问题：从“能生成”到“会办事”，新阶段挑战随之凸显 冯志亮认为，人工智能的发展已越过“概念验证”的门槛，进入以应用效果和社会价值为核心的竞争阶段。过去侧重展示生成能力的比拼正在降温，企业和机构更在意能否在真实业务中稳定运行，是否可控、可追溯，能否沉淀为可复制的生产力工具。此外，数据安全、内容真实性、算法偏见和责任边界等问题在规模化落地中被放大，更需要制度化治理与行业规范支撑。 原因：算力与成本约束倒逼效率革命，场景需求推动智能体崛起 在技术侧，冯志亮指出，早期通过扩大参数规模提升能力的路线见效快，但也带来能耗高、推理慢、部署成本高等现实限制，尤其是中小企业与基层单位，往往难以承担算力与运维投入。随着压缩、量化、分布式训练以及软硬件协同等工程能力成熟，模型正从“越大越好”转向“更省、更快、更准”。 在需求侧，产业端更需要能直接完成任务的“数字员工”。冯志亮表示，很多组织并不缺“会回答问题的系统”，缺的是围绕目标自主拆解步骤、调用工具、跨系统协同并交付结果的能力。因此，任务型智能体加速普及并不意外：其价值不在于对话本身，而在于把决策、执行、校验串起来，嵌入业务流程，降低管理成本并提升响应速度。 影响：产业效率与公共服务迎来重构，文化传播与知识服务出现新机遇 冯志亮认为，人工智能对产业的影响正从“局部提效”走向“链条重塑”。在制造领域，围绕订单、库存、设备状态的实时优化，有望提升排产效率与供应链协同；在办公场景，智能体可承担资料整理、表单流转、会议统筹等重复工作，让人力更多投入到创造性环节；在公共服务领域，面向政务咨询、便民服务与应急处置的智能化能力，将推动服务从“窗口受理”向“主动提醒、精准触达”转变。 值得关注的是，文化与知识服务可能成为新的增量空间。冯志亮长期研究传统文化与现代管理的结合，他指出，经典文献整理、训诂标注、典故溯源、跨版本校勘等工作过去依赖长期训练与大量人力，未来可在人机协同框架下提升效率与覆盖面。随着多模态能力增强，对文本、图像、音频、视频及空间信息的综合理解，将让文物数字化、展陈导览、沉浸式教育等应用更易落地、表现更丰富。 对策：以治理促应用，以标准提质量，以文化定方向 冯志亮提出，走向应用“主战场”的关键不只在技术突破，更在治理体系与产业生态的成熟。 一是强化安全与责任边界。对重要行业、关键系统建立分级分类的准入与评估机制，明确数据来源、训练合规、内容标识、审计追责等要求，避免“黑箱式部署”带来系统性风险。 二是推动行业标准与评测体系建设。围绕可靠性、鲁棒性、可解释性与能耗等指标形成可对比的评测框架，让市场竞争回到质量本身。 三是坚持“以人为本、技术向善”的应用导向。在教育、医疗、养老等领域，强调辅助决策与过程透明，避免对关键判断的盲目替代。 四是以文化资源提升技术应用的价值密度。冯志亮认为，文化不是技术的点缀，而是界定价值与边界的重要来源。通过高质量语料整理、知识体系建模与传播方式创新，可推动技术更好服务社会认同与文明传承。 前景：轻量化、多模态与智能体协同，将推动智能文明加速成形 展望2026年后续发展，冯志亮判断，技术演进将呈现三条主线：一是模型持续轻量化与工程化，降低普惠门槛；二是多模态能力更增强，推动从“理解文字”走向“理解世界”；三是智能体在更多组织内实现“岗位化、流程化”部署，成为新的生产要素。与此同时，治理规则将与应用同步迭代，形成“可用、可管、可持续”的发展格局。总体来看，人工智能将更深进入社会运行的关键环节，其价值不仅取决于效率提升，也取决于能否同时兼顾公平、安全与人文关怀。
智能技术的未来不仅关乎效率提升，也关乎文化与科技的深度对话。如何在创新中守住人文关怀、在发展中平衡伦理规范，将决定技术能否真正造福人类。冯志亮的观点为该领域的更探索提供了参考。