专家访谈｜吉姆舍尔·切利泽：“我们不会在大模型竞赛中追赶，也没有这个必要。工业人工智能的胜负不在数据中心，而在生产车间”

如今，工业人工智能是最受关注、同时也是最难理解的话题之一。2026年1月，俄罗斯总统弗拉基米尔·普京批准了一系列有关人工智能发展的指示，其中包括建立俄罗斯自主技术解决方案体系、推动人工智能在经济各行业及国家治理中的应用，以及发展人工智能技术出口。同年4月，他又要求在2030年前将人工智能工具整合到从工业到医疗的所有经济领域。2026年7月，俄罗斯国家杜马通过了一项支持人工智能技术发展的基础性法律，引入了“主权模型”和“国家模型”等概念，并为优先支持本国技术研发确立了法律依据。

过去几年，俄罗斯启动了数百个人工智能项目，投入了数百亿卢布，但对于“究竟什么真正有效”这一问题，至今仍缺乏系统性的答案。企业不断把资源投入无法规模化推广的试点项目；国家补贴的技术研发无法转化为真正的产品；工程师担心自己会被算法取代，但目前的算法仍无法完成许多只有人类才能解决的任务。

我们邀请工业技术领域专家吉姆舍尔·切利泽*，回答当今工业企业所有者和管理者最为关注的问题。在大型专家访谈《工业人工智能：出口、工程师、发展障碍与国家的作用》中，我们将分六期发布相关内容，讨论俄罗斯人工智能为何尚未成为出口产品、工程师的角色正在发生怎样的变化、大多数项目为何失败、企业应当如何处理数据、人才和安全问题，以及国家在哪些方面提供了帮助，又在哪些方面制造了障碍。

访谈回答未经删节，全文刊发。

*吉姆舍尔·切利泽——“切利泽及其合作伙伴”有限责任公司总经理、“水平钻井中心”有限责任公司数字化发展业务合作伙伴、欧亚国家财商合作协会工业委员会委员。他还撰写了大量技术哲学领域的文章和出版物，出版了五部数字化转型著作，并参与开发了两款人工智能产品。切利泽拥有丰富的实际项目经验，曾与俄罗斯天然气工业石油公司、卢克石油公司、俄罗斯能源部、俄罗斯天然气工业钻井公司，以及俄罗斯、哈萨克斯坦和中国的其他工业企业开展合作。

许多工业人工智能解决方案都是围绕进口替代目标开发的。俄罗斯工业人工智能能否成为出口产品并与世界领先企业竞争，还是说我们只能继续采用追赶式发展模式？

这是一个错误的二元对立，而且我们为此付出了很高的代价。“追赶”还是“超越”，只有在大家沿着同一条赛道奔跑时才有意义，但实际上，我们跑在不同的赛道上。我们应当把人工智能市场划分为三个层次。人们经常把这三个层次混为一谈，而过高的期待和毫无根据的悲观情绪，正是由这种混淆产生的。

第一个层次是前沿基础模型。

这是一场资本和能源的竞赛。根据目前业内讨论的估算，美国与俄罗斯在可用算力方面的差距达到数百倍。俄罗斯所有用于人工智能的各类数据中心加在一起，大约只有一万块GPU。如今，最主要的限制甚至已经不再是“硬件”，而是可接入的电力容量。仅办理电网技术接入就可能需要一年，而且市场上根本没有多余的供电容量。在这一领域进行正面竞争，不是悲观主义，也不是制造恐慌，而是一个简单的算术问题。这完全正常，德国同样没有自己的前沿基础模型，但没有人因此认为德国机械制造业是落后的。

第二个层次是应用平台和工具，包括MLOps、向量数据库、智能体编排以及模型微调工具。

这一领域的竞争是全球性的，而且在很大程度上，所有参与者都已经输给了开源技术。因此，试图在这里建立所谓的国家竞争优势没有实际意义。

第三个层次是面向具体行业的垂直解决方案。

例如：实时管理矿用自卸卡车；优化化工生产中的天然气消耗；利用机器视觉进行缺陷检测；对涡轮机进行预测性维护；开发熟悉企业机床设备和工装体系的工艺工程师智能助手。在这一领域，胜利者并不是拥有更多GPU的人。真正能够获胜的，是那些可以接触真实生产数据、拥有专业行业工程体系，并有权在实际运行的工业设施上开展实验的人。

过去两年出现了一个很少有人公开谈论的重要转变：开源模型已经大幅降低了基础模型的准入门槛。模型本身不再构成竞争优势。竞争优势已经转移到了数据、生产系统集成能力以及证明实际效果的能力上。这里所说的数据，来自工业自动化系统、传感器以及企业长期积累的真实生产信息。对我们而言，这是一个好消息。因为我们拥有高炉、露天矿、催化裂化装置和发电机组，而硅谷的初创企业并不拥有这些工业资产。

这是否意味着出口会“自然而然地发生”？不会。接下来我要说的话，可能不会让人感到愉快。

从“解决方案能够运行”到“解决方案可以出口”，中间存在三道鸿沟

第一道人鸿沟：将技术成果转化为可规模化复制的产品

进口替代项目的设计逻辑决定了，这些解决方案往往是企业“为自己开发”的。委托方、开发方和最终使用方经常处于同一个组织体系之中。有一组数据足以解释所有问题。2022年至2025年，通过工业能力中心实施的项目总支出约为1870亿卢布，而开发企业通过销售和复制推广相关产品获得的收入仅约为16亿卢布。两者相差一百多倍。这不是指责，而是对商业模式的诊断。我们为技术开发提供了资金，却没有为产品化提供资金。产品化包括技术文档、本地化、实施方法论、合作伙伴网络，以及第二线和第三线技术支持。出口恰恰始于这些环节，而不是始于代码。

第二道鸿沟：证明实际效果

在国际市场上，没有人关心你的神经网络究竟有多么独特。客户只关心四个问题：这套系统在哪里已经连续投入工业运行两年以上？与实施前的基准水平相比，它产生了多少可量化的效果？系统发生故障时，由谁承担责任？在当地司法管辖区内，是否能够以当地语言提供技术支持？这时，我们就会遇到我所说的数字化转型“致命罪过”之一：缺乏项目管理体系，其中也包括缺乏效果评估机制。大多数项目从一开始就没有建立实施前的基准数据。既然没有“实施前”的数据，也就无法证明实施后的变化。这一问题对出口造成的打击，比任何制裁都更加严重，因为它完全是我们自己造成的。

第三道鸿沟：销售与服务渠道

工业软件出口不是简单的产品交付，而是必须在当地建立持续存在。这意味着企业需要拥有本地合作伙伴、系统集成商、接受过培训的当地团队，以及能够被当地市场认可的示范案例。这是一个三至五年的发展周期，需要持续投入，而这些投入不可能通过第一份合同就全部收回。目前，我们尚未看到任何一家企业将这类投入作为常规项目正式列入预算。大多数情况下，它仍然只是某位副总裁个人推动的热情项目。

那么，真正的机会在哪里？

机会确实存在，而且非常具体。我们谈论的不是抽象的“俄罗斯人工智能”，而是俄罗斯拥有自身工程技术体系和实际工业设施的垂直行业，包括：采矿业，冶金业，石油天然气及石油化工行业，能源行业，交通运输业。目标市场则是那些与价格相比，更重视摆脱供应商地缘政治影响的地区，包括欧亚经济联盟国家、中东、东南亚、非洲和拉丁美洲。我们的出口优势并不是“价格更低”。中国开发商可以提供更低的价格。

我们的核心出口主张应当是：“我们可以将系统部署在您的封闭生产环境中，向您开放全部权限，培训您的团队，并且不会因为某项政治决定，明天就突然停止向您提供服务。” 认真思考就会发现，这是一个非常有力的市场立场。西方供应商从根本上就无法作出同样的承诺。对于那些在过去几年亲眼目睹软件许可证被供应商单方面撤销的市场来说，这一优势尤其具有说服力。

要防止机会窗口关闭，我们需要做什么？

我习惯从三个支柱分析解决方案：管理、技术和人才。任何一个支柱出现问题，都会使另外两个支柱的投入失去意义。

管理

● 改变成功标准。

不要再仅仅根据是否完成了进口替代来衡量项目成功与否，而应当根据产品复制推广收入和外部销售收入占比进行衡量。这是完全不同的指标，也会促使团队采取完全不同的行动方式。

● 区分“企业内部IT项目”和“产品”。

两者拥有不同的经济模式，需要不同的能力，也需要不同类型的人才。

● 将出口作为三至五年的长期项目纳入预算，而不是把它当作某位热心人士推动的个人倡议。

如果出口计划在预算中没有单独的支出项目，那么所谓的出口计划实际上并不存在。

技术

● 围绕规模化复制设计系统架构，而不是只为自身需求进行开发。

应当采用可配置设计，而不是为每一位客户单独定制。系统需要支持多租户模式。本地化层应当与核心系统分离，其中包括语言、计量单位、行业目录以及当地技术标准。还需要建立清晰的技术文档和标准化接口，使合作伙伴能够独立完成系统实施，而不是只有最初的开发团队才能进行部署。如果一个解决方案只能由编写它的人负责实施，那么它就不具备出口能力，甚至无法在国内实现规模化推广。

● 将效果证明机制直接嵌入产品。

效果评估应当成为系统本身的一项功能，而不应依靠某位分析师付出超常努力来完成。否则，两年以后，当客户提出最重要的问题——“请向我展示实际效果”——你将无法作出回答。

人才

● 建立产品管理职能和标准化实施方法。

工厂本身可能不需要产品经理，但一个准备面向市场销售的产品必须拥有产品经理。企业还必须建立一套能够交给其他团队执行的实施方法论。

● 在目标市场建立本地存在。

企业需要找到本地合作伙伴，培养经过专业培训的当地团队，并建立第一个本地示范案例。在世界上任何一个市场，都不可能仅仅“从莫斯科发送几封电子邮件”，就成功销售工业软件。还有一点需要明确说出来。从本质上看，进口替代是俄罗斯在2022年国家层面一次性作出的“自主建设”决定，此后一直没有重新审视。但是，“自主开发还是购买现有方案”这个问题的答案是有保质期的。过去几年，开源模型已经消除了近一半的准入障碍。我们目前仍坚持从零开始开发的部分系统，如今可能更适合在现有技术基础上进行适配。这不是投降，而是任何成熟的产品组合都会进行的正常重新评估。

结论

我们不会参加追赶前沿模型的竞赛，这是一个理性的选择。但是，在工业人工智能领域，我们完全有机会获胜。因为在这一领域，技术只占20%，另外80%取决于数据、业务流程和工程能力。然而，只要项目支出与产品复制推广收入之间仍然维持目前这样的比例，讨论人工智能出口就为时过早。原因不是我们的技术不好。而是因为我们尚未建立真正面向出口的商业模式。这一判断对于金融行业同样具有借鉴意义。

金融行业是少有的例外。在这一领域，企业内部开发的技术确实已经成功转化为市场产品。但这一成果主要依靠少数大型金融机构庞大的资产负债表规模，而不是依靠一套成熟的系统性机制。正因如此，银行应当认真研究工业领域的案例。未来，金融机构同样将面对这一选择：继续把技术保留为内部开发成果，还是将其真正转化为可以进入市场的产品。