配资是一种为投资者提供杠杆资金的金融服务！
在人工智能加速渗透千行百业的今天，技术如何真正走进产业现场？人才短板又该如何补齐？2025世界人工智能大会“人工智能+”战略领军人才与创新发展论坛期间，记者带着这些问题，采访了中国科学院自动化所研究员、中科闻歌董事长王磊。
从“实验室成果”到“产业生产力”
人工智能的价值，终究要体现在解决实际问题上。王磊表示：“再顶尖的技术，如果不能解决实际问题，不能创造商业价值，那它的影响力也是有限的。”这种对“技术落地”的执着，贯穿于中科闻歌的技术布局中。
论坛期间，中科闻歌发布的DIOS决策智能操作系统，正是技术产业化的典型实践。该系统打通“算力-数据-模型-决策应用”全链路，在算力层面适配华为昇腾、天数等国产芯片，将模型部署周期缩短30%以上；在数据层面，通过天湖X-Data实现多模态数据的AI统一治理，让零代码处理图文音视频成为可能；在模型层面，融合雅意系列大模型、中国科学院磐石科学基础大模型，让AI真正理解行业业务；在决策层面，DI-Brain智能体开发与决策模型平台，深度融合人工智能、决策科学、博弈论及社会计算框架及方法，以解决复杂的现实世界问题。
这种全栈能力在多个行业开花结果。在科研领域，雅意・AI-Scientist科研智能体依托超2亿份科技文献，为科研人员提供文献精读、综述撰写等服务，数小时内可生成4万字以上专业综述，在GAIA与SimpleQA全球智能体榜单中登顶；在政务领域，“关芯AI政务助手”以轻量化部署服务基层治理，让街道社区能低门槛使用AI；在医疗领域，与中国中医科学院合作的中医药大模型，正推动优质诊疗资源普惠化。
王磊将这种技术与产业的结合比作“飞轮效应”：“底层技术的扎实和前沿研究不断推动上层应用的创新，而市场获得的收入和正向现金流又反哺底层技术的研发，形成良性循环。”从媒体、金融到能源、政务，中科闻歌的AI技术正从“辅助工具”进化为“产业神经末梢的核心引擎”。
AI产业化的三大难题：数据、算力与人才
尽管中国AI应用场景广阔，但要释放其全部潜力，仍需跨越多重障碍。在王磊看来：“中国在AI领域的最大优势是‘需求真实、场景广阔、转化迅速’，但在底层开源生态、通用算法突破等方面，仍需持续积累。”
首当其冲的是“数据可用”问题。训练大模型的“燃料”——高质量中文数据和语料存在缺口，数据孤岛、质量参差等问题制约着AI能力的发挥。“要让数据变得‘AI可用’，需要打通孤岛、保障质量，这是基础中的基础。”王磊表示，这不仅涉及技术层面的数据治理，更需要跨部门、跨行业的协同机制。
其次是算力与工具的“标准化”难题。王磊认为，AI工具应“像水电一样可调度”，但当前算力资源分布不均、工具接口不统一，导致企业部署成本高、效率低。中科闻歌推出的DIOS双模式（AIInfra与Cloud）正是对此的回应——通过智算集群、细分领域一体机等形态，让不同规模的组织能按需获取AI能力。
最关键的短板仍是人才。“既懂技术又懂市场的复合型人才太缺了。”王磊表示，科研与产业的“两张皮”现象明显：高校培养的人才偏理论，企业需要的是能解决实际问题的工程化人才。此外，底层芯片、通用算法等领域的高端人才不足，也限制了AI产业链的自主可控。
要突破这些瓶颈，王磊认为需要“国家、机构和企业共同努力”：“一是建立数据共享与治理标准，二是推动算力与工具的标准化，三是创新人才机制，让科研与产业真正‘握手’。”
产教融合，打造AI人才的“培养皿”
解决人才缺口，关键在于构建“产学研用”协同的培养体系。在王磊看来，“企业不能被动接收毕业生，而要主动走进校园，把产业需求带到课堂。”
在课程设置层面，企业深度参与高校人才培养方案设计。“我们把最前沿的技术需求、真实的产业痛点，以及未来技术趋势，直接带到课堂上。”
在实践平台层面，共建联合实验室与实训基地成为重要抓手。“不是挂个牌子，而是投入真金白银、真技术、真项目。”王磊说。
人才双向流动是另一重要举措。“企业工程师去学校当导师，高校老师来企业挂职，顶尖专家通过项目制合作。”王磊介绍，这种柔性机制打破了体制壁垒，让理论知识与产业经验实现“双向渗透”。
王磊将产教融合的目标概括为“培养能跨越技术与产业鸿沟的‘翻译官’”：“他们既要听得懂算法语言，也要理解企业的业务逻辑，这样才能让AI真正走进产业现场。”（宋雅娟）
来源：光明网
尚红网提示：文章来自网络，不代表本站观点。
