当算法面对一座千年古宅，如何“一眼”识出建筑隐患？未来的人形机器人，如何成为各行各业的“高级助手”？当AI进入医疗业，除了能帮我们“看片子”，还能做些什么？
这几个问题的答案，或许就藏在2026年世界互联网大会乌镇峰会期间举办的一个展览里。
走进乌镇世界互联网科技馆一楼展厅，“国家人工智能应用中试基地展”的标识迎面可见。展板沿展墙排开，浙江省内医疗、地球科学、具身智能、时空地理信息、石化化工、文化旅游6个方向的中试基地介绍依次呈现，文字和图表内容排得满满当当。
该馆工作人员介绍，中试是科研成果从实验室研究向工业化生产过渡的关键环节。当前人工智能产业的竞逐不断向纵深推进，AI创新成果如何让更多人受益成为一道新的考题。通过人工智能应用中试基地，可有效化解AI产业落地“水土不服”堵点。
浙江的6个中试基地因行业而生，也基本都布局在相关产业最密集的地方。例如，具身智能方向的基地在杭州市滨江区，那里集聚了一批人形机器人产业领军企业；时空地理信息方向的基地在湖州德清，挨着莫干山地信实验室；石化化工方向的基地则选在了宁波，背靠庞大的石化产业集群。
这些基地的展览成果如果连起来看，一条AI赋能各行各业的路径就显得非常清晰：用行业数据训练行业模型，把模型放进最新产线与生活场景反复验证，再把验证成熟的方案沉淀为标准，逐步加以推广。
基地的行业专家们反映，从中试的情况来看，AI技术的“下一站”有两个方向的发展趋势。
趋势一：AI正从“能对话”走向“善干活”
位于杭州拱墅的文化旅游方向基地打造了古建筑“健康医生”产品，以病害标注数据、专业文献、巡检影像和修缮案例为训练语料，普通人可“一键上传”病害图片，自动生成诊断报告和日常养护建议，辅助基层人员便捷完成古建巡查、病害研判、养护记录、持续监测与资料归档，有效补齐人工巡检短板。
该基地相关负责人表示，过去靠老师傅仰头看、搭架子查的活，如今交给算法先筛一遍，效率大大提高。
在滨江具身智能方向基地里，机器人的训练场景已十分丰富：炒菜、按摩、咖啡制作、农业采摘、矿井作业……“一旦进入真实的场景解决真实的问题，机器人将‘大显身手’。”杭州高新科创集团董事长、具身智能应用中试基地负责人田树军说。
从古建筑巡检到机器人多场景训练，AI的应用正在从“回答问题”转向“完成任务”。场景越具体，AI的价值就越容易被感知。
趋势二：AI创新正从“单点突破”走向“生态共享”
过去一些企业或科研机构想用AI助力生产研究，从买算力、找数据再到调模型、搭场景，每件事情都可能要花费一番工夫。
“中试基地在做的，正是让这些公共服务变得更加可及普惠，助力科技成果更快由‘样品’变‘产品’。”国家人工智能应用中试基地（时空地理信息）负责人张继贤说。
在萧山医疗方向基地，为让资源和成果赋能全行业，基地联合头部企业创新打造了医疗Token工厂，构建了以Token生产和消费为核心的算数模一体化医疗AI基础设施体系。
该基地工作人员表示，未来医疗机构或许将不再需要自建算力、自购模型、自行维护，通过基地中试验证的医疗AI产品将通过转化，像水电煤一样成为医疗机构即开即用、按需使用的基础服务。
生态建设：让“技术语言”与“行业语言”融合
在采访中，一些基地工作人员不约而同地提到，生态建设的关键，是要促进人才、技术、资本、数据等要素在同一个空间里交流、融通，在碰撞中产生“正向反应”。
例如，AI要更好地进入医疗、制造、文旅，既需要懂算法的工程师，也需要懂临床、懂工艺、懂运营的行业专家，努力让“技术语言”与“行业语言”深度融合。
在一个理想的AI产业园区里，龙头企业可以带来订单和场景，初创团队可以带来新技术，高校院所可以带来基础研究，各方互相成就，逐步走向共赢。
观察：中试基地的价值，在于把AI落地的“最后一公里”变成“第一站”
把乌镇这个展览里的信息串起来看，中试基地的作用可以概括为三个层面。
第一，解决“水土不服”。 AI从实验室走向产业，最大的障碍不是技术不够强，而是技术与场景不匹配。中试基地用行业数据训练行业模型，把模型放进真实产线反复验证，本质上是在做“技术翻译”——把通用AI翻译成行业可用的方案。
第二，降低使用门槛。 医疗Token工厂的思路值得注意：让医疗机构不再自建算力、自购模型，而是像用水电煤一样按需使用AI服务。这种模式把AI从“重资产投入”变成“轻资产服务”，降低了中小机构使用AI的门槛。
第三，促成生态碰撞。 龙头企业带来订单和场景，初创团队带来新技术，高校院所带来基础研究，行业专家带来场景知识。中试基地把人才、技术、资本、数据放在同一个空间里，让“技术语言”和“行业语言”在碰撞中融合。
从古建筑“健康医生”到具身智能训练场，从医疗Token工厂到时空地理信息基地，AI的下一站不是更聪明的对话，而是更实在的干活。中试基地正在做的，是把AI落地的“最后一公里”变成“第一站”——让技术先在真实场景里跑通，再走向规模化推广。这条路能否走通，取决于基地能否持续沉淀可复制的方案，以及行业专家与算法工程师能否真正坐在同一张桌子前。
