在今日于北京舉行的EVOLVE 2025中關村科金大模型與智能體產(chǎn)業(yè)創(chuàng)新峰會上，中國工程院院士譚建榮就人工智能技術發(fā)展路徑發(fā)表了重要觀點。他強調(diào)，在推動大模型研發(fā)的同時，必須同步重視小模型的技術積累，兩者缺一不可的協(xié)同發(fā)展模式才是人工智能產(chǎn)業(yè)落地的關鍵支撐。

譚建榮院士系統(tǒng)闡述了人工智能發(fā)展的四大核心要素：模型架構、算力儲備、算法優(yōu)化與知識工程。他特別指出，知識工程作為連接數(shù)據(jù)與智能的橋梁，其重要性常被低估。通過將知識劃分為定性分析與定量計算兩大維度，他揭示了模型本質上屬于定量知識范疇——大模型通過海量數(shù)據(jù)訓練生成知識的過程，本質上是對數(shù)據(jù)規(guī)律的量化提煉。

針對當前行業(yè)普遍聚焦大模型的發(fā)展態(tài)勢，譚院士提出警示：過度依賴單一技術路線可能制約產(chǎn)業(yè)生態(tài)的健康發(fā)展。他以工業(yè)場景為例說明，小模型在特定領域展現(xiàn)出的高效性、精準性和低能耗特性，正是大模型難以完全替代的優(yōu)勢。這種"大小協(xié)同"的技術路徑，既能發(fā)揮大模型在通用場景的泛化能力，又能通過小模型實現(xiàn)垂直領域的深度優(yōu)化。

在技術實現(xiàn)層面，譚建榮強調(diào)算力支撐的雙重性：大模型訓練固然需要海量算力投入，但小模型的輕量化部署同樣依賴算力資源的精準配置。他建議產(chǎn)業(yè)界建立分層算力體系，通過動態(tài)調(diào)度機制實現(xiàn)算力資源的最優(yōu)分配，避免因技術路線偏廢導致的資源錯配風險。