近日，以“AI跃迁·向生产级落地”为主题的2026数智创新大会圆满落幕。大会汇聚政府、金融、能源、教育、央国企等行业主管部门领导、权威专家、科研院所及行业用户代表，共同探讨人工智能从试点验证迈向规模化生产落地的关键路径，为千行百业数智化转型注入新动能。

　　当前，人工智能在企业层面已大规模普及，但麻省理工学院的研究揭示，多数企业的应用仍局限于问答等通用功能，实现规模化生产部署的不足5%。接近100%的普及率与不足5%的生产级落地率之间的落差，正是当前人工智能应用所面临的“深水区”。IDC中国副总裁兼首席分析师武连峰在大会上援引权威研究数据指出，全球处于人工智能应用成熟度第二阶段的企业占比为49.6%，中国为54%，而进入第四、第五阶段的企业合计不足3%。在“规模化落地最大障碍”的调研中，安全合规位居首位，投入产出不明确紧随其后。这表明，技术能力仅是起点，安全治理体系与投入产出度量能力才是决定规模化落地的关键因素。

　　深信服科技股份有限公司创始人兼CEO何朝曦在主题演讲中，基于大量客户实践，总结了企业人工智能进入生产环节面临的建不动、用不好、用不起、看不清、不敢用五大困境，认为困境背后是既有基础设施与人工智能工作负载之间的适配问题。

　　何朝曦分析，生产级人工智能所需要的新底座，需要统筹开发体系、数据底座、算力运营、安全防御和智能体治理，使人工智能能够在真实业务中运行稳定、成本可算、风险可控。

　　基于此，深信服在本届大会上发布了AI算力网关、统一存储、超融合等一系列产品与技术，从算力调度、数据访问、业务承载、安全运营和智能体治理等方面，为人工智能进入生产系统提供基础支撑。

　　例如，针对人工智能“用不起”“看不清”的问题，深信服AI算力网关对本地算力、外部模型服务及既有资源池进行统一接入，提供模型服务、智能路由、计量运营与性能优化能力；统一存储在同一体系内支持块、文件、对象等多协议访问，并连接不同存储资源、实施冷热数据分层，使训练、推理、知识库和传统业务能够共享统一的数据入口，在保留原有基础设施投入的同时，减少数据搬运带来的性能损耗和一致性风险；超融合7.0围绕总体拥有成本与可靠性进行升级，既面向传统通用计算业务，也兼顾智能体应用的承载需求，为存量业务与人工智能业务并行运行提供基础设施支撑。

　　大会期间还发布了《2026年度教育网络安全专项研究课题申报指南》，启动了《石油和化工行业人工智能应用场景指引》的编制工作和能源行业“人工智能+”网络安全高价值案例征集活动。