文/陳溯

當前，生成式AI正以“指數(shù)級速度”滲透進千行百業(yè)，與此同時，AI發(fā)展卻陷入了一種尷尬的“繁榮困境”：打開任意一款AI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“應用落地”過程中遭遇的同質(zhì)化瓶頸——當大模型的參數(shù)競賽逐漸趨緩，當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，將AI進化為“能感知、會思考”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個國家人工智能創(chuàng)新應用先導區(qū)、17個國家級智能網(wǎng)聯(lián)汽車測試示范區(qū)，展現(xiàn)出強勁的市場潛力。

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應用市場白皮書》，當年新增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月的對比分析顯示，不同產(chǎn)品背后的聊天機器人界面相似度高達92%。包括全面滲入消費者生活決策的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“生成風格”的體驗層面。

今年3月，伴隨著Token（中文名詞元，大模型調(diào)用量的評估標準，也是大模型廠商銷售套餐的計費單位）概念的明確，行業(yè)也開始從“技術(shù)狂熱期”轉(zhuǎn)向“價值兌現(xiàn)期”。

專家表示，同質(zhì)化是當前中國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)鍵就在于讓其進化為“能感知、會思考”的智能體，通過影像識別、感知或語音交互，實現(xiàn)對物理世界、人類需求與復雜場景的深度理解與自適應能力，從數(shù)字世界的提供決策者，進化為可以賦能產(chǎn)業(yè)、生活的行動派。

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、機械臂等物理載體，實現(xiàn)與現(xiàn)實世界的直接交互。比如，在公共服務領(lǐng)域，安徽蕪湖的“蕪優(yōu)”智警機器人，通過集成6個高清攝像頭與1個激光雷達，能360度無死角感知路況，精準識別多種交通違法行為，并與信號燈系統(tǒng)協(xié)同優(yōu)化路口疏導模式。與傳統(tǒng)的“被動響應式”AI不同，這類具備感知力的智能體能夠主動發(fā)現(xiàn)問題、分析問題并解決問題，從“工具”升級為“伙伴”。

2026年度博鰲亞洲論壇年會期間，vivo總裁、首席運營官，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期間，vivo總裁、首席運營官，vivo中央研究院院長胡柏山表示，AI正處在從被動執(zhí)行到主動感知、理解的關(guān)鍵轉(zhuǎn)折點。AI要從虛擬世界走進現(xiàn)實，必須建立自己的感知能力。vivo認為，影像是感知的基礎(chǔ)。影像技術(shù)通過光學系統(tǒng)、成像處理、空間計算等全鏈路能力，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、理解真實場景，進而感知情緒、預測行動的基礎(chǔ)。

vivo總裁、首席運營官，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)、有預設(shè)規(guī)則環(huán)境下識別感知，而是聚焦更復雜、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別能力的影像Agent，可以根據(jù)對環(huán)境的理解，為用戶推薦最佳構(gòu)圖與個性化功能，讓人人都能“隨心”一鍵出大片。當然，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、頭顯、機器人三個核心的HUB型產(chǎn)品外，還將賦能各生態(tài)終端，甚至千行百業(yè)。

聚焦真實場景需求，深耕垂直領(lǐng)域

未來的AI需要實現(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，逐步攻克家庭機器人難點；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，為人形機器人的精準操作和感知理解提供了可能。

分析認為，當下AI不應再一窩蜂追求大量模型訓練，而應該回歸思考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)實世界創(chuàng)造獨特價值。面對同質(zhì)化競爭，企業(yè)應放棄“大而全”的幻想，聚焦行業(yè)痛點，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)的價值。