直擊WAIC 2025｜專訪畢馬威中國張慶杰：大模型“價格戰”要平衡“夠用就好”與“性能冗余”

每經記者｜張梓桐    每經編輯｜文多    

“滿足數據基礎成熟、場景痛點明確、商業化路徑清晰等條件的行業將成為AI（人工智能）落地的‘先鋒軍’。總體來看，醫療、制造、金融領域將最先爆發；教育行業也有爆發潛質。”7月28日下午，畢馬威中國數字化賦能及人工智能主管合伙人張慶杰在“2025世界人工智能大會暨人工智能全球治理高級別會議”（WAIC 2025）上接受《每日經濟新聞》記者（以下簡稱NBD）專訪時，作出上述判斷。

當前，人工智能技術正加速從實驗室走向產業實踐，成為驅動企業數字化轉型的核心引擎。與此同時，隨著生成式AI技術加速滲透千行百業，大模型產業正從概念熱潮邁入務實發展的深水區。

當前市場呈現多重鮮明特征：“價格戰”硝煙漸濃，模型訓練與部署成本持續下探，技術門檻不斷降低；落地場景加速分化，不同行業對AI的需求呈現差異化發展；通用模型與垂直模型的路徑之爭愈演愈烈。

對此，張慶杰認為大模型成本下降是一把“雙刃劍”，需警惕陷入“廉價平庸化”陷阱。他強調，企業必須在技術、商業、社會三個維度把握平衡，既要關注成本與效能的非線性博弈，也要處理好規?；c差異化的矛盾統一，更要平衡效率提升與風險控制。

畢馬威中國數字化賦能及人工智能主管合伙人張慶杰 圖片來源：企業提供

要避免模型“廉價平庸化” 需平衡三個方面

NBD：您此前表示未來兩年將迎來人工智能應用大爆發，能否具體說說哪些行業會成為應用爆發的“先鋒領域”？

張慶杰：人工智能應用的爆發需要數據基礎成熟、場景痛點明確、行業需求強烈、商業化路徑清晰、價值貢獻較大、監管綠燈等前提條件，滿足這些條件的行業將成為AI落地的“先鋒軍”。

總體來看，醫療、制造、金融領域將最先爆發。教育行業也有爆發潛質，但目前監管政策暫不清晰。能源、農業等行業的長期價值雖大，但受基礎設施限制，可能增速略緩。

NBD：從發展趨勢來看，大模型的應用方向正從通用大模型轉向行業垂直模型乃至企業私域模型，這對企業的技術儲備和資金投入有怎樣的要求？

張慶杰：從通用大模型轉向行業垂直模型或私域模型，本質上是從“技術探索”到“生產級應用”的跨越，對（企業）技術儲備和資金投入的要求呈指數級提升。

在技術儲備方面，要從AI三要素來看——企業需具備行業級數據治理與隱私計算能力，需具備模型定制能力與領域自適應技術，需支持算力的異構管理與混合部署。

在資金投入方面，企業在算力、數據治理、定制開發等方面的成本將普遍增加2~5倍。

NBD：模型成本大幅下降的同時，如何確保其顛覆性應用價值的釋放，這里面有哪些關鍵的平衡點需要把握？

張慶杰：在模型成本大幅下降的背景下，要避免“廉價平庸化”需在三方面把握平衡。

在技術維度，需要關注成本與效能博弈，平衡“夠用就好”與“性能冗余”、平衡通用基座與垂直精調、平衡集中訓練與邊緣智能；在商業維度，需要關注規?；c差異化的統一，平衡標準化與定制化、平衡技術護城河與生態開放度、平衡直接與間接價值捕獲；在社會維度，則應關注效率與風險的拉鋸，平衡應用激進性與倫理安全、平衡數據飛輪與隱私保護、平衡人力替代與人機協同。

企業應用AI易陷入五大誤區

NBD：AI時代的商業模式轉型會呈現哪些具體特征，能否舉例說明某類企業可能的轉型路徑？

張慶杰：AI時代商業模式轉型呈現三大核心特征：一是能力服務化轉型，如工程機械企業從產品提供商轉為智能化服務商；二是價值捕獲方式革新，如農業無人機企業按增產效果收費；三是生態平臺化升級，如“海爾卡奧斯”平臺連接15萬家制造企業。

以制造業為例，轉型分三階段：1~2年完成數據筑基，2~3年實現服務重構并提升效率40%，3~5年完成生態躍遷使服務收入占比從不足5%提至35%以上。

NBD：您認為企業在利用AI實現高效資源配置和流程優化時，最容易陷入哪些“應用誤區”？

張慶杰：企業應用AI易陷入五大誤區。一是過度追求技術先進而忽視業務適配，如直接套用通用大模型不做領域適配；二是數據基礎滯后，數據標準不統一、標注不足就倉促上馬，約60%項目的失敗源于此；三是組織協同不足，技術與業務部門脫節，僅35%的企業具備有效協作機制；四是過度自動化，關鍵環節全權交由AI會增加風險；五是缺乏持續投入，將AI視為一次性項目，但成功的企業通常會用15%~20%的預算持續優化。

NBD：人才在AI時代依然不可替代，那么企業在優化人才招聘和培養體系時，應培訓員工重點提升哪些與AI協作有關的核心能力？

張慶杰：企業需重點培養員工五大協作能力：一是人機協作能力，員工應理解AI邊界并校正輸出；二是數據素養，員工應能解讀AI的輸入和輸出邏輯；三是批判性思維，員工應獨立判斷AI建議并識別偏見；四是持續學習能力，員工應快速掌握新型AI工具；五是創新整合能力，員工需將AI與傳統流程結合創造價值。

企業應該建立分層培養體系并注重實戰，具備這些能力的團隊比普通團隊的效率高40%以上。

NBD：數據作為布局AI的關鍵，企業在數據治理、隱私保護與AI應用價值挖掘之間該如何平衡？

張慶杰：企業平衡數據治理與價值挖掘需要四項策略：一是建立分級分類管理體系，對核心與非敏感數據差異化管控；二是用隱私計算實現數據可用不可見，如某銀行通過“聯邦學習”（一種在沒有任何人看到或接觸數據的情況下訓練AI模型的方法），提升了25%的反欺詐準確率；三是構建全生命周期管理機制，歐盟企業會向GDPR（《通用數據保護條例》）合規投入營收的1.2%，以此獲取15%業務增長；四是形成數據倫理審查制度，由跨部門團隊進行事前評估。企業完善治理體系后，其AI項目的成功率高出行業平均值40%。