专访毕马威卢鹍鹏：AI规模化落地，企业尚缺“全局规划”
1. jiehe是什么意思
2. jiehe功能介绍
3. jiehe使用方法
4. jiehe使用教程
5. jiehe最新版本
6. jiehe官方入口
7. jiehe下载安装
8. jiehe常见问题
9. jiehe注意事项
10. jiehe相关资讯
中新社北京7月29日电 (记者 庞无忌)资金热浪正在涌入人工智能(AI)赛道。毕马威中国科技、媒体及娱乐、电信行业审计主管合伙人卢鹍鹏近日接受中新社记者专访时表示，当前多数中国企业的AI应用正处于从单点效率提升工具，向重塑全局业务架构演进的关键过渡期，企业最缺的并非“算法”而是“全局规划”。
具身智能是AI与物理世界直接交互的载体。卢鹍鹏观察到，目前具身智能相关一级市场投融资正处于高速增长的关键期。2025年下半年起，企业融资节奏显著加快，2026年上半年具身智能相关融资事件已与2025年全年总量基本持平，而且绝大多数为千万美元以上规模。
然而，资金热浪尚未传导至规模化落地。毕马威近日发布的报告显示，尽管大量企业已开展具身智能相关探索，但仅有11%实现了规模化部署，多数应用仍停留在研发验证和示范场景阶段。卢鹍鹏指出，行业必须克服商业化过程中的工程体系建设阻碍。
毕马威调研显示，88%的受访企业已开始将代理式AI融入系统，但仅24%的企业能实现投资回报。卢鹍鹏认为，这一“高渗透、低回报”现象并不意味着技术价值不足，而是反映出企业正处于从技术验证走向业务运营阶段。核心障碍包括人才短缺、安全妥协、技术负债等。
卢鹍鹏强调，从试点走向规模化部署的最关键一步是有序开展全局变革规划。实现成功跨越的企业大多在四个维度做出正确决策：深刻认知价值来源并重塑组织体系；科学设计人机协同工作机制；构建新一代数据资产架构；全面升级治理架构与运营模型。
AI治理不可“先跑起来再做”。随着AI走向“与物理世界交互”，治理复杂性显著上升。卢鹍鹏指出，企业最容易低估的是跨越基础设施全栈的安全风险与可观测性缺失风险，包括资源层的滥用与数据混杂、模型服务层中错误信息进入推理环节、业务应用层未能划定AI自主执行与人工确认的边界等。他强调，企业须从战略起步阶段就将AI治理纳入顶层设计、同步建设，绝不能“先跑起来再治理”。
谈及中国在AI变革中的角色，卢鹍鹏认为，中国拥有全球最完整的制造业门类和超大规模供应链，AI应用场景极为广泛，真实场景产生的物理世界交互数据能加速模型迭代，形成闭环壁垒。14亿多人口、超10亿网民构成全球最大数字化试验场，为AI在B端落地提供了从“能用”到“好用”的沃土，其场景颗粒度之细、数据反馈之密，是全球任何其他经济体都难以复制的。(完)
meiguolaisidaxuezhengzhixuejiaoshoumake·qiongsi（MarkJones）zeduixinjingbaojizhebiaoshi，cileifangwenduiyufangzhimeizhongguanxijinyibuehua、fangzhiyixiexiaodedulishijianshengjiweizhongdachongtufeichangzhongyao。danzhengtieryan，meiguohezhongguorengranhuishi“quanqiujingzhengduishou”，shuangfangguanxikenenghuichixujinzhang，shenzhibupaichufashengchongtudekeneng。美(mei)国(guo)莱(lai)斯(si)大(da)学(xue)政(zheng)治(zhi)学(xue)教(jiao)授(shou)马(ma)克(ke)·(·)琼(qiong)斯(si)（(（)M(M)a(a)r(r)k(k)J(J)o(o)n(n)e(e)s(s)）(）)则(ze)对(dui)新(xin)京(jing)报(bao)记(ji)者(zhe)表(biao)示(shi)，(，)此(ci)类(lei)访(fang)问(wen)对(dui)于(yu)防(fang)止(zhi)美(mei)中(zhong)关(guan)系(xi)进(jin)一(yi)步(bu)恶(e)化(hua)、(、)防(fang)止(zhi)一(yi)些(xie)小(xiao)的(de)独(du)立(li)事(shi)件(jian)升(sheng)级(ji)为(wei)重(zhong)大(da)冲(chong)突(tu)非(fei)常(chang)重(zhong)要(yao)。(。)但(dan)整(zheng)体(ti)而(er)言(yan)，(，)美(mei)国(guo)和(he)中(zhong)国(guo)仍(reng)然(ran)会(hui)是(shi)“(“)全(quan)球(qiu)竞(jing)争(zheng)对(dui)手(shou)”(”)，(，)双(shuang)方(fang)关(guan)系(xi)可(ke)能(neng)会(hui)持(chi)续(xu)紧(jin)张(zhang)，(，)甚(shen)至(zhi)不(bu)排(pai)除(chu)发(fa)生(sheng)冲(chong)突(tu)的(de)可(ke)能(neng)。(。)
邓为终于戴耳钉了
穆荣平认为，科研资助模式应该是一个“喇叭口形”，在“入口”处，应尽可能资助数量足够多的高风险、探索型小项目。随着对某个科学问题的认知越来越清晰，逐步聚焦到一个相对明确的方向，资助项目数量逐步减少和资助强度同步提升。当研究开发聚焦到重大应用目标并有相当积累时，需要更加系统性、高强度资助，此时科技领军企业实质性参与至关重要。越往后端越聚焦，企业参与积极性越高，到“出口”处，企业自身就有动力出钱资助，不需要政府资助。
