问题：大模型热度持续升温，应用如何从“能聊会写”走向“能干会管”，并在产业端形成可复制、可规模化的增长，成为当前各界关注的核心议题。
论坛研讨中，刘烈宏以近一年多来多款应用的出圈现象为切口指出，技术迭代正在把人工智能从“工具”推向“生产力”，但与此同时，安全、数据、合规等底层约束也更为凸显，亟须以产业化思维推进落地。
原因：一方面，模型能力提升与开源生态发展，推动应用形态从单点功能走向“系统化完成任务”。
刘烈宏强调，智能体通过把大模型与外部工具深度连接，实现任务自主规划、连续执行，标志着大模型应用正从“对话式交互”进入“决策—执行闭环”的新阶段。
另一方面，人工智能与实体经济融合加深，通用语料的边际效用下降，行业高质量数据集正成为决定落地效果的关键变量。
作为拥有完整工业门类、产业体系完备、场景丰富的国家，我国推进“人工智能+”具备把技术势能转化为发展势能的现实基础。
再一方面，人工智能加速从数字空间迈向物理世界，与机器人本体、传感器、控制系统融合，带来对具身智能数据的全新需求，推动更多场景从试验验证走向生产应用。
与此同时，随着调用规模扩大，Token不再只是技术指标，更成为连接技术供给与商业需求的“结算单位”，为商业模式落地提供可量化抓手。
刘烈宏援引数据称，我国日均Token调用量从2024年年初约1000亿快速攀升，至2025年底达100万亿，今年3月已突破140万亿，增长呈现跃迁态势。
影响：其一，智能体驱动应用规模增长，但也放大网络安全与数据安全风险。
刘烈宏指出，智能体越“能干”，越需要“可控”。
在这一浪潮中，我国企业探索出“开源框架+国产模型+全栈数据安全策略”的路径，并在方案中嵌入工具合规性检测、数据隔离、权限管控、操作审计等机制，推动从功能实现走向可审计、可追溯、可治理的落地模式。
他提出衡量“好智能体”的标准，不能只看执行能力，更要看是否能进行风险告知、边界提示并给出安全闭环方案。
其二，行业数据集将重塑产业竞争要素，数据资产治理、数据要素流通和标准体系的重要性显著上升。
其三，具身智能在工业制造、仓储物流、特种作业等领域展现现实可用性，将带动设备、传感、控制、工业软件与数据体系协同升级。
其四，Token调用量的爆发式增长，为计费、结算、成本管理和服务分层提供基础，但也对算力供给、能效优化、合规运营提出更高要求。
对策：围绕产业化规模化应用目标，应从政策牵引、数据供给、场景开放与安全治理协同发力。
政策层面，“人工智能”已连续三年写入《政府工作报告》，今年报告进一步提出深化拓展“人工智能+”，推动新一代智能终端和智能体加快推广，促进重点行业领域实现商业化、规模化应用，培育智能原生新业态新模式。
国务院此前印发的《关于深入实施“人工智能+”行动的意见》明确提出，到2027年新一代智能终端、智能体等应用普及率超过70%，到2030年超过90%，到2035年全面步入智能经济和智能社会发展新阶段。
产业预期方面，国家发展改革委相关负责人在全国两会期间表示，将深化“人工智能+”行动，“十五五”末人工智能相关产业规模有望增长到10万亿元以上。
落实到路径上，一是以智能体为抓手推进“能用、好用、可控”，把安全机制前置到产品设计与流程管理之中，形成可审计、可追责的全链路治理；二是面向重点行业建设高质量数据集与数据治理体系，推动数据标准、数据共享与合规流通，提升行业模型落地效率；三是以具身智能为突破口，围绕典型场景组织数据采集、仿真训练与工程验证，推动从“试点示范”走向“批量部署”；四是围绕Token等可量化指标完善计费与服务体系，引导企业在成本可控、质量可评的基础上形成稳定商业闭环。
前景：与以往“技术展示”不同，当前人工智能的竞争焦点正转向“工程化能力、数据供给能力与治理能力”的综合比拼。
随着智能体普及、行业数据体系完善以及具身智能加快进入生产现场，人工智能有望在制造、能源、交通、政务、医疗等领域形成更多可复制的解决方案。
可以预见，谁能在安全合规前提下把技术能力稳定转化为生产效率，谁就更有可能在新一轮产业变革中赢得主动。
人工智能产业化的关键不在于“新概念层出不穷”，而在于把技术能力转化为可交付、可复制、可监管的生产力。
以安全为底线、以数据为基础、以场景为牵引、以商业闭环为目标，推动技术创新与治理体系同频共振，才能让智能化真正成为高质量发展的持久动能。