九维图灵沈方艺：AI市场百花齐放，但缺乏真正杀手级应用

前言：

2025年，AI撕裂数据与实体的边界，量子计算探索物理规则的边缘，绿色科技重塑增长的伦理，低空经济、机器人、大模型打开科技跃迁的大门。

在这个大背景下，中国企业需要以智慧为坐标，穿透技术、组织与商业模式的“三重结界”，在数字与实体的纠缠中锻造新物种。在这背后，是一群技术兴国的信奉者，产业跃迁的掌舵人、商业社会的洞察者、认知边界的拓荒者，这些企业家永远走在创新的前沿。

与智者同行者，必将率先触摸未来；与AI共振，终将定义下一个纪元。

我们邀请了多位国内外顶尖创新与商业领袖，人工智能链主和龙头创新企业，共同展望2025产业发展、技术创新以及战略性新兴产业发展的前景。

此文为融中特别策划·《2025向新·AI未来》系列报道第八篇。

作为下一代人工智能算力基座的领航者，九维图灵专注于超大规模集群架构安全和算力加速技术创新，致力于为客户提供全栈智算解决方案，推动人工智能技术的健康发展。

九维图灵的诞生源于对人工智能未来发展的深刻洞察。随着全球数据量的爆发式增长和AI应用的日益普及，传统的算力架构已经难以满足市场的需求。九维图灵的团队凭借多年的技术积累和行业经验，敏锐地捕捉到了这一市场空白，并迅速投入研发，致力于打造一个更高效、更安全、更智能的AI算力平台。公司自主研发的SmartOS智算操作系统，突破了传统云架构的限制，为AI应用的爆发式增长提供了强劲动力。该系统能够有效应对亿万用户和数据访问时的高并发、高扩展性需求，帮助客户在激烈的市场竞争中保持领先地位。

除了技术创新，九维图灵在产品研发上也展现了极高的专业水准。公司推出的多款产品，如高性能计算集群、AI加速卡等，均采用了先进的设计理念和制造工艺，不仅在性能上达到了国际领先水平，更在安全性和可靠性上表现出色。这些产品广泛应用于金融、医疗、教育、科研等多个领域，为客户提供了强大的技术支持和解决方案。

九维图灵的团队是其核心竞争力之一。公司汇聚了一批来自全球顶尖高校和科研机构的专家，他们在人工智能、高性能计算、网络安全等领域拥有深厚的专业背景和丰富的实践经验。正是这样一支高素质的团队，为九维图灵的技术创新和产品研发提供了源源不断的动力。

凭借其在技术创新和产品研发方面的出色表现，九维图灵获得了多项荣誉，包括清华校友三创大赛一带一路五强奖、中国MBA创业大赛优胜奖、河北省先进计算大赛二等奖等。这些荣誉不仅是对九维图灵技术实力的认可，更是对其未来发展的期许。九维图灵正以坚定的步伐，在人工智能算力基础设施的道路上稳步前行，致力于打造有温度的AI产品，为全球人工智能产业的发展贡献自己的力量。

以下为融中财经与九维图创始人沈方艺对话实录，以飨读者：

融中财经：贵司所处AI产业链条哪些关键环节、市场格局如何，具备哪些技术/产品优势等？

沈方艺：九维图灵专注于AI产业链中应用层和平台层的关键环节，其核心产品GoAgent是“智能体+平台”创新模式的代表。当前，AI应用市场正处于爆发前夜，各类大模型和智能体技术层出不穷，但真正的挑战在于如何将这些技术高效落地到具体行业和场景中，市场格局呈现“百花齐放，但缺乏真正杀手级应用”的特点。GoAgent的技术优势主要体现在三个方面：一是突破传统智能体单打独斗模式，通过群体智能协作实现多智能体并行协作，大幅提升复杂任务处理能力；二是采用人智协同（Human-in-the-Loop）模式，强调AI与人的深度融合，保留人的决策权和创造力；三是提供从算力、模型到应用部署的全栈AIOS一体化解决方案，降低企业AI应用门槛。这些优势得益于九维图灵团队在并行计算、算力调度等领域的深厚技术积累，为GoAgent的强大性能提供了坚实支撑。

融中财经：智能体在To B和To C市场的商业化模式差异有哪些？当前智能体技术的核心瓶颈是什么？多模态理解、长期记忆还是自主决策能力等？

沈方艺：商业化模式差异上，To C市场更注重个性化、娱乐化服务（如智能助手、虚拟陪伴等），商业模式以订阅制、增值服务和内容付费为主；而To B市场则聚焦于提升企业效率、降低成本和业务赋能，主要采用订阅服务与定制化解决方案。当前智能体技术的核心瓶颈在于"理解复杂世界的综合能力"，具体表现在三个方面：首先需要突破多模态理解能力，使智能体能像人类一样综合处理文本、图像、声音、视频等多维信息；其次要建立长期记忆系统，持续记录用户偏好和历史交互以实现个性化服务；最关键的是发展自主决策能力，让智能体在复杂环境中具备合理规划、决策及试错学习的能力。这些能力的突破将决定智能体技术能否真正实现规模化应用。

融中财经：当智能体整合外部信息或工具时，可能会偏离其预期目的。如何解决这个问题？

沈方艺：这是一个非常关键的问题！要解决智能体整合外部信息或工具时可能出现的“跑偏”问题，我们需要多管齐下。

首先要强化Prompt工程和约束，通过更精准的Prompt设计，明确智能体的目标和行为边界，减少其自由发挥的空间.  

其次，引入“守门员”机制，在智能体调用外部信息或工具后，增加一个审核环节，判断其行为是否符合预期，如果不符合，及时进行干预和纠正。

之后要建立反馈循环，允许用户对智能体的行为进行评价和反馈，智能体通过学习这些反馈不断优化自身的行为模式.  

最后提升智能体的“价值观对齐”能力，这涉及到更深层次的模型训练和调优，使其更好地理解人类的价值观和伦理规范。

融中财经：大家都在拥抱开源生态，但企业生存又需构建差异化护城河。您认为贵司在哪些方面具备“做大做强”的优势？开源后，如何解决数据共享与知识产权冲突？

沈方艺：GoAgent的核心竞争力在于其独特的群体智能协作模式，这一创新技术使其在市场中脱颖而出。我们不仅拥有全栈技术实力，在算力、模型和应用层面都具备扎实积累，能够为客户提供一站式服务，更重要的是具备深厚的行业Know-How和场景落地能力，能够深刻理解行业需求并提供真正解决客户痛点的应用方案。在数据共享与知识产权保护方面，我们采用"开源+闭源"的混合模式：通过开源部分核心技术吸引开发者共建生态，同时保留关键商业化组件以保持差异化优势。我们还建立了严格的数据治理规范，运用加密、脱敏等技术手段保障数据安全与用户隐私，并积极申请专利和软件著作权等知识产权保护，确保技术创新成果得到充分保护，持续保持行业领先地位。

融中财经：选择做通用大模型还是应用模型？如何训练专精模型？数据怎么搞、成本如何降？

沈方艺：关于这个问题，九维图灵的思路其实很明确：我们选择深耕应用模型，而不是去追逐通用大模型。通用大模型更多是在训练端，是一个高度资本密集型和技术密集型的行业，需要大量的算力的投入。创业公司更加适合走行业应用创新，找准利基市场，精准把握用户画像和市场需求是我们的路线

具体到怎么训练专精模型？

首先，数据是关键，我们会想方设法搞到高质量的行业数据，当然，脱敏是必须的，然后我们会用一些数据增强的手段来扩充数据规模；另外，我们还会帮助企业构建自己的私域知识库，让模型更好地理解企业的业务。

至于成本，我们也有一些‘省钱’的妙招，比如模型压缩和蒸馏，就是把大模型‘瘦身’，减少计算资源的消耗；还有增量训练和迁移学习，站在巨人的肩膀上，避免从零开始‘造轮子’；最后，我们还会对算力进行优化，用更高效的算法和硬件，提高算力利用率。

总之，我们相信，在应用层面做出创新，把AI真正地融入到各行各业，这才是更有价值的事情

融中财经：您认为未来3年，最具颠覆性的智能体应用场景是？

沈方艺：我认为这是一个没有标准答案的问题，AI for Everything。就我个人而言，有几个特别值得关注的赛道：首先是企业级工作流自动化，智能体将深度整合到OA、ERP、CRM等系统中，实现跨部门、跨业务流程的智能协同，大幅提升企业运营效率；其次是个性化知识服务领域，智能体将扮演"超级助理"角色，为用户提供定制化的知识检索、分析和推荐服务，比如在智能投研、法律顾问等专业场景的应用；最后是人机共创模式，智能体将与设计师、艺术家、程序员等创意工作者形成深度协作关系，在创作过程中相互激发，共同拓展人类创造力的边界。这些赛道都展现了AI技术变革传统工作方式的巨大潜力。

融中财经：智能体的“自主行为”如何界定责任？是否需要立法明确开发者、部署方、用户的责任边界？

沈方艺：随着智能体自主性的不断增强，其法律地位和社会责任已成为亟待解决的前沿议题。我认为当前亟需通过立法明确开发者、部署方和用户三方的责任边界：开发者应对智能体的设计、开发和训练环节负责，确保符合法律法规和伦理规范；部署方需对智能体的部署、运行和维护负责，保障系统安全稳定运行；而用户则需对其使用行为负责，不得利用智能体从事违法活动。在立法方向上，首先要明确智能体的法律定位——究竟是工具、代理人还是具有独立人格的"电子人"；其次要建立涵盖研发、测试、部署全流程的准入监管制度，确保技术安全可靠；同时需要制定数据使用、隐私保护和公平性等方面的伦理规范；最关键的是建立完善的责任追究机制，明确智能体造成损害时各方的责任承担方式。这些立法举措将为智能体技术的健康发展提供必要的法律保障。

融中财经：AI训练需要消耗海量数据与算力。未来如何展开技术创新，打造聪明又能干的智能体？多模态能力和MoE如何更好服务客户？

沈方艺：未来的token和算力的单价成本大概率会持续下降，这是技术发展的必然趋势。用户真正关心的，不仅仅是消耗成本，更是AI应用的实现效果和需求满足度。

我们认为，未来5-10年，智能体将会对现有的SaaS场景进行全面的重塑，目前还有大量的细分场景的需求远未被满足，AI对人的能力的替代还远远不够，市场的需求还有巨大的挖掘空间，市场潜力和规模可以说是看不到天花板。

因此，未来的技术创新将更加聚焦于以下几个方面：

提升智能体的“深度理解”和“复杂任务处理”能力，这才是智能体真正发挥价值的关键。我们需要让智能体不仅仅停留在“解决皮毛问题”的层面，而是能够真正理解用户的意图，高效地完成复杂、专业的任务。

多模态能力，智能体需要具备处理和理解多种类型信息的能力，例如文本、图像、语音、视频等，才能更好地适应真实世界的复杂场景。这将极大地拓展智能体的应用范围，例如，在电商领域，智能体可以根据用户的浏览历史、语音指令和上传的图片，提供更加精准的商品推荐和搭配建议。

MoE（Mixture of Experts），通过采用MoE架构，我们可以让智能体具备更加专业化的能力。不同的“专家模型”负责不同的任务，智能体可以根据具体的任务需求，调用最合适的“专家”，从而实现更高的效率和准确率。例如，在金融领域，我们可以训练专门负责风险评估、投资分析、客户服务的“专家模型”，从而为客户提供更加全面和专业的金融服务。

持续降低智能体的“使用门槛”，让更多的用户能够轻松、便捷地使用智能体，也是非常重要的。这需要我们在交互方式、界面设计、应用开发等方面进行持续的创新。

总之，我们认为，未来的智能体技术创新，将更加注重于提升智能体的应用价值，满足用户更加复杂和专业的需求，从而真正开启智能体时代的巨大市场潜力。