2025年AI时代的创新范式与思考报告-人工智能与机器人研究所

人工智能与机器人研究所Institute of Artificial Intelligence and RoboticsAI时代的创新范式与思考(Innovation Paradigm in AI Era Prospect and Practice)2025创见者大会-AI+技术平台平行论坛人工智能与机器人研究所Institute of Artificial Intelligence and Robotics一、人工智能时代的创新范式二、行业专家与AI的共生共创目录2025/11/10什么是人工智能？人工智能（Artificial Intelligence，简称AI）是以机器为载体的智能，与人类和其他动物展示的自然智能（Natural Intelligence）形成鲜明对比。在信息科学中，人工智能研究被定义为对“智能主体”的研究：智能主体指可以观察周遭环境并作出行动以达致目标的系统。我们常常应用术语“人工智能”来描述使用机器模仿人类与其它人类思维相关的“认知”功能，比如：“学习”和“解决问题”。——来自维基百科的定义3人工智能与机器人研究所Institute of Artificial Intelligence and Robotics海量标注数据应用落地模型是什么为什么干什么WHATWHYHOWIf，2else.2=，数据信息知识智慧传统步骤人工智能智慧数据人工智能的3W（What，Why，HoW）最终实现：知识的生产与创造力的释放万有引力：𝒇 =𝒎𝟏𝒎𝟐𝒓𝟐𝒈4统一知识与数据驱动的认知变革2025/11/10白盒论黑/灰盒论知识驱动/因果关系（Knowledge-driven)数据驱动/相关关系（Data-driven)Pro 可解释性强 理论指导性强 稳定性高 支持反事实推理Con 依赖强先验知识 复杂问题能力有限Pro 实践性强 无需先验知识 适应复杂问题 自动化程度高Con 可解释性差 虚假相关风险分阶段协作模型融合交叉验证/迭代优化领域驱动优先选择可解释灰盒、自动化因果发现、跨范式统一框架5AI已经在多项任务上超过人类 (还在继续）2025/11/10图像分类（2015）多任务语言理解(2024)博士水平科学提问(2024)数学竞赛(2024)基本阅读理解（2017）视觉推断(2020)“The AI Index 2025 Annual Report ” 多模态理解和推理英语语言理解(2024)6人工智能时代的创新范式2025/11/10协同创新AI技术领域专家智能制造认知维度革命 多模态感知增强 超维数据分析 认知模式创新实践效能跃升 纳米级制造革命 超复杂系统优化 跨介质环境治理范式颠覆创新 科研范式变革 社会治理重构 文明形态进化7设计与研发 生成式设计 AI仿真与数字孪生生产与质量控制 预测性维护/质检 工艺参数优化供应链与物流 需求预测/路线优化 智能仓储与机器人营销与服务 个性化定制 智能客服与远程运维 机器学习(ML)与深度学习(DL) 计算机视觉(CV) 大语言模型(LLM) 大数据与云计算 工业物联网(IIoT) 机器人流程自动化(RPA) 自主机器人（Robotics）“数据+算法+算力”对传统“经验+人力+流程”模式的深刻重构一、人工智能时代的创新范式二、行业专家与AI的共生共创目录增强（57%）自动替代（43%）几乎不需要交互完成任务反馈指导任务完成知识获取和理解工作改进工作验证2025/11/10终身学习、培养AI素养和适应人机协作与自动替代(43%) 相比，AI的使用更倾向于增强(57%)，即与人类协作并增强人类能力Which Economic Tasks are Performed with AI? 92025/11/10AI赋能智能制造示例（宝马工业AI版图）11AI赋能服务业示例（东呈批量“金牌店员”）2025/11/10概略聊(共识概念提高效率）启发聊（补充背景信息）提问聊（避免过载，建立信任）开放聊（协同探索，避免盲目）人知道人不知道AI知道AI不知道如何与AI高效沟通？乔哈里窗（Johari Window）精准化、结构化针对00后的招聘启示公告（开放区）主动补充、引导挖掘方案缺少“碳中和”措施（隐藏区）渐进提示、证据支撑量子计算机的工作原理（盲点区）开放共创、试错迭代提假设，收集数据，分析试错（未知区）开放区"手术刀式精准"、隐藏区"侦探式追问"盲点区"翻译式表达"、未知区"伙伴式共创"终身学习、培养AI素养和适应人机协作12小尺度(微观)中尺度(介观)大尺度(宏观)原子型目标清晰，上下文范围有限，高度依赖语言模式和知识库中的匹配LLM融合跨域知识将概念进行关联，提出专家因知识背景局限而想不到的“跨界组合”系统型多步骤、复杂逻辑链条、需要持续规划和状态跟踪复合型“token by token”模式LLM难以在伊始构建完整的思维框架存在“概率性”和“一致性”的挑战（幻觉高峰)任务的锚点任务的结点专家：认知过程的架构师和管理者（两点一线）AI：微观执行者，宏观启发者（两高一低）专家的直觉性（对问题本质的模糊感知）创造性（对问题过程的洞察力）和策略性（对全局目标的把握）作为思辨和实践过程的脚手架(引导、批判、整合）行业专家与AI的共生共创13认知过程的架构师和管理者（两点一线）定义与锚定推演与探索执行与调优反思与抽象模糊复杂的初始问题AI可处理、目标明确的“启动任务”数个潜在备选经过初步推演的“高潜力解决草案”解决草案与目标一致的“具体交付物”形成可指导未来类似任务的“操作模式”解决方案专家：直觉/理性驱动->问题感知策略性规划->问题边界AI：信息整合与结构化背景和知识速查形式化问题描述风险预判/灵感注入路径选择深度逻辑推演多维度评估评价可视化问题看板发现异常和漏洞里程碑确认/策略微调步骤自动化执行保持上下文/自洽逻辑实时更新任务描述价值判断/新的洞察策略性复盘总结知识库更新过程记录/模式挖掘协作模式知识库142025/11/10小 结“问渠那得清如许？为有源头活水来”数据是根基“大鹏一日同风起，扶摇直上九万里”底层创新助力发展“纸上得来终觉浅，绝知此事要躬行”AI赋能需实践“我见青山多妩媚，料青山见我应如是” 探索共创新范式