每經記者｜高涵    每經實習記者｜宋欣悅    每經編輯｜蘭素英    

2024年，人工智能（AI）技術迎來了史無前例的發展契機，眾多領域紛紛迎風而上，廣泛應用AI科技。

生成式AI迎來爆發式增長，尤其是在文本生成、圖像生成、視頻生成等領域的應用；制造業引入智能機器人和自動化生產線，帶來了前所未有的高效運作；服務業中，AI的應用讓個性化服務得以實現，用戶體驗和滿意度也隨之大幅度提升。

那么，展望2025年，AI將在哪些領域煥發新的光彩呢？《每日經濟新聞》記者采訪了來自清華大學和復旦大學的五位AI專家，對2025年AI應用的三大趨勢進行了前瞻性解析。

趨勢一：AI打造個性化教育

當下，教育個性化已經成為了許多教育專家關注的焦點，而AI的崛起無疑是一個令人興奮的趨勢。

清華大學計算機系副教授、博士生導師喻純在接受《每日經濟新聞》記者采訪時指出，AI與教育個性化的結合是（AI應用）一個極具潛力的方向。 

喻純認為，教育個性化的需求非常大，“教育本身非常個性化，每個人的興趣、思維習慣都很不同。需求上來講，一個孩子需要多位老師去滿足這種個性化需求，才能真正將他的所有潛能激發出來。馬斯克一直強調，知識不應僅來源于看書，而應在實踐中解決問題時獲取。這是比較理想的方式，不過，項目導向學習（PBL）非常個性化，除非組建教授團隊為每個孩子設計項目，但哪有這么多資源呢？在大學里，一個教授平均要面對幾十個學生，根本沒時間做這件事。”

在喻純看來，AI的出現，為實現個性化教育提供了新的可能性。AI不僅能夠精準傳遞知識，還能感知和理解學生的情緒變化，從而提供更具針對性的指導。

復旦大學計算機學院副教授、博士生導師鄭驍慶也認為，教育行業將最先受益于AI智能服務，尤其是開展個性化教育。“AI作為一個專屬教練的身份出現，利用互動優勢，可以激發學生的興趣和學習熱情，也能及時提供幫助。”此外，他還認為，AI在教育領域的應用還有助于彌補教育資源分配的不均。

關于AI在教育中的應用，喻純提出了幾個具體的場景，包括：

學前教育（3~6歲）：AI能夠支持語言啟蒙、情緒管理，并作為家庭教育專家，幫助父母理解孩子行為，提供個性化指導。

K12教育：AI通過對話和互動，幫助學生構建知識，同時革新評估方式，提供更全面的個性化評價。

高等教育：AI通過項目導向學習和個性化學習路徑，提升學生的學習體驗和效果。

“AI能夠以更低的成本為每個人打造一個有助于成長的環境。如此一來，每個人或許都能在自己最感興趣、最擅長的領域發光發熱，成為各自領域的‘馬斯克’”， 喻純總結道。

趨勢二：AI與工業場景結合，從制造到智造

人工智能與新時代工業場景的結合，正推動生產力的飛躍。科技部副部長吳朝暉曾表示，人工智能將成為第四次工業革命的標準，它將推動傳統實體經濟實現革命性升級與發展，從而催生智能經濟新形態，成為發展新質生產力的重要引擎。

清華大學計算機系長聘副教授、博士生導師崔鵬在接受《每日經濟新聞》記者采訪時指出，在當前大模型技術迅速發展的背景下，從資源稟賦的角度上講，制造業的場景是中國發展人工智能的主戰場。新質生產力和第四次工業革命的核心都在于利用AI解決嚴肅行業的生產力問題。 “AI技術，應該更多地與工業場景結合，以提升生產力。” 

崔鵬進一步闡述道，人類在處理小規模、低維度數據方面較為擅長，但面對大規模、高維度數據時，往往力不從心。而現代工業生產所產生的海量高維度數據，確實超出了人類的理解與調度能力，這正是亟需AI介入的關鍵所在。

清華大學汽車工程系長聘教授、博士生導師李升波也認為，人工智能與制造業的深度融合已成為推動智能制造蓬勃發展的關鍵。他向每經記者列舉了兩個具體應用例子：一個是面向復雜場景的高智能化自主移動機器人；另一個是汽車裝配場景下能夠完成這些操作的通用機器人。 

崔鵬還進一步向每經記者提出了AI在工業生產中的三個具體應用場景，包括：

自動生產線的優化調度：AI能夠處理大量高維度數據，識別出潛在規律，提升生產線的運行效率。

設備維護與故障排查：AI可以通過分析故障代碼，精準定位可能的故障點，顯著提高排查效率，降低停機成本。

生產工藝的優化：在鋼鐵行業等領域，通過分析傳感器數據，AI能夠實現對生產參數的動態調整，進而提升生產效率。

復旦大學計算機學院副教授、博士生導師鄭驍慶則強調了人機協作的重要性。他告訴每經記者，未來的制造業將不再是單純的機械化，而是智能化與個性化的結合。AI將在輔助決策、生產調度、庫存管理等方面發揮關鍵作用。“大部分任務可能都由AI或者機器學習技術去解決。但同時，人類需要進行監控和管理。”

趨勢三：“AI+醫療”逐步滲透到典型場景

據有關報道，在中國，醫療領域已經成為探索AI應用的重要場所。目前，AI技術在一些醫院已初步展開應用，覆蓋了分診導診、預先問診、病歷生成等多種場景。

根據醫療信息云平臺Athenahealth的一項調查，在美國，超過90%的醫生表示“定期”感到倦怠，其中，有83%的受訪醫生認為AI或能有所幫助，即通過AI簡化行政任務，提高診斷準確性并識別患者數據等。

“相比自動化、智能設備等場景，AI在醫療場景的應用更為復雜，”清華大學電子工程系長聘教授、博士生導師吳及在接受《每日經濟新聞》記者采訪時指出，醫療本質上是人對人的服務，這一過程非常復雜，醫學診療不僅包含理論和科學，還涉及大量經驗，很多時候依賴專家的直覺。因此，“AI在醫療領域的應用難度較大，但會逐步滲透到一些典型場景中。” 

首先是分診和轉診場景。吳及表示，AI可以幫助優化分診和轉診體系，確保患者得到最合適的醫療服務。“醫學專家不是萬能的，越頂尖的醫院分科越細，AI的引入可以綜合利用充分的信息，有效配置醫療資源。我們在新冠疫情期間嘗試過，比如重癥預警，預測哪些患者可能會發展為重癥，從而更有效地分配醫療資源。”

其次，AI能夠縮小不同地區間的醫療水平差距。吳及告訴每經記者，好的醫療資源一定會存在很強的虹吸效應，并往中心城市聚集，而AI可以促進“知識下沉”，將先進的治療技術和管理經驗傳遞到基層醫療機構，提高整體診療水平。

吳及最后提到，AI可以為醫務人員“減負”。“將重復性工作交給AI處理，機器可能未必比得上頂尖的醫生，但它可以在保證基本質量的情況下，可以大幅提高效率，減輕醫生的負擔，從而提升整體醫療機構的運行效率。”

封面圖片來源：每經記者 譚玉涵 攝