2025年AI时代的创新范式与思考报告

2025创见者大会-AI+技术平台平行论坛AI时代的创新范式与思考(Innovation

Paradigm

in

AI

Era

Prospect

and

Practice)一、人工智能时代的创新范式二、行业专家与AI的共生共创目录人工智能与机器人研究所Institute

ofArtificial

Intelligence

and

Robotics什么是人工智能？人工智能（ArtificialIntelligence

，简称AI）是以机器为载体的智能

，与人类和其他动物展示的自然智能（NaturalIntelligence）形成鲜明对比。在信息科学中

，人工智能研究被定义为对“智能主体”的研究：智能主体指可以观察周遭环境并作出行动以达致目标的系统。我们常常应用术语“人工智能

”来描述使用机器模仿人类与其它人类思维相关的“认知

”功能

，

比如：“学习”和“解决问题”。——来自维基百科的定义2025/11/10

32=,数据最终实现：

知识的生产与创造力的释放万有引力：

f

JHOW

干什么人工智能智慧人工智能的3W（What

，Why

，

HoW）传统步骤智慧知识信息数据为什么.

elseWHY,海量标注数据应用落地模型人工智能与机器人研究所Institute

ofArtificial

Intelligence

and

RoboticsIf42知识驱动/因果关系（Knowledge-driven)白盒论Con

依赖强先验知识

复杂问题能力有限Pro

可解释性强

理论指导性强

稳定性高

支持反事实推理Con

可解释性差

虚假相关风险数据驱动/相关关系（Data-driven)Pro

实践性强

无需先验知识

适应复杂问题

自动化程度高黑/灰盒论可解释灰盒、自动化因果发现、跨范式统一框架统一知识与数据驱动的认知变革2025/11/10

5交叉验证/迭代优化领域驱动优先选择分阶段协作模型融合数学竞赛(2024)多模态理解和推理博士水平科学提问(2024)“TheAIIndex2025AnnualReport”AI已经在多项任务上超过人类

(还在继续）基本阅读理解（2017）

英语语言理解(2024)2025/11/10

6多任务语言理解(2024)视觉推断(2020)图像分类（2015）人工智能时代的创新范式协同创新仿真与数字孪生(DL)超维数据分析

工艺参数优化供应链与物流

需求预测/路线优化

智能仓储与机器人营销与服务

个性化定制

大语言模型(LLM)

大数据与云计算

工业物联网(IIoT)

机器人流程自动化(RPA)

自主机器人（Robotics）

认知模式创新实践效能跃升

纳米级制造革命

超复杂系统优化

跨介质环境治理范式颠覆创新

科研范式变革

社会治理重构

文明形态进化“数据+算法+算力”对传统“经验+人力+流程”模式的深刻重构2025/11/10

7生产与质量控制

预测性维护/质检

智能客服与远程运维一、人工智能时代的创新范式二、行业专家与AI的共生共创目录终身学习、培养AI素养和适应人机协作工作验证增强（57%）

工作改进

知识获取和理解自动替代（43%）反馈指导任务完成

几乎不需要交互完成任务与自动替代(43%)相比，

AI的使用更倾向于增强(57%)，即与人类协作并增强人类能力2025/11/10

9WhichEconomic

TasksarePerformedwithAI?2025/11/10AI赋能智能制造示例（宝马工业AI版图）AI赋能服务业示例（东呈批量“金牌店员”）11AI不知道知道针对00后的招聘启示公告方案缺少“碳中和”措施（隐藏区）量子计算机的工作原理提假设，收集数据，分析试错（未知区）开放区"手术刀式精准"、隐藏区"侦盲点区"翻译式表达"、未知区"伙伴探式追问"式共创"终身学习、培养AI素养和适应人机协作如何与AI高效沟通？乔哈里窗（JohariWindow）人知道

人不知道2025/11/1012专家：认知过程的架构师和管理者

（两点一线）专家的直觉性（对问题本质的模糊感知）创造性（对问题过程的洞察力）和策略性（对全局目标的把握）作为思辨和实践过程的脚手架(引导、批判、整合）“token

bytoken”模式LLM难以在伊始构建完整的思维框架存在“概率性”和“一致性”的挑战（幻觉高峰)

I系统型LLM融合跨域知识将概念进行关联，提出专家因知识背景局限而想不到的“跨界组合”行业专家与AI的共生共创任务的锚点任务的结点复合型多步骤、复杂逻辑链条、需要持续规划和状态跟踪原子型目标清晰，上下文范围有限，高度依赖语言模式和知识库中的匹配小尺度(微观)中尺度(介观)大尺度(宏观)AI：微观执行者，宏观启发者（两高一低）13专家：直觉/理性驱动->问题感知策略性规划->问题边界AI：信息整合与结构化背景和知识速查风险预判/灵感注入路径选择深度逻辑推演多维度评估评价发现异常和漏洞里程碑确认/策略微调步骤自动化执行保持上下文/自洽逻辑实时更新任务描述价值判断/新的洞察策略性复盘总结知识库更新过程记录/模式挖掘协作模式知识库认知过程的架构师和管理者（两点一线）形式化问题描述可视化问题看板AI可处理、目标明确的“启动任务”形成可指导未来类似任务的“操作模式”经过初步推演的“高潜力解决草案”与目标一致的

“具体交付物”推演与探