2025CSDI:大模型引领智能研发与 IT 组织变革
今年大家会听到越来越多的 AI 化、智能化，商业化，这些会成为主流旋律。未来，AI 技术的发展从可靠、能干、聪明的阶段，将被部署到更广泛的场景中。
今年大家会听到越来越多的 AI 化、智能化，商业化，这些会成为主流旋律。
未来，AI 技术的发展从可靠、能干、聪明的阶段，将被部署到更广泛的场景中。得益于算法和算力的技术突破，带来了 AI 的更新变革，也为行业带来更多的能力和动力去获取更多的数据。
AI 的发展与 AI 的应用紧密相连，AI 的发展将推动私有知识的价值越来越大，AI 的应用将成为重要的战略优先级，其应用不仅能提升效率，更能帮助人们解决信息不对称和价值创造的问题，并创造新的供给。未来的研发智能化将会带来业务比值和内部比例的变化，这是非要重要的企业研究方向。
将来所谓的行业壁垒会被重新定义吗？
以AI的认知模式的差异和效率定义，还是人类的认知模式和经验定义？
0 1 每一种媒介都塑造了独特的交流内容和过程
大家都知道计算机已然有着近百年的发展历史，回顾历史的脉络时，蕴含着极其重要的意义。有多少人是电视时代成长起来的一代？小编本人也近乎是电视时代的见证者，在某种程度上，也逐渐融入了计算机时代的浪潮之中。而如今成长起来的各位 IT 同仁，无疑也是计算机到移动互联网再到智能时代的幸运者们。
第一台计算机名为 ENIAC，这种新型的机器，以电子元件取代了传统的齿轮、活塞等部件。它的奇妙之处在于，内部的微型处理器输入原始指令、有数十亿个电子在高速运转、运算速度极快、强大的适应性、以每秒百万千万条指令的速度传输、以多样化的方式操控电子的流动。它依据当前的运行状况以及上一次的操作结果来进行相应的调整。这项重要的发明。它诞生于 1946 年，当时是专门为军事计算而研发的，体积巨大，几乎无人有机会使用它。而世界上首个由大学提供的计算机科学学位，是在 1968 年，由加州大学伯克利分校设立的硕士学位。这意味着，拥有计算机科学学位的最年长者如今近 80 多岁。
1976 年第一台个人电脑诞生。1983 年，该行业交付超过 300 万台小型计算机，到 1986 年达到 1000 万台。而在当时，所有伟大的产品设计师都在设计建筑、汽车。几乎没有人在设计和关注计算机。现在的人们每天要花 23 个小时与这些机器互动，有时与这些机器互动的时间比他们在车里的时间还要长。
下一个真正的突破，发生在 60 年代，时间共享概念因此应运而生。当时苹果公司，将一台非常大的计算机进行共享，因为它能够快速执行大量指令。在当时，计算机进行了一系列的协同工作，阅读他人的成果，比如：阅读某人关于舞蹈的研究、经营某人关于工作的成就等。共享资源以其速度之快，让每个人都觉得自己仿佛拥有了整台电脑。
时间共享也是从 60 年代计算机开始真正普及的原因。人们通过一些连接线，使用终端设备连接到其他地方的大型计算机，这就是时间共享模式，也是大学校园里电脑数量众多的原因。苹果公司之所以能够崛起，是因为比别人早 5 年偶然发现了“分马力计算”这一理念。苹果将微处理器芯片（也就是芯片上的计算机），与其他必要的所有组件相结合，制造出了一台大约 13 磅重的电脑。因此，分马力计算也引发了一场革命。
几十年前的计算机，通过构建这些简单指令的集合，创建一个更高层次的指令系统。已经并非简单地指示“向左、向右、右脚、左脚、伸手、抓物”，而是会说：“您能去买些物品吗？您能倒一杯咖啡吗？”很早时期，计算机就已经抽象层次上可进行处理，抽象层次会被转化为运行速度极快的简单指令。它的最佳的方法是进行类比。以最早于 19 世纪末发明的电动马达为例，电动马达只能用于构建非常大型的设备，这意味着，只有在成本合理的情况下才能应用于大型项目。因此，电动机并未迅速普及。然而，下一个突破性进展出现了，有人利用这些大型电动马达中的一个，在工厂中间搭建了一个棚屋，并配备了一系列铃铛和开关，以此使用马力，使一个大型电动马达能够在 15 或 20 个中型工作站中使用，从而让电动马达在一些中等规模的任务中变得成本合理。随后，电动马达的数量大幅增加，但真正的突破是分马力电动马达的发明。如此一来，我们可以将动力直接输送到需要的地方，并且在完全独立的应用中实现合理成本。
计算机占据了最早主导的交流媒介，就如同电视曾经取代书本一般。然而，每一种媒介都存在其固有的局限性，这些局限构成了难以逾越的界限。尽管如此，它们通常也会带来一些新颖且独特的机遇。值得注意的是，每一种媒介不仅塑造了通过它的交流内容，还深刻影响了交流的过程。
回溯最初的电视节目，它们基本上是电视摄像机对准的广播节目。许多人第一次意识到电视已成为成熟媒体是阿波罗登月，那种体验很令人激动，但一项媒介的成功花了近 20 年的时间才使其真正发展和成熟。不同媒介所传播的内容显然存在差异。其中最有趣的是交流过程的变化。我们通过电话与他人交谈时，我们必须同时在线；而当使用电脑终端向某人发送文件或绘制一幅画并放入其邮箱时，对方无需即时在线。可以在中午 12 点查看，也可以在 3 天后查看，甚至在异国查看。
那么，随着无线连接功能的便携式计算机的普及，信息自由移动并检索，传播过程本身随着媒介的演变而发生变革。无论是电话、邮件、网络搜索、视频、声音、门户网站、动作等，都在某种意义上，均是发送由 1 和 0 构成的数据。
80 年代首次个人电脑的普及，其作为一种新媒体，就社会和计算机领域而言，计算机编程与电视制作对比，我们发现，电视擅长捕捉并重现经验，尽管这种重现成本高昂且有其局限性。通过电视节目，我们能真切感受到，阿姆斯特朗登月等历史时刻的激动人心。相比之下，计算机编程则聚焦于捕捉经验的基本原理，而非直接复制经验本身。这些原理具有广泛的适用性，能够衍生出无数种不同的体验。以视频游戏为例，它们遵循物理定律（引力和动量守恒），尽管每场游戏的具体过程各不相同，但都基于这些不变的规则运行。
AI 发展的前景是渗透、掌管数字世界，改变物理世界
（这是乔布斯在1983 年的 PC 预言想象力，有 AIGC 后，觉得一切近在咫尺）
无论是电视还是计算机编程，都是强大的工具，它们以各自独特的方式影响着我们的世界和生活。我们需要持续优化模型，使其日益精密复杂。然而，这是一种互动式的学习模式，在我们成长历程中不断兴替。尽管存在成千上万种独特体验，但它们皆基于一套基本原则。今天，人们创造的先进机器，它们能够捕捉潜在的预测、更多基本原则、看待世界的独特视角，工业设计、软件设计、用户交互，都将是 AI 智能化发展的衍生所在。
纵观历史，技术进步一直是经济发展文明演进的底层驱动力。人类文明的历史就是从火的应用开始，到经济真正开始增长，是从第一次工业革命，有了机械化的工具，直至第二次工业革命电力，再到信息时代的几代革命。
工业时代最基本经济单元是工厂，取代手工作坊是工业经济最重要的一个组织突破。信息时代经济最基本的是公司。智能时代的基本经济来源就是智能体，也就是机器人，机器人是未来创造经济价值的基础。
从生产上看，最初规模经济，管理上受制于便捷的效率递减，规模经济背后的是人类的学习能力，因为规模的扩张能重复劳动，产生沉淀与传播。从泰勒的科学管理、流水线动作、SAAS 化，几十年的演进，才有了最佳管理实践，这都是人类的经验的传播。直到互联网时代的网络效应快速扩张。AI 作为智能时代复杂系统的演化，核心让复杂系统涌现智慧。
过去十余载，企业数字化也主要依据 SaaS、ERP 等信息系统的发展轨迹，扮演着信息采集与搬运的角色。当下，Data Al 互相驱动的数字化新范式也相伴而来，能自主思考、主动做事的 AI 正在重构企业生产力的上限。AI 高效生产、治理、运营数据、以及上下文的全局关联的都显示了高质量数据结合知识的重要性。尤其是初始化条件下，最有利于智能创造和产生，基于 AGI 消化吸收了现有知识，顶尖人才学习成本降低，元认知 +AI 工具结合，高认知个人能力和数据优势会被无限放大。
图：组织持续创新的核心
过去 50 年的信息革命中，软件的价值被提高，知识工作者是最有价值的。未来个体发展的方向是创造力，而非知识和思考人的价值。德鲁克是上个世纪最伟大的管理学家，他的工业革命经历了工厂取代手工作坊，以及企业超越工厂的阶段，并将企业视为流水线，批量生产，提高管理效率。哈佛商学院将视为流水线，批量生产，有共同语言的管理者提高管理效率。Agent 将成为人类的合作伙伴，而非简单的代理或助手。
2024 年，AI 应用的元年，未来的组织将由三层人和无限扩张的汇集构成，科层制管理的公司制度正在消亡。未来，共创性的研发组织的核心目标是群体智慧的涌现，群体认知的提升速度决定了组织的竞争力，人才密度的高低与自动化场景管理的紧密关联。
整个未来经济发展的核心，让我们进入了一个类似生物系统大爆炸的阶段，所有的产品都是核心在认知上的贡献，智慧的涌现，而推动效应是以复杂系统的结构和研发的主要因素。机器学习的本质是推动智能生产效应的，机器学习的复利，带来学习与获取更多知识的智能体，以及研发出更强的智能体。这些之间的互通，人与 Agent 之间互通，人与人之间互通、Agent 与 Agent 互通，共同演化，便成了智能经济发展的核心。
图：reflex 务实的移动底盘人形机器人
尤其是数智化时代，经济发展的核心驱动力是技术进步，工业经济的组织突破和管理信息时代的公司创造。智能时代的经济来源是机器人，会是未来创造经济价值的基础，核心点在于企业微观竞争和宏观经济思考。随着互联网时代的到来，网络效应快速扩张，AI 的本质是智能涌现，其核心在于如何让复杂系统涌现出智慧，推动效应本质上是机器学习。未来经济发展的核心，将进入类似生物系统大爆炸的阶段，智能体和智能体之间的互通，推动效应是以复杂系统的结构和研发的主要因素。
年初，DeepSeek 的火爆出圈，打破了“高算力和高投入是发展 AI 唯一途径”以及“集成电路制程优势=AI 技术霸权”的现实，引领 AI 行业进入以算法和模型架构优化为主，同时高度重视数据质量与规模、理性提高算力的新时期。随着生成式 AI、大语言模型、智能体（Agent）等新技术层出不穷，整个行业发生了范式变革，从计算范式 -AI 协同编程 - 混合架构 -AI 原生服务，模型从技术上的能力转变为产业化的能力。
在 AI 领域，众多行业巨头如微软、AWS（亚马逊云服务）、英伟达、华为、阿里巴巴及百度等公司相继宣布在其 AI 服务平台上部署 DeepSeek V3 和 R1 模型。DeepSeek 所推出的具备高效率与低成本特性的推理模型，以及其开源商业模式，有望引领 AI 行业的全新潮流。
图：RNN 的破局在于线性注意力、混合架构、并行计算、循环网络等
DeepSeek 的成功在于它突破了 Scaling Law 的瓶颈，R1 抛弃了预训练的做法，使用自主强化学习方法，让 AI 拥有了自我反思的长思维链能力。长思维链是人真正的智力体现。这些说明了，在AI 的发展进程中，算法优化以及系统级工程优化是不可或缺的关键环节，并行计算硬件需做更加复杂的训练加速，增强更多的模型性能和计算复杂度，而资深工程师在其中发挥着至关重要的作用。
在模型算法及工程优化方面，系统级创新面临着有限资源的制约，探索AGI 成为开辟新路径的重要方向。从广泛覆盖的“横向通吃”模式向深入的“纵向做精”模式转变，可以吸引更多中小企业参与其中，从而创造更多的应用空间。然而，将多个专用模型整合为通用模型的过程中，需要解决诸多技术和工程难题，比如模型间的接口适配、数据格式的统一规范以及训练过程中的负载平衡等问题。或许通过通专融合的方式，即专用多模型的“垂直做精”与通用大模型的“横向扩展”相互补充，能够共同构建起智能时代的产业新生态。
AI产业与资本密集型和经验积累型的集成电路产业有所不同，它不仅需要大量的资金投入，更需要智力的深度投入，本质上是一个拼人的智力的新兴产业。因此，AI 产业呈现出明显的不对称性特征。真正的AI 竞争，不仅仅是技术和模型层面的竞争，更是生态系统、商业模式以及价值观等多方面的综合竞争。开源模型的出现使得每一位开发者都能够轻松调用强大的AI 工具，摆脱对大公司的依赖，从而显著提升 AI 的进化速度。
图：算力训练在深度思考和长思维链的全新挑战
2014 年的云计算研发沉淀，锻造了自主可控产品和服务体系，一些关键领域：大数据、云管平台、虚拟化、操作系统都有技术突破，头部互联网、运营商、金融、通信、电信等行业，各行各业都应用开源技术以及分布式算力布局，以计算为主到算网融合，算力技术随云、大数据、AI 需求的加大，算网一体，更是推动 IT 技术结构变革、数字化进程的业态。
产业生态一直被市场牵引，芯片设计和大模型的开源战略，成为全球AI的开源系统中的主导，企业需在有限算力条件下，通过算法和软件的协同创新，充分发挥硬件的极致性能，挖掘所有可能的优化空间。国内的AI模型需做好算力资源与AI平台的优化适配，才能应用好AI。
AI发展最大的应用是机器人，软硬件一体化的扫地机器人、自动驾驶的汽车、人形机器人，呈具身智能化，加之井喷式爆发的AI模式，Agent（智能体），一个个AI系统，完全自主，当天在较长时间内独立运行来完成视频、编程、数据分析、自动化测试、监控、对话等多种多样的智能业务生产，并且能够收集反馈，不断学习来提升自主能力。它像极了人脑神经元，形成思考的闭环，神奇的是互联网处理海量知识。
AI 系统需要具备强大的计算能力，还需要具备持续学习、适应环境、理解复杂情境等能力，这些能力往往难以通过简单地增加算力来实现。当下，机器人让我们已感受到智力上，相比之前的进步和力量，无论任何问题，任何询问，都会出现一个让我们觉得很不错的答案，深度思考能力升级，也由于芯片的发展、IT基础设施的完善，数据的多样性和规模经济的发展带动的AI 变革，颗粒度更精细、更丰富，多维的数据备案会在智能上进化的更快更强大，在发展的过程中，知识革命将推动人工智能的发展，并推动私有知识的价值不断提升。IT行业进入产业化的拐点，商业化会成为未来的主旋律。
图：AGI Agent的框架
而今天，我们使用通义、豆包等对话，在处理知识的基础之上，简单获得梦幻视频、智能写作、创作等；使用AR 设备，置身科幻世界，使用智能系统，辅助驾驶、辅助编程，真切的看到每一个AI 模式都在吞噬海量知识、个性化的知识，运行下来，预训练和推理一体化逐一闭环起来，私有知识的价值会越来越大。这些能让更聪明的自然知识吸引更多的用户，更多的用户会带来更多的私有的数据+知识。回望企业数字化的历程，从信息化到智能化，技术的每一次跃迁，都是认知方式的重构。数据不再只是辅助决策的资源，而是企业演进为智能体的基础“能量场”。AI 不单是单纯的算法，是数据螺旋增长协同驱动的生产力，当数据、大模型与Agent 共同聚焦在具体场景，可真正发挥其各自价值，实现AI 在业务层的高地，释放出 AI 时代的结构性红利。
也因如此，端到端研发也非常重要，尤其是自动驾驶端到端后，行业影响极大，端到端意味完全独立上岗，无人干预，AI 工具是为了提高效率的上限，等于AI是24 小时×7×365 天，持续不断的在学习的三个环节，所以，企业AI 业务若独立上线，让AI 自己完成实时的数据变换，那么同时由于搭建智能体的核心能力又是相对稀缺的，跨领域的场景扩张显得尤为重要。
AI 技术的核心在于其高效的学习和应用，其核心价值解决信息不对称、价值创造和决策效率成本等问题。智能体的独立上线和实时数据变换是其重要的战略优先级。Agent的核心能力稀缺，可以扩展到更多领域。未来竞争将趋向均衡，Agent的上岗将解决供给稀缺的问题。智能体的发展也将带来更复杂的智能体，并可能打破人类的知识和经验壁垒，重新定义行业壁垒。
总结
在万物互联的背景下，算力呈现多架构并存、多技术协同、多领域协同等局面，AI 呈现深度学习、跨界融合、人机协同、自主操控、群智开放等新特征，这些数字化技术对经济发展和社会进步产生深远影响。未来智能社会的核心引擎是AI 服务，基础设施智能化、企业智能化，都预示着：AI 技术的大规模、普适性发展及应用落地，全面支撑智能经济社会构建。
大模型作为当前科技发展的前沿驱动力，正在深刻影响着智能研发与IT 组织的未来发展。企业应敏锐洞察这一趋势，积极拥抱变革，充分发挥大模型在智能研发中的巨大潜力，构建适应新时代需求的敏捷 IT 组织架构，实现可持续的创新与发展。春雷之中孕生机，云计算、AI、大数据会伴随算力，朝向未知而又精尖的方向演进，让我们拭目以待吧！
2025CSDI 9 月 12-14 日
共话科技 AI 应用元年
正值 LLM 时代，智能软件研发的技术、范式和工具都发生了巨大的变化。无论是依赖于深度学习、神经网络和大数据技术。还是软件研发的范式从传统的规则驱动和专家系统转变为数据驱动和模型驱动。大量的智能软件研发工具和框架应运而生。数据成为了智能软件研发的核心。智算资源的需求与训练部署复杂的模型，开发者需要利用高性能的硬件（如 GPU、TPU 等）和分布式计算技术（如云计算、集群计算、数据库等）。这些技术应用仍然是 IT 组织探寻与研究的课题。
第九届 2025CSDI 即将开幕，诚邀各界 IT 英雄，引峥嵘
扎实的专业 + 前瞻性的思考 + 优秀的实践，带给业界同仁们精彩视角、卓越思维。秉持科技向善理念，推动 IT 行业交流与传播。渴望追求卓越、才华横溢的同道中人，渴望在前沿 AI 领域有着丰富实践的嘉宾，加入我们，携手并肩，探寻知识革命的未来！
精彩瞬间
内容参考：科技媒体、网络新闻、乔布斯语录
免责声明：文章中的所有内容仅代表作者的观点，与本平台无关。用户不应以本文作为投资决策的参考。
你也可能喜欢
AiCoin 日报（05月31日）
上市公司跟风微策略惹质疑，融资买比特币或成高危举措
Baby Doge：BabyDoge DEX即将推出并开放白名单
加密货币价格
更多
