近日，以“AI躍遷·向生產級落地”為主題的2026數智創新大會圓滿落幕。大會匯聚政府、金融、能源、教育、央國企等行業主管部門領導、權威專家、科研院所及行業用戶代表，以千人規模的思想盛宴，在業界率先搭建起政產學研用深度融合的創新實踐交流平臺，共同探討人工智能從試點驗證邁向規模化生產落地的關鍵路徑，為千行百業數智化轉型注入新動能。
人工智能步入"深水區"：從"是否采用"到"何以落地"
當前，人工智能在企業層面的普及率已接近飽和，然而麻省理工學院的研究卻揭示，多數企業的應用仍局限于問答等通用功能，實現規模化生產部署的不足5%。接近100%普及率與不足5%的生產級落地率之間的落差，正是當前人工智能應用所面臨的“深水區”。
IDC中國副總裁兼首席分析師武連峰在大會上援引權威研究數據指出，全球處于人工智能應用成熟度第二階段的企業占比為49.6%，中國為54%，而進入第四、第五階段的企業合計不足3%。在“規模化落地最大障礙”的調研中，安全合規位居首位，投入產出不明確緊隨其后。這表明，技術能力僅是起點，安全治理體系與投入產出度量能力才是決定規模化落地的關鍵因素。
金融行業人工智能應用已覆蓋知識問答、材料生成、會議紀要等通用場景，個體效率提升顯著，但在信貸審批、合規審查、風控分析、智能投顧等核心流程中，效率尚未實現同步躍升。越是接近資金與交易環節，數據合規、業務連續性與責任追溯的約束越為突出。人工智能規模化落地，安全治理與投入產出度量才是真正的分水嶺。
從五大困境到系統重構：生產級AI需要怎樣的新底座
一個組織要跑通人工智能化的業務流程，準確性、成本、穩定性、權限與安全等問題將接踵而至。深信服科技創始人兼CEO何朝曦在主題演講中，基于大量客戶實踐，系統總結了企業人工智能進入生產環節所面臨的五大困境，并由此提出了構建人工智能時代新型基礎底座的思路與解法。
一是建不動，反映的是個體提效尚未轉化為組織提效。人工智能進入復雜業務流程，需要覆蓋開發、評測、發布、運營和責任追溯，企業由此需要將工具嵌入既有流程，建立質量門禁與知識沉淀機制。
二是用不好，問題往往不只在模型，更在數據。針對數據分散、頻繁搬運以及解析、檢索偏差，需要完善知識工程鏈路，通過統一數據視圖、多協議訪問和冷熱分層，提高數據訪問效率與準確性。
三是用不起，源于調用規模和任務復雜度持續增長。企業需要統一接入本地算力與外部模型服務，借助任務路由、內容緩存和推理優化，提高算力利用效率，使成本保持在可運營范圍內。
四是看不清，是算力消耗、責任主體和業務收益缺少統一度量。建立覆蓋部門、人員和任務的計量核算機制，將調用成本與業務效果聯系起來，才能為擴大應用規模提供依據。
五是不敢用，來自傳統網絡威脅與智能體新風險的疊加。安全建設既要提高威脅發現和處置效率，也要把智能體納入身份、權限、行為和審計體系，在高風險操作執行前進行識別與攔截。
五大困境背后，是既有基礎設施與人工智能工作負載之間的適配問題。生產級人工智能所需要的新底座，需要統籌開發體系、數據底座、算力運營、安全防御和智能體治理，使人工智能能夠在真實業務中運行穩定、成本可算、風險可控。
系列新品發布，打造生產級AI堅實底座
圍繞生產級落地過程中暴露出的開發、數據、算力與安全問題，深信服在本屆大會上發布并預覽了一系列產品與技術，從算力調度、數據訪問、業務承載、安全運營和智能體治理等方面，為人工智能進入生產系統提供基礎支撐。
AI算力網關：推動算力從分散調用走向統一運營。針對人工智能“用不起”“看不清”的問題，深信服AI算力網關對本地算力、外部模型服務及既有資源池進行統一接入，提供模型服務、智能路由、計量運營與性能優化能力。通過建立統一的算力視圖，企業可以按部門、人員和任務查看Token消耗，并借助路由、緩存和推理優化，提高混合算力的使用效率。
統一存儲：減少數據孤島與重復搬運。人工智能“用不好”，往往與數據分散、訪問效率和數據質量有關。深信服統一存儲在同一體系內支持塊、文件、對象等多協議訪問，并連接不同存儲資源、實施冷熱數據分層，使訓練、推理、知識庫和傳統業務能夠共享統一的數據入口，在保留原有基礎設施投入的同時，減少數據搬運帶來的性能損耗和一致性風險。
超融合7.0：為新舊業務提供穩定承載。針對人工智能應用進入生產系統后對可靠性、連續性和國產化適配提出的新要求，超融合7.0圍繞總體擁有成本與可靠性進行升級，既面向傳統通用計算業務，也兼顧智能體應用的承載需求，為存量業務與人工智能業務并行運行提供基礎設施支撐。
AI原生安全運營平臺：縮短機器化攻擊與人工防守之間的時間差。隨著人工智能降低攻擊門檻、加快攻擊節奏，傳統依賴告警和人工研判的安全運營模式面臨新的壓力。深信服AI原生安全運營平臺以端點、網絡、身份和資產的一手遙測為基礎，通過智能體協同完成檢測研判、深度調查和處置閉環，推動安全運營從告警后的響應向更早階段的識別與處置延伸。
保護AI平臺：將智能體納入組織治理體系。針對智能體越權調用、敏感數據訪問和行為偏離等風險，保護AI平臺最新版本圍繞應用發現、身份賦予、權限管控、意圖理解、行為審計和異常行為攔截建立運行時治理機制，在智能體操作進入業務系統前進行判斷和控制，并保留完整的行為記錄。
此外，大會還對AI EDR、AI驅動的安全治理平臺及代碼安全等技術進行了發布預覽。從前述五大困境到此次集中呈現的產品與技術可以看到，生產級人工智能的建設重點，正在從模型能力擴展至算力可運營、數據可調用、業務可承載和風險可治理的系統能力。
人工智能競賽步入“下半場”
本屆大會以“戰略論壇、行業分論壇、閉門研討會、AI創新實踐展”的多元架構，為參會嘉賓提供從頂層設計到底層實施的完整“生產級AI”創新體驗，聚焦政府、金融、能源、教育等關鍵領域，圍繞關鍵信息基礎設施智能化升級、AI 核心場景規模化復制推廣開展深度研討。
大會期間重磅發布了《2026 年度教育網絡安全專項研究課題申報指南》，啟動了《石油和化工行業人工智能應用場景指引》的編制工作和能源行業“人工智能+”網絡安全高價值案例征集活動。這些舉措不僅為各行業 AI 落地提供了可復制的實踐范式和標準指引，更有力推動了關鍵信息基礎設施智能化升級的進程，加速了 AI 技術在核心業務場景的規模化應用，為政產學研用協同創新構建了高水平的交流與合作平臺。
從產業發展規律來看，人工智能轉型至少是一個十年的歷程——技術能力的提升可以呈指數級增長，而組織流程、治理體系與人員觀念的變革只能是線性推進。未來三至五年，決定競爭勝負的不再是誰的模型參數更大、誰率先上線了人工智能功能，而是誰能讓人工智能在真實業務中運行穩定、成本可算、風險可控。
轉自：IT之家
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
