以“在数贸会遇见AI未来”为主题的第五届全球数字贸易博览会9月23日至27日在杭州举行。
本届“数贸创投日”在首届基础上全面提质扩容，将企业筛选、资本匹配与主活动进一步前置衔接。9月22日至23日，围绕人工智能、硬科技、医疗、生物科技等领域开展创新科技公司选拔、机构匹配和意向跟踪，吸引百家知名创投机构、百位专业投资人与百个优质科创项目，开展精准交流与对接。
AI竞争从“拼参数”转向“拼落地”
“数贸创投日”期间，浙大控股集团发布了《中国AI科技新消费产业与投资趋势白皮书（2026）》（简称“白皮书”）。白皮书指出，我国人工智能产业正加速从技术攻坚迈向规模化商业落地，开源生态快速崛起，科技新消费成为产业落地的关键抓手，“投早、投小、投硬科技”已成为市场共识。
“AI投资逻辑正发生系统性前移。”白皮书提到，第一，AI竞争从“拼参数”转向“拼落地”，模型适配性与低成本成为企业核心诉求；第二，科技新消费是AI规模化落地的关键场景，代理AI与物理AI协同构建“模糊需求识别—精准价值交付”闭环；第三，具身智能成为融资第一主线，资本正从“投整机”向“投大脑、投零部件”深水区迁移；第四，出海进入“拼体系”阶段，企业需同时具备产品定义、模型迭代、合规运营与本地化服务能力。
当前AI产业正迈入商业化落地加速阶段。浙江大学控股集团有限公司党委副书记、总经理余飞鹏表示，可以从四大维度进行观察：第一是政策驱动，从国家到地方均出台顶层规划推动人工智能赋能千行百业，“AI赋能一切”已成为产业发展共识。第二是资本加持，AI赛道投资规模、参与机构数量持续走高，新兴项目不断涌现。第三是商业落地，行业普遍关切AI投入、产出与现金流尚未形成完整闭环，存在一定泡沫争议。
“但基础设施投资本身具备超前属性，高投入不等于商业模式不可成立，只是AI在各行业的渗透程度仍不均衡。”余飞鹏表示，技术迭代上，大模型参数与综合能力实现快速迭代，垂类领域有望产生很多新的AI智能体。
余飞鹏表示，业界常将AI视作第四次工业革命，该概念目前尚未形成统一定义。市场对AI是否存在泡沫争论不休，有人将其对标2000年互联网浪潮，也有人将AI类比为蒸汽机、电力革命。不同参照物，对应的产业所处发展阶段与未来想象空间截然不同。
“前三次工业革命我国基本处于缺席状态，而在这一轮变革中，我国有望实现并跑乃至领跑，借此完成跨越式发展。”余飞鹏说。
AI智能体将重构制造业生产流程
Physical AI（物理 AI）是能够理解物理世界规律并在现实环境中感知、决策与交互的智能系统，被视为人工智能从数字世界向物理世界发展的关键阶段。当前，Physical AI仍处于验证阶段，其技术可行性已在演示层面得到初步证明，正重点转向真实场景验证，以推动应用闭环形成。
如何从真实场景看待Physical AI的嬗变？普华集团董事长、头头是道联合发起人曹国熊表示，机器人发展的核心，在于重新定义人与机器的关系。首先落地的，应是替代人类进入危险环境中作业，因此是否近似人形并不重要。从具体场景来看，酒店送餐已实现应用，清洁机器人尚在推进当中。由于服务人员持续短缺，这类场景已成为刚需。危险环境巡检是下一步发力的方向。
曹国熊认为，从长远看，具身智能真正成熟将重构生产模式。现有工厂流程围绕人的操作习惯设计，未来将由智能体重新架构生产流程，人仅承担定义与监督的职责。目前大量创业公司已开始向这一方向布局。
元股证券:ygzq.hk“互联网沉淀了海量文本语料，支撑起 ChatGPT、Kimi 等大模型的训练，但物理世界的可用数据几乎处于空白状态。”高山新域创始合伙人、原小米合伙人王翔表示，真实数据是Physical AI基础模型训练的核心前提，缺少高质量真实数据，具身智能就无法真正落地到社会与家庭场景。参考自动驾驶的经验，最理想的采集方式是在作业过程中直接获取实景数据。现有采集方案各有局限：视频采集即便取自真实场景仍存在缺陷；人工穿戴设备采集同样面临诸多难题。高效的采集思路，是在日常工作、生活的自然过程中完成真实数据获取。
解析机电信号是一条具备变革潜力的技术路径。王翔表示，人完成拿水杯、叠衣物等动作时，从大脑下达指令到手部执行，会产生对应的肌肉电信号。对这类信号进行采集、标准化与标注，有望极大推动Physical AI产业生态的演进，数据无疑是其中最为关键的要素。
AI辅助诊断与医保支付将常态化
当前，人工智能正重塑医学创新，从科研突破到临床应用，从实验室成果到产业转化，一条创新路径正在被打开。
浙江大学医学院副院长梁霄表示，邵逸夫医院自2014年起启动“未来医院”建设，持续探索人工智能赋能医疗的落地场景。以肝癌诊疗智能体为例，团队自主研发多模态医疗AI大模型，入选国家中试基地首批重点项目。该系统可接收影像与文本数据，3分钟内自动输出结构化报告，全程无需人工操作。经全国多中心、超1万例验证，大于1厘米的肝脏病灶检出率超过95%，良恶性判断准确率达93.46%。
“全球AI医疗市场未来5年至10年，有望保持30%至40%的高速增长。但在临床应用中，仍面临诸多现实挑战。”梁霄表示，例如，AI赋能医疗的证据尚不充分；医疗数据相互割裂，形成孤岛；大模型在实验室性能优异，一旦更换设备或医院，泛化能力明显下降。数据隐私保护、付费机制等问题同样突出。
梁霄认为，未来，AI辅助诊断与医保支付将日益常态化AI股票配资是否支持手机操作，医疗多模态大模型与智能体将覆盖全生命周期健康管理。同时，医疗AI准入应强调可追溯性与可解释性。随着AI初筛与医生复诊的闭环将全面落地，人机协同成为临床标准工作模式。在医疗人才端，复合型人才培养将系统融入医学教育，医学院校需培养具备AI素养的医学生。
多空杠杆网提示：本文来自互联网，不代表本网站观点。
