在当今科技浪潮中，人工智能已从前沿概念深度融入社会经济发展的脉络。浙江大学吴飞教授指出，人工智能的创新发展，特别是应用软件的开发，正日益依赖于多学科的“交叉汇聚”。这不仅是技术的融合，更是思维、方法与生态的协同进化，为智能时代的软件创新开辟了新路径。
一、 交叉汇聚：人工智能创新的核心引擎
吴飞教授强调，传统单一学科的研究范式已难以应对人工智能，尤其是其应用层所面临的复杂挑战。真正的突破性创新往往发生在学科的交叉地带。
- 知识体系的交融：人工智能的根基在于计算机科学，但其深化需要数学（优化理论、概率统计）、认知科学、神经科学乃至人文社科的滋养。例如，大语言模型的成功，离不开对语言学、心理学认知机制的借鉴。
- 技术路径的汇聚：应用软件开发不再仅是算法实现，而是数据科学、软件工程、云计算、边缘计算、物联网、乃至芯片设计等技术的深度融合。一个智能医疗诊断软件，背后是医学影像分析、大数据处理、可靠软件架构与隐私计算技术的共同支撑。
二、 推动应用软件开发的三重融合
基于交叉汇聚的理念，吴飞教授认为，下一代人工智能应用软件的开发将呈现以下关键特征：
- “模型+场景”的深度融合：开发重心从追求通用模型的“大而全”，转向与垂直行业知识（如金融、制造、生物医药）深度结合的“专而精”。软件的核心竞争力在于利用领域知识对基础模型进行微调、优化与定制，解决特定场景的实际痛点。
- “软件+硬件”的协同设计：为提升效率与能效，人工智能应用软件需与专用硬件（如AI加速芯片、神经形态计算器件）协同设计与优化。软硬件一体化的开发思路，能释放更大的计算潜能，推动AI在终端设备的普及。
- “技术+治理”的并行发展：负责任的AI已成为共识。应用软件开发必须早期嵌入伦理、隐私保护、公平性、可解释性等治理维度。这需要开发者与法律、伦理、公共政策专家跨界合作，确保技术创新与社会价值对齐。
三、 培养交叉型人才，构建汇聚型生态
吴飞教授指出，实现上述创新的关键在于人与生态。
- 人才层面：需要培养既精通人工智能核心技术，又具备领域专业知识，并拥有系统思维和工程实现能力的“十字型”人才。高等教育需打破学科壁垒，设计跨学科课程与项目实践。
- 生态层面：应构建“产学研用”协同的创新生态。高校与科研机构提供前沿探索与理论基础；企业聚焦工程化、产品化与市场验证；用户反馈驱动应用迭代。开放平台、开源社区以及跨行业联盟，是促进知识、数据、工具链共享的重要枢纽。
###
吴飞教授的观点清晰地表明，人工智能应用软件的绝非单一技术的线性延伸，而是在交叉汇聚中产生的“化学反应”。唯有打破藩篱，促进知识、技术、人才与资源的自由流动与深度融合，我们才能开发出真正智能、可靠、赋能百业的软件系统，稳健推动人工智能技术创新走向深入，共同塑造一个更加智慧的明天。
