2023年7 月 22 日至 23 日，2023中国人工智能大会（CCAI 2023）在福建福州举行。大会由中国人工智能学会主办，围绕“数智领航·共筑未来”这一主题，设置主论坛及多个专题论坛，议题覆盖人工智能基础理论、工业智能、机器人、自主学习、AIGC以及AI for Science等多个方向。
与以往侧重算法性能或模型规模的讨论不同，本届大会呈现出明显的议题转向。多位院士和一线研究人员在主论坛及专题报告中指出，人工智能正在从“能力展示”的早期阶段，逐步进入以系统工程和真实应用验证为核心的新阶段。
在大会主论坛上，中国工程院院士、清华大学信息科学技术学院院长戴琼海围绕“人工智能发展与挑战”作主题报告，强调随着人工智能走向复杂应用场景，系统可靠性、长期运行机制以及工程可控性正成为新的关键问题。中国工程院院士、东北大学学术委员会主任柴天佑则从工业智能角度出发指出，在流程工业等高复杂场景中，人工智能只有与工程系统深度融合，才能形成可持续价值。
这一趋势在第二天的主题报告中进一步被强化。中国科学院院士周成虎在“从遥感大数据到遥感大模型”的报告中提出，大规模模型的价值依赖于稳定的数据体系和清晰的应用边界。南京大学人工智能学院院长周志华在“从预测到决策”的主题演讲中则强调，人工智能系统需要在不确定环境中具备持续决策能力，而非依赖一次性预测优势。
在多个专题论坛中，工程化与系统性问题被反复提及。在“工业智能机器人”“机器人感知与自主学习”等分论坛上，多位研究者指出，当前人工智能系统在实验室或演示环境中已具备较高成熟度，但一旦进入真实工业或复杂应用环境，系统稳定性、数据连续性以及长期运维成本，往往会迅速成为新的瓶颈。
“很多系统在第一年看起来运行良好，但进入第二个完整业务周期后，问题会集中暴露出来。”一位长期参与工业智能系统交付的技术负责人在现场交流中表示，算法能力只是基础，更关键的是系统能否在复杂条件下反复运行。
这种关注点的转移，也体现在对机器人与具身智能方向的讨论中。在机器人感知与自主学习专题论坛上，多位研究者认为，单点感知或决策能力的提升，已经不足以支撑复杂环境下的持续运行。如何让系统在不断变化的环境中形成稳定反馈机制，正在成为新的研究重点。
除学术界外，来自产业与投资领域的参会者也表达了相似的观察。长期研究人工智能与机器人领域的资深投资人徐绍煌指出，过去几年行业更多在解决“能不能做”的问题，而当前阶段正在转向“值不值得长期做”的现实考验。
“当系统真正进入生产环境，问题的性质就变了。”徐绍煌表示，“这时候决定成败的，往往不是模型是否领先，而是对人工的依赖能否持续下降，数据是否可被长期治理，系统在扩展后是否还能保持稳定。”
在他看来，这种变化意味着人工智能正在经历一轮自然分化。“一些方案在演示阶段非常亮眼，但一旦进入真实场景，系统复杂度和运维成本会迅速放大。能否承受这种考验，正在成为新的分水岭。”
在机器人方向，一些尝试将人工智能与工程系统深度结合的项目也在大会期间受到讨论。例如在机器人感知与自主学习专题中，有研究团队分享了将数智竞技和自主训练方法引入机器人系统的探索，希望通过持续训练而非人工规则，提升系统在复杂场景下的适应能力。这类探索在学术层面仍处于发展阶段，但已被视为连接基础研究与产业应用的重要方向。
多位与会专家在讨论中提到，人工智能的发展正在经历一次“去泡沫化”的自然过程。这并非技术热度下降，而是评价体系的变化。模型参数规模和演示效果不再是唯一标准，系统是否能够被长期纳入真实生产流程，开始成为更现实的衡量尺度。
从整体议程和讨论内容来看，2023中国人工智能大会释放出一个清晰信号：中国人工智能正在进入一个更务实的阶段。学术研究持续推进理论边界，而产业与工程实践则开始对技术提出更严格的现实检验。人工智能不再只是“是否先进”的问题，而是“是否成立”的问题。
在这一过程中，能够经受真实场景和长期运行考验的系统，正在逐步显现其价值。这或许正是中国人工智能从“技术突破期”迈向“工程成熟期”，必须跨过的一道关键门槛。（罗玉）
