【大河财立方 记者 郑棋文 文 马腾飞 洪昊旸 摄影】12月18日，“澎湃金融动能 赋能现代产业”清华五道口金融PLUS产业峰会在郑州举办。

会议现场，神思电子首席科学家、深圳清华大学研究院数字化工程服务中心主任闵万里博士以《全要素融合赋能产业转型升级》为主题进行演讲。

不同于宏观政策解读或技术趋势展望，闵万里的分享更像一次从底层逻辑到一线实践的系统推演——从一束光讲起，逐步延伸到制造业产线、城市红绿灯和供热管网等具体场景。

全要素的关键不在“多”，而在“聚焦”

演讲一开始，闵万里并未直接进入人工智能或数据要素，而是从一组画面切入。屏幕上，一侧是阿基米德利用铜镜聚焦阳光的示意图，另一侧则是现代塔式光热发电站的航拍画面。

“大家一听到‘全要素’，往往觉得是把所有东西都堆在一起。”闵万里在现场直言，真正有效的全要素，一定是经过选择和聚焦的。

为解释这一判断，他引用了一个跨越两千年的例子：阿基米德利用镜子反射阳光点燃敌船，以及现代光热电站通过镜场聚焦太阳能进行发电——两件事本质上是相同的，都是把源源不断的资源，聚焦到一个被精心选择的焦点上。

“如果把阳光理解为数据，镜子就是算力芯片，而调整镜面角度的机制就是算法。一旦焦点选错，镜子越多、算力越大，反而越浪费。这也是为什么这两年算力投入很大，但真实利用率并不理想。”闵万里表示。

他反复强调，全要素融合的前提不是“全”，而是“准”。只有在产业中找到能够产生绝对价值增量的关键场景，算力和技术叠加才有意义。

人工智能不是“大模型崇拜”，而是回到第一性原理

谈及人工智能，闵万里并没有停留在“大模型”热潮本身。

“人工智能不等于大模型。”他认为，每个时代都有自己的代表性技术，十年前是计算机视觉，如今是大模型，但这并不意味着产业问题只能靠算力堆出来。

他用“沙漠找水”的例子形象说明了智能的本质：最笨的办法是逐点穷举，稍聪明一点是分块搜索，而真正高效的方法，是引入地质学、物理学知识，直接判断水会出现在哪里。因此，闵万里认为，真正有价值的人工智能，是行业知识、工程经验与算法的结合，而不是单一维度的算力竞赛。

“物理世界本来就不是线性的，所有线性，都是我们人为简化的结果。”围绕这一逻辑，闵万里将智能概括为“哲学三问”——画面里有什么？发生了什么？我该怎么办？

他认为，无论是图像、文字还是语音，人类的大脑始终在做上述这三件事。而AI的价值，不仅在于生成多少内容，还在于能否进入“该怎么办”的决策层。

当智能进入产业与城市，效率开始被重新定义

在演讲后半段，话题从方法论迅速落到现实场景。

在组织层面，闵万里直言，AI正在重塑“执行者”和“监督者”的边界。以程序开发为例，过去程序员是执行者，而现在，人更多承担的是定义需求、校验结构和把控方向的角色，具体实现交给AI完成。

“传统制造企业往往需要高价采购软件、长期维护，而现在，通过自然语言描述需求，不写一行代码，就能在短时间内生成排产系统。以前要请程序员的工作，现在老工人就能干。”他举例解释道。

在城市层面，闵万里重点讲了红绿灯、暴雨和暴雪治理三个现实场景。“绿灯空放”是城市治理中的难题。在闵万里看来，这不是设备问题，而是感知和计算的问题。

“现实案例表明，通过调用既有摄像头，对车流进行实时计算并动态调整信号灯，部分路口的空放时间可以被显著压缩。”闵万里表示，这种让旧设备“长出眼睛”的逻辑同样也可以被应用在城市内涝和雪情治理中。通过视频计算积水深度、识别积雪面积，信息可以直接推送到决策端，实现跨部门联动，从而提升城市运营水平。

在演讲结尾，闵万里将话题再次拉回“要素”。他提醒，高质量数据并非取之不尽，真正可持续的数据，来自实体产业的持续运营。

“从爱迪生到乔布斯，历史一次次证明，创新不是概念叠加，而是对核心要素的重新组合。”闵万里表示，在不确定性加剧的背景下，金融与科技真正要做的，不是制造更多概念，而是帮助产业把要素选准、用对、用深，让转型升级在一个个真实场景中发生。

责编:陈玉尧 | 审校:李金雨 | 审核:李震 | 监审:古筝