陳云峰：AI產業落地，如何越過“最后一公里”？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺

導語：“十五五”規劃提出，要“搶占人工智能產業應用制高點，全方位賦能千行百業”，標志著人工智能的發展重心正加速轉入產業落地階段。當前，AI與千行百業的融合持續提速，競爭焦點已愈發集中于能否在具體場景中形成應用實效，能否切實回應生產一線、城市治理和產業升級中的真實問題。

近日，百度飛槳廣州中心（粵槳）副主任、首席技術官陳云峰做客“IPP明遠講壇”，從產業一線的觀察與實踐出發對這一問題作出回應。他通過工業分揀、公檢法輔助辦案等案例，展示了AI并非停留在模型和概念層面，而是正在一個個具體場景中完成從技術能力到現實生產力的轉化。

陳云峰

百度飛槳廣州中心（粵槳）副主任、CTO

海珠區人工智能百人會常務副會長

這里借一張《時代》雜志此前的封面作為開場。

2025年《時代》周刊年度人物封面。在封面中，馬克·扎克伯格、蘇姿豐、馬斯克、黃仁勛、薩姆·奧爾特曼、德米斯·哈薩比斯、達里奧·阿莫迪以及李飛飛等八位AI領域代表人物坐于城市的高空橫梁之上。圖源：《時代周刊》

封面上有8位AI領域的代表人物，標題是“人工智能的建造者們”。其構圖很像20世紀30年代美國建造摩天大樓時的一張經典照片——《摩天大樓上的午餐》。那張照片拍攝于1932年，背景是洛克菲勒中心建設現場。照片中，幾位鋼鐵工人坐在高空橫梁上吃午餐，腳下就是曼哈頓。20世紀30年代，正是美國大規模基礎設施建設的時期。

《摩天樓頂上的午餐》拍攝于1932年美國紐約洛克菲勒中心的RCA大樓施工時。

每一代強國的崛起，往往都離不開大規模基礎設施的支撐。因此，《時代》雜志用類似的構圖來呈現“人工智能的建造者們”，其實很有象征意味——20世紀30年代的工人是在建設城市；而今天這些AI領域的代表人物，則是在建構未來AI時代的基礎設施。

另外還有一個熱點：今年3月初以來，“小龍蝦”在國內迅速出圈。事實上，在進入國內公眾視野之前，它已在海外引發廣泛關注。以華爾街著名銅牛雕塑“Charging Bull”為例，有人甚至專門制作了一個銅制“小龍蝦”，放置在銅牛前方。這個頗具象征意味的場景，也折射出“小龍蝦”作為AI應用在全球范圍內的傳播熱度。

AI作為備受關注的技術，如何真正轉化為現實生產力？要回答這個問題，首先需要回到AI產業鏈本身。

AI產業鏈非常復雜。如果將其分為五層，最底層是能源，隨著近年國際沖突和地緣風險不斷上升，大家對能源重要性的認識也越來越深。在能源之上，是人工智能產業鏈的基礎層，主要包括算力和數據。現在各地，尤其是一些相對偏遠地區建設的數據中心，主要對應的就是這一環節。算力方面大家也比較熟悉，包括國產GPU、海外GPU等。

再往上一層，是應用層，包括通用應用技術，以及當前主流的一些框架平臺。模型層則是大家最熟悉的部分。無論是我們每天在手機上使用的通用大模型，還是企業內部使用的大模型，或者面向特定行業的垂類大模型，都屬于這一層。再往上，就是各個產業場景中的具體應用。

從我們常見的C端，也就是用戶端來看，當前比較主流的通用大模型工具類型非常豐富。比如大家常見的ChatGPT這類聊天工具，還有繪畫類工具、文生圖、文生視頻、音樂生成、格式轉換、數字人、工作流等多種類型。現在新的應用浪潮不斷出現，基本上每個月都會有新的熱點出來。最近我看到一個挺有意思的說法：只要我的反應足夠慢，足夠“懶”得去學習新技術，等我終于反應過來的時候，可能會發現之前想學的技術已經不重要了。這當然是一個玩笑，但也說明AI應用迭代的速度確實非常快。

如果從B端和G端來看，AI能夠賦能的環節就更多了。這里列舉了10個比較主流的行業，包括工業、能源、金融、建筑、教育、文化創意、農林牧漁、商貿物流、企業服務、生物醫藥等。更重要的是，每一個垂直行業內部，又會有很多非常細分的結合場景和落地項目。

讓AI進入制造業

我挑選幾個案例展開說明。

首先講工業。工業是一個非常龐大的領域，也是粵港澳大灣區具有優勢的領域，因此AI與工業結合的空間非常廣闊。從最基礎的知識萃取，到智能交互、安全巡檢、巡檢預警、數據可視化，再到AI排產、智能調度；如果涉及倉儲，還會包括AGV自動駕駛；再往后，還包括工業仿真、數字孿生等。這些都是AI在工業領域較為常見的應用場景。

我最常講的一個案例，就是工業分揀和質檢。之所以會產生這樣的應用需求，和大灣區制造業的現實情況密切相關。大灣區制造業規模龐大，但招工問題已經成為一個明顯痛點。如果大家去過一些位置稍微偏遠的傳統工廠，就會發現里面工作人員整體年齡偏大。與此同時，企業的招工成本也越來越高。換言之，大灣區制造業門類又非常豐富，因此企業在用工方面面臨的挑戰確實很大。

接下來講一個具體場景：積木類玩具。目前，全球60%以上的積木類玩具都產自汕頭澄海。積木類玩具的生產流程大致是這樣的：因為原材料主要是塑料，所以需要先對塑料進行加熱注塑，再通過模具形成特定形狀，冷卻之后生成一個個塑料零部件。這些零部件在生產出來后，最初都是雜亂堆放在一起的。這就帶來一個問題：必須有人對其進行分揀。

在傳統工廠里，往往會有工人每天坐在那里工作8到10個小時，把這些長得非常相似的零件一個個分出來，再放進不同的盒子里。這些零件不僅形狀相似，顏色也很接近。這個工作存在幾個明顯痛點。第一，人不可能長時間保持高度穩定和高效。通常連續工作一兩個小時后，后續就會出現大量錯誤，速度也會下降。第二，工人需要長時間盯著這些細小、相似的零件看，對眼睛傷害很大。

因此，隨著人工智能和自動化技術逐漸成熟，這兩類技術完全可以結合起來，解決這一類傳統制造業中的具體問題。基于這個場景，百度飛槳創新性地做了一套軟硬一體的設備。這套設備大概兩三米長，工作流程比較清晰：左側是料倉，工人把玩具零件倒入料倉后，設備會將零件輸送到分揀平臺上。隨后，滾軸和皮帶帶動零件移動，攝像頭會對零件進行智能識別，后臺算法事先經過訓練，可以判斷不同零件的類別。識別完成后，設備再通過機械方式，將零件吹入不同格口，完成自動分揀。

使用百度飛槳的AI分揀設備，每小時至少可以達到12000個零件，并且設備能夠持續較長時間穩定工作。更重要的是，這套算法和設備不僅可以用于玩具行業，也可以應用在很多小型零部件相關行業中。除了積木、魔方之外，一些美妝零部件、五金零部件等，都可以使用類似的AI分揀方案。

基于百度飛槳的智能分揀機。圖源：財聯社

前面已經提到，工業領域是非常龐大的，能夠與AI結合的場景很多。比如，定制門窗企業就有很典型的需求。每個陽臺的形狀不同，業主的需求也不同，有人希望做全景玻璃，有人希望中間設置隔斷，不同玻璃型號和方案對應的價格也不一樣。因此，每一套門窗產品基本上都是定制化生產的。

正因為這類企業工廠規模足夠大、訂單類型又高度定制化，所以它們當前非常關注的，就是大型工廠內部的排產問題。這也是AI在制造業中非常典型、非常有價值的落地場景。回到剛才講的分揀設備。現在每一臺設備內部都裝有物聯網通信模塊，因此設備運行過程中的數據都可以被記錄下來，包括設備分布、每日產量、模具數量等，都能夠實時記錄和監測。以上是工業領域AI應用的具體案例。

我再簡單提一個偏營銷端的案例。每年的“3·15”晚會都會曝光一些國家和公眾比較關注的質量問題或行業問題。今年有一個案例叫“大模型投毒”。這里涉及一個概念，叫GEO，即“Generative Engine Optimization”，也就是生成式引擎優化。央視將其中一些不良現象定性為“AI投毒”。但我認為，所謂“AI投毒”只是GEO領域中非常小的一部分，而且是比較負面的部分，屬于這個行業中的“劣幣”。

在今年315晚會上AI大模型被“投毒”亂象成為曝光重點對象之一。圖源：央視財經

現在很多人獲取信息的方式已經發生變化。過去大家遇到問題，可能會先去搜索引擎檢索；但現在，越來越多問答開始通過大模型完成，很多人甚至已經不再優先使用傳統搜索引擎。

但這里有一個很重要的問題：通過大模型獲取的信息，是否足夠公正？比如我問大模型：“兒童紙尿褲哪一家比較好？”它給出的答案究竟是中立的，還是帶有某種傾向性？這其實是一個很大的問號。

現實中，已經有一些公司在利用自己的技術和語料，試圖影響大模型的回答和判斷。一些機構通過大量低質量甚至帶有誤導性的信息，去干預大模型的生成結果。

讓AI在城市落地

以上幾個案例，主要圍繞AI產業落地展開。接下來進入第二部分，談一談城市層面的情況。

我去年看到的一張圖，主題是“中國AI城市競賽”。其中，AI企業最多的城市是北京。除北京之外，長三角地區，尤其是上海、杭州，也有不少AI企業。再往下看，深圳也有一定數量的AI企業。相比之下，廣州大概只有三四家，而且其中不少還不是廣州本土原生企業，而是通過招商引資引進來的企業。雖然圖片只列舉了部分企業，但基本反映了全國AI產業競爭格局的大致情況。

2025年胡潤中國人工智能企業50強上榜企業城市分布。數據來源：《2025胡潤中國人工智能企業50強》。圖源：工信頭條

為什么北京會比較突出？因為AI產業的核心人才和資本，主要集中在北京。北京高校資源非常強，人才儲備密集，而人工智能本身又是高度依賴智力和人才的行業。

廣州在過去一段時間里，某種程度上既錯過了移動互聯網，也沒有完全趕上這一輪人工智能浪潮。因此，百度飛槳廣州中心除了自身開展AI賦能業務之外，從兩三年前開始，也在做一些推動本地AI生態繁榮的工作。我們希望通過自己的努力，發掘大灣區內一些優質創業項目，再通過資本投入和資源導入，幫助這些項目成長起來。只有更多企業一起發展，廣州的AI生態才會更好。

目前，我們大概參與了五六家企業，有的是通過投資形式，有的是通過收購形式，也有的是通過戰略合作形式。

飛槳（PaddlePaddle）以百度多年的深度學習技術研究和業務應用為基礎，集深度學習核心訓練和推理框架、基礎模型庫、端到端開發套件、豐富的工具組件于一體，是中國首個自主研發、功能豐富、開源開放的產業級深度學習平臺。

這里先講一個面向公檢法行業的大模型企業。

我給大家大概介紹一下這個場景。公檢法領域可能離大家日常生活比較遠，今天就以檢察院場景為例。檢察院代表國家提起公訴，所以一般是相對嚴重的案件才會進入檢察院階段。從辦案流程看，檢察院的上游是公安，下游是法院。比如一個多人、多次入室搶劫的復雜案件，公安機關需要完成偵查，收集人證、物證等材料。偵查完成后，會形成大量案卷和文書，再移交給檢察院。一個案件從公安移交到檢察院，大概會有多少頁材料？一般來說，一個案件的卷宗可能有數千頁，復雜案件甚至能達到數萬頁。我們見過一個案子，材料有3萬頁之多。

這就帶來兩個問題。第一，材料量非常大。第二，案件內容非常復雜。比如一個案件可能涉及多名犯罪嫌疑人、多次犯罪行為，人物關系、時間線、證據鏈都非常復雜。人在梳理這些材料時，很容易在大量信息中迷失。更重要的是，案件材料中往往還存在非常細微的證據差異。比如同一名犯罪嫌疑人，在第一次供述和第四次供述中講述同一件事情時，細節可能并不一致。這種細節差異就可能意味著其中某一次供述中摻雜了虛構成分。要發現并判斷這些差異，需要投入大量精力。因此，案件審查階段其實非常耗人。稍微復雜一些的案件，通常需要基層檢察官助理先對卷宗進行梳理。光是梳理材料，可能就要花費幾個星期。檢察官助理完成初步梳理后，再交給檢察官，由檢察官根據案件情況作出進一步判斷。

在案件審查完成后，還需要依據我國法律條款、司法解釋、類案情況以及案件本身的特殊性，提出量刑建議。比如犯罪嫌疑人究竟應該判三年還是五年，為什么作出這樣的建議，依據的是哪些法律條文、司法解釋和案件事實，都需要有清晰說明。

這些都屬于案件審查和決策環節。完成判斷之后，檢察院還要形成一系列法律文書，才能提交給法院。因為檢察院是代表國家提起公訴。檢察院辦理一個案件，提交給法院的文書通常就有七八十頁。檢察院每年要處理大量案件，而每個案件都需要形成相應文書，包括起訴書或不起訴書、審查報告等。這些材料都要提交給法院。由此可以想象，這項工作的量非常大。

現在，這一整套流程都可以通過人工智能進行輔助。尤其是涉及大量文字處理、信息抽取和文書生成的環節，本身就是大模型比較擅長的領域。以清遠市檢察院使用的人工智能輔助辦案系統為例，他們在一年多前就已經使用了這套系統，而且應用效果比較好。實踐數據顯示，該系統可以將復雜案件辦理周期從數周縮短至數天，文書生成效率提升80%以上。

檢察官操作AI檢察官助理系統輔助辦案。

AI應用如何尋找新的增長空間？

接下來再給大家介紹另一個AI應用相關的案例。這個案例是我們大概三個月前剛剛投資的一家公司。嚴格來說，它不完全是一個純人工智能項目，而是一個與人工智能相關、和未來產業結合比較緊密的領域。我們和這家公司成立了合資公司。它做的是無人機維修。

無人機不只是我們平時娛樂使用的大疆無人機，也包括大量工業領域使用的無人機。比如消防、電網巡檢、農業植保等場景，都會用到無人機。與此同時，國家也在大力推動低空經濟。低空經濟中既包括部分載人場景，也包括大量無人機相關應用。隨著無人機類型越來越多、保有量越來越大，圍繞無人機的后市場服務也會越來越重要。

玩過無人機的人應該都有體會：無人機的損壞率其實比較高。因為它是在空中飛行，使用過程中又容易出現誤操作，所以發生損壞的概率并不低。但目前市場上，與無人機后市場和維修相關的專業服務還相對空白。我們做過調研，至少在華南地區，或者說在兩廣地區，真正專業做無人機維修的公司非常少。

第139屆中國進出口商品交易會上，各類無人機展品備受關注。從攝影“天眼”到應急裝備、巡檢神器，新技術、新場景涌現。圖源：新華社

正是在推動AI生態和相關產業生態繁榮的過程中，我們挖掘了這樣一個團隊。這個團隊一開始規模并不大，總共只有4個人。在我們投資和收購之前，這個團隊其實已經在承接廣東、廣西地區不少公安系統無人機設備的維保和升級業務。此外，他們現在也是大疆官方指定的第三方維修機構。這些資質和榮譽，說明團隊已經具備較強的技術能力和行業認可度。

關于無人機維修，大家可能會有一個疑問：我的機器壞了，為什么不直接找大疆或者原廠維修？這里面其實有幾個問題。

首先，原廠保修期通常比較短。過了保修期之后，真正能夠專業維修無人機的機構并不多。無人機維修和手機維修不一樣。手機維修行業發展時間比較長，市場比較成熟，維修人員的整體技術水平也相對較高。但無人機維修行業還處在比較早期的階段，真正懂維修、會維修的人并不多。

其次，目前市面上很多所謂的無人機維修，本質上只是進行零部件替換。比如旋翼壞了，就換一個新的；某個外部結構斷了，也換一個新的。但這種方式能夠覆蓋的場景非常有限。很多情況下，故障并不是簡單更換零件就能解決的。比如設備內部芯片出現損壞，或者電路層面出現問題，就很難通過簡單換件完成維修。如果無法維修，就只能直接更換整機。而一旦過了保修期，直接換機器的成本其實非常高。

我們看中的這支團隊，核心優勢就在于他們能夠做到“芯片級”的維修。這說明團隊技術能力足夠強，也因此獲得了大疆方面的兩項重要認可：第一，他們是大疆官方指定的第三方機構，這是對其維修技術能力的認可。第二，我們的團隊叫“維槳”，我們培養出來的人才，如果通過相關考核，可以直接進入大疆工作。這兩個資質和榮譽，都說明大疆對我們技術水平和人才培養能力有較高認可。

總體來說，我們非常看好無人機維修這一賽道。我也聯系過廣州市和廣東省低空經濟協會，了解到真正能夠做到芯片級維修的企業非常少。北方可能還有一兩家，但在南方，尤其是華南地區，專業企業非常稀缺。因此，這是一條非常藍海的賽道，我們也堅定看好它的長期發展。

更重要的是，我們在這個賽道上已經有一個比較清晰的戰略布局。如果這個事情真正做起來，后續至少可以向兩個方向延展：第一是門店賦能，第二是品類擴充。

所謂門店賦能。例如目前維修手機等電子產品的門店非常多，但能夠維修無人機的門店很少。我們可以通過品牌和技術賦能，讓現有手機維修店在原有業務基礎上，增加無人機維修服務。這樣一來，服務網絡就可以比較快地鋪開。

還有品類擴充。為什么我們把自己定位為“無人設備服務商”，而不是單純的“無人機服務商”？因為無人機目前已經有一定保有量，但未來更大的空間還在其他無人設備上，比如機器人。現在具身智能和人形機器人賽道剛剛起步，人形機器人的保有量還很低。機器人賽道不只有人形機器人，也包括各種不同形態的機器人。隨著未來機器人保有量逐漸上升，后續必然會出現各種維修、維保和升級需求。這個趨勢是肉眼可見的。因此，我們希望趁這個賽道還處在藍海階段，盡早進入并占住位置。

此外，我們現在正在和清華大學出版社合作編寫一本無人機維修教材。目前書稿已經在撰寫過程中，如果一切順利，可能今年12月就會出版。這也有望成為全國第一本系統性的無人機維修教材。通過人才培養、教材建設、高校合作，以及在一些職業院校共建無人機維修產業學院或相關專業，我們希望形成一整套體系化布局，進一步占領這一賽道。

七、產業賦能的關鍵，是做好“最后一公里”

最后簡單介紹一下我們自己。我們百度飛槳廣州中心主要做的是產業賦能。所謂產業賦能，就是把人工智能真正用到各個產業中，做好技術落地的“最后一公里”。

因此，我們的工程師更多是偏應用型的工程師，不是純粹做前沿研究的研究人員。我們更關注的是如何把AI技術轉化為可落地、可使用、能解決實際問題的應用方案。

目前，我們的業務大致分為三個板塊。第一個板塊是工業領域，包括AI質檢、AI分揀、AI排產等。第二個板塊是AI城市，涵蓋公檢法、應急管理、智慧城市、智慧高速公路等場景，這是一個相對綜合的板塊。第三個板塊是與高校合作，包括前面提到的產業學院、人才培養，以及培訓、研學等業務。我們也已經做了不少案例。當然，其中有些是百度體系完成的，有些是我們中心參與完成的。在智慧工業等領域，包括這里列出的部分案例，就是我們中心自己做的。

※文章根據陳云峰在IPP明遠講壇的講座發言整理

陳云峰在明遠講壇分享其對大灣區人工智能產業的前沿觀察

與談人、華南理工大學工商管理學院副教授劉意對講座進行點評

與談人、華南理工大學公共政策研究院資深研究員蔣余浩與到場嘉賓展開交流

陳云峰與廣州市人民政府研究室研究中心一級調研員蔣國學（左三）、廣州市社科院城市文化研究所孫占卿副所長（右二）、廣州市委黨校政治學與法學教研部副教授楊濤（左二）等與會嘉賓在講座結束后合影

IPP公共關系與傳播中心

排版 | 周浩鍇

校對 | 劉 深

終審 | 劉金程

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。