时，也带来一系列新的风险挑战。随着智能体自主性不断增强，失控风险值得高度关注；深度合成、身份冒用和AI诈骗，正在冲击社会信任体系；AI武器化、自动化网络攻击等问题，也带来新的安全威胁；此外，不同国家和地区在技术、资源上的差异，还可能加深数字鸿沟。
当前，全球主要经济体都在积极探索人工智能治理路径。尽管模式各不相同，但总体共识是：治理的目标在于保障更可持续的发展。有的更强调鼓励创新，有的更注重安全与权利保护。中国坚持统筹发展与安全，推进敏捷治理，其核心在于实现公平公正、可控可信，并持续增进人类福祉。
不过，当前治理仍面临两个突出难题。一是监管滞后。传统立法和政策制定周期较长，而人工智能技术迭代迅速，往往在几个月内就可能发生显著变化。二是治理碎片化。不同国家和地区在标准、规则和合规要求上差异较大，增加了全球协作成本。因此，人工智能治理必须更敏捷、更协同。敏捷治理强调快速迭代、动态适配、技术与规则协同演进；同时需要政府、企业、学界、社会多方参与，形成协同共治格局。
解决治理碎片化，可借鉴通信行业经验：GSM依托全球统一标准，叠加产业链协同与规模化部署，实现普惠连接，让移动通讯走向大众。未来人工智能要实现大规模、跨区域、可持续发展，同样需要高水平的标准协同。统一标准不是抹平差异，而是建立共同规则与基础接口，提升全球协作效率。
目前，在AI治理与信息安全领域，国际标准体系已形成一批重要成果，覆盖管理体系、风险管理、偏见缓解、鲁棒性评估、隐私保护等方向，推动治理从原则走向工程、从倡议走向实践。未来，推动国际标准与各国监管框架有效衔接，以标准打通治理壁垒，将有效降低全球协作成本。
与此同时，企业实践也非常关键。真正有效的人工智能治理，必须嵌入研发、部署、运营和供应链全生命周期。一方面，要建立业务、合规、审计协同的治理体系；另一方面，需要借助可解释性工具、自动化测试、数字水印与模型溯源等技术手段，让治理要求可执行、可验证、可追溯。未来，人工智能治理的关键，不只是“管不管”，而是如何把治理嵌入系统、嵌入流程、嵌入工程。
科技向善已成为全球行业共识。华为通过Tech4ALL数字包容计划，将AI与5G、云、物联网等基础设施深度融合，助力消除数字鸿沟；全球科技企业也纷纷以前沿AI攻坚重大科研课题，在生命科学、灾害预测、环境保护等领域创造公共价值。
各位来宾，面向未来，人工智能真正值得追求的，不只是更强的能力，更是更好的方向。我们需要弥合数字鸿沟，让更多地区与群体共享发展机遇；也需要坚守人工智能伦理，把向善融入技术价值观与创新全过程；同时构建安全、可信的智能体系，推动可持续发展，让人工智能更好服务教育、医疗、环保、减贫等人类共同事业。
归根到底，科技向善是时代主旋律，让普惠AI成为人类文明的放大器。人工智能不应沦为竞争和博弈的工具，而应成为人类共同进步的基石；人工智能的治理应成为构建韧性共赢体系的桥梁。让我们以开放包容的胸襟、协同共进的智慧、面向未来的责任感，共同书写人工智能时代的新篇章。
特别感谢上海论坛提供这样一个高水平、国际化的交流平台，也感谢各位嘉宾的聆听。期待与大家一道，在创新中深化合作，在共治中增进互信，在变局中开辟未来，共同推动人工智能朝着安全、可信、包容、普惠的方向不断前行。
谢谢大家！
（本文为会后整理，未经演讲者审阅）
