2026年，通用大模型的资本叙事正在退潮，人工智能（AI）从“贵族化”加速走向“平民化”。当资本市场对AI概念的炒作从狂热回归理性，当千行百业都在寻找AI落地的真实路径青海股票杠杆信息门户，中国AI产业的下一步究竟该往哪里走？证券时报记者近日就此专访香港科技大学（广州）协理副校长、讲座教授熊辉，围绕产业AI化路径、AI时代人才培养与教育变革、粤港澳大湾区科创生态等核心话题展开深入解读。
在熊辉看来，AI时代最大的挑战不是算力，而是缺少既懂行业又懂AI的复合型人才。随着AI效率进一步演进，企业与企业之间、个体与个体之间的差距会迅速拉大，这也对人才培育工作提出全新命题。他判断，当下，“人物红利时代”已经到来——所谓“人物”，就是那些能做平台、建系统、定标准、创品牌，能真正改变一个行业的人才。这样的“人物”如何批量培养，正是“十五五”时期AI与教育深度融合要回答的核心命题。
在真实场景中发现真问题
证券时报记者：人工智能已成为我们这个时代最大的变量之一，您从20多年前就在深耕人工智能，曾在美国高校任教，回国后曾任百度研究院副院长，如今在香港科技大学（广州）同时做学者与协理副校长。学界看重理论突破,企业看重商业指标,高校管理要平衡科研理想与成果转化，这三段经历分别给您带来了什么，如何塑造您对AI创新的认识？
熊辉：我最早在美国罗格斯-新泽西州立大学任教，从助理教授一直做到杰出教授，接受的是非常严谨的科学训练。但我慢慢发现，互联网时代以来，越来越多最原始的创新，比如谷歌的搜索引擎、BigTable、云技术等，其实都是从产业界发生的，而不是在高校里产生的。原因很简单：亚马逊很早就面对几百万客户，沃尔玛要处理海量交易数据，这些场景在学术界很难触及，而真正的技术挑战往往来自真实场景，真实场景又会催生数据飞轮效应，即应用产生数据，数据促进技术，技术又催生新场景。
所以我很早就得出一个判断：未来的基础创新大概率在产业界发生。“你要欣赏太阳的美，一定要站在距离太阳升起最近的地方。”2015年我加入百度，确实如我所想。在百度做首席科学家、研究院副院长，给我带来三方面提升：既有的认知得到进一步确认，科研必须跟产业高度结合；真正的团队管理和资源调配经验；以及全新的价值判断能力。AI时代，认知和价值判断比什么都重要。
证券时报记者：当年选择离开百度，加入创办阶段的香港科技大学（广州），最吸引您的“从0到1”的事情是什么？
熊辉：我2021年创建香港科技大学（广州）人工智能学域，2023年任协理副校长。为什么选择在那个时间段从产业界到学术界？当时恰逢港科大在内地办学，这是一个“从0到1”做科技成果转化的契机。虽然内地有非常多优秀的高校，但大多数高校的体制、机制都已成型，我想要做优化是很难的。
2020年疫情期间我在家读了很多书，反复思考人生下半场到底该干什么。我想做两件事：第一，打造一个世界上最强的人工智能专业，且这个专业要与传统的AI教育不一样，一定要实现产教融合，即寓教于做、知行合一，把学生送到“战场”上去边打边学。第二，就是做好高校层面的知识转移。内地有很多学者的创新与产业转化是脱节的，我们特别需要一个“从0到1”的平台进行实践，吸引一大批喜欢创业、能够创业的学生和老师潜心投入。
配资炒股政府要服务国家大战略，投资人需要好项目，创业者需要好生态，师生需要实现梦想，最后所有利益都凝聚在一起，就能实现“利出一孔”。
证券时报记者：在AI领域，科学家在学界和产业之间“双向流动”已成为常态，您如何评价这种趋势？未来我们应该如何更好地促进学界和产业界之间的人才流动？
熊辉：学界和产业界之间的双向流动，是AI时代非常值得鼓励的趋势。从目前来看，产业界对学术界优秀人才的吸引力正在不断增强，很多年轻老师愿意去大厂、去创业公司，把科研成果真正落到产业场景中去。这是非常好的动向。
但从产业界回到学术界，目前还有一些可以进一步完善的地方。高校的人才评价体系，长期以来更多是基于学术发表、科研项目等传统指标设计的，对于有丰富产业经验但学术论文产出相对少的人才，如何更好地认可他们的价值、如何合理配置资源、如何让他们更好地融入教学科研团队，这些都还在探索过程中。
我特别想强调的是，我们需要更多关注那些一直在产业界深耕、但有意愿回到高校培养学生的人。他们的产业经验，对培养面向真实问题的人才非常宝贵。随着国家持续推进人才评价机制改革、深化产教融合，我相信这些通道会越来越顺畅，会有更多既懂学术又懂产业的复合型人才，在学界和产业界之间更好地流动起来。
让AI“装修队”赋能千行百业
元股证券:ygzq.hk证券时报记者：现在通用大模型的热情在退去，投资反而转向更纵深的专业大模型。您觉得中国当下AI产业最大的结构性机会在哪里？长板和短板分别是什么？
熊辉：现在大家普遍对AI所带来的宏大叙事保持冷静，中国在AI产业最大的机会就是做价值变现。其一是产业的AI化，也就是我常常提到的AI“装修队”概念，把千行百业都AI化。随着智能体出现，AI从“只能动口”变成“既动口又动手”。利用垂类大模型、智能体，再加上企业自有数据，就可以做到产业AI化，推动我们从制造业大国进一步迈向制造业强国。
其二是具身智能和端侧智能。具身智能是做大脑、做软件的人在找身体，机器人则是做机械、做硬件的人在找大脑，二者最终会高度融合；端侧智能则意味着所有消费电子产品都会重新上一个台阶，这是十万亿甚至百万亿级的赛道，中国一定要抓住其中的机遇。
证券时报记者：您多次提到AI“装修队”的概念，能否通俗解释一下？当前AI在实体场景落地，最普遍的痛点是什么？
熊辉：为什么叫AI“装修队”？打个比方，现在通用大模型就像是建好的毛坯房，框架都建好了，但每个企业、每个行业都有自己的具体需求。有的要做财务分析，有的要做生产质检，有的要做客户服务。不能拿一套毛坯房让所有企业都直接住进去，得有人来做装修，量体裁衣，结合企业自己的业务流程、行业经验和私有数据，把通用AI技术变成真正能解决实际问题的应用。这些做“装修”工作的人，就是我说的AI“装修队”。他们不是做大模型底层技术研发的人，而是把AI技术真正落地到千行百业的人。具体来说，就是既懂这个行业的痛点和业务逻辑，又懂AI工具的能力边界，还能把二者结合起来，知道什么问题该用AI解决、怎么解决、怎么把效果落地。
随着智能体技术的成熟，AI正在从“只能动口”走向“既动口又动手”，千行百业都需要这样的“装修队”来把AI真正用起来。对我国来说，这一点尤其重要，我国有全世界最齐全的产业门类，如果能把每个行业都AI化，这是巨大的机遇。而实现这个目标，关键就是培养足够多既懂行业、又懂AI的“装修队”人才。
证券时报记者：现在大家谈到AI，都会谈到中国和美国之间的竞争，二者在AI领域的技术路线会分道扬镳吗？未来是否有交融和合作的可能性？
熊辉：表面上看，现在两边的技术路线确实开始不一样了，有种分道扬镳的感觉。但AI这个领域有个很特别的地方，要从硬件和软件两端看。首先在硬件层面，美国做一个机器人的成本，可能是中国的10倍，而且在效率层面，做一个原型产品，在粤港澳大湾区可能三天就做出来了，但是在美国可能需要两三个月，中国完整的供应链效率高且灵活，在AI硬件层面要想完全脱钩，根本做不到。其次在软件层面，美国现在走的是闭源路线，就是把代码捂在自己手里收钱；而中国这几年开源大模型发展很快，非常领先。为什么开源这么重要？因为企业用AI最担心的就是数据安全，你把自己的客户信息、生产数据、商业机密都传到别人的大模型上，万一被拿走了怎么办？所以企业现在都学聪明了，与其把数据交给别人，不如找一个开源的大模型，装在自己的电脑上，用自己的数据训练自己的AI，数据不出门，安全又放心。所以总的来说，不管是在AI硬件还是软件层面，都很难真正脱钩。
AI效率演进背后的人才升级
证券时报记者：AI效率进一步演进后，企业之间、人与人之间的差距岂不是越来越大？普通人该怎么应对？
熊辉：AI确实在拉大彼此之间的差距，但差距拉大不代表没有机会。恰恰相反，如果我们培养出更多能高效使用AI的人，就能加快整个行业的知识普及。就像AI“装修队”完成第一个项目之后，就容易裂变出很多“装修队”，去赋能更多产业和企业。无论是站在国家发展、就业稳定，还是缩小认知差距的角度，培养这样的人才都是意义重大的。
对个人来说，AI时代最重要的一件事就是持续学习，保持终身学习能力。但终身学习并不意味着要用战术上的勤奋去掩盖战略上的迷茫，你一定要先看清楚方向在哪里。现在对于很多人来说，持续学习最大的挑战在于信息泛滥、良莠不齐，所以我们更需要提升自我对价值判断的能力。要提升价值判断能力，可以靠多提问、多观察，在生活和学习中找到好的榜样，比如良师、益友或者称职的竞争对手。当竞争对手打击你最薄弱的地方，你慢慢就知道这个地方是自己需要加强的地方。一个称职的对手，会让你不断认清自己的短板，变得更强大。
证券时报记者：您曾提出“人物红利时代”的概念，能否详细分享一下？在AI时代，什么样的人才是真正有价值的“人物”？
熊辉：过去几千年，人类的智能训练无非是四个境界：博闻强识、触类旁通、一叶知秋、无中生有。
“博闻强识”是我们最传统的学习，靠记忆掌握知识。第二境界是“触类旁通”，仅靠博闻强识无法创新，要做到触类旁通才有机会创新，通过AI去做金融、做智能制造，都是至少对两个行业精通才能做好融合。第三境界是“一叶知秋”，看一片叶子变黄了就知道秋天要到了，能够按照正常规律逻辑推理，准确预测未来。第四境界则是“无中生有”，爱因斯坦提出相对论、牛顿三大力学，以及量子纠缠理论，这些都是“无中生有”级别的创新。
大模型出来之后，在“博闻强识”和“触类旁通”这两个境界方面，AI的能力比人强。这就意味着，人要往更高的境界走，向“一叶知秋”“无中生有”的方向走。正是在这个背景下，我提出了“人物红利时代”的概念。
什么是“人物”？我给了非常明确的定义：做平台、建系统、定标准、创品牌，能够做好这四件事的就是“人物”。比如希音的创始人许仰天重构了快消服装的平台、系统、标准和品牌，特斯拉的创始人马斯克重新定义了电动车的标准，这些都是人物。在各个产业AI化后，我相信3年之内，很多行业都会涌现出这样的“人物”。
打造大湾区“中关村”
证券时报记者：您提出港科大（广州）的目标是打造粤港澳大湾区的“中关村”。目前学校在机制上做了哪些创新？
熊辉：我们正在搭建一套帮助创业者成长的完整生态。随着生态逐步完善，我们有信心未来几年内培育出一批独角兽企业，乃至涌现一批上市公司。科创生态的构建，离不开长期耐心资本和容错资本的支持。国家层面正在持续强调壮大耐心资本、完善容错机制。一方面可以通过国家政策进行引导；另一方面，高校和园区也可以主动帮助投资人和创业者建立双向信任。
早期投资往往遵循这样的规律：在信任尚未建立时，投资人对小额项目也会犹豫；而当对团队能力和过往业绩形成充分认知后，单笔投资规模可以从百万级逐步提升至亿级。港科大（广州）虽然是从零起步，但拥有良好的政策环境、开放的创新生态和一批有干事热情的师生。如果认可这套逻辑，投资人可以尽早参与其中。港科大（广州）的最终目标是形成政府、投资人、学校、师生各方利益一致、同向发力的“利出一孔”创新生态。
证券时报记者：对比长三角和京津冀，粤港澳大湾区发展产业AI的独特优势是什么？还缺少哪些关键要素？
熊辉：大湾区发展产业AI的独特优势在于拥有全球最完备的制造业场景和供应链迭代速度。做一个机器人原型本体，在大湾区可能一周甚至三天就能出来，这种硬件快速迭代的能力，是大湾区独有的优势。
但对照北京和长三角，广东要成为“全球AI创新试验场”，还需要在几个关键要素上持续补短板：第一是长期资本，现在市场上不缺资金，但缺愿意陪硬科技走十年的耐心资本；第二是高质量的行业数据集，很多传统行业的经验数据还没有被数字化、资产化；第三是复合型人才，既懂行业又懂AI的“装修队”人才。
在耐心资本方面，一方面可以通过政府引导基金发挥撬动作用，另一方面也需要高校和园区主动帮助投资人和创业者建立双向信任，让投资人在充分了解团队能力后敢于长期投入；行业数据集方面，需要推动传统行业经验数据的数字化、资产化，让沉睡在工厂车间里的经验变成可训练、可复用的数据资产；复合型人才方面，关键在于深化产教融合青海股票杠杆信息门户，让学生在真实产业场景中学习。
元股证券配资-配资撮合平台提示：本文来自互联网，不代表本网站观点。
