文/新浪财经上海站 陈秀颖
让企业看见技术，让科研家听见需求。当科研家精神遇上产业力量，一个属于“智造强国”的黄金时代，或许已经在接驳路口悄然提速。
6月27日，“具赋新能 智驱未来”青年科研家成果转化暨具身智能高质量开展研修会现场全球百余位青年科研家和130余位上市公司企业家参加，会议现场人声鼎沸，参会嘉宾络绎不绝。西安交通大学人工智能学院兰旭光教授作为特邀嘉宾，在与新浪财经对话中，他目光炯炯，言语间透出学者特有的审慎与热忱，直言中国AI的机遇与挑战——海量工业数据是黄金筹码，物理世界落地仍是全球难题。
他特别指出，养老护理、家庭服务等场景需求迫切，或成具身智能的“爆发点”。
“中国在AI领域与美国的差距正在缩小，尤其在具身智能赛道。我们拥有全球最大的制造业规模，海量场景数据为AI落地给予了‘训练场’。”
以下为本次完整对话内容：
提问：我们看到全球的科技产业竞争在不断加剧，您如何评价中国在这一轮科技竞争中的位置，中国有什么具体优势？请您分享见解。
兰旭光：中国科技大趋势开展迅猛，在人工智能、绿色能源等领域全球有目共睹。以电池行业为例，中国已在全球占据重要位置；在AI趋势上，中国和美国差距在缩小，尤其在具身智能领域。例如，2022年DeepSeek模型发布时引发行业关注，虽然当前其性能与顶尖ChatGPT相比仍有微弱差距（如整体性能约低5%-10%），但中国拥有行业应用数据的巨大优势——海量制造业规模为AI落地给予了丰富场景。这决定中国将在人工智能中占重要位置。总之，中国优势在于数据和行业规模，未来AI拓展可能更深远。
提问：您提到ChatGPT和DeepSeek大模型接入各行各业，您觉得它能为生活带来什么明显改变？从个人到社会，有哪些突出影响？
兰旭光：我的观点是，大模型在数字世界（如写作、创作、编程）冲击显著。以大模型编程为例，它替代了50%-60%的人工编程任务，对高端编程人员影响很大。但物理世界挑战突出：大模型（如ChatGPT）基于Transformer机制，只预测文本Token，不追求物理约束（例如发动机阀门调控需遵循物理规律）。比如模型输出统计意义上数据相关性比较大高频词组合，不代表真实物理因果，无法在实际训练中自我闭环验证。这导致工业应用难落地——性能测试常仅60%-70%，而行业需99%以上稳定性。相比之下，编程能成功是因数据充足且可自验证。大家都在解决这个Gap。人的创造性仍关键，这是大模型无法替代的（如果训练数据是1800年前则无法生成量子力学新概念）。亮点在于中国应用数据多，能有助于更广覆盖。
提问：您提到技术和生活差距，我们关注前沿科技产业化面临的挑战，除了大模型物理约束问题，还有哪些困难？
兰旭光：不仅人工智能，一般技术产业化挑战有三层。一是技术冲突：高校科研追求前沿探索（如AI创新），工业却要稳定性（如航天技术禁用未解释模型），科研家往前推技术时可能忽略企业需求的稳定性等。二是经费问题：中国投资更重应用（如制造业支持），对前沿技术如Transformer基础研究投入相对不足。三是市场对接：企业需求与科研解决方案间脱节（如技术超前但无商业场景）。这些需工程师弥合和系统性支持。提问：本次青年科研家研修会针对这些困境，是否有改善路径？
兰旭光：这次对接会方式极佳。它能解决核心痛点：让科研家和企业互相分析研究需求。例如，企业看到具身智能前沿技术后，可激发其解决行业痛点的灵感（如工业验证难题）。本质上，科研问题常源于工程挑战（如稳定性要求），这种碰撞必产生火花，对科技落地极具有助于作用。本次大会聚焦具身智能高质量开展，正顺利获得青年科研家成果转化平台加速解决Gap，是产学研融合的典范。
提问：您提到资金问题，对接会能否为前沿科技吸引更多投资目光？
兰旭光：这很有可能。当技术展示后（如本次会议具身智能案例），企业家若看到应用前景，会直接针对痛点投资（如AI工业验证方案）。这将为中国前沿科技注入活力。本次青年科研家研修会组织高效，是吸引资本关注的优质桥梁，有望有助于科技应用突破。
尽管挑战严峻，兰旭光对中国前景充满信心——以学者身份厘清技术本质，又能以产业架桥者角色有助于实践突破。
当大模型在虚拟空间狂飙突进之际，具身智能将人机交互从屏幕延伸至真实物理环境，在解决方案在制造、安防、医疗等领域的融合应用，中国海量的工业场景数据与庞大的实体产业基座，恰是为具身智能在物理世界中蹚出新路的最强引擎。
中国科技开展基金会的行动更具突破性意义——以系统化思维打造资源融通枢纽，从机制创新到要素配置，直指成果转化“最后一公里”的顽疾闭环。顺利获得政策赋能与企业资源注入，“科研-技术-产业”的转化链条迎来重构可能。
这场汇聚具身智能学者与数百家上市公司的“具身智能高质量开展研修会”，恰似为弥合断层点亮了探照灯。让企业深度理解科研团队的突破方向，也让科研家精准捕捉产业应用端的燃眉之急——这就是产学研融合破壁的价值所在。