清华大学王智：工业大模型「数据、算力、成本」三重门，我们如何系统破局？丨GAIR 2025

2025年12月12-13日，第八届GAIR全球人工智能与机器人大会在深圳·博林天瑞喜来登酒店正式启幕。 作为AI 产学研投界的标杆盛会，GAIR自2016年创办以来，始终坚守“传承+创新”内核，始终致力于连接技术前沿与产业实践。 在人工智能逐步成为国家竞争核心变量的当下，算力正以前所未有的速度重塑技术路径与产业结构。13日举办的「AI 算力新十年」专场聚焦智能体系的底层核心——算力，从架构演进、生态构建到产业化落地展开系统讨论，试图为未来十年的中国AI产业，厘清关键变量与发展方向。 GAIR 2025「AI 算力新十年」专场上，清华大学深圳国际研究生院副教授王智发表了题为《工业机理 × 大模型：行业大模型的系统约束与可控推理的研究进展》的主题演讲，系统阐述了他对工业大模型训推和落地实践的核心判断。 当智能制造从自动化走向智能化，工业大模型被视为关键一跃，却也直面着真实产线中数据稀缺、算力受限、成本敏感的三重挑战。这不仅是一个算法问题，更是一个需要贯通学术前沿与产业实践的复杂系统工程。 在此背景下，清华大学深圳国际研究院的王智教授与其联合团队，选择了一条“从场景中来，到场景中去”的攻坚路径。他们依托国家基金委重点项目，联合深圳信息职业技术学院、汇川技术等合作伙伴，在过去一年里，将研究扎根于工业质检、具身智能、程序生成等具体场景，试图拆解并回应那些最实际的问题：如何用大模型升级传统规则系统？如何让机器自主理解并执行任务？如何在弱算力、弱网络的工厂环境下，让智能模型真正“跑起来”？ 与单纯追求模型规模的常见叙事不同，王智教授团队的工作呈现出鲜明的“工程思维”与“成本意识”。他们的探索从底层的数据生成与表征优化出发，延伸至模型规划、分布式训练与推理加速的全链路，其目标并非打造一个万能的“工业GPT”，而是构建一套能让大模型技术适配工业严苛约束、实现低成本高效部署的方法论体系。 这背后，是一个更为深刻的议题：当