在2025 Inclusion·外滩大会期间，复旦大学人工智能创新与产业研究院院长漆远围绕人工智能的发展趋势，提出了三大核心观点：开源开放、价值交付、安全可信，并结合具体案例深入阐述了AI技术如何真正落地并推动产业变革。

漆远指出，2025年人工智能领域最显著的变化是“开源开放”已从理念变为现实，并正在重塑整个行业生态。他特别提到“DeepSeek”的出现，“把整个人工智能生成式AI的游戏给改变了”，其开源架构和强大性能实现了“十倍的增长和变化提效”。

这一趋势甚至影响了原本封闭的巨头。漆远提到：“OpenAI时隔六年第一次再次开源”，其创始人Sam Altman坦言“我们有可能站在了历史错误的一边”。这标志着整个行业对开源价值的重新认可。

漆远认为，AI正在从“卖工具”走向“卖结果”，从辅助工具演变为可交付价值的“Copilot”甚至“Auto Pilot”。这一转变依赖于深入行业场景、结合专业知识的深度整合。

他以医疗领域的“焕新智能体”为例，该智能体已在中山医院上线运行。不同于依赖更多算力或工程师的模型，其优势在于“更深入的场景”和“更高质量的数据”。该系统实现了多模态数据（如MRI、CT、心电图、文本）的综合解读，并能自动识别心电图中的异常区域，辅助医生进行规范诊疗。

在金融领域，漆远团队在恒生指数创新挑战赛中夺得第一，其核心技术是将大语言模型与符号计算结合，构建“神经符号系统”，以控制幻觉、确保推理的准确性。他强调：“我们解决的问题是指数生成的广度、深度、速度和颗粒度。”

在强调技术进步的同时，漆远反复强调“安全可信”是AI发展的底线。他指出，大模型存在“造假”“幻觉”等问题，医疗领域模型的准确率甚至只有55%，这令人“肯定是有担心的”。

他列举了多个风险案例：MIT导师发现博士论文由AI生成；WPP集团CEO遭遇深度伪造诈骗。这些事件凸显了“真假信息难辨”的严峻挑战。

为此，漆远和团队提出了多项关键技术路径：包括可解释AI：在金融、医疗等关键决策领域，必须能解释模型的每一个决定。

• 检索增强（RAG）与神经符号系统：结合规则与语义理解，提升推理可靠性。
• 高质量数据治理：高质量的数据才能保证模型的质量。
• 博弈对抗技术：借鉴强化学习与围棋对弈的思路，提升模型在复杂环境中的鲁棒性。
• 自知之明：让模型知道自己什么时候是不知道，这是实现可信AI的关键一步。

漆远总结，开源开放让技术更加普惠，让更多机构能够使用AI；深耕场景才能释放产业价值；而安全可信则是AI可持续发展的根本保障。