題圖｜AI生成

2025年的AI行業(yè)，進(jìn)入了一種奇特的高燒狀態(tài)。

大模型的發(fā)布會(huì)一場接一場，參數(shù)規(guī)模從千億飆升至萬億，推理能力不斷刷新，家家公司都在強(qiáng)調(diào)，他們的模型“更聰明、更懂你”。

但技術(shù)熱潮之下，用戶與企業(yè)的體感，卻不如口號(hào)里那樣輕松。

企業(yè)端投入激增，招數(shù)據(jù)團(tuán)隊(duì)、采購算力、開發(fā)智能助手。投入明顯，產(chǎn)出卻時(shí)常落空，“AI技術(shù)空轉(zhuǎn)”“算力浪費(fèi)”成了復(fù)盤里的高頻詞。

技術(shù)曲線陡峭爬升，但體驗(yàn)曲線卻緩慢徘徊。模型越強(qiáng)，實(shí)業(yè)界反而越焦慮。下一年要不要繼續(xù)加碼？算力成本還能撐多久？真正能落地的場景在哪里？

這種悖論并非AI獨(dú)有，很多“僅靠實(shí)驗(yàn)室推動(dòng)”的技術(shù)都經(jīng)歷過。比如晶體管越多不等于電腦越普及，瓶頸往往出現(xiàn)在缺乏與真實(shí)世界的觸點(diǎn)。

AI也來到同樣的節(jié)點(diǎn)。要從紙面性能走向真實(shí)價(jià)值，它必須進(jìn)入那些容錯(cuò)率極低、流程極長、變量極多的產(chǎn)業(yè)現(xiàn)場。

技術(shù)價(jià)值源于場景

科技史反復(fù)印證了一個(gè)規(guī)律，那就是技術(shù)價(jià)值往往誕生于真實(shí)的使用場景，而非實(shí)驗(yàn)室的“真空環(huán)境”。

多年前，施樂率先發(fā)明了圖形界面和鼠標(biāo)，但這些能夠改變世界的基礎(chǔ)技術(shù)被束之高閣；喬布斯把它們嵌入個(gè)人電腦，才開創(chuàng)了一個(gè)時(shí)代。

基礎(chǔ)研究帶來可能性，但需要有人把可能性與具體場景匹配起來，推動(dòng)的主角通常是離市場更近的應(yīng)用者。

今天的AI正處在一個(gè)類似的階段。

技術(shù)突破集中在少數(shù)大模型公司，OpenAI和Google們正在構(gòu)建越發(fā)強(qiáng)大的“大腦”。然而模型越大，適配成本越高。企業(yè)接入后很快意識(shí)到，價(jià)值并不會(huì)自動(dòng)釋放。要把一個(gè)通用模型部署到某個(gè)行業(yè)，往往要補(bǔ)上接口、知識(shí)庫、流程改造和環(huán)節(jié)控制等規(guī)?？捎^的工程。

大模型行業(yè)來到拐點(diǎn)——參數(shù)競賽難以維持領(lǐng)先，找到“用起來”的路徑，才有資格繼續(xù)向前。

產(chǎn)業(yè)需求正在推動(dòng)AI快速落地，特別是在以TCL為代表的中國先進(jìn)制造業(yè)。

制造業(yè)成了檢驗(yàn)AI的終極關(guān)卡。首先是容錯(cuò)率低，同樣是模型幻覺，聊天機(jī)器人說錯(cuò)一個(gè)冷知識(shí)是段子，但單晶爐溫度曲線要是出錯(cuò)，則可能損失上百萬。其次是流程鏈條長，幾十道環(huán)節(jié)串聯(lián)，研發(fā)、工藝、制造、品控和物流相互嵌套。第三是場景碎片化，同樣一塊屏幕，從玻璃基板、像素結(jié)構(gòu)，到模組、整機(jī)，每段都能拆出一堆不同的缺陷類型，通用模型難以駕馭。

通用模型與產(chǎn)業(yè)場景之間的差距由此顯現(xiàn)。

業(yè)界習(xí)慣用“發(fā)電廠”來比喻大模型，形容它們是未來的基礎(chǔ)設(shè)施。但工業(yè)制造遠(yuǎn)比點(diǎn)亮一盞燈泡要復(fù)雜。發(fā)電廠發(fā)出的電，要經(jīng)過一整套變壓、穩(wěn)壓、配電的環(huán)節(jié)，才能進(jìn)入工廠。

AI與工業(yè)落地之間，同樣需要適配。一頭連著通用模型，一頭連著具體工藝，需要把行業(yè)知識(shí)、實(shí)時(shí)數(shù)據(jù)、可靠性工程、工藝遷移和閉環(huán)反饋，通通整合。這種復(fù)雜的產(chǎn)業(yè)適配，決定了AI在制造業(yè)到底是概念，還是生產(chǎn)力。

這就是TCL這類企業(yè)的價(jià)值所在——讓懂產(chǎn)業(yè)的企業(yè)，基于通用模型搞定垂域模型，避免通用算力的空轉(zhuǎn)與浪費(fèi)。正如TCL創(chuàng)始人、董事長李東生所言，AI需要真正落地于產(chǎn)品、技術(shù)和產(chǎn)業(yè)，創(chuàng)造實(shí)實(shí)在在的價(jià)值。

TCL華星面板產(chǎn)線

在制造業(yè)中應(yīng)用AI既繁瑣又復(fù)雜，科研機(jī)構(gòu)少有意愿長時(shí)間深入現(xiàn)場，互聯(lián)網(wǎng)公司缺乏真實(shí)制造場景，B端SaaS公司有工具但無數(shù)據(jù)深度。只有像TCL在產(chǎn)業(yè)鏈里扎得足夠深，握有真實(shí)場景和長期數(shù)據(jù)的企業(yè)，才具備承載條件。

在下一輪AI競爭里，模型能力依然重要，但誰能構(gòu)建起產(chǎn)業(yè)適配的能力，誰才有能力把AI從技術(shù)變?yōu)樯a(chǎn)力。

TCL的世界有多大？

落到具體企業(yè)時(shí)，路徑各不相同。對TCL來說，這種底氣來自數(shù)十年對顯示與光伏技術(shù)的深度投入，以及全球化的研發(fā)布局。

從組織結(jié)構(gòu)上看，這家公司通過TCL實(shí)業(yè)和TCL科技兩大產(chǎn)業(yè)集團(tuán)，在全球布局了47個(gè)研發(fā)中心，擁有接近2萬名研發(fā)人員。2019年到2024年，累計(jì)研發(fā)投入超過600億元人民幣，預(yù)計(jì)2025年將達(dá)到150億元。

持續(xù)投入讓TCL構(gòu)建了橫跨智能終端、半導(dǎo)體顯示、新能源光伏的復(fù)雜產(chǎn)業(yè)鏈，為AI落地提供了稀缺的試驗(yàn)場景。

產(chǎn)業(yè)鏈的一端，是覆蓋全球的智能終端。從北美的客廳到歐洲的公寓，不同文化、不同習(xí)慣的用戶每天都在通過電視、空調(diào)、冰箱與TCL交互。海量的使用場景數(shù)據(jù)，為AI提供了真實(shí)和全球化的學(xué)習(xí)樣本。

另一端則是半導(dǎo)體顯示。Mini LED、印刷OLED……這些技術(shù)背后是一套復(fù)雜的工藝系統(tǒng)，材料配比、光刻精度、良率控制、色彩管理，任何一個(gè)變量都會(huì)引發(fā)全鏈路的震蕩。這里的數(shù)據(jù)密度與難度，遠(yuǎn)高于一般制造場景。

還有一端是新能源光伏。拉晶、切片、封裝、轉(zhuǎn)換率測試，每一步都與物理過程緊密相關(guān)。比如生產(chǎn)210毫米大尺寸硅片，就牽動(dòng)了整條工藝鏈的升級(jí)。對AI來說，這里既有高度結(jié)構(gòu)化的數(shù)據(jù)，也有高度耦合的工藝變量。

而連接這些環(huán)節(jié)的，是一整套制造和研發(fā)體系。對外，它是電視出貨量全球第二、Mini LED電視出貨量全球第一、光伏硅片市占率領(lǐng)先的公司。對內(nèi)，它是覆蓋全球的產(chǎn)業(yè)網(wǎng)絡(luò)，里面流動(dòng)著設(shè)備狀態(tài)、過程參數(shù)和用戶行為。

TCL在AI上的選擇，很自然地沿著這一鏈條展開。

TCL并未打算跳進(jìn)通用模型的軍備競賽，它選擇基于自身的工業(yè)數(shù)據(jù)和真實(shí)場景，和生態(tài)伙伴協(xié)作打造垂域模型，再把它們嵌入到具體的工藝、設(shè)備和產(chǎn)品中。

TCL科技首席技術(shù)官閆曉林看到了問題所在：人工智能若用錯(cuò)技術(shù)、選錯(cuò)場景，會(huì)浪費(fèi)很多資源，選好場景、用對技術(shù)才是根本。

這種路徑并不少見。汽車行業(yè)圍繞自動(dòng)駕駛，建立了感知與控制的鏈路；半導(dǎo)體行業(yè)則借助仿真，不斷優(yōu)化。共同的底層邏輯是，行業(yè)越貼近物理世界，越需要從真實(shí)場景中生長出來的AI，而非從通用算法中反復(fù)裁剪。

TCL正是在這套思路下，構(gòu)建起從AI到工廠、產(chǎn)品，再到用戶的完整通路。

在底層，TCL把多年沉淀的顯示工藝知識(shí)、面板缺陷數(shù)據(jù)，訓(xùn)練成面向顯示行業(yè)的星智大模型，其3.0版本能力“相當(dāng)于從業(yè)三年的博士和全科目專家”；在光伏業(yè)務(wù)中，圍繞單晶爐和智慧工廠，打造了深藍(lán)AI模型。這些模型天生帶著行業(yè)標(biāo)簽，專門解決具體工藝問題。

在中間層，TCL用這些模型和產(chǎn)線打交道。工藝參數(shù)建模、工程可靠性體系、AI仿真和數(shù)字孿生，幫助工程師在上馬新工藝前先跑一遍虛擬生產(chǎn)。模型接入實(shí)時(shí)數(shù)據(jù)，理解設(shè)備狀態(tài)，即時(shí)優(yōu)化參數(shù)。

在上層，這些能力通過產(chǎn)品得以表達(dá)。電視里有能實(shí)時(shí)理解畫面的“大智能體”，可以根據(jù)場景自動(dòng)調(diào)整光影；空調(diào)通過毫米波雷達(dá)感知睡眠狀態(tài)，自動(dòng)調(diào)整溫度曲線。

TCL的真正優(yōu)勢，從來不是模型有多大，而是“世界有多大”——它掌握的，是模型無法自發(fā)獲得的真實(shí)世界的復(fù)雜性。

B端力量的C端回響

這條路徑在幾個(gè)具體案例上，呈現(xiàn)出清晰的輪廓：AI為B端帶來了實(shí)質(zhì)性突破，并將價(jià)值傳導(dǎo)至C端。

第一個(gè)案例發(fā)生在TCL華星的面板工廠。

半導(dǎo)體顯示制造的精密程度，堪比工業(yè)界的顯微手術(shù)。一個(gè)幾乎不可見的亮斑，可能意味著材料雜質(zhì)；一個(gè)輕微的色偏，可能來自光刻的微小誤差。過去，這些判斷依賴工程師的經(jīng)驗(yàn)，一個(gè)判斷失誤，往往意味著整批返工。

為解決這個(gè)難題，TCL聯(lián)手阿里云打造了星智大模型，具備“隔空診斷”的能力——客戶只需拍攝屏幕缺陷圖，AI就能給出分析，不用再像從前那樣把屏幕寄回工廠。

它相當(dāng)于把資深工程師的眼睛裝進(jìn)了一套算法體系里，提升大約20%問題解析效率和30%材料開發(fā)效率。生產(chǎn)線上的決策，從“憑手感”變成“看系統(tǒng)”，幫助工程師從重復(fù)判斷中解放出來。

第二個(gè)案例則發(fā)生在光伏工廠。

TCL中環(huán)的單晶爐車間里，晶體生長如同在高溫爐里“種樹”的黑箱藝術(shù)，每棵樹（晶體）怎么長，爐溫、速度都得微調(diào)，過去全靠人盯著，一人最多盯十來臺(tái)爐子，再多就顧不過來。

現(xiàn)在，AI模型成了不知疲憊的超級(jí)管家，能利用AI時(shí)序數(shù)據(jù)建模，捕捉規(guī)律，為每個(gè)爐臺(tái)自動(dòng)生成優(yōu)化標(biāo)準(zhǔn)作業(yè)流程（SOP），實(shí)現(xiàn)“一爐一策”的個(gè)性化控制。

這種配置下，單一操作員管理的單晶爐數(shù)量提升到300多臺(tái)，效率瞬間提升。開爐成本較2024年底降低了約21%，整體勞動(dòng)生產(chǎn)率提升300%。原本靠老師傅反復(fù)試錯(cuò)的技巧，被抽象成參數(shù)和規(guī)則。

這些突破都發(fā)生在B端，但影響遠(yuǎn)遠(yuǎn)超出了工廠圍墻。

是時(shí)候重新認(rèn)識(shí)TCL了。大眾印象里，TCL或許還是那個(gè)做電視、冰箱的家電巨頭，但在冰山之下，它早已成為科技巨無霸，深入半導(dǎo)體及新能源腹地，用代碼與算法重構(gòu)工業(yè)流程。

直接的變化發(fā)生在研發(fā)端，效率提升，縮短了新技術(shù)從實(shí)驗(yàn)室到商品的距離。

作為顯示行業(yè)的新路線，印刷OLED在材料利用率和畫質(zhì)表現(xiàn)上有優(yōu)勢，卻需要全新的工藝。AI與仿真結(jié)合，提升了預(yù)研效率。TCL華星在產(chǎn)品開發(fā)、量產(chǎn)驗(yàn)證等環(huán)節(jié)，縮短人均項(xiàng)目周期1-2個(gè)月，通過“研產(chǎn)一體”減少了42%的實(shí)驗(yàn)投產(chǎn)次數(shù)。對用戶而言，能更早買到畫質(zhì)更好的屏幕。

其次，制造環(huán)節(jié)良率提升，則會(huì)反映在價(jià)格的變化上。

面板良率哪怕只提升0.2個(gè)百分點(diǎn)，在萬片級(jí)的生產(chǎn)規(guī)模下，都能實(shí)現(xiàn)可觀的成本節(jié)約。良率更高，意味著可以攤薄更高的固定成本，大尺寸屏幕、大規(guī)模背光分區(qū)等高端顯示技術(shù)，能以更親民的價(jià)格進(jìn)入市場。

最后，產(chǎn)品智能化帶來了直觀的體驗(yàn)升級(jí)。

電視搭載行業(yè)首個(gè)超級(jí)大智能體，從AI畫質(zhì)、AI音質(zhì)、AI交互、AI內(nèi)容生成四大維度，綜合提升用戶的影音娛樂體驗(yàn)；作為全球首批支持可視化交互的AR眼鏡，雷鳥眼鏡具備圖像識(shí)別、知識(shí)解析功能，方便用戶隨時(shí)提問、獲得實(shí)時(shí)解答，其中雷鳥X3 Pro入選《時(shí)代》2025最佳發(fā)明；空調(diào)擁有行業(yè)首創(chuàng)可變睡眠溫度曲線，采用毫米波雷達(dá)感知技術(shù)配合AI遺傳算法，可以提升深睡時(shí)長25%。

體驗(yàn)升級(jí)直接支撐了市占率的提升。雷鳥眼鏡的市場份額已連續(xù)三年半穩(wěn)居行業(yè)第一；2024年，TCL電視的整體出貨量達(dá)到2900萬臺(tái)，居全球第二；TCL空調(diào)產(chǎn)銷量突破2000萬套，出口位于行業(yè)前二。

這就是海量B端能力傳導(dǎo)到C端的結(jié)果。

沒有前端的場景數(shù)據(jù)，模型就不知道用戶真正需要什么；沒有中游的制造能力，顯示性能和成本之間就會(huì)出現(xiàn)矛盾；沒有后端的垂直模型，產(chǎn)品智能就不夠靈活。

從 AI 到工廠，再到用戶手中的產(chǎn)品，TCL 構(gòu)建了一條完整的價(jià)值鏈。

2025年，通過AI在研發(fā)、制造中的應(yīng)用，TCL大約創(chuàng)造了10億元的綜合效益。部分體現(xiàn)在利潤表上，部分則轉(zhuǎn)化為價(jià)格優(yōu)勢，留在了消費(fèi)者手上。

結(jié)語

未來幾年，大模型還會(huì)繼續(xù)迭代，但缺乏場景的企業(yè)仍難進(jìn)入產(chǎn)業(yè)。同時(shí)，制造業(yè)處在壓力增大的周期，市場需求波動(dòng)，綠色能源轉(zhuǎn)型，正聯(lián)合擠壓傳統(tǒng)模式的空間。

AI在這種背景下介入，既是機(jī)會(huì)，也是壓力。

TCL在12月舉行的全球技術(shù)創(chuàng)新大會(huì)（TIC 2025）上，把“AI向?qū)崱弊鳛橹黝}，勉勵(lì)自己的同時(shí)，也提醒業(yè)界：把注意力放回效率、良率和體驗(yàn)上，關(guān)注工廠和客廳的具體變化。

未來，我們或許會(huì)看到更多可能性：工廠里的機(jī)器不再需要人工指令，它通過AI自我感知、自我決策，實(shí)現(xiàn)真正的“黑燈生產(chǎn)”；家里的設(shè)備也不再是被動(dòng)的工具，而是成為主動(dòng)服務(wù)、懂你冷暖的智能體。

正如TCL科技首席運(yùn)營官王成所展望的，AI未來將如同水和空氣一樣，成為無處不在，不可或缺的基礎(chǔ)設(shè)施。

技術(shù)不會(huì)直線進(jìn)化，爆發(fā)之后總會(huì)迎來篩選。寒武紀(jì)時(shí)期，物種極度繁盛，最終留下的，只有能在復(fù)雜環(huán)境里穩(wěn)定生存的少數(shù)。AI的演化也將走向類似路徑，誰能讓模型融入復(fù)雜的實(shí)體產(chǎn)業(yè)，誰才在下一階段站穩(wěn)腳跟。

回顧技術(shù)史，每一次真正改變世界的力量，都會(huì)經(jīng)歷從顯眼到隱形的過程。電力從世紀(jì)發(fā)明變成了墻上的插座，網(wǎng)絡(luò)從信息高速路變成了基礎(chǔ)設(shè)施。或許有一天，人們不再討論哪家模型參數(shù)更大，而是關(guān)注哪座工廠良率更高、哪條供應(yīng)鏈更穩(wěn)、哪款產(chǎn)品更省心。那時(shí)，AI大概才算真正長大。

大模型還在狂奔，中國制造業(yè)已給出了不同于過去的答案：AI向?qū)?，即把技術(shù)在真實(shí)世界里歸位，把智能嵌入實(shí)體產(chǎn)業(yè)，在用戶體驗(yàn)里兌現(xiàn)價(jià)值。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4817808.html?f=wyxwapp