问题——新一轮智能技术浪潮加速推进，正重塑生产方式与社会服务形态；同时，算力扩张带来的能源压力、模型与数据风险、应用中的可靠性与公平性问题，以及人力技能结构调整等挑战也在同步显现。如何在提升效率的同时守住安全底线、降低资源消耗，并让更多群体共享技术红利，成为产业界与社会各方共同面对的现实课题。 原因——其一，技术迭代快、应用边界不断扩展。智能模型从研发走向规模化部署，进入医疗、金融、企业服务与个人消费等场景，对可靠性与可控性提出更高要求。其二，产业竞争加剧与成本约束并存。算力投入持续走高，能源消耗与碳排放压力上升，绿色转型与经济性需要同时兼顾。其三，数据要素价值凸显。数据安全、隐私保护、模型“幻觉”等问题在规模化应用中更容易被放大，亟需制度与工程手段协同应对。其四，人才结构加速重塑。岗位技能要求升级，管理者对技术趋势的理解与判断，直接影响企业转型的速度、路径与边界。 影响——在发言中，蔡崇信表示，科技发展应坚持自主创新与开放共享并重，通过开源协作降低技术使用门槛，让更多开发者与企业参与创新与应用。他认为，中国科技正从“积累期”进入“突破与扩散期”，在新能源、高端制造、机器人与智能技术等领域的进展，为国际合作与成果共享打开更大空间。围绕产业落地，他指出，企业的关键在于持续创新，将技术能力转化为面向消费、企业服务及公共领域的现实生产力，并推动面向智能体应用的新阶段到来。有关组织调整与全栈布局，也显示头部企业正以平台化方式整合模型、算力与应用体系，提高协同效率与市场响应速度。 韩歆毅则从“共同繁荣”的视角提出，智能技术不仅是生产力工具，也应服务于人的福祉提升。为实现该目标，产业界需合力应对四上挑战：一是算力扩容带来的能源消耗与碳排放压力；二是模型与数据安全，包括隐私保护、合规与风险治理；三是应用层面的可靠性与价值导向，确保技术真正服务公共利益；四是人的发展，缓解“技术替代论”引发的焦虑，转向技能升级与能力增强。他强调，企业作为研发、产品化与运营的直接主体，应坚持“谁开发、谁负责”，把安全与伦理要求嵌入研发与运营全流程，不能竞争压力下模糊责任边界。 对策——在开源与创新上，更高水平的开放协作有助于扩大技术可及性，降低中小企业与开发者的应用门槛，带动产业链上下游共同创新。但开放不等于无序，需要同步完善合规框架、风险评估与治理机制，形成“可用、可管、可追责”的生态规则。绿色发展上，绿色算力不仅依赖基础设施效率提升，也要从模型结构、训练与推理效率、无效计算控制等环节减少资源浪费，通过技术路径与运营管理并行降低能耗与碳排放。安全治理上，应将隐私保护、数据安全、模型可靠性与伦理边界纳入产品全生命周期，形成内置机制；同时强化行业自律与社会监督，推进标准体系与评测机制建设，提高风险可见性与处置效率。人才建设上，推动终身学习与组织能力升级，尤其是管理层对技术趋势的持续理解与判断，将成为企业战略执行与风险管理的重要变量；同时加强复合型人才培养与岗位再训练，让技术应用更多体现“赋能”而非“替代”。 前景——当前，智能技术正从“能力展示”走向“产业深水区”，竞争焦点将从单点性能转向系统工程：能否以更低能耗、更高安全、更强可控的方式实现规模化应用，能否把创新成果转化为普惠服务与高质量供给。可以预见，随着开源协作深化、应用场景扩展与治理体系完善，智能技术将更深嵌入实体经济与公共服务，带动效率提升与产业升级。同时也要看到，能源约束、安全风险与人才结构调整将长期存在。产业界只有在责任与创新之间建立稳定平衡，才能形成可持续的增长动能与更广泛的社会收益。
当人工智能持续重塑全球经济格局，中国科技企业展现的不只是技术能力，也在回应发展中的伦理与治理问题。从开源共享到绿色计算，从安全架构到人才培养，这些探索正在为全球AI治理提供可参考的中国实践。论坛传递的共识也指向同一方向：只有把技术创新与社会价值更紧密地结合，才能真正释放人工智能的变革力量，为社会发展提供更持久的动力。