文/陳溯

當(dāng)前，生成式AI正以“指數(shù)級(jí)速度”滲透進(jìn)千行百業(yè)，與此同時(shí)，AI發(fā)展卻陷入了一種尷尬的“繁榮困境”：打開任意一款A(yù)I聊天界面，很多交互框架如出一轍，搜索AI客服解決方案，80%的產(chǎn)品話術(shù)高度重合，連AI生成的文案、圖像，都帶著揮之不去的“模板感”。

這種現(xiàn)象的背后，是AI產(chǎn)業(yè)從“技術(shù)突破”轉(zhuǎn)向“應(yīng)用落地”過程中遭遇的同質(zhì)化瓶頸——當(dāng)大模型的參數(shù)競賽逐漸趨緩，當(dāng)通用場景的流量紅利見頂，如何讓AI真正“讀懂”世界、“理解”需求，成為破局的關(guān)鍵。

近年來，我國不少科技領(lǐng)軍企業(yè)通過科技創(chuàng)新、技術(shù)升級(jí)，將AI進(jìn)化為“能感知、會(huì)思考”的智能體，探索AI產(chǎn)品可持續(xù)發(fā)展的破局之道。

“感知力”重構(gòu)AI價(jià)值邊界

近年來，我國人工智能產(chǎn)業(yè)迎來高速發(fā)展期，目前人工智能企業(yè)數(shù)量已超6000家，已建成11個(gè)國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)、17個(gè)國家級(jí)智能網(wǎng)聯(lián)汽車測試示范區(qū)，展現(xiàn)出強(qiáng)勁的市場潛力。

人工智能發(fā)展至今，大量同質(zhì)化AI涌現(xiàn)，據(jù)艾瑞咨詢《2023年中國AI應(yīng)用市場白皮書》，當(dāng)年新增AI企業(yè)超2.3萬家，其中80%集中在智能客服、AI畫圖、語音助手等通用場景。

2025年12月的對(duì)比分析顯示，不同產(chǎn)品背后的聊天機(jī)器人界面相似度高達(dá)92%。包括全面滲入消費(fèi)者生活決策的AI大模型，在模型能力、算力上的差異也在逐漸趨同，核心差異化更多體現(xiàn)在“生成風(fēng)格”的體驗(yàn)層面。

今年3月，伴隨著Token（中文名詞元，大模型調(diào)用量的評(píng)估標(biāo)準(zhǔn)，也是大模型廠商銷售套餐的計(jì)費(fèi)單位）概念的明確，行業(yè)也開始從“技術(shù)狂熱期”轉(zhuǎn)向“價(jià)值兌現(xiàn)期”。

專家表示，同質(zhì)化是當(dāng)前中國AI產(chǎn)業(yè)未來高質(zhì)量發(fā)展的核心瓶頸之一，破局同質(zhì)化的關(guān)鍵就在于讓其進(jìn)化為“能感知、會(huì)思考”的智能體，通過影像識(shí)別、感知或語音交互，實(shí)現(xiàn)對(duì)物理世界、人類需求與復(fù)雜場景的深度理解與自適應(yīng)能力，從數(shù)字世界的提供決策者，進(jìn)化為可以賦能產(chǎn)業(yè)、生活的行動(dòng)派。

多領(lǐng)域探索“感知力”落地可能性

近年來，AI科技企業(yè)通過多領(lǐng)域探索，讓AI感知力的落地成為可能，讓AI從“看見”“聽見”再到“理解問題”“解決問題”。

比如，具身智能的興起，為AI感知力的落地提供了技術(shù)路徑。與傳統(tǒng)大模型依賴文本數(shù)據(jù)不同，具身智能通過傳感器、機(jī)械臂等物理載體，實(shí)現(xiàn)與現(xiàn)實(shí)世界的直接交互。比如，在公共服務(wù)領(lǐng)域，安徽蕪湖的“蕪優(yōu)”智警機(jī)器人，通過集成6個(gè)高清攝像頭與1個(gè)激光雷達(dá)，能360度無死角感知路況，精準(zhǔn)識(shí)別多種交通違法行為，并與信號(hào)燈系統(tǒng)協(xié)同優(yōu)化路口疏導(dǎo)模式。與傳統(tǒng)的“被動(dòng)響應(yīng)式”AI不同，這類具備感知力的智能體能夠主動(dòng)發(fā)現(xiàn)問題、分析問題并解決問題，從“工具”升級(jí)為“伙伴”。

2026年度博鰲亞洲論壇年會(huì)期間，vivo總裁、首席運(yùn)營官，vivo中央研究院院長胡柏山接受媒體采訪

2026年度博鰲亞洲論壇年會(huì)期間，vivo總裁、首席運(yùn)營官，vivo中央研究院院長胡柏山表示，AI正處在從被動(dòng)執(zhí)行到主動(dòng)感知、理解的關(guān)鍵轉(zhuǎn)折點(diǎn)。AI要從虛擬世界走進(jìn)現(xiàn)實(shí)，必須建立自己的感知能力。vivo認(rèn)為，影像是感知的基礎(chǔ)。影像技術(shù)通過光學(xué)系統(tǒng)、成像處理、空間計(jì)算等全鏈路能力，完成了物理世界的數(shù)字化投射與三維場景重建，是AI看懂物理世界、理解真實(shí)場景，進(jìn)而感知情緒、預(yù)測行動(dòng)的基礎(chǔ)。

vivo總裁、首席運(yùn)營官，vivo中央研究院院長胡柏山發(fā)表主題演講

顯然，vivo提出的感知能力已不單是在工廠、紅綠燈等基礎(chǔ)、有預(yù)設(shè)規(guī)則環(huán)境下識(shí)別感知，而是聚焦更復(fù)雜、無規(guī)則的生活環(huán)境、更難捕捉的如人的情緒的感知。而這一切的核心，就是圍繞影像+AI，構(gòu)建一整套完整的感知體系。

據(jù)了解，vivo即將發(fā)布的vivo X300 Ultra和X300s就將搭載具備場景識(shí)別能力的影像Agent，可以根據(jù)對(duì)環(huán)境的理解，為用戶推薦最佳構(gòu)圖與個(gè)性化功能，讓人人都能“隨心”一鍵出大片。當(dāng)然，這只是vivo初步嘗試，據(jù)胡柏山介紹，vivo基于影像+AI構(gòu)建的感知體系，最終要走向“智及萬物”，除了重資源投入手機(jī)、頭顯、機(jī)器人三個(gè)核心的HUB型產(chǎn)品外，還將賦能各生態(tài)終端，甚至千行百業(yè)。

聚焦真實(shí)場景需求，深耕垂直領(lǐng)域

未來的AI需要實(shí)現(xiàn)“多模態(tài)感知”與“因果推理”的深度融合，不僅能“看見”“聽見”，更能“理解”背后的邏輯，在這一需求下，越來越多中國科技企業(yè)謀求技術(shù)突破。

比如剛提到的vivo，技術(shù)上聚焦影像+AI構(gòu)建感知能力，場景上聚焦家庭場景，逐步攻克家庭機(jī)器人難點(diǎn)；比如國產(chǎn)傳感器企業(yè)也在謀求技術(shù)突破，柯力傳感等企業(yè)在六維力傳感器領(lǐng)域持續(xù)發(fā)力，為人形機(jī)器人的精準(zhǔn)操作和感知理解提供了可能。

分析認(rèn)為，當(dāng)下AI不應(yīng)再一窩蜂追求大量模型訓(xùn)練，而應(yīng)該回歸思考AI技術(shù)的本質(zhì)——能否真正理解人類的需求，能否真正為現(xiàn)實(shí)世界創(chuàng)造獨(dú)特價(jià)值。面對(duì)同質(zhì)化競爭，企業(yè)應(yīng)放棄“大而全”的幻想，聚焦行業(yè)痛點(diǎn)，深耕垂直場景，將AI感知力與行業(yè)Know-how深度結(jié)合，真正釋放AI技術(shù)的價(jià)值。