最近笔者所关注的AI业内人士的post中，不约而同地谈到了一个话题——当下AI仅仅处于发展初期，真正的AI时代还未到来。
  引用一下其中一位的描述，
  “前两天刷到阿里前高管、AI笔记创作者玉伯说，现在的AI应用，最多就是’Iphone 3’阶段“
  “很多人听完不以为意，觉得他太保守。我的第一反应却是：他太清醒了”
  虽然现在看来，满大街的生成式AI，如GPT、Gemini、DeepSeek，都已经爆了。各种Agent、工作流、融资、教程…
  但要知道，Iphone 3的年代，2008年，b站还未流行，短视频平台都没有，也没有人能想到电商能发展为如此发达。那个时候，主流手机还是诺基亚，人们还广泛用着数码相机。绝大多数的人还停留在“能触屏”与“能玩切水果”的认知上，没人意识到它将改变未来。
  类比到现在，绝大多数人所看到的AI，还停留在“能写论文”、“能做PPT”、“能生成图片”这些仅仅是给AI包装一下便呈现到你面前的功能。你要说他厉害吗？嗯，确实厉害，因为省了我们很多事，但AI真的只会停留在这一步吗？显然不会。

  七月中，英伟达CEO黄仁勋来华，一周后，他在美国华盛顿特区发布会现场，提出“将AI工厂作为美国国家战略”，AI应当被像汽车、飞机、电一样，被“造”出来，“AI 工厂会成为一种基础设施，就像水电煤一样，是现代社会必须持续运转的东西。”人工智能数据中心建设商 Crusoe CEO 也在现场强调，他们正在德州“像造炼钢厂一样建 AI 工厂”。每天上千工人实地施工，“不是概念，是个大工程”。黄仁勋表示，AI工厂产出的不是芯片、模型，而是大量的、稳定的token。
  这是AI工业化的必经之路。
  在这里多提一嘴，这篇报道也提到，AI工厂最终并不是靠模型参数堆砌起来的，而是依靠：芯片、电力、人才。AI工厂的军备竞赛，已经开始。黄仁勋说，“我积压了 50 亿美元的 Hopper 芯片库存，如果谁要，给我打个电话就行。”他明确表示：“现在我们不搞配额、不搞分配。谁先下单、谁准备好电力和场地，就先拿货。”这话翻译过来就是：想做 AI 工厂，排队是不管用的。你要自己先准备好，才能消化得了。Crusoe CEO 这样说：“我们不是在等人来接单，我们是在自己带人、带电，把工厂一座座造出来。”这批公司干的，是自建产业链，而不是等国家出手。

  OK，话归正题，那么未来的AI会发展成什么样？
  笔者见识短浅，确实很难想象未来的AI会如何。无人工厂还是无人机送货？一句话完成工作还是仍需要“人在回路”？可能这些都不会是AI的终点，AI必将有无限的发展潜力，直到融入我们生活的方方面面。
  可以肯定的是，到时候，你不会再说“我今天用deepseek写了一篇稿子，太方便了”，而是“我今天写了一篇稿子”，你不会再说“我今天用AI帮忙画了线稿”，而是“我今天完成了线稿”。就像信息时代的普及一样，从“我今天给他发了电子邮件”，而是“我给他发了邮件”，不再是需要特殊强调的东西，而是成为一种工具为所有人使用。

  2025.8.6 补
  今天看到了一篇DeepTech深科技公众号的post，介绍了上交大X-LANCE实验室联合苏州实验室研发了首个面向化学逆合成的深度推理模型——RetroDFM-R的发布，第一作者是上交大的张思拓（00后，真的是年少有为）。
  该模型是专用于化学逆合成设计的推理大模型，引入化学验证奖励机制同时使用大规模强化学习训练，使得模型预测准确性以及解释能力实现显著提升。系统评估结果显示，RetroDFM-R 在 USPTO-50K 基准测试中，以 65.0% 的 top-1 准确率大幅超越现有最优方法。双盲人工评估进一步验证了该模型预测结果的化学合理性与实用价值。此外，针对真实药物分子和钙钛矿光伏材料的合成测试中，RetroDFM-R 能够准确预测文献报道的多步逆合成路线。
  复杂有机物的合成一直是业内非常棘手的问题，就我来讲，集成电路材料中的聚酰亚胺，以其优异的物理化学性能，如高玻璃化转变温度，低热膨胀，优秀的介电系数而可以被用在多层互联结构中的层间介电绝缘层、应力缓冲图层以及多层封装基板等，但由于其合成异常困难，其骨架由二酐和二胺单元重复构成，导致材料价格很高，很难大规模应用。
  而RetroDFM-R的发布进一步证实了大模型可以被应用于具体的科研领域，也为训练针对于某个领域某个问题的模型提供了一个可参考的训练框架，同时也说明了大模型在这些领域仍然具有巨大的发展潜力与价值，相信在未来的“AI工厂”的加持下，会有更多的专用领域模型的诞生，推动专用大模型的发展，引领新一轮AI应用浪潮。