全球AI正从技术探索的热潮迈向价值深耕的关键阶段，行业的焦点逐渐从单纯的技术突破转向如何将AI技术切实应用于各个领域，创造实际价值。

不过，纵观当下的大模型产品，同质化现象严重，众多企业推出的大模型在架构和功能上存在诸多相似之处。在这样的背景下，市场似乎已趋近饱和。

对此，无限光年创始人漆远认为，科技发展总是充满变数，新的技术突破随时可能出现，为通用大模型市场带来新的变量。所以，不能简单地认为通用大模型已进入完全收敛的阶段，未来仍有无限可能等待发掘。“当前底层大模型的市场格局已近收敛，但行业应用正迎来爆发，而新的技术惊喜何时到来，同样难以预测。” 漆远表示。

2021年底，漆远从蚂蚁集团离职加入复旦大学AI创新与产业研究院，并于2022年创办人工智能公司“无限光年”。跨学界与产业的经历，让这位创始人对 AI 落地有着独到洞察。面对行业普遍面临的AI幻觉问题，公司2024 年提出“灰盒大模型”理念，主张融合大语言模型的“黑盒”概率预测与符号推理的“白盒”逻辑推理，破解AI“幻觉”问题。

2025 年，这一战略深化为双领域布局：横向以启智平台为枢纽形成可复用的AI基础设施，纵向深耕金融与科学智能两大核心领域。从技术理念到产业落地，漆远认为，可信 AI 将激活行业生产力，推动 AI 应用穿透产业场景，真正转化为落地效能。

AI落地实践：金融与科学智能

在刚刚过去的2025WAIC上，无限光年展示了其在金融以及AI for Science（科学智能）方面的成果。

在金融上，无限光年针对金融场景推出的四大解决方案，

• 在指数动态定制方面，传统模式下成分股覆盖有限、调仓周期长，而无限光年的方案将成分股覆盖从600只拓展至2600只，调仓周期从季度压缩至分钟级实时响应。
• 金融专业培训上，通过智能化体系，让员工知识掌握率大幅提高。
• 智能信贷分析方面。整合多源信息，实现自动化风控和智能决策，提升了中小银行普惠金融服务质效。
• AI投研助手，5分钟内完成单份财报全维度分析，效率较人工提升超90%。覆盖 A 股 5364 家上市公司，财务指标计算零误差，为分析师输出结构化、可定制的专业分析报告。该助手目前已在券商等金融机构落地。

这些方案在提升金融业务效率的同时，凭借合规可控的技术特性，实现了效率与合规的双重破局。“金融AI需懂行业语言，技术必须完成从‘能用’到‘敢用’再到‘好用’的三重跨越。”漆远强调。

在AI for Science方面，2025WAIC上，上海科学智能研究院联合复旦大学和无限光年推出星河启智科学智能开放平台（NovaInspire: Scientist-Centered AI Open Platform），聚焦科研者核心诉求：让更强、更易用的AI基础设施与协作平台自然融入科研全流程。作为平台核心建设方之一，无限光年专为星河启智打造了高稳定、高效率的科学智能算力服务平台启智Lab，以智能容错、动态部署、GPU/CPU融合等技术，为前沿科学模型研发提效。

据悉，启智Lab创新CPU/GPU融合调度，能让两种算力精准匹配任务特性：CPU 承担数据预处理、复杂逻辑控制与传统科学计算，发挥精度优势；GPU 聚焦模型训练、大规模并行运算，释放加速潜力。例如分子生成研究中，通过协同调度将 1.0 时代 8 小时的流程压缩至 1 分钟，效率提升 99.7%，算力协同更贴合科研需求。

目前，该平台也已经完成昇腾、沐曦等国产化芯片的适配。

AI“可信”是落地关键

加速大模型在产业中的落地，“可信”是关键。“可信性是技术与行业规则的连接点。”漆远表示。

以金融行业为例，合规是其运营的基本准则，每一项业务操作都需要严格遵循相关法规和规定；科研领域则强调严谨性，研究成果必须经得起反复验证。然而，传统AI存在“幻觉”问题，即输出一些与事实不符或不合理的结果，这使得许多行业对其应用心存顾虑，不敢轻易采用。为了解决这一问题，无限光年引入“透明化推理机制”。

通过该机制，AI的决策过程变得清晰可见，用户能够了解其推理依据，从而增强了对AI的信任。这充分说明了可信性在连接技术与行业规则方面的重要作用，是产业智能化发展的核心枢纽。据漆远介绍，而这一机制的实现，离不开底层技术体系的支撑，无限光年构建的“双引擎技术体系”，正是将透明化推理从理念转化为实践的核心架构。

具体来讲，双引擎技术体系将神经符号计算与大模型进行了有机融合，神经符号计算专注于逻辑规则推理，能够精确地处理复杂的逻辑关系；大模型则擅长概率预测，通过对大量数据的学习，能够对未知情况进行准确的预判。两者相互协作，形成了“精准计算 - 可控推理 - 透明决策”的闭环。这其中，强化学习框架INF - Aspire在其中发挥了重要作用，它支持双引擎的高效调度，确保整个系统的稳定运行。

漆远在2025WAIC

笔者获悉，无限光年的“透明化推理机制”也应用在了智能体的落地中，依托“神经符号计算+大模型”双引擎技术体系，在科学智能领域，智能体能自动分解科研任务（如数据获取、模型微调、实验设计），让科学家从技术琐碎中抽离，专注于科学问题本身；在金融场景中，需通过多智能体分工协作（如规则推理与数据学习结合），实现合规可控的决策流程。

今年被业内称为智能体落地元年，无限光年对于智能体服务模式的探索还在进行中，漆远本人也较为认同智能体这一最新形态产品在实际业务场景中的真实价值。漆远表示，“关键看能否解决真实场景问题，而非概念包装”。他认为，判断智能体是否有价值的关键在于其能否真正融入行业流程、解决实际问题，而非仅作为模型或算法的“外壳”。

当AI技术从实验室走向产业深处，漆远判断：“未来的AI竞争，不是算力或参数的比拼，而是价值创造能力的较量。”在他看来，可信AI的深层价值，正在于让技术从“炫技”回归“务实”，成为行业突破瓶颈的“隐形引擎”。从“能用”到“敢用”再到“好用”的进化，或许正是AI穿透产业迷雾、真正释放生产力的核心密码。（本文首发钛媒体APP 作者 |秦聪慧）‌