在人工智能蓬勃发展的当下，“人工智能+”正以前所未有的速度重塑着各个行业。我国已发布超1500个行业模型，覆盖众多重点行业领域与场景，人工智能在产业降本增效、提升全要素生产率方面的作用日益凸显。然而，在这“百模千模”的繁荣景象背后，如何让人工智能真正精准落地、创造价值，成为行业亟待解决的关键问题。谭建荣教授凭借其在数据建模领域三十年的深厚积淀，给出了独到见解。

谭建荣教授强调，建模是大模型工作的基础，小模型是大模型的起点。早在上世纪90年代从事CAD研究时，他就开始思考数据重用与建模问题，其团队是国内最早涉足数据建模的团队之一。约70%的博士生论文和国家自然科学基金项目与建模相关，涵盖建模全链条。在他看来，人工智能由数据、算法和算力三个核心部分构成。数据是语料，算法是核心，大模型依赖大算力支撑，而这三者需要智能体作为载体。智能体价值早已超越“代理”含义，智能机器人、自动驾驶汽车、无人机等正将生成式AI能力转化为实际生产力。

我国生成式人工智能发展迅猛，截至2025年6月，用户规模达5.15亿人，普及率飙升至36.5%，呈现爆发式增长态势。如今，AI不仅能通过图灵测试，在写作方面甚至“比一般的秘书写得好”。但谭建荣教授也指出，数据与模型关系紧密，数据如散沙，建模要找出其间联系、规律与价值，挖掘出知识，模型就是定量的知识。大模型训练实质是训练各种场合下的定量关系。

谭建荣教授总结了人工智能十大关键技术，包括深度学习算法、增强学习算法等多种算法与技术。其中，深度学习算法和增强学习算法是最基础的两个，而在高级阶段，自然语言理解成为关键。不过，他也提醒，任何技术都存在风险，人工智能也不例外。当前AI产业存在核心痛点——幻觉问题，根源在于行业过度追求数据规模，忽视数据到知识的转化过程。解决这一问题，不能仅靠增加参数，而要强化知识工程，让AI理解关联背后的逻辑，这才是可持续发展关键。

在推动人工智能精准落地方面，谭建荣教授团队成果丰硕。针对核电站高危场景，研发的“核电应急管理智能机器人”替代人工操作，避免辐射风险；为解决企业缺乏机器人操作人才问题，“示教智能机器人”实现“机器人教人”与“机器人教机器人”双重功能，获市场认可。这些成果源于他对“精准落地”的坚持，强调大模型发展不能只追规模，要向“精准”要价值。智能体必须面向行业、产品，将高校建模能力与企业产业化需求结合，解决实际问题。

人工智能发展前景广阔，但要实现可持续发展，必须重视精准落地。谭建荣教授的观点与实践为行业发展指明方向，只有让智能体真正融入行业、服务产品，才能让人工智能在推动产业升级、改善人们生活中发挥更大作用，创造更多价值。