随着AI技术的迭代，“算力投入是否还值得”成为行业热议话题。谷歌最新发布的相关模型数据显示，尽管增加算力已不再带来早期那样指数式的智能爆炸，但它带来的增量提升和可靠性仍高于边际成本。这也解释了为何全球企业依然在拼算力、拼数据——只要这两大要素突破，智能提升的回报就足以覆盖成本。

不过，在达到通用人工智能（AGI）之前，AI领域还需要1-2次技术性革命。根据DeepMind Ceo哈斯比斯的判断，距离通用人工智能的实现仍有5-10年时间，而当前以算力为核心的发展路线，仍是通往AGI的最佳路径。

当前人工智能领域存在两大核心流派：以文本输入为核心的“读懂派”，和以物理模型/世界模型为核心的“看懂派”，两派的分歧深刻影响着AI的发展方向。

“读懂派”认为，只要堆砌足够多的数据资料，智能就会自然涌现。如今占据市场主流的大语言模型，本质上是强大的文本数据库，记录了海量文本信息。而“看懂派”则主张，AI不应只停留在文本理解层面，更要通过物理空间看懂世界——正如李飞飞所言，真正的模型应让“看见”晋升为推理，让感知转化为行动，让想象成为创造。

从现状来看，“读懂派”暂时占据上风。一方面，“看懂派”的代表人物杨立昆在 Meta的离职，反映出世界模型路线在企业层面的推进阻力；另一方面，世界模型领域尚未出现现象级消费产品，唯一的成功案例是某3D物理模型产品，但其推理和服务成本极高，三维建模成本远超文字领域，几乎达到“负面成本”级别。

两派的分歧已超出技术路线本身，经济成本成为最大的决策依据。尽管世界模型是实现通用人工智能的关键组件，在机器人训练、自动驾驶、游戏开发等领域拥有巨大潜力，但在解决成本瓶颈之前，难以实现规模化推广。

中美两国在AI应用路线上呈现出显著差异，形成了两种截然不同的发展模式，各自具备优势也潜藏风险。

中国的人工智能的发展遵循“国家规划→产业响应→应用场景落地”的强驱动模式。以国家顶层设计为起点，通过政策引导、资源倾斜和产业协同，推动技术快速落地并实现规模化应用。

这一模式的优势十分突出：中国开源大模型的API调用量在一年内激增近百倍，凸显出其在市场渗透与商业化速度上的显著优势。这种模式下，企业创新与国家战略高度契合，形成了“国家引领、产业共建、企业突破”的协同体系，使中国在AI应用普及方面展现出独特竞争力。最大的风险是基座模型对各种应用的降维打击。

但风险同样不容忽视——机构大模型对垂类模型的 “降维打击”。例如，某专注于智能生化图形生成的垂类模型企业，在通用大模型升级后价值近乎归零。对于深耕细分领域的企业而言，通用模型的迭代可能让前期投入付诸东流。

美国的AI产业则沿袭“基础研究/风险资本→技术突破 →产品/生态构建”的市场化路径。以顶尖高校、研究机构的原始创新为源头，依托成熟的风险投资体系，推动技术从实验室走向市场。

其优势在于原始创新能力和高价值变现水平：以OpenAI的GPT系列为例，其通过高定价API和订阅制不仅验证了技术可行性，更构建了可持续的商业闭环。例如，阿联酋政府为每位公民包月支付订阅费用，推动技术的全民普及。

但该模式的短板也很明显：应用成本高，易形成产业泡沫。大规模的基础设施投入若无法在短期内实现预期回报率，依赖资本支撑的发展模式可能面临断裂风险。

在技术路线分歧与国际竞争加剧的背景下，应用场景成为 AI + 落地的关键突破口。近期，国家层面密集出台政策支持场景创新：国办印发《关于加快场景培育和开放，推动新场景大发展的实施意见》，聚焦新领域新赛道应用场景建设、产业转型升级新业态等5个方面，明确了22个重点领域；工信部随后宣布实施工业互联网与人工智能融合行动，与今年9月发布的“人工智能+”文件形成政策接力。

为何场景如此重要？在创新管理领域，存在“死亡之谷” 和“达尔文海”两大断层：科学原理转化为工程技术，需跨越“死亡之谷”；高技术产品推广至市场应用，要跨“达尔文海”。而场景正是打通这两大断层的关键——它能系统验证新技术、新产品、新业态，以及配套的基础设施、商业模式，成为连接研发与市场的桥梁，推动科技创新与产业创新深度融合。

技术是生产力，配套的产品与生产关系调整则是跨越断层的保障。根据发改委最新政策导向，三类产品将获得重点支持，企业可重点布局申报：一是综合性重大产品（如低空经济）；二是行业领域集成式产品（如医疗卫生领域）；三是高价值小切口产品（切口虽小，但价值密度高）。

要实现场景的有效落地，不仅需要政策支持，更需要科学的思维方式和实践方法。在智能制造、绿色能源、自动驾驶等领域，从技术突破到产业应用，需依托“技术—应用—制度配套—政策扶持”的完整循环，这一整体过程即为“场景链”。

例如，绿色能源领域的场景链以“源网荷储”为核心，构建新型能源体系；未来家庭电动汽车将成为重要储能单元，晚上利用低谷电价充电，白天高峰时段将多余电量卖给电网，实现能源高效配置；自动驾驶领域则通过开放道路特定场景商业化运营，完善空域管理、物流配送、无人机系统等配套，形成完整场景生态。

而发掘场景链中的“高价值小切口”，需要向乔布斯学习其独特的产品哲学：

不做传统用户调查，而是观察用户痛点。乔布斯从不依赖调查问卷，而是聚焦用户使用产品时的“挣扎”——如传统手机的键盘限制、iPod 与手机切换的繁琐，从而精准找到需求缺口。

坚持完美主义，极简至上。真正的完美不是堆砌功能，而是去掉所有不必要的复杂性。iPhone以无键盘的触摸屏设计，颠覆了传统智能手机形态，实现了“成本降低95%，体验反而更好”的效果。

结语：以场景为桥，推动AI+高质量落地

当前，人工智能正处于技术迭代与路线分化的关键期，中美模式各有优劣，读懂派与看懂派的竞争仍在持续。但无论技术路线如何演进，场景始终是连接技术与价值的核心纽带。

借助国家政策的东风，以“场景链”思维构建完整生态，用乔布斯式的精准洞察发掘高价值小切口，才能让AI技术跨越“死亡之谷”与“达尔文海”，真正融入产业升级与生活服务，加速新型生产力发展，推动社会经济高质量前行。AI+的未来，不在实验室的参数里，而在一个个落地的场景中。