问题——全球大模型竞赛进入“效率比拼”新阶段。随着大模型从实验室走向产业一线，算力、数据、人才等要素的投入规模持续攀升，模型训练与推理成本成为企业竞争的关键变量。面对国际竞争格局加速演化，如何资源约束条件下实现技术突破并形成可持续的产业化能力，成为中国人工智能企业必须回答的现实命题。在达沃斯论坛有关对话中，张予彤提出，中国企业在投入不占优势的情况下，有望通过更高的研发效率与更强的落地能力，形成差异化竞争路径。 原因——规模化场景、开放生态与“基建先行”共同塑造效率优势。张予彤将中国在本轮技术浪潮中的动力来源概括为三上：一是超大规模市场为技术迭代提供了丰富试验田。制造业、零售业等行业链条长、流程复杂、数据量大，为人工智能在供应链管理、客户服务、质量检测、知识管理等环节的应用提供了密集场景，使模型在真实业务中加速迭代、优化并形成可复制方案。二是社会整体对提升生产力的新工具接受度较高，从新能源汽车、太阳能、智能手机到自动驾驶等产业演进中可见，用户与企业对新技术的尝试意愿为产品快速改进提供了土壤，有利于形成“应用—反馈—再优化”的闭环。三是基础设施前置投入为创新提供支撑。电力、交通与数据中心等“硬基建”与数字基础设施持续完善，有助于降低能源与算力相关成本，缓解高能耗、高成本对前沿研发与规模化部署的制约，为技术扩散创造条件。 影响——算法与工程协同推动“低成本高性能”，加速生产力扩散。张予彤指出，资源条件决定了发展策略：中国初创企业难以依赖简单堆叠算力来追赶领先者，只能以基础研究与工程化协同换取效率提升。她以企业实践为例表示，通过把工程化思维更早引入研究流程，使算法创新能够在生产系统中稳定运行并实现规模化应用，从而在训练与推理环节持续压降成本、提升可用性。她同时提到，推理成本显著下降后，智能能力正在从“稀缺工具”走向“通用能力”，并在人才展示与组织运作方式上出现新变化：越来越多的求职者以更具交互性的方式呈现成果，非程序背景人群也能借助工具完成网页与应用的表达，专业技能门槛被深入拉平，个体创造力释放的空间扩大。这个趋势意味着，大模型不仅是技术产品，更可能成为促进就业结构调整、提升中小企业效率、推动公共服务智能化的重要变量。 对策——以“效率驱动”完善创新体系，推动开源生态与产业落地并重。业内普遍认为，面向下一阶段竞争，中国企业需要在关键环节形成体系化能力：其一，持续强化底层算法与工程能力协同，围绕训练效率、推理效率、数据治理与安全对齐等关键问题开展长期投入，避免“只重参数规模、不重可用性”的路径依赖。其二，推进标准化、模块化与工具链建设，使模型能力更便捷地嵌入制造、金融、政务、教育等行业流程，形成可度量、可复用、可监管的应用方案。其三，完善开源与生态合作机制，在尊重知识产权与合规要求前提下，促进技术透明、能力共享与开发者创新，形成更具韧性的产业生态。其四，加强算力、电力与数据中心等要素统筹，推动绿色低碳与成本可控，提升长期投入的可持续性。其五，面向组织变革与人才结构调整，企业应更加重视复合型能力与持续学习能力，推动岗位与流程围绕“智能体协同”进行再设计。 前景——软件形态与组织结构或迎来重构，“应用规模化”决定竞争下半场。张予彤判断，未来软件将呈现“更隐形”的趋势：用户无需在复杂界面中寻找功能，而是通过自然语言与智能体协作完成任务，软件从“固定产品”转向“随需生成的工具”。在组织层面，企业可能从强调细碎分工转向强调通用智能与跨域协作，以较小团队撬动更大运营与研发杠杆。综合全球产业趋势看，大模型竞争正在从单纯比拼模型能力走向比拼成本控制、工程落地与生态扩展。谁能在合规、安全、可靠的前提下把模型能力转化为可规模复制的行业解决方案，谁就更可能在下一阶段赢得主动。
中国科技企业的实践表明，AI创新不仅依赖资源投入，更需要发展模式的突破。效率优势正成为全球科技竞争的新维度。正如张予彤所言，中国企业正在探索一条特色发展路径，这不仅将改变国内产业生态，也将为全球AI发展提供新思路。随着技术进步和应用深化，中国在AI领域的作用值得关注。