问题——通用智能热潮之下，应用落地面临“强能力”与“强可靠”的张力；近一段时间——通用智能赛道持续升温——多模态交互、生成式能力与智能体应用加速迭代，带动各行业对智能化升级形成更多共识。但另外，复杂开放场景中的误判、漂移和不可控风险仍不时出现；工业现场对稳定性、可追溯性要求更高，交通与医疗等领域对安全边界更为敏感。如何能力提升的同时实现可控、可信与可持续，成为产业界与学术界共同面对的核心问题。 原因——从“数据驱动的能力跃升”走向“面向真实世界的系统工程”。郑南宁长期从事智能感知、神经计算与无人驾驶等研究，早年主持研制“先行者”系列无人驾驶汽车并开展高速公路无人驾驶实验，为国内自动驾驶研究积累了重要经验。他在近期公开演讲中指出，当前技术的快速进展受益于数据、算力与算法的叠加效应，但真实世界存在长尾事件、跨域变化与对抗扰动，单纯依赖规模扩张难以覆盖全部风险情形。尤其在需要实时决策和人机协同的场景中，系统不仅要“会说会写”，更要“看得准、想得清、做得稳”，这要求感知、认知、控制与安全治理形成一体化能力。 影响——多行业智能化进程提速，关键能力从“可用”转向“可审、可控、可复现”。在制造领域，视觉检测与智能质检正在替代部分高强度人工环节，推动效率提升与一致性改进；在交通领域，分级自动驾驶正向特定区域、特定道路与特定工况推进，融合感知与安全冗余成为系统门槛；在医疗领域，影像辅助分析在部分场景实现规模化应用，但对数据合规、责任边界与临床验证提出更高要求；在人机协作上，仓储、产线与服务场景的机器人需求增长，能否动态环境中保持稳定操作与安全协作成为竞争焦点。受访业内人士认为，随着应用深入，行业对“可解释、可验证、可追责”的要求将明显上升，可信与合规将成为技术扩散的重要前置条件。 对策——以可信技术为底座，推进具身智能与行业系统融合。郑南宁近年来聚焦具身智能与可信技术研究，并主持国家级“可信人工智能”对应的重大研究任务，提出面向真实复杂场景的鲁棒感知与决策框架思路。多位专家表示，下一阶段可从三上协同发力：一是夯实高质量数据与评测体系，建立覆盖长尾风险的测试基准与场景库；二是推动算法、软硬件与工程治理联动，形成从训练、部署到运行监测的闭环机制，提升可解释与可追溯能力；三是加快产学研用协同，在制造、交通、医疗等重点领域开展可复制的示范应用，以标准化接口与安全规范降低落地成本。同时，应加强人才培养与跨学科合作，推动智能技术与控制工程、工业工程、医学等领域更深度融合。 前景——从“模型竞赛”走向“系统竞争”，以可靠性和场景价值决定胜负。业内判断，未来通用智能的发展将更强调系统级能力：既包括多模态感知、推理与规划的融合，也包括在复杂环境中的持续学习、风险识别与安全约束。随着政策监管、行业标准与市场需求共同作用，竞争焦点将从单点指标转向综合指标，如安全、成本、能耗、可维护性与全生命周期治理。专家预计，具身智能、可信计算与行业大模型将成为下一阶段的重要增长点；谁能在真实场景中率先做到“可控可用、可审可证”，谁就更可能获得产业化先机。
人工智能正从实验室走向千行百业，其影响已不止于技术本身，正在深刻改变产业运行方式与社会服务形态。郑南宁院士的学术探索与产业洞察，为中国AI发展提供了重要参考，也为全球技术治理带来更多可借鉴的思路。在智能化浪潮中，如何在创新与责任、速度与安全之间取得平衡，仍将是未来需要持续讨论的问题。