日期：2026-07-24 10:31:44
日前召开的国务院常务会议提出，要深入实施“人工智能+”行动，发挥我国产业体系完备、应用场景丰富等优势，促进智能产品和服务加快规模化商业应用。作为制造业大省，广东如何发挥已有的产业和应用场景优势，推动人工智能产业规模化落地？
华南理工大学计算机科学与工程学院院长、欧洲科学院外籍院士陈俊龙接受南方日报、南方+专访时表示，广东应发挥机电和人工智能创新发展优势，针对制造业、农业、医疗等不同行业领域，打造一批专业垂域大模型品牌，形成差异化竞争优势。
做强具身智能“大脑”
推进应用规模落地
南方日报、南方+：在推动人工智能规模化应用落地方面，广东有什么优势，需要解决什么问题？
陈俊龙：广东最无可替代的优势，在于其高度集聚且完备的产业链生态。从底层元器件、芯片设计制造，到整机装配、算法开发及终端场景落地，上下游配套本土化程度极高。这种全链条优势使得企业无需跨区域寻找供应链，产品研发和量产迭代的效率领跑全国。同时，广东拥有全国最完整的制造业体系，这为人工智能产业提供了海量且多元的真实应用场景，构成了其发展的天然底牌。
然而，当前人工智能产业的纵深发展仍面临两大结构性瓶颈。其一，部分前沿AI应用仍偏向B端工业场景，像全能型人形机器人这样的C端消费级产品，普惠化落地尚需时日，大众对AI的直观使用体验和市场感知仍有待提升；其二，产品制造成本居高不下，直接阻断了民用普及通道。以人形机器人为例，单台售价从数万元至数十万元不等，若搭配配套服务器，中小企业全套部署成本可达上百万元。从商业逻辑来看，只有当机器人全周期采购和维保的总投入能在合理时间内回本，企业才具备规模化采购意愿，而普通家庭更是难以承担高昂的硬件开销。高成本导致AI产品目前主要局限于大型企业商用，产业的规模化与普惠化落地困难重重。
具体到人形机器人赛道，当前最大的技术瓶颈在于具身智能“大脑”尚未完全成熟。客观而言，我们在硬件本体制造、运动控制迭代及供应链配套上具备全球领先优势，但若脱离预设程序，机器人仍难以实现自主连续动作。其核心在于“视觉—语言—动作”（VLA）模型的泛化能力不足，即机器人如何将视觉感知自主转化为下一步的连续动作，这需要强大的大模型和智能体作为支撑。
因此，人形机器人要从炫技走向真正干活，一方面必须做强“大脑”，提升其在复杂非结构化场景下的常识理解与持续学习能力；另一方面，必须将造价压降至企业三年回本的临界点以下。同时，我们的野心不要那么大，不可能做一个机器人什么都做，可以先做专做精，优先聚焦商用清洁、或单一服务（如洗碗、扫地）等高频刚需的具体场景，以“以用促研”推动产业的实质性落地，避免一开始就贪大求全。
打通“最后一公里”
广东大模型可走“轻量级”路线
南方日报、南方+： 立足产业优势，广东应如何推动工业大模型发展，形成自身的差异化优势？
陈俊龙：广东发展大模型，不应盲目追求“大而全”的通用大模型，而应坚定走“轻量级”路线。目前，全国具备通用大模型训练能力的企业屈指可数，这需要极高的算力支撑、海量语料收集和长周期的研发投入。
相比之下，广东拥有全国最完备的制造业体系和海量的工业数据，我们的核心优势在于丰富的应用场景。因此，广东应聚焦农业、医疗、海洋、智能制造等特定行业，打造专业的垂类大模型，把单一行业做深做透。这种“轻量级”路线不仅更务实，也能有效避开与通用大模型的正面竞争，形成广东在人工智能应用端的差异化壁垒。
南方日报、南方+：今年以来，AI智能体（Agent）成为业界焦点。广东拥有完备的制造业体系和丰富的应用场景，应如何发挥智能体的作用，打通AI赋能产业转型升级的“最后一公里”？
陈俊龙：打通AI赋能产业转型升级的“最后一公里”，关键在于用智能体来降低AI的使用门槛和落地成本。简单来说，智能体就是被赋予了自动化执行能力的大模型。
以办公场景为例，你可以设计一个智能体，下班后让它自动运行。它会在后台联网调用各类大模型协助工作，做市场调研、写总结、规划明天的任务。第二天你上班时，文件已经准备就绪，它就像一个24小时在线的私人助理。
在工业应用中也是同理。企业可以“养”一个专属的工业智能体，晚上让它去运算找方案，第二天直接输出零件组合方案、采购渠道、成本报价以及工厂流程规划。这极大提升了决策效率，是目前AI最实用、最火的方向。
但目前的痛点在于，广东工业门类多、工厂资源丰富，但软件公司往往不懂工厂的真实需求，而工厂也还没意识到AI能帮自己做什么。这就需要政府相关部门搭建供需对接平台，把行业企业和软件公司召集在一起。企业提需求，软件公司给服务，通过精准的供需对接，才能高效打开市场。
此外，广东还需健全“科技经纪人”制度。高校科研人员擅长技术攻关，但往往缺乏商业逻辑，而市场需要的是成体系的完整解决方案。通过培育专业的科技经纪人队伍，并配套中期孵化资金，能有效打破认知壁垒，让科研与市场从“两头被动碰”变成“主动一起走”。
南方日报、南方+：日前，汕头华侨试验区完成全链路闭环验证，标志着中国Token出海进入实质性落地验证阶段。您如何看待这种模式的发展潜力？
陈俊龙：算力出海模式的核心优势，在于政策红利、基础设施与综合成本的叠加。依托国内充沛的算力底座与“来数加工”等合规通道，我们可以在境内完成大模型运算，再通过Token向海外输出AI服务。
从市场潜力来看，东南亚地区是算力出海的核心目标市场。一方面，欧美市场竞争激烈且存在较高的数据合规壁垒；另一方面，东南亚多国缺乏自研大模型能力，但在农业、水产等垂直领域对AI应用需求旺盛。例如，马来西亚的现代农业对垂直行业模型需求巨大，我们完全可以依托国内算力，远程为其提供低时延的模型调用服务。
更重要的是，这种模式能催生出“硬件出口+本地算力服务”的新业态。广东作为消费电子制造重镇，当本土的智能玩具、智能硬件销往海外时，可将行业大模型部署在国内服务器，海外终端通过API远程调用国内Token。这种将实体产品与算力服务同步输出的闭环，不仅提升了硬件附加值，更为广东制造业出海打开了广阔的商业空间。
盘活全省算力资源
构筑安全与人才底座
南方日报、南方+： AI大模型高速发展伴随着数据隐私、网络安全等多重风险，该如何平衡技术创新与安全合规？政府层面又该如何统筹规划全省AI产业发展？
陈俊龙：生成式AI带来了深度伪造、隐私泄露等全新安全挑战。算力规模越大，后台数据量越高，数据篡改与滥用风险也同步放大。平衡创新与安全，首要前提是坚守数据安全合规这条不可逾越的红线，这既是法律要求，也是契合用户基础需求的必然选择。
在筑牢安全底线的基础上，想要打响广东本土大模型产业招牌，政府需做好综合规划，从四大维度统筹发力。第一，盘活全省算力资源。依托广州、深圳、珠海横琴、韶关等地的算力与超算中心，推广算力共享服务，重点降低中小企业研发垂直大模型和智能体的算力成本，让创新主体聚焦算法本身。
第二，深化政产学研共建。充分发挥高校与实验室的人才优势，联合培养AI专业人才，以优厚政策留住本土科技力量。
第三，坚持用户为本。从政务服务、民生应用等场景切入落地AI产品，在创造社会价值的同时，通过真实场景反馈反哺安全机制的完善。
第四，推动行业资源开放共享。政府牵头搭建交流平台，引导企业互补发展，规避同质化恶性竞争，共建健康、安全、可持续的AI产业生态圈。
南方日报、南方+：当前，AI和机器人行业人才缺口较大，高校应如何培养适配本土产业需求的人才？
陈俊龙：产业人才需求分层清晰，高校需差异化布局培养体系。大专及高职院校应主攻应用型实操人才，联合头部企业定制实操教材、开放实训平台，重点培育AI设备运维与产线操作人才；本科与研究生阶段则聚焦研发创新，主攻大模型架构、机器人VLA视觉算法等核心底层技术。
对于想要入行的年轻人，我有两点建议：第一，夯实信息学科基础，主动学习交叉学科知识。高端机器人和行业大模型研发离不开材料、医疗、制造等专业知识，复合型交叉人才市场缺口最大；第二，不必局限单一细分赛道。AI技术迭代极快，扎实掌握底层通用技术，才能灵活适配智能制造等各类新兴领域。
此外，人工智能本质是交叉学科，并非纯计算机专业的专属赛道，文科生同样大有可为。其创意、想象力和内容策划能力，是算法研发与模型优化中不可或缺的核心要素。例如，文科生可发挥特长，参与构建高质量的数据标注规则与标准，将自身优势与技术结合，实现职业发展的“1+1>2”。整体来看，具备信息交叉背景的人才高度适配广东本土全链条AI产业的发展需求。
采写：南方+记者 昌道励
设计：程子宜
顶益所配资提示：文章来自网络，不代表本站观点。
