亚历山大·韦佳欣谈：懂得两种文化的AI工程师比任何技术都更宝贵
2026年07月17日 17:32:23
上海近日已成为全球人工智能讨论的中心。俄罗斯政府代表团是其中的积极参与者之一。代表团成员、俄罗斯联邦储蓄银行第一副行长兼人工智能联盟监事会主席亚历山大·韦佳欣 (Alexander Vedyakhin) 介绍了俄中对话如何转向务实层面。
俄罗斯参加WAIC已不是第一次。去年你们更多是观摩，今年带来了哪些具体议程？
去年在WAIC 2025上，俄罗斯代表团展示了自身专业水平，并获得了宝贵思路。今年的目标更具实践性——寻找合作伙伴，共同推进产品项目和科研活动。WAIC是东亚关键参与者的汇聚平台。我们看到了双方能力融合的巨大潜力。人工智能联盟与中国高校和研究中心积极开展合作，这类平台有助于将对话转化为具体协议。
作为人工智能联盟监事会主席，我可以表明，联盟在俄罗斯经济中扮演着加速推广AI的机制——从领先者走向大规模应用。我们正在启动AI案例展示平台，汇集AI应用场景、联盟成员已实现案例及AI落地效果评估。特别关注的是编制AI财务效益图谱——这是一套适用于俄罗斯主要经济行业的财务效果评估通用实用方法论（已在金融行业实施）。同时，通过6个行业俱乐部（金融、农业、交通物流、电信与信息通信技术、医疗、建筑），联盟制定并测试统一的AI实施方法和各行业技术应用标准。
在俄罗斯，联盟在《人工智能法案》（预计9月1日生效）的制定中发挥了重要作用，凝聚了商界共识。联盟成员企业负责人参与总统下属的AI指挥部，并领导关键工作组。将大型企业代表纳入AI立法进程，使国家政策融合了最佳商业实践。我们愿与国外伙伴分享积累的经验。
此外，我们还有一个提议——利用俄罗斯最大的AI会议AI Journey作为国际交流与经验分享的平台。按照传统，我们在AI Journey期间与外国伙伴签署备忘录，接纳新国家加入联盟，并与来自世界各地的同行对话。多年来我们持续采取一系列措施，旨在进一步巩固该会议的国际地位。我相信，这一会议可以成为世界和区域组织以及专家小组（包括联合国框架下）召开会议的理想场所。
俄中AI合作话题现在格外引人关注。您认为哪些方向最具前景，哪些已有进展？
俄中对话的势头确实令人印象深刻。我认为有三个主要方向目前发展最为活跃。
第一是学术合作。我们与中国顶尖高校不仅开展联合发表，还推进双学位人才培养项目。这是对未来的投资，因为懂得两种文化的AI工程师比任何技术都更宝贵。
第二是监管对话。我们看到，中国和俄罗斯一样，正在推进AI责任国家标准的制定。这方面没有现成答案——只能在实时讨论中诞生。WAIC对我们来说，是与中国监管机构对表、了解双方方法兼容性的平台。
第三是联合产品计划。我们这次带来的不仅有GigaChat，还有联盟伙伴的解决方案。这些方案涉及智慧城市发展（Smart Safe City）、生物识别平台VoiceKey.Agent等。我们看到中国同行对我们智能体系统网络安全方面的经验表现出浓厚兴趣。这并非偶然：边界两侧面临的威胁相同，因此防护措施也应共同打造。
行业目前有两派：开源支持者和商业机密捍卫者。俄罗斯AI的平衡点在哪里？开源是否与你们的商业利益冲突？
这个问题几乎在每次行业会议上都会被问到。我认为，我们不是在开放与商业之间做选择，而是构建一个两者协同运作的生态系统。
在联盟中，我们押注开源，让开发者、研究者和企业能够直接使用俄罗斯顶尖大模型，无需依赖国外替代品。这有助于壮大国内AI开源生态。任何拥有足够技术资源的团队都可以基于现成的旗舰模型构建自己的服务和智能体，而不必从头训练同等水平的自有模型。更重要的是，开源模型是证明质量最透明的方式——任何人都可以测试和比较。
我很乐意举几个联盟成员的开源项目例子。Yandex 发布了超过1000个开源项目，其中52个涉及机器学习/人工智能。其中包括大语言模型：YandexGPT 5 Lite 的预训练和指令版本；而 T-Technologies（T银行）推出了 T-Lite 和 T-Pro 模型——这是7亿和320亿参数的开源俄语模型。
但商业当然需要可预期性。因此，在开源模型之外，我们储蓄银行也提供企业级解决方案。开发者可以从开源开始实验，到了工业部署阶段再选择我们作为供应商。
有消息称，中国正考虑限制外国用户访问其先进AI模型。这对俄罗斯有何影响？
任何拥有先进AI技术的国家迟早都会考虑技术保护问题，并制定游戏规则——这一点全球早已在讨论。
对我们来说，这恰恰证明我们选择了正确的战略。
人工智能联盟成员企业从一开始就将大语言模型构建为独立于外部供应商的自主技术栈。这不是封闭，而是通过拥有自主的俄罗斯基础、算力和工程团队来确保技术韧性。
至于具体风险，我相信俄罗斯不会完全被排除在中国解决方案之外，但访问可能会变得更加规范化。
专家预测，到2030年AI对俄罗斯经济的潜在贡献达11.2万亿卢布。但目前智能体实际落地仍很零星。障碍是什么——技术门槛，还是企业尚未准备好？
如今，几乎任何用户都能创建AI智能体——用自然语言设定业务逻辑，无需程序员。技术已不再是障碍。真正的障碍是对责任的恐惧。
我们所在的金融行业确实走得比其他行业更远。AI智能体完全自主运行、无需人工监督的流程占比目前仍是个位数。因为法律体系和风险管理机制滞后于技术能力。我们向智能体经济迈进的速度，快于为其搭建监管框架的速度。
在错误代价高昂的行业，情况更为复杂。例如，医疗领域AI落地速度较快，但主要是决策支持系统，而非自主智能体。医生需要看到诊断的逻辑依据，不能单纯信任AI。在教育领域则是方法论问题——如果算法替学生思考，如何让学生学会独立思考？
因此，未来几年真正的挑战是从“AI帮助决策”转向“AI做决策并为结果负责”——尤其是在容错成本高的领域。因此，正如我们所见，在WAIC上所有大型参与者寻求的并非现成答案，而是共同解决问题的合作者。