人工智能从诞生经历了包括符号主义、连接主义、统计学习及深度学习等几次发展阶段。移动互联网时代下，数据以几何形式爆发增长，进一步推动了以反向传播为基础的深度学习算法，将人工智能推向了新的高度，即大模型时代。过去几年人工智能在自然语言、图像等方面的迅猛发展给生活带来了极大的便利，人工智能能否成为推动经济发展的新引擎也成为全新的话题。然而，人工智能的应用仍大多停留在软件层面。当前，我国社会发展正处于产业升级的关键时期，人工智能技术能否助力制造业升级实现“硬道路”上的弯道超车成为下一阶段人工智能的发展关键。2023年，中国计算机学会（CCF）青年计算机科技论坛（YOCSEF）广州分论坛从脑机接口、可信人工智能、Web3.0、工业大模型等方面对当前的技术热点进行了深入讨论。作为收官，本次论坛以“人工智能是否产业升级的‘破局之匙’”为题对制造业所需面临现状问题及人工智能可以从哪些方面进行助力展开讨论，并设立产业科研促进特别CLUB帮助科研成果向实体经济转化落地。

        本次论坛由CCF YOCSEF 广州AC委员张天豫（广汽研究院）、CCF YOCSEF广州副主席苏申（广州大学）共同担任执行主席，CCF YOCSEF广州、广州大学黄埔研究院承办，广州唐邦信息科技有限公司提供赞助支持。论坛邀请了刘子韬（暨南大学）、张人才（方石科技有限公司）、刘凌海（广汽研究院）、张鹏（广州大学）、何代杰（广州广日股份有限公司）、胡建芳（中山大学）、王昌栋（中山大学）、吴一冰（新华三技术有限公司）、刘伟莉（广东技术师范大学）、蓝连涛（华南农业大学）、朱鉴（广东工业大学）、曾衍瀚（广州大学）、姜思羽（广东外语外贸大学）、陈俊颖（华南理工大学）、张怀东（华南理工大学）、黄婷（西安电子科技大学广州研究院）、赵宏（西安电子科技大学广州研究院）、张帆（佛山市云米电器科技有限公司）、孙欢（佛山市云米电器科技有限公司）、黄培涛（广州唐邦信息科技有限公司）、陈鹏（广州大学），何郁郁（广州大学），辛遥（广州大学），乔成（广州大学）、屈凌峰（广州大学）、董崇武（广州大学）以及来自省内外高校及企事业单位的30多名专家学者参加讨论与思辨。

        论坛围绕人工智能是否是产业升级的“破局之匙”展开深入讨论。与会专家从产业需求和科研目标等多个角度出发，探讨了人工智能在推动产业升级方面的潜在作用。除了关注学术层面，论坛还聚焦实际问题，积极探讨如何加强科研机构与产业需求之间的联系。与会者们一致认为，通过建立更有效的沟通渠道，科研成果能更好地应对产业需求，为中小企业的创新发展提供有力技术支持。整个论坛在轻松而热烈的氛围中成功举办，取得了令人满意的效果。这次活动为从业人员提供了重要的参考与借鉴，促进了人工智能在产业升级中的实践与探索。

刘子韬教授做引导报告

        暨南大学刘子韬教授做引导报告“一代人工智能技术赋能个性化学习”。介绍了大语言模型在个性化学习和智能师机生交互技术方面的发展和应用。方石科技张人才博士做“机器人+AI推动建筑产业升级革命”的引导报告。介绍了方石科技基于机器人+人工智能改变传统施工模式，突破和变革传统建筑施工工艺，进而实现建筑产业升级的实践和探索。广汽研究院刘凌海研究员做“AI算法学术研究与工业落地--挑战与机遇”的引导报告。分析了学术界和工业界在人工智能算法应用上的差异与关联。深度剖析了学术界对算法研究的理论与创新追求，以及工业界对算法稳定性和实用性的务实需求。

张人才博士做引导报告

刘凌海研究员做引导报告

        引导报告之后，论坛对“人工智能对软件与硬件发展哪个影响更深远？“等四个议题进行了深入讨论，思辨性的分析了对人工智能助理产业升级的路径选择。

议题一：人工智能对软件与硬件发展哪个影响更深远？为什么人工智能在软件应用的发展快于硬件应用？ 哪些举措可以提升人工智能在硬件方面的应用？

        受邀嘉宾认为人工智能在软件与硬件领域都产生深远影响，但软件方面的影响更为显著。其算法与模型的迅速发展、广泛应用于各行业、灵活性与可更新性等因素使得人工智能在软件层面取得了更为显著的成果。软件应用发展较快的原因包括数学基础与算法创新、云计算与分布式计算、以及开源社区的贡献。为提升人工智能在硬件方面的应用，可采取举措包括专用硬件研发、硬件与软件协同设计、量子计算的研究与应用，以及可编程硬件的创新，以促进软硬件的平衡发展，推动人工智能在各领域的全面应用。孙欢、黄培涛、刘凌海等来自产业的专家则认为强调硬件性能提升和专用硬件研发对人工智能发展至关重要。尽管有人认为软件应用在各领域取得显著进展，但在解决复杂问题时需要更强大的硬件支持。有观点主张硬软一体，强调二者相辅相成。同时，部分嘉宾对软件过度依赖云计算表达担忧，认为可能限制在本地硬件上实现更广泛人工智能应用的可能性。

议题二：产业目标与科研目标是否“鱼与熊掌”不可兼得？产业更注重链，科学研究是点，如何将点串成链？

        专家普遍认为，团队协作和多个机构的合作是推动学术研究和产业结合的重要因素。其中，有组织支撑和财政支持被认为是推动团队协作和多机构合作的关键。在科研目标与产业目标一致性的讨论中，有专家提到人工智能领域的例子，强调了科研成果先行后产业化的模式。大公司通过建立科研实验室形成了相对完整的链式研究，而高校则面临资源相对不足、仍处于点状研究的劣势。对于产业化过程的特殊性，一些专家指出从硬件到软件算法的转化是一个复杂且周期较长的过程，可能会面临各种问题，产生不太一致的衍生品。在目标考核和实现方法方面，专家们强调了科研目标失败成本更高，而产业目标更注重经济性和性价比。学校与产业的合作，特别是通过学生实习，被认为是一种有意义的方式，能够促进产学合作，拓宽学生眼界。在人工智能领域，专家们一致认为科研目标更容易与产业结合，因为对学历和能力要求较高。资本在推动AI项目发展中扮演关键角色，企业更倾向于投入后更能产生经济效益的项目。

议题三：产业界奉行拿来主义？研究是否应坚持长期主义？

        与会专家认为大企业研发责任与小企业分化可能导致马太效应。产业应拿来和自研相结合，学习先进经验，同时小企业需要透明公平的组织保障权益。对于研究是否应坚持长期主义，专家们指出迭代过快可能降低工作质量，建议在研究领域变化快的情况下结合研究热点，靠近前沿技术。长期主义需要国家层面的支持，研究机构应有灵活选择和分情况投入，实现选择增益。

议题四：人工智能助力产业升级：短期成效与长期规划，如何兼得？

        与会专家认为企业无论规模大小，都应坚持长期目标，为未来发展赋予话语权，同时为小企业提供坚持的机会。长期主义需要找准方向，但也要在短期探索中找到机会转化。企业需要在长短结合中保持灵活性。超级智能时代前，某些目标或许难以实现，但长期坚持将有望实现这些目标。企业需要在发展中不断适应技术变革。要以长期为基础，关注当前热点，将其应用在自身方向上，有助于实现产学合作的共同目标。

现场激烈讨论

会后合影