陈云峰：AI产业落地，如何越过“最后一公里”？

IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台

导语：“十五五”规划提出，要“抢占人工智能产业应用制高点，全方位赋能千行百业”，标志着人工智能的发展重心正加速转入产业落地阶段。当前，AI与千行百业的融合持续提速，竞争焦点已愈发集中于能否在具体场景中形成应用实效，能否切实回应生产一线、城市治理和产业升级中的真实问题。

近日，百度飞桨广州中心（粤桨）副主任、首席技术官陈云峰做客“IPP明远讲坛”，从产业一线的观察与实践出发对这一问题作出回应。他通过工业分拣、公检法辅助办案等案例，展示了AI并非停留在模型和概念层面，而是正在一个个具体场景中完成从技术能力到现实生产力的转化。

陈云峰

百度飞桨广州中心（粤桨）副主任、CTO

海珠区人工智能百人会常务副会长

这里借一张《时代》杂志此前的封面作为开场。

2025年《时代》周刊年度人物封面。在封面中，马克·扎克伯格、苏姿丰、马斯克、黄仁勋、萨姆·奥尔特曼、德米斯·哈萨比斯、达里奥·阿莫迪以及李飞飞等八位AI领域代表人物坐于城市的高空横梁之上。图源：《时代周刊》

封面上有8位AI领域的代表人物，标题是“人工智能的建造者们”。其构图很像20世纪30年代美国建造摩天大楼时的一张经典照片——《摩天大楼上的午餐》。那张照片拍摄于1932年，背景是洛克菲勒中心建设现场。照片中，几位钢铁工人坐在高空横梁上吃午餐，脚下就是曼哈顿。20世纪30年代，正是美国大规模基础设施建设的时期。

《摩天楼顶上的午餐》拍摄于1932年美国纽约洛克菲勒中心的RCA大楼施工时。

每一代强国的崛起，往往都离不开大规模基础设施的支撑。因此，《时代》杂志用类似的构图来呈现“人工智能的建造者们”，其实很有象征意味——20世纪30年代的工人是在建设城市；而今天这些AI领域的代表人物，则是在建构未来AI时代的基础设施。

另外还有一个热点：今年3月初以来，“小龙虾”在国内迅速出圈。事实上，在进入国内公众视野之前，它已在海外引发广泛关注。以华尔街著名铜牛雕塑“Charging Bull”为例，有人甚至专门制作了一个铜制“小龙虾”，放置在铜牛前方。这个颇具象征意味的场景，也折射出“小龙虾”作为AI应用在全球范围内的传播热度。

AI作为备受关注的技术，如何真正转化为现实生产力？要回答这个问题，首先需要回到AI产业链本身。

AI产业链非常复杂。如果将其分为五层，最底层是能源，随着近年国际冲突和地缘风险不断上升，大家对能源重要性的认识也越来越深。在能源之上，是人工智能产业链的基础层，主要包括算力和数据。现在各地，尤其是一些相对偏远地区建设的数据中心，主要对应的就是这一环节。算力方面大家也比较熟悉，包括国产GPU、海外GPU等。

再往上一层，是应用层，包括通用应用技术，以及当前主流的一些框架平台。模型层则是大家最熟悉的部分。无论是我们每天在手机上使用的通用大模型，还是企业内部使用的大模型，或者面向特定行业的垂类大模型，都属于这一层。再往上，就是各个产业场景中的具体应用。

从我们常见的C端，也就是用户端来看，当前比较主流的通用大模型工具类型非常丰富。比如大家常见的ChatGPT这类聊天工具，还有绘画类工具、文生图、文生视频、音乐生成、格式转换、数字人、工作流等多种类型。现在新的应用浪潮不断出现，基本上每个月都会有新的热点出来。最近我看到一个挺有意思的说法：只要我的反应足够慢，足够“懒”得去学习新技术，等我终于反应过来的时候，可能会发现之前想学的技术已经不重要了。这当然是一个玩笑，但也说明AI应用迭代的速度确实非常快。

如果从B端和G端来看，AI能够赋能的环节就更多了。这里列举了10个比较主流的行业，包括工业、能源、金融、建筑、教育、文化创意、农林牧渔、商贸物流、企业服务、生物医药等。更重要的是，每一个垂直行业内部，又会有很多非常细分的结合场景和落地项目。

让AI进入制造业

我挑选几个案例展开说明。

首先讲工业。工业是一个非常庞大的领域，也是粤港澳大湾区具有优势的领域，因此AI与工业结合的空间非常广阔。从最基础的知识萃取，到智能交互、安全巡检、巡检预警、数据可视化，再到AI排产、智能调度；如果涉及仓储，还会包括AGV自动驾驶；再往后，还包括工业仿真、数字孪生等。这些都是AI在工业领域较为常见的应用场景。

我最常讲的一个案例，就是工业分拣和质检。之所以会产生这样的应用需求，和大湾区制造业的现实情况密切相关。大湾区制造业规模庞大，但招工问题已经成为一个明显痛点。如果大家去过一些位置稍微偏远的传统工厂，就会发现里面工作人员整体年龄偏大。与此同时，企业的招工成本也越来越高。换言之，大湾区制造业门类又非常丰富，因此企业在用工方面面临的挑战确实很大。

接下来讲一个具体场景：积木类玩具。目前，全球60%以上的积木类玩具都产自汕头澄海。积木类玩具的生产流程大致是这样的：因为原材料主要是塑料，所以需要先对塑料进行加热注塑，再通过模具形成特定形状，冷却之后生成一个个塑料零部件。这些零部件在生产出来后，最初都是杂乱堆放在一起的。这就带来一个问题：必须有人对其进行分拣。

在传统工厂里，往往会有工人每天坐在那里工作8到10个小时，把这些长得非常相似的零件一个个分出来，再放进不同的盒子里。这些零件不仅形状相似，颜色也很接近。这个工作存在几个明显痛点。第一，人不可能长时间保持高度稳定和高效。通常连续工作一两个小时后，后续就会出现大量错误，速度也会下降。第二，工人需要长时间盯着这些细小、相似的零件看，对眼睛伤害很大。

因此，随着人工智能和自动化技术逐渐成熟，这两类技术完全可以结合起来，解决这一类传统制造业中的具体问题。基于这个场景，百度飞桨创新性地做了一套软硬一体的设备。这套设备大概两三米长，工作流程比较清晰：左侧是料仓，工人把玩具零件倒入料仓后，设备会将零件输送到分拣平台上。随后，滚轴和皮带带动零件移动，摄像头会对零件进行智能识别，后台算法事先经过训练，可以判断不同零件的类别。识别完成后，设备再通过机械方式，将零件吹入不同格口，完成自动分拣。

使用百度飞桨的AI分拣设备，每小时至少可以达到12000个零件，并且设备能够持续较长时间稳定工作。更重要的是，这套算法和设备不仅可以用于玩具行业，也可以应用在很多小型零部件相关行业中。除了积木、魔方之外，一些美妆零部件、五金零部件等，都可以使用类似的AI分拣方案。

基于百度飞桨的智能分拣机。图源：财联社

前面已经提到，工业领域是非常庞大的，能够与AI结合的场景很多。比如，定制门窗企业就有很典型的需求。每个阳台的形状不同，业主的需求也不同，有人希望做全景玻璃，有人希望中间设置隔断，不同玻璃型号和方案对应的价格也不一样。因此，每一套门窗产品基本上都是定制化生产的。

正因为这类企业工厂规模足够大、订单类型又高度定制化，所以它们当前非常关注的，就是大型工厂内部的排产问题。这也是AI在制造业中非常典型、非常有价值的落地场景。回到刚才讲的分拣设备。现在每一台设备内部都装有物联网通信模块，因此设备运行过程中的数据都可以被记录下来，包括设备分布、每日产量、模具数量等，都能够实时记录和监测。以上是工业领域AI应用的具体案例。

我再简单提一个偏营销端的案例。每年的“3·15”晚会都会曝光一些国家和公众比较关注的质量问题或行业问题。今年有一个案例叫“大模型投毒”。这里涉及一个概念，叫GEO，即“Generative Engine Optimization”，也就是生成式引擎优化。央视将其中一些不良现象定性为“AI投毒”。但我认为，所谓“AI投毒”只是GEO领域中非常小的一部分，而且是比较负面的部分，属于这个行业中的“劣币”。

在今年315晚会上AI大模型被“投毒”乱象成为曝光重点对象之一。图源：央视财经

现在很多人获取信息的方式已经发生变化。过去大家遇到问题，可能会先去搜索引擎检索；但现在，越来越多问答开始通过大模型完成，很多人甚至已经不再优先使用传统搜索引擎。

但这里有一个很重要的问题：通过大模型获取的信息，是否足够公正？比如我问大模型：“儿童纸尿裤哪一家比较好？”它给出的答案究竟是中立的，还是带有某种倾向性？这其实是一个很大的问号。

现实中，已经有一些公司在利用自己的技术和语料，试图影响大模型的回答和判断。一些机构通过大量低质量甚至带有误导性的信息，去干预大模型的生成结果。

让AI在城市落地

以上几个案例，主要围绕AI产业落地展开。接下来进入第二部分，谈一谈城市层面的情况。

我去年看到的一张图，主题是“中国AI城市竞赛”。其中，AI企业最多的城市是北京。除北京之外，长三角地区，尤其是上海、杭州，也有不少AI企业。再往下看，深圳也有一定数量的AI企业。相比之下，广州大概只有三四家，而且其中不少还不是广州本土原生企业，而是通过招商引资引进来的企业。虽然图片只列举了部分企业，但基本反映了全国AI产业竞争格局的大致情况。

2025年胡润中国人工智能企业50强上榜企业城市分布。数据来源：《2025胡润中国人工智能企业50强》。图源：工信头条

为什么北京会比较突出？因为AI产业的核心人才和资本，主要集中在北京。北京高校资源非常强，人才储备密集，而人工智能本身又是高度依赖智力和人才的行业。

广州在过去一段时间里，某种程度上既错过了移动互联网，也没有完全赶上这一轮人工智能浪潮。因此，百度飞桨广州中心除了自身开展AI赋能业务之外，从两三年前开始，也在做一些推动本地AI生态繁荣的工作。我们希望通过自己的努力，发掘大湾区内一些优质创业项目，再通过资本投入和资源导入，帮助这些项目成长起来。只有更多企业一起发展，广州的AI生态才会更好。

目前，我们大概参与了五六家企业，有的是通过投资形式，有的是通过收购形式，也有的是通过战略合作形式。

飞桨（PaddlePaddle）以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。

这里先讲一个面向公检法行业的大模型企业。

我给大家大概介绍一下这个场景。公检法领域可能离大家日常生活比较远，今天就以检察院场景为例。检察院代表国家提起公诉，所以一般是相对严重的案件才会进入检察院阶段。从办案流程看，检察院的上游是公安，下游是法院。比如一个多人、多次入室抢劫的复杂案件，公安机关需要完成侦查，收集人证、物证等材料。侦查完成后，会形成大量案卷和文书，再移交给检察院。一个案件从公安移交到检察院，大概会有多少页材料？一般来说，一个案件的卷宗可能有数千页，复杂案件甚至能达到数万页。我们见过一个案子，材料有3万页之多。

这就带来两个问题。第一，材料量非常大。第二，案件内容非常复杂。比如一个案件可能涉及多名犯罪嫌疑人、多次犯罪行为，人物关系、时间线、证据链都非常复杂。人在梳理这些材料时，很容易在大量信息中迷失。更重要的是，案件材料中往往还存在非常细微的证据差异。比如同一名犯罪嫌疑人，在第一次供述和第四次供述中讲述同一件事情时，细节可能并不一致。这种细节差异就可能意味着其中某一次供述中掺杂了虚构成分。要发现并判断这些差异，需要投入大量精力。因此，案件审查阶段其实非常耗人。稍微复杂一些的案件，通常需要基层检察官助理先对卷宗进行梳理。光是梳理材料，可能就要花费几个星期。检察官助理完成初步梳理后，再交给检察官，由检察官根据案件情况作出进一步判断。

在案件审查完成后，还需要依据我国法律条款、司法解释、类案情况以及案件本身的特殊性，提出量刑建议。比如犯罪嫌疑人究竟应该判三年还是五年，为什么作出这样的建议，依据的是哪些法律条文、司法解释和案件事实，都需要有清晰说明。

这些都属于案件审查和决策环节。完成判断之后，检察院还要形成一系列法律文书，才能提交给法院。因为检察院是代表国家提起公诉。检察院办理一个案件，提交给法院的文书通常就有七八十页。检察院每年要处理大量案件，而每个案件都需要形成相应文书，包括起诉书或不起诉书、审查报告等。这些材料都要提交给法院。由此可以想象，这项工作的量非常大。

现在，这一整套流程都可以通过人工智能进行辅助。尤其是涉及大量文字处理、信息抽取和文书生成的环节，本身就是大模型比较擅长的领域。以清远市检察院使用的人工智能辅助办案系统为例，他们在一年多前就已经使用了这套系统，而且应用效果比较好。实践数据显示，该系统可以将复杂案件办理周期从数周缩短至数天，文书生成效率提升80%以上。

检察官操作AI检察官助理系统辅助办案。

AI应用如何寻找新的增长空间？

接下来再给大家介绍另一个AI应用相关的案例。这个案例是我们大概三个月前刚刚投资的一家公司。严格来说，它不完全是一个纯人工智能项目，而是一个与人工智能相关、和未来产业结合比较紧密的领域。我们和这家公司成立了合资公司。它做的是无人机维修。

无人机不只是我们平时娱乐使用的大疆无人机，也包括大量工业领域使用的无人机。比如消防、电网巡检、农业植保等场景，都会用到无人机。与此同时，国家也在大力推动低空经济。低空经济中既包括部分载人场景，也包括大量无人机相关应用。随着无人机类型越来越多、保有量越来越大，围绕无人机的后市场服务也会越来越重要。

玩过无人机的人应该都有体会：无人机的损坏率其实比较高。因为它是在空中飞行，使用过程中又容易出现误操作，所以发生损坏的概率并不低。但目前市场上，与无人机后市场和维修相关的专业服务还相对空白。我们做过调研，至少在华南地区，或者说在两广地区，真正专业做无人机维修的公司非常少。

第139届中国进出口商品交易会上，各类无人机展品备受关注。从摄影“天眼”到应急装备、巡检神器，新技术、新场景涌现。图源：新华社

正是在推动AI生态和相关产业生态繁荣的过程中，我们挖掘了这样一个团队。这个团队一开始规模并不大，总共只有4个人。在我们投资和收购之前，这个团队其实已经在承接广东、广西地区不少公安系统无人机设备的维保和升级业务。此外，他们现在也是大疆官方指定的第三方维修机构。这些资质和荣誉，说明团队已经具备较强的技术能力和行业认可度。

关于无人机维修，大家可能会有一个疑问：我的机器坏了，为什么不直接找大疆或者原厂维修？这里面其实有几个问题。

首先，原厂保修期通常比较短。过了保修期之后，真正能够专业维修无人机的机构并不多。无人机维修和手机维修不一样。手机维修行业发展时间比较长，市场比较成熟，维修人员的整体技术水平也相对较高。但无人机维修行业还处在比较早期的阶段，真正懂维修、会维修的人并不多。

其次，目前市面上很多所谓的无人机维修，本质上只是进行零部件替换。比如旋翼坏了，就换一个新的；某个外部结构断了，也换一个新的。但这种方式能够覆盖的场景非常有限。很多情况下，故障并不是简单更换零件就能解决的。比如设备内部芯片出现损坏，或者电路层面出现问题，就很难通过简单换件完成维修。如果无法维修，就只能直接更换整机。而一旦过了保修期，直接换机器的成本其实非常高。

我们看中的这支团队，核心优势就在于他们能够做到“芯片级”的维修。这说明团队技术能力足够强，也因此获得了大疆方面的两项重要认可：第一，他们是大疆官方指定的第三方机构，这是对其维修技术能力的认可。第二，我们的团队叫“维桨”，我们培养出来的人才，如果通过相关考核，可以直接进入大疆工作。这两个资质和荣誉，都说明大疆对我们技术水平和人才培养能力有较高认可。

总体来说，我们非常看好无人机维修这一赛道。我也联系过广州市和广东省低空经济协会，了解到真正能够做到芯片级维修的企业非常少。北方可能还有一两家，但在南方，尤其是华南地区，专业企业非常稀缺。因此，这是一条非常蓝海的赛道，我们也坚定看好它的长期发展。

更重要的是，我们在这个赛道上已经有一个比较清晰的战略布局。如果这个事情真正做起来，后续至少可以向两个方向延展：第一是门店赋能，第二是品类扩充。

所谓门店赋能。例如目前维修手机等电子产品的门店非常多，但能够维修无人机的门店很少。我们可以通过品牌和技术赋能，让现有手机维修店在原有业务基础上，增加无人机维修服务。这样一来，服务网络就可以比较快地铺开。

还有品类扩充。为什么我们把自己定位为“无人设备服务商”，而不是单纯的“无人机服务商”？因为无人机目前已经有一定保有量，但未来更大的空间还在其他无人设备上，比如机器人。现在具身智能和人形机器人赛道刚刚起步，人形机器人的保有量还很低。机器人赛道不只有人形机器人，也包括各种不同形态的机器人。随着未来机器人保有量逐渐上升，后续必然会出现各种维修、维保和升级需求。这个趋势是肉眼可见的。因此，我们希望趁这个赛道还处在蓝海阶段，尽早进入并占住位置。

此外，我们现在正在和清华大学出版社合作编写一本无人机维修教材。目前书稿已经在撰写过程中，如果一切顺利，可能今年12月就会出版。这也有望成为全国第一本系统性的无人机维修教材。通过人才培养、教材建设、高校合作，以及在一些职业院校共建无人机维修产业学院或相关专业，我们希望形成一整套体系化布局，进一步占领这一赛道。

七、产业赋能的关键，是做好“最后一公里”

最后简单介绍一下我们自己。我们百度飞桨广州中心主要做的是产业赋能。所谓产业赋能，就是把人工智能真正用到各个产业中，做好技术落地的“最后一公里”。

因此，我们的工程师更多是偏应用型的工程师，不是纯粹做前沿研究的研究人员。我们更关注的是如何把AI技术转化为可落地、可使用、能解决实际问题的应用方案。

目前，我们的业务大致分为三个板块。第一个板块是工业领域，包括AI质检、AI分拣、AI排产等。第二个板块是AI城市，涵盖公检法、应急管理、智慧城市、智慧高速公路等场景，这是一个相对综合的板块。第三个板块是与高校合作，包括前面提到的产业学院、人才培养，以及培训、研学等业务。我们也已经做了不少案例。当然，其中有些是百度体系完成的，有些是我们中心参与完成的。在智慧工业等领域，包括这里列出的部分案例，就是我们中心自己做的。

※文章根据陈云峰在IPP明远讲坛的讲座发言整理

陈云峰在明远讲坛分享其对大湾区人工智能产业的前沿观察

与谈人、华南理工大学工商管理学院副教授刘意对讲座进行点评

与谈人、华南理工大学公共政策研究院资深研究员蒋余浩与到场嘉宾展开交流

陈云峰与广州市人民政府研究室研究中心一级调研员蒋国学（左三）、广州市社科院城市文化研究所孙占卿副所长（右二）、广州市委党校政治学与法学教研部副教授杨涛（左二）等与会嘉宾在讲座结束后合影

IPP公共关系与传播中心

排版 | 周浩锴

校对 | 刘 深

终审 | 刘金程

IPP评论热门文章

关于IPP

华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。