21世纪经济报道记者 吴佳楠
“过去一两年，大家拼的是大模型算力和跑分。但大模型建完之后如何落地，这才是下半场真正要回答的问题。”
近日，安富利中国区供应商及产品管理副总裁蔡宗福在接受包括21世纪经济报道记者在内的媒体采访时作出了上述判断。
过去一年，AI产业的关键词正从模型训练切换到场景落地。海外市场一侧，OpenAI、Anthropic、Google DeepMind相继发布Agent系列产品，Meta把端侧部署作为Llama 4的主线；国内市场一侧，阿里、字节、腾讯等大厂密集推出行业大模型与Agent平台。
但应用场景的规模化落地远比训练复杂。算力堆到极致之后，行业开始追问的是芯片到底该怎么用。业内把答案指向Edge AI、机器人、具身智能、工厂自动化、智能制造等各行业、各终端的智能部署。
这个判断与安富利最新调研数据吻合。其调研显示，全球已有超过56%的工程师所在企业开始向客户交付集成AI技术的产品，较去年增长33%。其中，中国的AI应用普及率显著高于全球平均水平，规模化部署进程位居亚太乃至全球前列。
“AI赛道是长期机遇，当前AI上半场的角逐仍在继续，下半场已经开启。两者交替牵引，能力靠落地检验，价值在部署中兑现。归根结底，AI是要落地并为人类创造价值的。”安富利中国华南区高级销售总监童杏花在采访中同样认为，基础设施投入能否转化为长期价值，取决于下半场的Edge AI、机器人、物理AI领域能否真正跑通商业闭环。
（左图：蔡宗福，右图：童杏花，受访者供图）
全球AI巨头的新动作持续加码。亚马逊向Anthropic追加投资至多250亿美元，后者承诺未来十年在AWS技术上投入超过1000亿美元，锁定高达5吉瓦的算力。Meta计划2026年部署约7吉瓦计算能力，并在2027年将整体算力翻倍至14吉瓦。
摩根大通CEO戴蒙预计，全球AI基建开支到2027年可能突破万亿美元。但Brookfield CEO弗拉特在今年9月的投资者日上指出，人工智能竞赛已经在放缓，因为数据中心和其他基础设施的落地速度受到硬件限制。
这种一边投资加码、一边基建受限的局面，让AI产业的周期判断变得尤为关键。
蔡宗福表示，安富利持续追踪中美大型CSP的资本支出，不仅关注金额，更观察Capex占当季自由现金流的比例。
“过去两年Capex虽然持续增加，但目前占自由现金流的比例还是健康的。我们观察到海内外大型CSP还在持续加大Capex投入，这一趋势不但没有停止的迹象，反而在加速。”蔡宗福表示。
在蔡宗福看来，AI产业可以分为上下半场。“上半场，AI基础设施建设以投资驱动为主，大家都是在比拼大模型的算力和跑分。但大模型最终如何才能够落地，则取决于下半场。”
他认为，下半场最主要的任务就是把大模型能力部署到Edge AI、机器人、具身智能、工厂自动化、智能制造等各领域，将AI能力真正落地部署到具体应用场景中，验证其商业价值。
从区域市场来看，根据Avnet Insights安富利洞察研究报告，在亚太地区，AI 的应用落地进程正在加速。其中在中国市场，AI 的应用普及率显著高于全球平均水平，工程师正将 AI 技术广泛应用于汽车、工业自动化及智能制造等多个行业领域。与此同时，AI 能力正加速从云端走向边缘，多模态、端侧智能的融合应用正成为行业新趋势。可见，算力如何高效落地、智能如何深入千行百业的场景，已不仅是技术命题，更是关乎产业竞争力的现实课题。
童杏花表示，国内场景落地速度较快，AI基建和场景落地两条主线基本并行推进，加之国内制造业基础强，产业化和产品化的速度很快，相比全球市场具备明显优势。
谈及由AI驱动的产业景气周期能持续多久，童杏花认为，Capex往往具有周期性特征，当前行业正处在AI基础设施建设阶段，随着海内外CSP都在持续投入AI，大模型完成训练之后，就需要寻找合适的应用场景落地。也正因如此，现阶段算力基础设施建设仍在继续，Capex投入尚未转化为收益，而AI基础设施建设本身也需要时间，从建设、投用到用好，再到收益兑现，有客观的周期。
“安富利不只关注投资周期，更看重投资回报周期。大量资金投入之后，如何帮助客户实现收益，答案更多在于AI下半场。只有Edge AI取得实质性的跨越和发展，前期投入的算力才能得到充分利用，进一步转化为可量化的回报。”蔡宗福表示。
蔡宗福表示，判断AI的可持续性，主要有两点：一是企业是否具备持续投入的能力，之所以关注Capex占自由现金流的比重，是因为如果该比例维持在合理区间，就说明相关企业和大型CSP还有能力继续投入。二是观察资本投入的目标是否在于推动产业发展与促进技术创新的价值转化和实际落地，进而获取收益回报，落地进展更快的企业能更早获得回报。
“一旦形成正向循环、获得充足的收益回报，这类资本投入就能够持续。如果回报不及预期，就可能会呈现周期性变化。”蔡宗福表示。
卡位AI商业化落地除海内外科技巨头资本投入加快之外，AI正加速迈入规模化落地阶段。
AI落地的具体路径在于AI基建从算力堆叠转向系统级协同，与此同时，物理AI加速跨越从能演示到能干活的关键技术和工程鸿沟，具身智能与自主机器人在工业巡检、智能制造等场景率先突破；而边缘AI加速普及，算力从云端下沉至边缘和终端，在智能可穿戴、智能家居、智慧零售等应用场景实现就近推理与实时响应。
在近期以“算力赋能、产业拓界”为主题的2026安富利智慧科技生态圈论坛上，安富利中国区总裁董花在谈及AI产业趋势时表示，当下AI产业的竞争正在回归本质，谁能真正让智能落地、规模化地赋能千行百业，谁就将在下一轮产业变革中占据先机。
“这背后，考验的已不只是单一技术的突破，而是能否构建起打通算力基础底座、物理 AI 商业化与 AI 应用创新的系统级协同能力与完整产业生态。这种生态化、系统化的协同创新，正成为驱动产业升级的新质生产力。”董花表示。
童杏花则认为，AI从方案到产品再顺利进入量产阶段，中间存在很大鸿沟。“国内客户的原型创建基本上都能通过验证，但从验证到产品化甚至产业化，核心比拼的其实是系统效率，而不是单一技术卡点，这个过程涉及性能、安全性、成本、可制造性、场景适配等一系列问题。”
安富利的应对方式是，依托广阔的生态合作伙伴体系、深化产业协同，为客户提供贯穿产品全生命周期的工程技术能力支持、设计链和供应链服务，打通服务全链条。
童杏花透露，安富利中国区成立了专门的AI事业部，构建涵盖技术、方案、销售、应用支持等环节的完整服务链条，持续赋能具身智能机器人、AI数据中心、智能制造等诸多领域，推动产业的高质量、可持续发展。
“AI业务增长正成为安富利的第二条增长曲线。从近一年来公司承接的新客户订单来看，AI业务确实占比较高，其中相关业务增量大部分来自国内客户，特别是来自具身机器人、智能制造、边缘计算、工业机器人等领域头部企业的大客户订单确有增加，因为这些应用领域的落地速度更快。”童杏花表示。
以机器人为例，安富利为机器人OEM厂商提供涵盖产品开发全生命周期的完整支撑，包括器件选型、参考设计、系统级解决方案、原型创建及规模化量产等，帮助机器人企业缩短从概念探索到实际落地部署的周期。
投入的载体之一是实验室。9月中旬，安富利宣布携手香港大学成立EMUS实验室（新兴微电子与普及计算系统实验室），聚焦边缘AI、物理AI、机器人、高性能计算以及新兴微电子等领域，通过整合研究与工程专业知识、成熟的供应链配套及市场渠道，助力创新者加速从原型迈向商业化产品。
此外，在全球的AI竞争中，长期稳定的供应链能力同样成为企业的核心竞争力。
“芯片行业可以说是全球化程度最高的行业之一，全球任一区域、任一应用市场的供需发生变化，整个价格体系都会随之变动。对全球化程度高的企业而言，从芯片设计到生产的整个周期较长，叠加市场需求端不稳定等因素，整个供应链条变得十分复杂。破解这一难题，可以依靠供应链管理方法提前规划和布局，从而降低风险。”蔡宗福表示。
面对今年以来部分芯片元器件的紧俏行情，安富利和大量供应商通过系统做EDI对接，一旦供应交付期延长、出现短缺的情况，系统会第一时间捕捉到信息并及时通知客户，依据客户服务协议进行快速排单，锁定产品，最大限度降低客户面临的风险。
蔡宗福表示，行业机遇有很多，一方面AI基础设施大规模投入带来了机遇；另一方面，这些算力基础设施最终要落地到各行各业，这一产业化落地的过程蕴藏着巨大机会。但能否抓住AI浪潮的机遇，取决于分销商自身的能力，包括整合上游技术、算力与芯片资源的能力，协助客户完成从概念验证到产品落地与规模化量产的能力，为产业创造长期价值的能力等。具备这种综合实力，就能赢得更广阔的市场机遇和空间。
“传统分销商大多只做产品供应与支持，但安富利的角色从来不是简单地做分销，在AI浪潮之下，我们希望成为连接AI技术与客户最终产品的桥梁。”蔡宗福表示。
更多内容请下载21财经APP
晟红网提示：文章来自网络，不代表本站观点。
