某集團副總裁吳甜在浙江大學的一場演講中，圍繞“人工智能通用應用系統”這一前沿議題，分享了她的深刻洞察。她明確指出，盡管人工智能技術取得了舉世矚目的進展，但通向真正意義上的通用人工智能的突破尚未到來，當前的發展重心在于構建和完善能夠在特定領域發揮巨大價值的通用應用系統。

吳甜在演講中首先梳理了人工智能的發展脈絡。她認為，從早期的規則驅動，到數據驅動的機器學習，再到如今基于大規模預訓練模型的生成式人工智能，技術范式不斷演進，AI的能力邊界持續拓寬。以ChatGPT、文心一言等大語言模型為代表的生成式AI，展現了強大的內容生成、邏輯推理和任務執行潛力，引發了全社會對“智能涌現”和“通用人工智能”的熱烈討論。吳甜強調，當下的這些系統，本質上仍是復雜而精密的“狹義人工智能”。它們雖然在語言、代碼、多模態理解與生成等寬泛任務上表現卓越，但距離具備自主意識、跨領域深度認知與適應、以及人類級別的常識理解與創造性思維的“通用人工智能”仍有漫長的路要走。

“突破未至，并不意味著停滯。”吳甜話鋒一轉，將焦點引向更具現實意義的“人工智能通用應用系統”。她解釋，這類系統并非追求無所不能的“強AI”，而是旨在打造平臺化、可擴展、具備強大泛化能力的基礎AI能力基座。它們通常基于大規模預訓練模型構建，通過精心的架構設計、持續的領域數據注入、高效的微調與優化，能夠支撐起一個行業甚至多個行業的海量、多樣化智能應用需求。例如，在智慧金融、智能醫療、工業制造、數字政府等領域，一個強大的AI通用應用系統可以像“操作系統”一樣，為上層具體的風控、診斷、質檢、政務問答等應用提供統一、高效、可靠的智能內核。

吳甜結合其所在集團的實踐指出，構建這樣的系統面臨著三大核心挑戰：

1. 技術融合的深度：如何將大模型的強大生成與認知能力，與知識圖譜、因果推理、符號計算等傳統AI技術更有機地結合，以彌補大模型在事實準確性、邏輯嚴謹性和可解釋性方面的不足。
2. 成本與效率的平衡：大模型的訓練與推理消耗巨大的算力與能源，如何通過模型壓縮、稀疏化、蒸餾等技術創新，以及芯片、框架、平臺的協同優化，實現高性能與低成本、高效率的兼顧，是產業化落地的關鍵。
3. 安全、可信與可控：確保AI系統的內容安全、數據隱私、算法公平，并使其行為符合人類價值觀和倫理規范，是系統設計中必須貫穿始終的紅線。這需要從數據清洗、算法設計、部署監控到人機協同的全鏈路保障。

她認為，當前正是發展人工智能通用應用系統的黃金時期。巨大的市場需求、快速迭代的技術、日益豐富的場景數據，共同構成了創新的沃土。成功的系統需要堅持“應用驅動、迭代演進”的路徑——從解決實際業務痛點的高價值場景切入，通過應用反饋持續優化模型和系統能力，逐步擴展應用邊界，形成“技術賦能應用、應用反哺技術”的良性循環。

吳甜對浙大學子寄予厚望。她鼓勵青年學子不僅要夯實數學、計算機科學等基礎，更要培養跨學科的視野，關注AI與生物學、心理學、社會學等學科的交叉；不僅要追求算法的前沿，更要深入理解產業，具備將技術轉化為實際價值的能力。她強調，人工智能的既需要仰望星空的突破性理論探索，更需要腳踏實地的系統工程實踐，而后者正是推動當前智能經濟高質量發展的核心引擎。

吳甜的演講為狂熱追逐“通用人工智能”概念的市場注入了一劑理性的清醒劑，同時清晰地勾勒出以“通用應用系統”為抓手的AI產業化現實路徑。這預示著，人工智能的下一個主戰場，將是從實驗室的驚艷Demo，轉向千行百業堅實、可靠、普惠的智能基礎設施構建。