从2024年末开始，随着Manus等自主智能体的发布，我们仿佛已经看到了AI从对话框走向全自动执行的未来。很多人都在期待，2025年将成为智能体（Agent）真正爆发的元年。

然而，当我们将视线从硅谷炫酷的演示视频拉回到真实的产业现场时，一种巨大的错配感便油然而生。AI在实验室里可以写代码、做分析，表现得非常出色，但一旦放到企业核心的决策流程或工厂的实际生产线上，它就像一个刚来公司实习的大学生，显得格格不入。

为什么在模型能力突飞猛进的今天，AI仍然难以在产业的深处真正落地生根？

在2025腾讯ConTech大会暨腾讯科技Hi Tech Day圆桌论坛上，一场讨论揭开了这个问题表面繁荣下的技术断层。论坛由清华大学智能产业研究院（AIR）助理教授、智源学者赵昊担任主持，与四位行业资深嘉宾——明略科技创始人、CEO兼CTO吴明辉，智平方副总裁邱峦，苏州明义微电子技术有限公司创始人、CEO朱总，以及清华大学经济管理学院可口可乐讲席教授、清华大学经济管理学院互联网发展与治理研究中心主任陈煜波一同，深入探讨了这一核心矛盾。

沉默的知识与暴涨的能耗

阻碍AI落地的第一道墙，是那些“只可意会不可言传”的数据与知识。

明略科技创始人、CEO兼CTO吴明辉指出，尽管企业积累了海量的IT数据，但真正决定商业成败的，往往是决策者脑中那些未被显性化的隐性知识和特定语境。目前的AI智能体，就像一个拥有顶尖学历却不懂公司“潜规则”的实习生，如果无法提取并学习这些非结构化的决策逻辑，AI就只能停留在辅助层面，无法成为能够独当一面的“代理”。

这一困境在物理世界中被进一步放大。智平方副总裁邱峦在高端制造的实践中发现，工业场景的数据不仅极其稀缺，更涉及到敏感的数据主权问题。工艺参数是工厂的核心命脉，这种知识壁垒导致AI难以获得足够的“养料”来训练通用的能力。

而即便解决了软件层面的认知问题，硬件的物理极限又成了新的“拦路虎”。苏州明义微电子创始人、CEO朱总表示，在过去的CPU时代，单个机柜的功耗不过十几千瓦；但在AI时代，单机柜功耗正逼近兆瓦级（MW），这相当于一座小型城市的耗电量。

更为严峻的是，GPU负载的剧烈瞬态跳变，随时可能击穿现有的供电网络。当算力需求呈现指数级增长，而电力基础设施却还在沿用旧时代的逻辑运行时，这种“头重脚轻”的失衡状态，正严重制约着AI计算集群的扩张。

从“玩票”到“必须”的渐进式接管

面对上述困境，直接追求最高级别的“L5”全自动化显然不切实际。嘉宾们给出的解法是：分级治理，人机融合。

吴明辉借用了数据库领域的概念，提出了从OLAP（在线分析处理）向OLTP（在线事务处理）演进的路径。AI应该先在容错率较高的分析类任务中“试错”，通过人机协同的模式不断积累信任，再逐步介入像下单、交易这样关键的业务场景。这不是技术上的妥协，而是商业落地的必然规律。

这种协同在宏观层面，被清华大学经济管理学院可口可乐讲席教授陈煜波定义为“骑马方式的改变”。AI不会简单地替代人，而是会促使人类进化出新的技能树。未来的组织架构中，人不再是具体指令的执行者，而是智能体（Agent）的指挥者与策略制定者，负责在机器的理性逻辑与人类的直觉判断之间，做出高屋建瓴的最终裁决。

“干二休五”与AI的自我进化

如果跨越了当下的障碍，未来十年的图景将会是怎样？

论坛最后描绘了一个极具诱惑力且充满科幻色彩的终局。

在微观生活上，吴明辉预测，随着智能体真正从“助理”进化为“代理”，人类的工作时长将大幅压缩，每周工作两天、休息五天的工作制或许在有生之年就能实现。人类将从重复性的脑力劳动中解放出来，专注于探索科学边界或享受生活本身，而将生产任务全面移交给AI。

在宏观技术上，朱总预言了技术闭环的到来。AI将开始设计AI芯片。当AI能够自我优化底层算力底座，甚至重构EDA软件时，算力的增长规律将被重新定义。

而在物理世界，邱峦给出了明确的时间表。具身智能的仿人机器人将在2-3年内攻克高端制造领域，3-5年开始进入公共服务领域，而在5-8年后则会真正走进千家万户，成为养老服务与家政服务的标配。

正如陈煜波所言，科学家负责突破生产力的天花板，而企业家则负责重构生产关系。当下的困局，本质上是旧的能源体系、数据模式与组织形式，已经“装不下”AI这个庞大而充满活力的新物种。

破局之道，不在于等待一个完美的模型，而在于在不完美的现实中，通过软硬件的逐步融合、数据与实体经济的深度融合、以及人机能力的紧密融合，去共同解锁下一个增长范式。