文｜郑青春

编者按

在全球产业链加速重构、人工智能从“技术热点”迈向“产业刚需”的窗口期，实体经济与AI的融合正迎来从“技术落地”到“价值创造”的关键跃迁。如何让AI真正穿透业务底层，从“会聊天”走向“能决策”，成为当下产业界与科技界共同求解的命题。

在这条赛道上，万联易达凭借深厚的产业积淀和技术深耕，走出了一条独具特色的产业AI发展之路。产联智库就此对话万联易达集团副总裁杜新凯，听他解读万联摩尔的创新实践与产业 AI 的未来图景。

当一家钢铁贸易企业的老板面对“铁矿石该不该现在采购”这个关乎千万资金周转的决策时，他既不可能等到三天后的数据分析报告，也无法信任只能给出宏观新闻摘要的通用AI助手。

这个场景，恰是中国数百万传统产业企业家共同的困境——他们身处一个被AI浪潮反复冲刷的时代，却发现AI通用工具，在自己最核心的生意场上，难以发挥关键作用。

2025年春天，杜新凯决定从舒适区迈入“产业认知工程化”的深水区。作为万联易达“万联摩尔”产业大模型的掌舵者，他选择的不是再做一个“更聪明”的对话机器，而是要把AI锻造成真正能替企业干活、能辅助决策、能融入产业血脉的产业智能基础设施。

此前，他的职业轨迹横跨技术研发、国内外大公司与创业公司的多重历练。从华为六年研发，到海外技术拓荒，从中兴通讯人工智能首席专家再到阳光保险集团人工智能首席科学家。这条跨越科技业、制造业、金融业的职业轨迹，恰好把他塑造成了产业AI领域稀缺的“复合型人才”。

二十年前，他在保研时选择了当时尚显冷门的自然语言处理方向；二十年后，当大模型时代轰然而至，他发现自己恰好站在技术与产业的断裂带上，去搭建那座极稀缺的桥。

“相信一切都是最好的安排。”他常这样说。这座桥就是“万联摩尔”。它不是通用大模型的又一阵营，而是面向全产业的 AI 超级载体，能够真正理解产业、并参与企业的核心运行。

他很少讲宏大概念，说得最多的是“痛点”和“价值”。他指出，当前中国产业界最普遍、最根本的效率瓶颈，在于信息碎片化与知识应用脱节导致的决策低效。大量企业面临“数据难找、分析耗时、决策滞后”的系统性难题，严重制约了产业链协同与资源配置效率。

面对这一痛点，万联摩尔一方面沉淀了万联易达产业生态的超百亿量高质量可信数据，另一方面基于“融合产业本体图谱的结构化思考技术”，使其具备了产业数据全覆盖、产业痛点理解深、产业问题回答准、产业服务能力强的核心优势。推动AI从“能对话”迈向“懂产业、能决策”。

根据规划，未来万联摩尔将逐步覆盖到97个行业大类，通过对超100亿产业数据的清洗与训练，实现行业问答准确率超90%。

杜新凯表示，AI赋能产业的发展路径呈现出“通用（发现潜力）-专用（解决问题）-新通用（生态赋能）”的清晰演进逻辑。随着通用大模型与垂直大模型交替发展，新通用生态将加速形成。

他指出，未来真正拉开差距的，不是模型参数，而是谁能把 AI 做成产业运行的基础设施。

这背后是他对AI演进趋势的两个判断：第一，AI将从“助理”进化成“经纪人”，从被动执行指令升级为主动代表企业谈判、撮合、决策；第二，服务模式将从“供给驱动”转向“供需双向智能体互联”。用户无需翻几十页列表挑服务商，只需向自己的智能体描述需求，它就会自动对接服务方的智能体，完成比价、协商、下单。

杜新凯对万联摩尔的长远设想，是“无人化的产业生态系统”。这不是消灭人的岗位，而是让企业拥有7×24小时在线的“数字员工”，处理标准化沟通、重复性决策，把人释放到创造性的工作中。

从20年前选择自然语言处理专业，到2025年押注产业AI。20多年，杜新凯始终在做同一件事：从让AI理解人的意图，到应用到更大的产业场景，并替人完成复杂的产业协作。

他认为成功是“必然性与偶然性的叠加”，踩中时代机遇是偶然，而持续“付出不亚于任何人的努力”是必然。这或许就是杜新凯说的“一切都是最好的安排”。

产联智库：请您用一句话向一位对AI既期待又困惑的传统产业企业家介绍万联摩尔，您会怎么说？

杜新凯：“万联摩尔”，可以简单的理解为是“产业版的DeepSeek”，它可以帮助企业实现研发、生产、供应链、销售、服务的全链条智能化升级。

产联智库：当前从产品形态上看，万联摩尔与一些通用大模型在交互体验上存在一定相似之处。您认为未来万联摩尔最核心、最本质的差异化会体现在哪些方面？

杜新凯：现在看起来相似，主要是因为大家都从“对话入口”开始，这是任何 AI 产品的起点。但真正的差异，不在交互层，而在是否具备产业级认知能力，以及是否真正进入企业的核心业务流程。

对”万联摩尔“来说，这种差异会在具体产业场景中逐步拉开：

比如商品交易场景，万联摩尔不只是给出价格信息，而是基于供需、库存、历史周期和上下游关系，给出采购节奏和定价建议，并联动营销智能体辅助成交；

物流场景，它会参与运单预审、履约风险识别、路径与运力优化，并通过数字客服实现业务、风控与服务的联动；

企业撮合场景，这是一个非常典型的“产业级 AI”应用。万联摩尔不是简单做信息撮合，而是通过产业本体图谱，理解企业在产业链中的位置、能力和真实需求，在此基础上完成更精准的供需匹配、合作方推荐，甚至辅助判断合作可行性和风险，大幅提升撮合成功率和交易效率。

这些能力都不是“问一句、答一句”，而是通过智能体直接参与判断、调度和执行，形成“数据—决策—行动—反馈”的完整闭环。

所以短期看是“都能对话”，但中长期会变成：通用大模型解决的是“我能问什么”，而万联摩尔解决的是“企业怎么运转、怎么达成合作”。

这也是我们判断，未来真正拉开差距的，不是模型参数，而是谁能把 AI 做成产业运行的基础设施。

产联智库 ：基于您多年的产业深耕经验，您认为当前中国产业界最普遍、最根本的效率瓶颈是什么？万联摩尔瞄准的正是这个瓶颈吗？

杜新凯：当前中国产业界最普遍、最根本的效率瓶颈，在于信息碎片化与知识应用脱节导致的决策低效。大量企业仍依赖人工搜集数据、经验判断趋势，面临“数据难找、分析耗时、决策滞后”的系统性难题，严重制约了产业链协同与资源配置效率。

而万联摩尔，正是瞄准这一核心痛点，它以对产业积淀的深厚理解为根基，构建起超100亿量级的产业可信数据底座，融合产业本体图谱与结构化思考技术，打造可思考、能进化的产业智能引擎，推动AI从“能对话”迈向“能决策”。

我认为，万联摩尔的真正价值在于：它把原本依赖专家经验的感性判断，转化为了可规模化的理性能力。 当前中国产业的升级方向，必须是从“人驱动运营”逐步进化为“系统驱动运营”。万联摩尔走的正是一条将“产业认知工程化”的深水区道路，这比单纯卖 API 或做通用模型要困难得多，但也更接近产业进步的真相。

产联智库 ：“全产业AI大模型”赛道投入巨大、挑战极高。万联易达选择并全力投入于此，其不可替代的核心优势又是什么？

杜新凯：万联易达选择全力投入这一方向，核心优势主要来自三方面：

一是产业互联网生态本身。我们天然连接商品交易、物流服务和数字金融，拥有持续产生的真实产业数据和场景，这是通用模型公司很难获得的土壤。

二是产业本体图谱 + 智能体体系的系统化建设。万联摩尔不是单一模型，而是通过本体图谱把产业知识结构化，再用智能体承载岗位级判断与任务执行，目前产业问题的回答准确率已超过 90%，显著高于通用大模型。

三是“平台 + 生态”的协同机制。我们不是闭门造车，而是联合区域公司、行业伙伴和技术生态共建能力，把在具体场景中验证有效的 AI 能力持续沉淀为平台能力，形成正向飞轮。

所以我们看到的不是一个“AI 产品”，而是一个持续进化的产业智能基础设施。这也是万联易达在这条高门槛赛道上最不可替代的长期优势。

产联智库 ：“融合产业本体图谱的结构化思考技术”是万联摩尔的技术核心。能否请您用一个行业案例，解释这项技术是如何让AI从“能对话”，进化为“懂产业、能决策”的专家的？

杜新凯：这是万联摩尔实现“懂产业、能决策”的核心技术支撑。它会先通过分析产业生态里纵向的上下游关系与横向的行业竞争替代关系，搭建产业动态图谱，再依托结构化思考能力把复杂的产业产联智库拆解成多个子产联智库分步求解。

为了更好的理解，我举一个钢铁原材料采购的例子：

在传统模式下，如果企业问：“最近该不该多采购铁矿石？”通用大模型通常只能给出宏观分析或新闻摘要，本质还是“信息拼接”和二次生成，给出的结果无法为企业决策做出支持。

而在“万联摩尔”里，这个产联智库会被“融合产业本体图谱的结构化思考技术”拆解成一系列可验证的产业子产联智库：

1. 智能中枢会先在产业动态图谱中定位铁矿石所处的上下游结构——包括矿山供给、钢厂开工率、库存水平、替代品关系等关键节点；

2. 自动拆分出多个判断维度，比如近期主产区发运量变化、下游螺纹钢需求走势、港口库存拐点、历史价格周期位置；

3. 把这些子产联智库分别映射到实时产业数据和历史规律中逐一求证；

4. 再把结果重新组合，给出一个带理由链的结论，比如：当前处于阶段性去库存末期，叠加下游需求回暖，短期存在价格上行概率，并给出建议采购区间和节奏。

整体过程是：先理解产业结构 → 再拆解决策产联智库 → 再基于真实数据逐层推理 → 最后形成可执行建议。

本质上，我们是把行业专家脑中的判断路径，固化成产业本体图谱和结构化思考流程，让 AI 具备接近专家的分析框架，再用实时数据驱动它持续更新。这也是万联摩尔能够从对话工具，进化为产业决策助手的核心所在。

产联智库 ：展望未来3-5年，您认为“全产业AI大模型”赛道最关键的竞争要素是什么？

杜新凯：展望未来 3–5 年，“全产业AI大模型”赛道真正拉开差距的，不是模型参数规模，而是三项长期竞争要素。

一是产业认知能否被持续工程化。谁能把跨行业的业务逻辑、指标口径、上下游关系和专家经验，稳定地沉淀为产业本体和可复用知识，谁才具备长期进化能力。这是一项长期、系统性的工程，而不是一次模型训练。

二是否真正进入产业核心流程。全产业AI大模型最终要参与的是交易决策、供应链协同、风险控制和资源配置。如果 AI 只能停留在问答或辅助层，就很难形成不可替代性。能否形成“数据—判断—执行—反馈”的闭环，将决定价值上限。

三是生态与平台化能力。产业复杂度决定了这不是一家企业可以独立完成的事情。未来的赢家，一定是能够把数据方、行业伙伴、区域公司和开发者组织成共同进化生态的平台型玩家，而不是单一产品公司。

综合来看，3–5 年后的竞争，本质是谁能把 AI 从技术能力，进化为产业基础设施。这条路拼的不是速度，而是耐力、结构设计和长期主义。

产联智库 ：当万联摩尔这样的“产业AI超级载体”完全成熟时，一个传统的制造企业或贸易商，其核心的决策与运营模式将会发生怎样颠覆性的变化？

杜新凯：这不仅是技术的升级，更是一次生产关系的重构。当“万联摩尔”式的产业AI超级载体完全成熟，传统企业的核心模式将发生三个“从 0 到 1”的本质转变：

一是决策主权的重塑，从“人脑拍板”转向“系统主导”。过去，企业的核心判断高度依赖管理层的“老经验”、漫长的会议以及滞后的事后分析。在这种模式下，人是决策的瓶颈。

颠覆点是未来产业 AI 会基于实时数据、产业本体逻辑和历史反馈，持续给出“即时可执行”的建议，甚至在授权内自动完成调度、定价和资源配置。

管理者的角色将从繁琐的“拍板者”，进化为“目标设定者”和“例外干预者”。人不再和数据纠缠，而是和战略对话。

二是运营逻辑的解构，从“流程驱动”转向“智能体协同”。传统运营是“职能制”的，采购、排产、物流、风控各自为政，靠流程和公文强行拉通，效率损耗极大。

颠覆点在于成熟的载体将以“任务和结果”为圆心，驱动一组“数字员工”协同工作。它们在同一套认知体系下联动，跨系统、跨部门的自动协同将成为常态。企业不再是一台由齿轮啮合的笨重机器，而是一个由智能体驱动的、敏捷响应的任务网。

三是竞争力底层的更迭，从“规模成本”转向“进化速率”。过去企业的护城河是设备多、人员多、资金大，这是“静态优势”。

颠覆点是当产业AI 成为企业的“外置大脑”，真正拉开差距的是数据的真实性和智能体的迭代速度。企业将具备“越用越聪明”的自学习能力。谁的智能体在过去的一万次交易中学习了更多的异常处理策略，谁就拥有了竞争对手无法复制的、动态增长的护城河。

总结来说，就是从“做生意”到“自进化运营体”。从更宏观的视角看，企业的组织形态将发生剧变：管理层更精简，执行层由智能体承担，人类团队将回归到战略、创新和深层关系管理这些最具创造力的领域。

最终，制造企业和贸易商将不再只是“生产产品、跑通交易”的物理实体，而是进化为一个由 AI 驱动、自学习、自优化的“产业运营体”。这才是数字化转型的终局。

产联智库 ：很多企业对 AI 兴趣很高，但行动谨慎。您认为企业从观望走向实质投入，通常要跨过哪一道心理或业务门槛？

杜新凯：坦率讲，现在大部分企业对 AI 的期待，仍然停留在“多接点订单、少花点成本”这个层面，本质还是把 AI 当成一个提效工具——而这其实只是 AI 能力的低阶使用方式。

真正的转折点，通常出现在三个时刻：

一是当业务复杂度已经明显超过人脑和传统系统的承载能力，比如供应链波动加剧、客户需求高度碎片化、决策窗口被不断压缩；

二是当企业发现，单纯靠加人、加系统，已经很难再换来确定性的增长；

三是最关键的，当他们看到 AI 可以直接参与判断和执行，而不是只生成一份报告。

在万联摩尔的一线实践中，我们发现企业真正愿意持续投入产业 AI，并不是因为“效率提升”这种泛指标，而是因为经营确定性在提升：能不能更早发现风险？能不能更快做出关键判断？能不能把原本依赖少数专家的经验，变成系统能力？

当企业意识到，AI 不只是帮他们省一点成本，而是开始稳定决策质量、降低试错成本、持续放大组织能力时，态度会从“试试看”变成“离不开”。

所以企业真正跨过的那道门槛，并不是技术门槛，而是认知升级，从把 AI 当成降本工具，到把 AI 当成企业运行体系的一部分。

这也是产业 AI 和通用 AI 的本质区别：前者卖的不是“更聪明”，而是可持续的经营能力。

产联智库 ：国外更多是从“通用 AI”走向行业应用，而万联摩尔是从产业场景反向打造 AI 能力。您觉得中国发展产业 AI，会走出一条不同于硅谷的路径吗？

杜新凯：我认为中国一定会走出一条不同于硅谷的产业 AI 路径，这背后其实有非常清晰的宏观背景。

首先，从国家层面已经把人工智能上升为长期战略方向。“十五五规划”等一系列顶层设计，本质是在推动算力、模型、数据和产业应用协同发展，而不是单点技术突破。同时，国家在 AI 基础设施、工业互联网、新型数字化能力上的持续投入，也释放了一个非常明确的信号，人工智能要真正进入实体经济，而不是只停留在互联网应用层。

第二，中国本身具备一个非常独特的优势：我们已经形成了全球少有的完整工业闭环体系。从原材料、制造、物流到贸易和终端市场，高度耦合、规模巨大。这意味着，中国发展 AI 的主战场不在“内容生成”，而在复杂产业系统的协同优化。

这也决定了，中国的产业 AI 很难靠“更大的通用模型”走通，而必须从真实场景反向生长：从交易、供应链、生产协同、企业撮合这些具体产联智库入手，把产业数据、业务逻辑和执行流程一点点工程化，最终形成可复制的系统能力。

万联摩尔走的正是这样一条路径：不是先做一个“最聪明的大脑”，再找应用场景；而是先深入产业，把专家经验、行业规则和真实数据沉淀为产业认知底座，再通过智能体进入企业的判断与执行环节。

换句话说，国外更像是“AI 找场景”，而中国更像是“场景塑造 AI”。

我们看到的机会，是在国家战略牵引和产业体系优势的叠加下，中国有可能率先跑通一种以产业为中心、以系统协同为核心的产业AI 基础设施模式。万联摩尔希望扮演的，正是这样一个角色——不是单一产品，而是支撑实体产业持续升级的智能底座。

产联智库 ：随着产业智能化不断深入，您认为面向产业企业的服务方式，是否会在形态和能力上发生明显变化？万联摩尔希望探索怎样的新型企业服务模式？

杜新凯：我认为面向产业企业的服务方式一定会发生根本性变化——从“卖工具、上系统”，走向“交结果、管全程”。

传统企业服务更多是把软件或功能交付给客户，剩下的靠企业自己消化。但在产业 AI 时代，服务会越来越像一个智能协同系统。

一方面，通过智能体深度参与企业从信息获取、分析判断到业务执行的核心经营流程，让 AI 不再只是提供建议，而是直接进入企业日常运转体系；

另一方面，配套建设生产型服务平台，把企业真正需要的各类服务——比如经营、供应链、金融、技术、咨询等进行组合式整合。

这个平台的核心不是“服务列表”，而是由 AI 模型先理解企业当前所处的产业位置、业务阶段和真实需求；再自动匹配最合适的解决方案组合或服务商。同时引入“AI企业服务经纪人”角色，对复杂项目进行通过经纪人智能体托管，负责从需求拆解、方案对接到落地交付的全流程服务。

也就是说，企业不再需要自己去找供应商、拼方案，而是像拥有一个“产业运营助手”，AI 负责理解需求与智能匹配，平台负责整合资源，服务经纪人负责落地执行。

这种模式下，企业服务将从“工具交付型”，升级为“结果导向型”和“全流程托管型”。

产联智库 ：您对万联摩尔的最终愿景是什么？

杜新凯：我们的愿景是打造一个“无人化”的产业生态系统，能为任何产业门类提供深度智能服务的超级入口。

这就要求我们要“致广大而尽精微”，通过构建更“大”的全产业知识数据与生态，实现跨产业链的知识整合与协同；用Agentic AI智能体服务生态，为产业场景提供更“精”的全链路解决方案，全面渗透工业、农业、服务业等全领域。

当AI找到产业场景的落点，产业需求驱动AI技术迭代，真正的价值创造才会发生，智能经济时代才能真正到来。