五个核心问题与回答
“赋能千行百业”怎样避免成为泛化口号？
任何行业都可以加 AI，真正落地的判断标准是什么？
必须绑定真实场景、数据和结果。办公看交付时间与质量，制药看实验验证，制造看节拍与可靠性。没有可衡量结果，“行业大模型”只是能力描述。
为什么可靠性被称为起点而不是终点？
通用能力更强，不是自然会覆盖可靠性吗？
物理世界和高风险业务不能接受偶尔正确。通用是能力上限，可靠决定是否能被授权执行。系统需要知识聚合、规则、评测和回退，不能只依赖模型规模。
科学数据为什么要成为模型“原住民”？
把论文和数据库接入检索不够吗？
科学数据包含条件、测量、误差和结构，不能降格为普通文本附件。基础模型若能原生表示和推理这些数据，才可能进入假设、实验与验证，而不只是帮助写摘要。
AI 作为协作者，人的角色如何变化？
协作是否只是把任务分给 AI、人负责审批？
人需要定义问题、价值与责任，AI 负责扩大搜索和执行范围。真正协作要求过程透明、结果可纠正；如果人只在最后签字，却看不懂过程，责任安排就是空的。
为什么“行动”与“负责”必须拆开？
Agent 替人完成任务后，责任能否也交给系统？
不能。AI 可以代表人调用工具和执行动作，但不是法律与伦理责任主体。组织必须明确授权、监督、接管和问责，越强的行动能力越需要清晰责任链。
沿着对话，回到问题如何展开
论坛发言：人工智能要赋能千行百业，同时服务共同繁荣与安全。
纪要：技术应用与治理并列，说明大规模落地不只是企业产品问题，也涉及社会规则和资源分配。
论坛嘉宾：AI 不是人的替代者，而是人的协作者。
纪要：协作者应有明确分工。机器扩大处理和行动能力，人保留目标、例外判断与责任。
论坛嘉宾：物理智能的突破口不只在模型架构，也在知识聚合；通用性是终点，可靠性才是起点。
纪要：机器人和工业系统需要把领域知识、传感反馈和控制规则编进闭环，不能把一次成功动作当成稳定技能。
王坚：要让科学数据成为基础模型的原住民。
纪要：科研 Agent 只有理解数据结构与实验条件，才能从文献助手进入发现流程。数据基础设施可能比聊天界面更先构成壁垒。
纪要：AI 制药、消费、美妆、芯片、青年创新和办公助手虽然场景不同，都需要将多模态数据、工具、评测和业务结果放进同一链路。
论坛嘉宾：AI 可以代表人行动，但不能代表人负责。
纪要：这是主论坛最适合带走的产品原则。Agent 每增加一种外部动作，都应同步增加授权、记录、回滚和责任人。
现场画面
