当前——随着技术快速迭代——产业正从"能力展示"向"价值兑现"转变；虽然各类模型能力持续提升，但实际业务中仍面临三大挑战：应用碎片化难以形成闭环；专业领域的高门槛使通用能力难以落地；成本、数据质量和流程改造制约规模推广。论坛上，多位专家认为，"从模型到智能体"的转变是跨越这些障碍的有效路径，让技术从简单问答升级为任务执行、协同工作和持续学习。 该转变源于三个关键因素： 首先，技术呈现"双线并进"。大模型持续提升理解、生成和推理能力，同时面向具体任务的智能体快速发展，通过工具调用、流程编排和行业知识融合，更好地满足企业和公共服务需求。 其次，场景驱动成为创新重点。教育、设计、机器人等领域都需要通过复杂场景的数据闭环来提升能力和可靠性。 最后，竞争重点从单点能力转向系统能力。端侧部署、算力效率、数据治理、产品体验和商业模式共同决定落地效果。与会者普遍认为，未来比拼的不只是模型规模，更是如何将能力融入业务链并提供稳定输出。 在教育领域，技术的关键价值在于推动从"知识传递"向"能力培养"转变。个性化学习路径、因材施教的内容生成和评测反馈机制，有助于优质教育资源覆盖基层和欠发达地区。同时，教育数字化也要求教学目标转向能力导向，教师角色转变为学习设计者，并加强内容质量、隐私保护和未成年人保护等底线规则。 在产业应用上，智能体可能成为企业提效的关键。它能吸收专业知识，连接各类工具链，与人类分工协作，提升研发、运营和服务效率。具身智能被视为潜力赛道，需要长期积累真实数据、稳定硬件和持续迭代的软件系统才能在复杂环境中可靠工作。该领域的突破将对制造、物流和养老等行业产生深远影响。 针对智能体时代的挑战，论坛达成多项共识： 1. 坚持场景优先和闭环验证，选择流程清晰、收益可量化的场景建立可持续机制。 2. 加强端侧和行业化能力建设。小型化和工程优化可降低成本提升响应速度；行业知识融合是实现可信赖应用的关键。 3. 推动人才和组织变革。新型岗位需要掌握工具协作、工作流设计和风险管理等技能。 4. 守住安全和伦理底线。必须完善数据合规、内容安全和可追溯机制。 展望未来，人工智能将保持能力提升和价值落地并重的态势。智能体的规模应用取决于基础能力的稳定性、行业标准工具链的形成以及政策治理的协同配合。教育普惠、企业提效和具身智能将成为重要突破口。同时社会也将更加关注公共服务均等化、就业转型以及创新与安全的平衡问题。
2026崇礼论坛的讨论显示技术创新正变得更加务实。在全球经济充满不确定性的背景下，"向新而立"不仅是技术判断更是发展哲学——只有坚持长期主义、深耕产业需求并平衡效率与公平，技术进步才能真正造福人类。这场思想碰撞为行业指明方向：未来竞争将是系统化创新能力的全面较量而非单点突破。