在今日于北京举行的EVOLVE 2025中关村科金大模型与智能体产业创新峰会上，中国工程院院士谭建荣就人工智能技术发展路径发表了重要观点。他强调，在推动大模型研发的同时，必须同步重视小模型的技术积累，两者缺一不可的协同发展模式才是人工智能产业落地的关键支撑。
谭建荣院士系统阐述了人工智能发展的四大核心要素：模型架构、算力储备、算法优化与知识工程。他特别指出，知识工程作为连接数据与智能的桥梁，其重要性常被低估。通过将知识划分为定性分析与定量计算两大维度，他揭示了模型本质上属于定量知识范畴——大模型通过海量数据训练生成知识的过程，本质上是对数据规律的量化提炼。
针对当前行业普遍聚焦大模型的发展态势，谭院士提出警示：过度依赖单一技术路线可能制约产业生态的健康发展。他以工业场景为例说明，小模型在特定领域展现出的高效性、精准性和低能耗特性，正是大模型难以完全替代的优势。这种"大小协同"的技术路径，既能发挥大模型在通用场景的泛化能力，又能通过小模型实现垂直领域的深度优化。
在技术实现层面，谭建荣强调算力支撑的双重性：大模型训练固然需要海量算力投入，但小模型的轻量化部署同样依赖算力资源的精准配置。他建议产业界建立分层算力体系，通过动态调度机制实现算力资源的最优分配，避免因技术路线偏废导致的资源错配风险。