当前，生成式AI正以“指数级速度”渗透进千行百业，与此同时，AI发展却陷入了一种尴尬的“繁荣困境”：打开任意一款AI聊天界面，很多交互框架如出一辙，搜索AI客服解决方案，80%的产品话术高度重合，连AI生成的文案、图像，都带着挥之不去的“模板感”。

这种现象的背后，是AI产业从“技术突破”转向“应用落地”过程中遭遇的同质化瓶颈——当大模型的参数竞赛逐渐趋缓，当通用场景的流量红利见顶，如何让AI真正“读懂”世界、“理解”需求，成为破局的关键。

近年来，我国不少科技领军企业通过科技创新、技术升级，将AI进化为“能感知、会思考”的智能体，探索AI产品可持续发展的破局之道。

“感知力”重构AI价值边界

近年来，我国人工智能产业迎来高速发展期，目前人工智能企业数量已超6000家，已建成11个国家人工智能创新应用先导区、17个国家级智能网联汽车测试示范区，展现出强劲的市场潜力。

人工智能发展至今，大量同质化AI涌现，据艾瑞咨询《2023年中国AI应用市场白皮书》，当年新增AI企业超2.3万家，其中80%集中在智能客服、AI画图、语音助手等通用场景。

2025年12月的对比分析显示，不同产品背后的聊天机器人界面相似度高达92%。包括全面渗入消费者生活决策的AI大模型，在模型能力、算力上的差异也在逐渐趋同，核心差异化更多体现在“生成风格”的体验层面。

今年3月，伴随着Token（中文名词元，大模型调用量的评估标准，也是大模型厂商销售套餐的计费单位）概念的明确，行业也开始从“技术狂热期”转向“价值兑现期”。

专家表示，同质化是当前中国AI产业未来高质量发展的核心瓶颈之一，破局同质化的关键就在于让其进化为“能感知、会思考”的智能体，通过影像识别、感知或语音交互，实现对物理世界、人类需求与复杂场景的深度理解与自适应能力，从数字世界的提供决策者，进化为可以赋能产业、生活的行动派。

多领域探索“感知力”落地可能性

近年来，AI科技企业通过多领域探索，让AI感知力的落地成为可能，让AI从“看见”“听见”再到“理解问题”“解决问题”。

比如，具身智能的兴起，为AI感知力的落地提供了技术路径。与传统大模型依赖文本数据不同，具身智能通过传感器、机械臂等物理载体，实现与现实世界的直接交互。比如，在公共服务领域，安徽芜湖的“芜优”智警机器人，通过集成6个高清摄像头与1个激光雷达，能360度无死角感知路况，精准识别多种交通违法行为，并与信号灯系统协同优化路口疏导模式。与传统的“被动响应式”AI不同，这类具备感知力的智能体能够主动发现问题、分析问题并解决问题，从“工具”升级为“伙伴”。

2026年度博鳌亚洲论坛年会期间，vivo总裁、首席运营官，vivo中央研究院院长胡柏山接受媒体采访

2026年度博鳌亚洲论坛年会期间，vivo总裁、首席运营官，vivo中央研究院院长胡柏山表示，AI正处在从被动执行到主动感知、理解的关键转折点。AI要从虚拟世界走进现实，必须建立自己的感知能力。vivo认为，影像是感知的基础。影像技术通过光学系统、成像处理、空间计算等全链路能力，完成了物理世界的数字化投射与三维场景重建，是AI看懂物理世界、理解真实场景，进而感知情绪、预测行动的基础。

vivo总裁、首席运营官，vivo中央研究院院长胡柏山发表主题演讲

显然，vivo提出的感知能力已不单是在工厂、红绿灯等基础、有预设规则环境下识别感知，而是聚焦更复杂、无规则的生活环境、更难捕捉的如人的情绪的感知。而这一切的核心，就是围绕影像+AI，构建一整套完整的感知体系。

据了解，vivo即将发布的vivo X300 Ultra和X300s就将搭载具备场景识别能力的影像Agent，可以根据对环境的理解，为用户推荐最佳构图与个性化功能，让人人都能“随心”一键出大片。当然，这只是vivo初步尝试，据胡柏山介绍，vivo基于影像+AI构建的感知体系，最终要走向“智及万物”，除了重资源投入手机、头显、机器人三个核心的HUB型产品外，还将赋能各生态终端，甚至千行百业。

聚焦真实场景需求，深耕垂直领域

未来的AI需要实现“多模态感知”与“因果推理”的深度融合，不仅能“看见”“听见”，更能“理解”背后的逻辑，在这一需求下，越来越多中国科技企业谋求技术突破。

比如刚提到的vivo，技术上聚焦影像+AI构建感知能力，场景上聚焦家庭场景，逐步攻克家庭机器人难点；比如国产传感器企业也在谋求技术突破，柯力传感等企业在六维力传感器领域持续发力，为人形机器人的精准操作和感知理解提供了可能。

分析认为，当下AI不应再一窝蜂追求大量模型训练，而应该回归思考AI技术的本质——能否真正理解人类的需求，能否真正为现实世界创造独特价值。面对同质化竞争，企业应放弃“大而全”的幻想，聚焦行业痛点，深耕垂直场景，将AI感知力与行业Know-how深度结合，真正释放AI技术的价值。