量子位
·
清华孙茂松：对工业界而言，大厂可以Scaling，其他玩家重在垂直应用 | MEET2026
内容提要
清华大学孙茂松在MEET2026大会上指出，AI大模型的快速发展带来了不确定性，建议企业重视垂直应用而非盲目追求规模。他强调，少数大厂可继续追赶国际前沿，但大多数AI公司应专注于特定领域，以实现有效落地应用。
关键要点
-
孙茂松在MEET2026大会上强调AI大模型的快速发展带来了不确定性。
-
建议企业重视垂直应用而非盲目追求规模。
-
少数大厂可以继续追赶国际前沿，但大多数AI公司应专注于特定领域。
-
大模型的能力涌现是非线性变化，带来极大的不确定性。
-
AI的本质挑战在于理顺「言、知、行」的关系，实现「知行合一」。
-
Scaling Law的有效性存在不确定性，过度投入可能导致损失。
-
未来几年内，人形机器人在复杂开放环境中自主工作几乎不可能。
-
应在特定真实场景上实现AI应用的落地发展。
-
国内AI公司应在垂直领域应用上取得突破，具备世界领先的潜力。
-
「致广大而尽精微」是当前AI发展的正确战略选择。
延伸解读
垂直应用的重要性
孙茂松强调，虽然大厂可以追求规模化，但大多数AI公司应专注于垂直应用。这种策略不仅能降低风险，还能在特定领域实现更有效的落地应用，帮助企业在竞争中找到自己的优势。
Scaling Law的风险
Scaling Law虽然为AI模型的发展提供了理论支持，但其有效性并非绝对。过度投入可能导致资源浪费，企业需谨慎评估投入与产出的关系，避免在不确定性中盲目追求规模。
具身智能的挑战
孙茂松指出，未来几年内人形机器人在复杂环境中自主工作几乎不可能。企业应关注具身智能的实际应用，选择相对简单的任务进行突破，以降低技术实现的难度。
延伸问答
孙茂松在MEET2026大会上提到的AI大模型的主要挑战是什么？
AI大模型的主要挑战在于理顺「言、知、行」的关系，实现「知行合一」。
孙茂松对企业在AI领域的建议是什么？
他建议企业重视垂直应用，而非盲目追求规模。大多数AI公司应专注于特定领域。
Scaling Law在AI发展中面临什么不确定性？
Scaling Law的有效性存在不确定性，过度投入可能导致损失，且一旦性能饱和，Scaling Law可能失效。
未来几年内，人形机器人在复杂环境中自主工作的可能性如何？
未来几年内，人形机器人在复杂开放环境中自主工作几乎不可能。
孙茂松提到的「致广大而尽精微」的战略选择是什么意思？
这意味着在追求大规模发展的同时，更要注重在特定领域的深入应用，以实现有效落地。
国内AI公司在垂直领域应用上有哪些优势？
国内AI公司在垂直领域应用上具有丰富的应用场景、良好的工业基础和勤劳聪明的人才优势。
