某集团副总裁吴甜在浙江大学的一场演讲中，围绕“人工智能通用应用系统”这一前沿议题，分享了她的深刻洞察。她明确指出，尽管人工智能技术取得了举世瞩目的进展，但通向真正意义上的通用人工智能的突破尚未到来，当前的发展重心在于构建和完善能够在特定领域发挥巨大价值的通用应用系统。

吴甜在演讲中首先梳理了人工智能的发展脉络。她认为，从早期的规则驱动，到数据驱动的机器学习，再到如今基于大规模预训练模型的生成式人工智能，技术范式不断演进，AI的能力边界持续拓宽。以ChatGPT、文心一言等大语言模型为代表的生成式AI，展现了强大的内容生成、逻辑推理和任务执行潜力，引发了全社会对“智能涌现”和“通用人工智能”的热烈讨论。吴甜强调，当下的这些系统，本质上仍是复杂而精密的“狭义人工智能”。它们虽然在语言、代码、多模态理解与生成等宽泛任务上表现卓越，但距离具备自主意识、跨领域深度认知与适应、以及人类级别的常识理解与创造性思维的“通用人工智能”仍有漫长的路要走。

“突破未至，并不意味着停滞。”吴甜话锋一转，将焦点引向更具现实意义的“人工智能通用应用系统”。她解释，这类系统并非追求无所不能的“强AI”，而是旨在打造平台化、可扩展、具备强大泛化能力的基础AI能力基座。它们通常基于大规模预训练模型构建，通过精心的架构设计、持续的领域数据注入、高效的微调与优化，能够支撑起一个行业甚至多个行业的海量、多样化智能应用需求。例如，在智慧金融、智能医疗、工业制造、数字政府等领域，一个强大的AI通用应用系统可以像“操作系统”一样，为上层具体的风控、诊断、质检、政务问答等应用提供统一、高效、可靠的智能内核。

吴甜结合其所在集团的实践指出，构建这样的系统面临着三大核心挑战：

1. 技术融合的深度：如何将大模型的强大生成与认知能力，与知识图谱、因果推理、符号计算等传统AI技术更有机地结合，以弥补大模型在事实准确性、逻辑严谨性和可解释性方面的不足。
2. 成本与效率的平衡：大模型的训练与推理消耗巨大的算力与能源，如何通过模型压缩、稀疏化、蒸馏等技术创新，以及芯片、框架、平台的协同优化，实现高性能与低成本、高效率的兼顾，是产业化落地的关键。
3. 安全、可信与可控：确保AI系统的内容安全、数据隐私、算法公平，并使其行为符合人类价值观和伦理规范，是系统设计中必须贯穿始终的红线。这需要从数据清洗、算法设计、部署监控到人机协同的全链路保障。

她认为，当前正是发展人工智能通用应用系统的黄金时期。巨大的市场需求、快速迭代的技术、日益丰富的场景数据，共同构成了创新的沃土。成功的系统需要坚持“应用驱动、迭代演进”的路径——从解决实际业务痛点的高价值场景切入，通过应用反馈持续优化模型和系统能力，逐步扩展应用边界，形成“技术赋能应用、应用反哺技术”的良性循环。

吴甜对浙大学子寄予厚望。她鼓励青年学子不仅要夯实数学、计算机科学等基础，更要培养跨学科的视野，关注AI与生物学、心理学、社会学等学科的交叉；不仅要追求算法的前沿，更要深入理解产业，具备将技术转化为实际价值的能力。她强调，人工智能的既需要仰望星空的突破性理论探索，更需要脚踏实地的系统工程实践，而后者正是推动当前智能经济高质量发展的核心引擎。

吴甜的演讲为狂热追逐“通用人工智能”概念的市场注入了一剂理性的清醒剂，同时清晰地勾勒出以“通用应用系统”为抓手的AI产业化现实路径。这预示着，人工智能的下一个主战场，将是从实验室的惊艳Demo，转向千行百业坚实、可靠、普惠的智能基础设施构建。