走出实验室，AI如何落地千行百业

　　浙江在线9月8日讯（记者 林晓晖 施力维 陈黎明）人工智能的全球竞逐不断向产业纵深推进。AI创新成果如何进一步走出实验室、赋能千行百业，成为新的考题。

　　把人工智能深度融入创新浙江建设和经济社会发展的各领域各方面，更好发挥人工智能赋能作用，成为全省上下的共识。一种旨在为人工智能应用搭建桥梁的新型平台横空出世。加快推进人工智能应用规模化发展，国家系统部署布局建设一批人工智能应用中试基地。目前，浙江已获批6个基地，数量居全国前列，覆盖医疗、地球科学、具身智能、时空地理信息、石化化工、文化旅游六大方向。

　　这批国家人工智能应用中试基地将发挥怎样的作用？它们靠什么打通AI成果转化链条，又将如何塑造崭新的产业生态？走出实验室，AI落地千行百业还有哪些堵点？连日来，记者穿梭于六大基地及相关企业、机构之间。在一线的调研与碰撞中，一幅AI走向产业深水区的路线图逐渐清晰。

　　成果转化怎样突破堵点

　　记者调研这6家国家人工智能应用中试基地的路线，串起了丰富的产业应用场景——

　　在全力打造人工智能创新发展第一城的杭州，国家人工智能应用中试基地（科学领域地球科学方向）布局杭州城西科创大走廊，依托之江实验室创新资源，助力迎接AI时代科学研究的巨变；萧山信息港里，国家人工智能应用中试基地（医疗）·浙江对接着密集的医疗资源和创新企业；国家人工智能应用中试基地（具身智能）位于杭州高新区（滨江），机器人训练场日夜运转；大运河畔，国家人工智能应用中试基地（文化旅游）探索文旅资源的智能化新解法。

　　向东，宁波，国家人工智能应用中试基地（石化化工）扎进全国最大石化产业集群腹地。向北，湖州，国家人工智能应用中试基地（时空地理信息）依托自然资源部和浙江省共建的高能级创新平台莫干山地信实验室及400多家地信企业，在德清地信小镇担负起“国家队”的使命。

　　从中不难发现这批基地落子布局的逻辑：因行业而生。

　　工业和信息化部相关数据显示，我国人工智能核心产业企业数量已超4500家，产业规模不断攀升。AI落地需求日益迫切，但各行各业的成果转化也面临不同堵点。

　　走访中，一家机器人创业企业的遭遇让人印象深刻：把样机带到产线上一试，才发现实验室里百发百中的抓取动作，在真实场景中“频频失手”。

　　还有企业负责人告诉记者：模型训练好了，却找不到真实场景验证；行业缺少统一标准和检测体系，想用却不敢用……

　　面对这些“水土不服”，基地如何破局？

　　多名业内人士提出一个观点：打通落地链条，必须从最底层的“数据养料”开始重塑。

　　这恰恰是人工智能落地的第一道门槛。

　　之江实验室，智能算力集群昼夜不停，地学数据枢纽对来自地下、地表和空天的数据进行加工处理。地质图、地球化学、地震波……这些数据类型多样、格式各异，难以直接用于人工智能模型训练。科研人员告诉记者，地球科学应用中试基地的首要任务，就是把这些庞杂数据“翻译”成AI能理解的高质量数据资源。

　　“让时空信息像水电一样，随时可用、人人能用。”时空地理信息应用中试基地负责人张继贤说，基地旨在打造国家统一地理空间智能底座，为千行百业提供标准化的时空地理信息数据和AI应用共性能力服务。

　　如何让人工智能真正满足专业场景需求，也是产业应用绕不开的问题。

　　一个AI算法声称能比医生更早地从CT影像中发现早期胃癌迹象——怎么知道它真的有效？其准确率在不同人群、不同设备上表现如何？事关生命健康，既要发展，又必须安全。

　　医疗应用中试基地就是要回答这些问题。基地负责人李春浦介绍，基地的医学人工智能联合测评实验室正在建设“临床验证中心”，组织64个临床专科的近300名三甲医院资深专家打造测评体系、出题“监考”，推进模型从“实验室能用”走向“临床可靠”。

　　在高温、高压、易燃、易爆的生产线上，一个算法判断失误，代价不可估量。“企业不是不想用AI，而是不敢轻易用。”石化化工应用中试基地相关负责人说。石化化工应用中试基地把已有模型置于生产环境测试应用。从测试情况看，模型明显提升生产效率，且最后的实操环节仍由人把关，确保风险可控。

　　踏入具身智能应用中试基地训练大厅，一台台机器人正反复练习搬运、抓取、装配。“实验室里的模拟环境，和真实世界存在很大差异。同一个物体，换个角度摆放可能就抓不住；光线暗一点，动作也可能走样。”基地负责人李兴腾和团队正在创造更多元的真实场景，让机器人在“摔打”中练出真本事。

　　人工智能要形成规模化应用，不能停留在“能用”，还要让人“用得起、用得好”。

　　面对全省30多万家中小文旅机构，文化旅游应用中试基地负责人考虑得很实际：“这些机构有个性化需求，但几乎不具备独立开发AI的能力。”基地把常见能力拆解成模块，景区导览、数字讲解、智能客服等应用可按需组合，让中小机构也能快速拥有属于自己的智能应用。目前，咖魔数科、驰优科技、牧影科技等一批应用场景类企业已陆续入驻基地。

　　六大基地面向不同产业，但有共同的运行逻辑：数据、算力、模型、场景、测试……原本散落在不同主体手中的资源，被重新组织起来。

　　“单个企业很难独立承担人工智能落地所需的全部成本和风险。”浙江清华长三角研究院新经济发展研究中心副主任吕淼认为，这批应用中试平台的价值正在于集中企业“各自为战”的环节，探索形成一种新型基础设施和面向行业的公共能力。

　　中试基地扮演何种角色

　　这批新生的应用中试基地挂牌后，迅速吸引了各界目光。从企业家到科技工作者，人们迫切地想知道：在AI大潮中，基地能帮我做些什么？

　　记者走访调研发现，它们至少扮演着三重角色：产业的“工具箱”、模型的“训练场”和连接创新与应用的“生态桥”。

　　“工具箱”，解决的是“有没有”的资源门槛问题。

　　点开医疗应用中试基地的门户网站，一个线上的“产品超市”映入眼帘。蚂蚁·安诊儿医疗大模型、肝癌动态筛查与诊疗决策智能体、昇腾GPU云服务器、高血压个性化用药推荐数据集等要素资源清晰在列，需求方可以像逛超市一样申请调用。

　　地球科学应用中试基地正在建设“OneEarth”科技公共产品。一个硕大的蓝色地球在屏幕上缓缓旋转，随着鼠标点击，深层的地质构造、地表的遥感影像逐一呈现。这颗蓝色地球背后，是基地持续汇聚的多源地学数据集。

　　“AI是科学革命的工具，将变革科技创新本身。”基地负责人施钧辉感慨。目前，这里已汇聚2000多个数据集，有超过3PB的地学数据。“让地球科学数据直接参与模型训练，是人工智能理解地球的起点。”施钧辉畅想，终有一天，人工智能能真正“读懂”地球，具备理解科学对象、发现科学规律和解决科学问题的能力。

　　最近，立讴控股有限公司刚刚搬入文化旅游应用中试基地——一部新的AI短剧在基地支撑下仅用几周时间便完成。“有了平台工具，影视制作周期大幅缩短、成本大大降低，文化企业的创意门槛一下子打开了。”该基地负责人说。

　　对人工智能而言，拥有工具只是起点，真正的考验还在于“训练场”——让模型经受真实场景考验，验证到底“行不行”。

　　在具身智能应用中试基地的“职业技能训练中心”，一台正在测试的巡检机器人引起了记者的注意。

　　“这是为电力领域量身定制的方案。”李兴腾指着屏幕上的地形图向记者演示，电力领域设备巡检任务重、作业风险高，基地与企业商讨出“人机车狗”一体化巡检方案：无人车提供长距离长续航补给，到达作业区域后释放机器狗和无人机进行巡检作业。

　　机器人需要在真实场景中“涨经验”，单靠一家企业，很难完成海量真实数据采集。李兴腾说，基地探索数据众包模式，如请保洁人员佩戴头戴式设备采集数据，为更多具身智能企业打造真实的训练场。

　　有了工具，过了考试，产品就能顺利进入市场吗？

　　在更广泛意义上，基地还需要打造“生态桥”，解决产业应用中的信任和协同问题。

　　实景三维城市模型的数据更新工作量大、周期长。“入驻时空地理信息应用中试基地后，我们联合攻关，实时响应、快速校正，让模型在真实应用中持续迭代优化，大大提升了效率。”宁波市测绘和遥感技术研究院院长文学东说。

　　采访中，多名基地负责人也坦言，人工智能技术大爆发，但标准和规范还未完全跟上。真正进入行业深处，还需要一把共同认可的“尺子”。

　　2025年，我国累计研制发布40余项人工智能关键国家标准和行业标准，但面对快速迭代的行业，仍有大量新问题没有现成答案。

　　李兴腾举例，当前具身智能行业存在接口标准不统一、检测体系不完善等问题。“基地作为公共平台，不造机器人，而是站在行业共性的立场填补标准空白。”他说，就像汽车行业有成熟的检测认证体系，机器人也需要建立相应的测试、评价和认证规则。

　　这三重角色，正改变着人们对“中试”的传统理解。

　　“人工智能时代，‘中试’从‘一次考试’变成了‘一路升级’。”浙江省发展规划研究院产业发展研究所副所长俞翔说，相比于传统中试往往侧重于硬件设施的租赁式服务、单向订单式的产品验证，人工智能应用中试基地是一种双向探索和共同创造。

　　产业发展如何跑好长跑

　　我省的6家国家人工智能应用中试基地启动建设时间不长，在它们眼前铺展的是一条长长的跑道。

　　浙江省发改委相关负责人介绍，按照建设要求，应用中试基地不仅要打造行业模型、高质量数据集、可复制推广的典型应用场景，还要培养一批“人工智能+行业”的复合型人才，并形成带动上下游产业生态发展的能力。

　　目前，各基地在数据资源积累和垂直模型培育方面已取得一定进展，有的已沉淀出一批高质量数据集，并孵化出行业模型和智能体。

　　人工智能是个“跑得飞快”的行业。俞翔说，今天的技术方案可能没过多久就落后于技术本身的发展。这对基地在可持续运营能力、灵活高效决策上提出很高要求。

　　“复合型人才短缺是一道坎。”多名基地负责人表示，人工智能应用中试不是单纯技术研发，需要既懂算法边界，又理解行业需求的人才。

　　吕淼建议，可由应用中试基地牵头，联合高校或科研机构组成“混合陪跑小队”，在真实的中试项目中“以战代培”。

　　AI时代产生的海量数据如何确权、定价、交易，当前缺少成熟机制，如何实现数据“合规、安全、高效”流通，仍是探索重点。

　　对此，各家应用中试基地也在寻找适合自身特点的路径。石化化工应用中试基地探索“不交易数据本身而共享模型价值”的模式。基地与企业合作开放应用场景和本地数据，共同训练场景模型，形成知识产权共享，产品应用后按照协议参与收益分配，既保护企业数据安全，也释放数据价值。

　　吕淼提议，数据流通也不一定非要“把数据搬出去”，可以先给数据建一个安全的“房间”，让企业在里面合规使用。

　　如何实现自我造血、形成长期稳定的运营模式，决定了应用中试基地能跑多久、跑多远。

　　中试硬件运维成本高昂，作为公共服务平台，应用中试基地既不能完全依赖财政投入，也不能简单按照商业企业逻辑运行，需要在公益属性和市场机制之间寻找平衡。

　　目前，具身智能应用中试基地尝试引入市场化资本，探索灵活的激励机制；石化化工应用中试基地通过向企业提供“模型+硬件”一体化方案等多元模式，寻求商业闭环。

　　人工智能应用中试，本质上是一场围绕产业生态的长期建设，考验的不只是技术，更是产业链协同、制度创新和政策耐心的综合能力。