近日召开的国务院常务会议专门听取人工智能发展情况汇报，明确提出要深入实施“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。国家层面的定调，再次将规模化落地与产业价值兑现推到了AI产业发展的重要位置。

作为全国人工智能产业核心阵地，广东2025年AI核心产业规模突破3000亿元，实现超40%高速增长，总量占全国四分之一。进入2026年，广东对AI应用落地的推进贯穿全年，上半年召开广东省人工智能应用大会，对全域全时全行业高水平应用作出部署；而将于12月3日至5日在珠海和澳门同步举办的2026年全球智能制造与电子产品博览会（AIE），则将展示广东AI与制造、电子信息等产业深度融合的最新成果，打造“中国智造首发平台”，推动AI应用向更广领域、更深层次渗透。

南方财经借此专访了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。在他看来，广东是经济大省、制造大省，智能汽车、机器人、低空经济、软件和芯片等方面在全国保持领先，带动了广东在AI基础模型创造和各行业应用方面的整体进步，让广东成为AI场景落地最优质的试验土壤。

他认为，下一步，广东人工智能要从秀技术转向价值战，要坚定放在为实体经济赋能与产业价值兑现上。核心打法要以企业为主体，以市场场景为导向，用产业需求牵引科研，避免科研与市场脱节。其中的关键，是要健全科技经纪人、中期孵化资金与市场调研适配三重中间衔接机制。

让市场带动AI发展

南方财经：在当前全球AI竞争格局下，你认为中国已在哪些领域形成了差异化竞争优势？与全球领先水平相比，差距体现在哪里？

陈俊龙：中国目前的优势在于场景应用和垂直领域的专业应用。我们有全球最多的科技人才队伍，在各种应用场景有海量数据积累。

差距方面，主要是国内的AI发展仍高度集中在生产端与产业端，还没有真正落地到普通民众的日常生活中，在进入家庭、进入生活这方面，还无法立刻做到。我们要让人民“有感”，这方面还需要加强。

南方财经：你曾提到，通用大模型的参数规模已达到千亿级，未来可能达到百万亿级，届时其智慧水平或将比肩人类，但这必须与边端实时计算结合才能落地。你认为全球AI技术目前发展到了什么阶段？距离你所说的技术“奇点”还有多远？

陈俊龙：目前还未出现百万亿级参数的大模型。一旦出现，其体量已接近人类大脑的突触数量。若算力支撑与算法迭代能协同突破，届时模型的决策逻辑与智力表现，将高度接近人类水平。

要达成这个目标，需要一段很长时间的技术积累，并且涉及大量的数据采集、模型调试等工作，十年之内有可能达到与人类智力相当的水平，但近一两年内难以实现。目前主流大模型仍不具备像人类般的创造力，虽然它们会作出一些令人满意和惊叹的思考与推理。这背后的核心瓶颈，是训练数据高度依赖公开领域数据，高价值的私有数据难以形成有效流通与供给。所以，未来几年，行业的核心突破点就是走出训练数据全靠公开资源的阶段，构建更丰富、多层次的数据供给体系。

南方财经：AI竞争正从技术比拼转向系统性博弈。未来五年，广东应如何巩固竞争优势？需要突破的关键环节是什么？

陈俊龙：广东AI产业的根基在实体经济，生命力也在实体经济。下一步发展，必须坚定聚焦为实体经济赋能、向产业价值兑现的主线。

第一，坚持以企业来引导基础科研。广东的基础科研实力雄厚，但要继续领跑全国，必须把市场需求作为技术创新的出发点，让企业成为技术攻关与应用落地的主导力量，从而牵引技术持续创新和应用，让技术迭代始终跟着产业需求走。

第二，强化政策的精细化引导。当前AI产业的顶层发展方向已经明确，但要实现AI向千行百业的深度渗透，还需要更具象、可落地的政策配套，打通行业落地的细分堵点，这是广东下一阶段需要重点发力的方向。

广东需要多层次的AI人才

南方财经：广东提出到2027年AI核心产业规模要超过4000亿元，两年要增长超1000亿元。你认为实现这一目标面临的最大挑战是什么？

陈俊龙：最大的挑战不在技术本身，而在全链条协同能力——科研攻关、技术转化、市场推广三大环节能否形成高效闭环。AI技术从实验室研发出来，到产业端规模化落地，再到市场端商业化推广，环环相扣，只有全链条顺畅协同，产业规模才能真正迈上新台阶。

南方财经：琶洲实验室是广东AI创新的重要平台，产学研协同也是广东AI发展的重要举措。要打通从实验室到产业化的“最后一公里”，核心要破解哪些痛点？需要建立怎样的机制？

陈俊龙：所谓“最后一公里”，本质就是科技成果的市场转化。高校和科研院所的科研人员擅长技术攻关，但并非市场经营主体，对产业需求、商业逻辑的理解存在天然壁垒，这中间必须有专业的衔接机制。这也是我们一直呼吁建立“科技经纪人”制度的核心原因。

当前的科技成果转化会面临几个难点。一是成果与需求的错配。科研成果只是“一个点”，而市场需要的是“一条线、一个面”，需要的是成体系、可落地的完整解决方案，单点技术无法直接形成商业化产品，这是认知上的核心偏差。二是资金的断层与市场的错位。很多科研项目做到一半资金就断了，或者做出来的成果市场不接受。这是一个双向问题，需要科研和市场互相配合、互相讨论。

我认为理想的模式是，建立一个辅助机制，先引导科研者了解市场，做市场调研。这并不意味着一开始就要投入资金，而是先引导他们理解真实的市场需求，再逐步推进技术孵化与产品迭代，让科研方向跟着市场走。华南理工大学的几个产业研究院就正在探索，由专业团队对接科研成果，联动产业园区开展孵化，同步研判市场趋势、迭代产品形态，这套机制值得在广东各市推广落地。

总结下来，就是要补齐科技经纪人队伍、中期孵化资金供给、市场调研适配服务三重中间衔接短板，建立完善的成果转化对接机制，让科研与市场从“两头被动碰”变成“主动一起走”。

南方财经：广东正在实施AI人才培育的“天玑计划”，鼓励高校设置“人工智能+”交叉学科。站在高校与科研机构的视角，你认为广东在吸引高端AI人才方面还缺什么？吸引高端AI人才的核心发力点是什么？

陈俊龙：AI人才要分层培养。第一层是做基础研究的高端人才，第二层是做技术研发、技术转化的人才，第三层是面向应用端的人才。三个层次都要培养，不能全部培养成同一种人。

高校的布局也对应这三个层次，科研院校做科研，技术类大学做技术转化，职业院校做服务业对接。每个层次按照各自的定位和教学方案来培养。

三个层次各有定位、各有侧重，才能支撑产业全链条的健康发展。很多人担心AI发展会导致大规模失业，事实恰恰相反：AI越普及、应用越深入，各层级的人才需求就越旺盛，从底层研发到场景落地，再到运维服务，每个环节都需要对应的专业人才，就业机会只会越来越多，不会越来越少。

南方财经：你曾预言AI产业将从“to B”走向“to C”，但目前大模型应用仍高度集中在B端，加上高端芯片受限、算力缺乏优势，有人担心AI普惠只是口号。对此，广东应该走怎样的发展路径？

陈俊龙：算力建设与场景开拓要同步推进，但如果排优先级，一定是场景应用优先，算力建设紧随其后。当前广东的算力供给并不存在根本性的短板，核心问题是如何引导人才把模型技术真正用进各行各业，让技术产生实实在在的产业价值。

广东拥有全国最丰富的产业场景，这是最大的底气。先把B端场景做深做透，把技术落地的模式跑通、成本降下来，自然会逐步向C端渗透。产业发展有其客观规律，不必纠结于短期的to B或to C标签，把场景做实、把价值做透，AI普惠就是水到渠成的结果。