在今日于北京舉行的EVOLVE 2025中關村科金大模型與智能體產業創新峰會上，中國工程院院士譚建榮就人工智能技術發展路徑發表了重要觀點。他強調，在推動大模型研發的同時，必須同步重視小模型的技術積累，兩者缺一不可的協同發展模式才是人工智能產業落地的關鍵支撐。

譚建榮院士系統闡述了人工智能發展的四大核心要素：模型架構、算力儲備、算法優化與知識工程。他特別指出，知識工程作為連接數據與智能的橋梁，其重要性常被低估。通過將知識劃分為定性分析與定量計算兩大維度，他揭示了模型本質上屬于定量知識范疇——大模型通過海量數據訓練生成知識的過程，本質上是對數據規律的量化提煉。

針對當前行業普遍聚焦大模型的發展態勢，譚院士提出警示：過度依賴單一技術路線可能制約產業生態的健康發展。他以工業場景為例說明，小模型在特定領域展現出的高效性、精準性和低能耗特性，正是大模型難以完全替代的優勢。這種"大小協同"的技術路徑，既能發揮大模型在通用場景的泛化能力，又能通過小模型實現垂直領域的深度優化。

在技術實現層面，譚建榮強調算力支撐的雙重性：大模型訓練固然需要海量算力投入，但小模型的輕量化部署同樣依賴算力資源的精準配置。他建議產業界建立分層算力體系，通過動態調度機制實現算力資源的最優分配，避免因技術路線偏廢導致的資源錯配風險。