夜雨聆风
一、一场不同于寻常的"校园集市"
2026年4月11日下午，有些小雨，上海交大徐汇校区郑坚固体育中心，这是我第一次参加上海交大的AI集市，虽然已经是交大的第二届，但今年的阵仗让我有些意外。不是学术会议的严肃感，也不是普通科技展的商业气息，而是一种很奇妙的"混搭"：穿着连帽衫的00、10后学生在专心体验AI宠物，和机器人对战象棋、围棋；明显有技术背景的同校同学，在展台和参展商聊具体的技术落地细节；还有带着孩子的家长在问"这个AI教育产品能不能帮我孩子补课"。
更让我惊讶的是参展商名单：蚂蚁集团、腾讯、字节跳动（火山引擎）、华为、荣耀、商汤、MiniMax、Bilibili、蔚来、科大讯飞、毕马威……这些大厂官方展团不仅带来了最新产品，还在现场大张旗鼓地招人。
2026上海交大AI集市主要参展企业
蚂蚁阿福 APP
腾讯AI矩阵产品_知识库 ima
商汤SOTA模型和AI一站式办公产品 小浣熊
BiliBli 情感原声克隆系列模型 IndexTTS
算力互联
未来不远机器人
未来不远机器人（家庭服务场景）
蚂蚁校友创办的OfferWing
而在他们旁边，是交大工研院孵化的穹彻智能、领本AI，是校友创业的壁仞科技、沐曦股份，还有中国科学院院士鄂维南亲自布局的品见智能团队。
品见智能
作为一个经常和企业创新中心或部门打交道，长期参与给企业提供创新咨询服务的人，这些年我参加过不少行业展会和活动，但这场集市给我的感觉完全不同。它像是一个从国内顶尖高校视角看到的"微缩版"中国AI产业生态——从底层算法到终端应用，从学术前沿到商业落地，从初创团队到科技巨头，这次都在这里交汇。
这篇文章，把我在现场看到的、思考的内容分享给你。如果你是企业负责人、业务部门leader，或是正在规划职业发展的在校生，希望这些观察能给您带来一些启发。
二、解码交大"三院一体"的产学研用实践
1. 什么是"三院一体"？一场关于AI创新链的顶层设计
在逛展的过程中，我反复听到一个词："三院一体"。这是理解交大AI生态，乃至上海AI产业布局的关键。
所谓"三院"，指的是：
上海交通大学人工智能学院（2024年4月20日成立）
上海算法创新研究院（2023年6月30日成立）
上海交大工业技术创新研究院（2024年12月10日成立）
这三家机构"三位一体"运行，构成了一个从基础研究到产业应用的完整创新链条。
人工智能学院：人才培养与基础研究的"黄埔军校"
这是交大的"嫡系"学术机构，定位非常明确：培养聚焦人工智能底层技术的创新引领者。学院围绕核心基础理论与算法、底层架构创新与实践、深度学习与大模型基础理论等方向推进人才培养。
值得注意的是，学院采用了全新的体制机制，致力于与企业深度合作解决关键核心技术"卡脖子"难题。在2025年CS Rankings中，交大AI分项位列全球第一，证明了这个模式的有效性。
上海算法创新研究院：算法原始创新的"策源地"
这是由上海市经信委、临港新片区管委会共同支持成立的新型研发机构。学术委员会主任是中国科学院院士鄂维南，他提出的"算法时代"理念是研究院的核心指导思想。
研究院下设人工智能中心、数据智能中心、工业软件中心、工业控制中心、工业智能中心等多个研究中心，围绕下一代人工智能、下一代科学计算、工业软件核心算法等方向开展前沿突破。
2025年7月，研究院在世界人工智能大会上发布了五项重大成果：科学基座大模型Innovator、科研智能体SciMaster、端侧原生大模型、DeepRare罕见病诊断系统、MemOS大模型记忆操作系统。这些成果代表了从"0到1"的原始创新能力。
上海交大工业技术创新研究院：成果转化的"加速器"
这是由上海交大和徐汇区政府联合共建的人工智能孵化器和加速器，2024年12月才正式成立，是最新的一环。
工研院的定位是打通"1到100"乃至"100到N"的产业化路径。它连接校内外、海内外、产业内外，聚焦具身智能、人工智能出海、AI for Science/Engineering等重点方向。
工研院提供的服务很实在：种子资金、专业开发环境、高性能算力、工程师资源、真实产业需求清单、概念验证试点、首购订单机会。简单说，就是帮科研团队把实验室成果变成能卖的产品。
2. "三院一体"的协同逻辑：为什么这个模式值得关注？
这个架构设计得非常精妙，体现了对AI创新规律的深刻洞察：
纵向贯通：创新链的闭环设计
人工智能学院负责"0到1"的人才培养和基础研究
算法创新研究院负责"0到1"的算法突破
工研院负责"1到100"的孵化加速和"100到N"的产业扩散
三个环节无缝衔接，形成了创新链的闭环。这不是简单的物理叠加，而是功能互补、风险共担、收益共享的有机整体。
横向协同：资源的深度整合
三者共享交大的学术资源、徐汇区的政策支持、以及产业界的合作网络。比如算法研究院的大模型团队就在交大徐汇校区办公，工研院则与学院一体化运营。这种"嵌入式"协同，避免了传统产学研合作中常见的"两张皮"问题。
内外联动：生态化布局
对外连接政府（上海市、徐汇区）、国家级平台（上海人工智能实验室）、龙头企业（华为、蚂蚁等）；对内整合交大的多学科资源（计算机、控制、通信等双一流学科）。这种开放的生态思维，让"三院"不是闭门造车，而是深度融入区域创新网络。
3. 鄂维南院士与品见智能：学术领袖的产业布局
在AI集市现场，我注意到一个不太起眼但技术含量极高的展台——品见智能。与其他厂商 flashy 的演示不同，这里的展示更"硬核"：工业排程系统、储气库智能管理、灯塔工厂解决方案。
带队参展的是公司合伙人金雅昭，而他背后站着的是"三院一体"架构中的关键人物——中国科学院院士鄂维南。
鄂维南院士：从应用数学到AI for Science的拓荒者
鄂维南院士是国际应用数学界的领军人物，2011年当选中国科学院院士，现任北京大学国际机器学习研究中心主任、北京科学智能研究院理事长、上海算法创新研究院院长。他2003年获国际工业与应用数学协会科拉兹奖，2023年获麦克斯韦奖，是第一位两获国际工业与应用数学大奖的数学家。
2017年，他带领团队提出了深度势能（Deep Potential）分子动力学方法，开创了"AI for Science"的新范式。2020年，团队利用机器学习方法成功模拟了包含1亿个原子的量子分子动力学系统，荣获国际高性能计算应用领域的最高奖——戈登贝尔奖。
2018年，鄂院士在北大举办的研讨会上，在全球首次提出"AI for Science"概念。他强调利用AI学习科学原理、创造科学模型来解决实际问题，使之成为科学研究的新范式。
品见智能：院士战略布局中的工业AI实施主体
品见智能成立于2017年，但其真正的战略定位始于鄂维南院士的总体战略布局。金雅昭在接受采访时透露："企业的创立源自中国科学院院士鄂维南的整体战略布局。这位在国际学术界享有盛誉的科学家早在2014年就大力推进大数据和人工智能产业在国内的发展，2023年在上海发起成立上海算法创新研究院。品见正是这一宏大布局中专注于工业管理的实施主体。"
这意味着，品见智能并非一家普通的AI创业公司，而是鄂维南院士"AI for Science"产业生态中的关键节点，承担着将前沿算法转化为工业管理决策能力的使命。
品见的技术架构体现了鄂院士"机理+数据"双驱动的理念：
数据本体层：通过业务语义抽象，统一数据表达；
工业世界模型：融合机理驱动与数据驱动，既"知其然"也"知其所以然"；
智能体工厂：通过多智能体协作，实现全流程自动化。
这种架构直接回应了工业AI的核心痛点：大模型幻觉可能导致严重生产事故。金雅昭指出："工业有非常严格的约束，大模型幻觉是会造成严重的生产事故。我们的算法团队扎扎实实在客户现场待三个月，看老师傅每天怎么工作，挖掘他的思维逻辑过程。"
标杆案例展现硬核实力：
某集团灯塔工厂智能排程项目：深入现场三个月，理解老师傅的排程逻辑，实现大规模复杂协同决策优化；
某集团储气库项目：过去需要多位专家开会数小时才能制定的方案，现在系统五分钟内即可生成最优方案，能耗降低10%，注采效率提升20%。
品见智能依托上海交大人工智能学院和上海算法创新研究院，形成了完整的"产学研用"一体化发展生态。这正是"三院一体"模式在产业端的生动体现。
4. 大厂为何云集？人才与生态的双向奔赴
这次集市让我好奇的是：为什么蚂蚁、腾讯、字节、华为、商汤这些大厂，会如此重视一个"校园集市"？
顶尖人才的"精准捕捞池"
交大在2025年计算机科学排名"CS Rankings"中，人工智能分项位列全球第一。对于大厂而言，这里聚集的是中国最顶尖的AI人才储备——从本科生到博士生，从计算机系到交叉学科。现场多家企业都设有招聘展位，HR和技术负责人直接面试。
技术前沿的"风向标"
交大人工智能学院2024年4月才正式成立，但已经构建了完整的"三院一体"创新体系。大厂们需要了解学术界最新的研究方向，寻找潜在的技术合作点。比如上海算法创新研究院2024年7月就与华为云计算签署了深度合作框架协议。
产学研合作的"前置布局"
很多大厂与交大已经有深度合作基础。这次参展可以看作是一种合作关系的延续和深化。更重要的是，通过集市这种轻松的场景，大厂可以与潜在的合作伙伴、初创团队建立联系，发现下一个"品见智能"。
5. 校友创业生态：穹彻智能与"交大系"力量
除了品见智能，现场还有一家让我印象深刻的交大系企业——穹彻智能。
创始人卢策吾是交大人工智能学院副院长、长江学者特聘教授，另一位创始人王世全是斯坦福博士、非夕科技CEO。穹彻智能由非夕科技孵化，专注于"以力为中心"的具身智能大模型，已经在智能药房等场景实现批量部署。
这是典型的"教授创业+产业孵化"模式，也是工研院孵化成果的代表。工研院还孵化了傅利叶智能、无问芯穹、翌曦科技、亘芯悦等一批"准独角兽"。
"交大系"在AI领域的布局已经形成规模：壁仞科技、沐曦股份等GPU领域的"四小龙"，都有深厚的交大背景。2026年初壁仞科技的IPO，为"交大系"增加了千亿级市值。
这种"学术基因+产业转化"的创业生态，正是"三院一体"模式结出的果实。
三、给企业创新中心AI赋能发展的启示与建议
我从交大"三院一体"和AI集市的观察中，得到几点具体启发：
1. 创新需要"分层设计"，避免"一锅烩"
很多企业做创新中心，往往想把研究、开发、商业化都放在一个部门，结果资源分散、目标冲突。交大的做法是把不同阶段拆分到不同主体，各自专注，再通过机制协同。
建议：企业创新中心可以借鉴"三院"思路，设立前沿研究组（跟踪学术动态、探索新技术）、工程转化组（将技术原型产品化）、商业运营组（对接市场需求、实现规模化）。三组目标不同、考核不同，但定期协同、资源共享。
2. 人才是"第一性原理"，算力只是基础设施
交大人工智能学院的成立，不是为了发论文，而是为了"引育顶尖人才"，通过联动再带动企业内部人才升级，企业的创新中心也应该把人才梯队建设放在首位。
建议：不要急于采购昂贵的AI算力设备，先思考需要什么样的人才：是算法研究员、工程工程师，还是行业专家？建立有吸引力的人才培养机制，比如与高校联合培养、设立博士后工作站、提供真实的业务场景供人才练手。
3. 开放生态胜过封闭研发，但要"有章法的开放"
三院都强调与产业界的深度合作，但这种合作是有策略的：算法院与华为合作聚焦云计算，工研院与徐汇区政府共建聚焦具身智能，学院与企业联合攻关聚焦"卡脖子"技术。
建议：企业的创新中心应该打破"围墙"，但合作要有明确的战略聚焦。不要撒胡椒面式地合作，而是选择1-2家与自身业务方向契合的院校，建立嵌入式合作——共建实验室、共派人员、共享成果。
4. 算力、数据、场景要同步布局，但场景是"牛鼻子"
交大丁奎岭校长提出的"创新规模法则"很有意思：
* 通过汇聚人才提升"参数量"
* 通过服务真场景提升"数据量"
* 通过汇聚资源提升"计算量"
建议：企业创新中心建设，场景是牵引。不要先建平台再找应用，而是先识别业务中的真问题（如首钢的排程难题、储气库的调度难题），再针对性地配置算力和数据资源。品见智能"在现场待三个月"的做法值得借鉴。
5. 建立"耐心资本"和容错机制
品见智能的发展理念是"慢就是快"——在AI概念喧嚣的时代，选择深耕工业、尊重物理规律、长期陪伴客户。这种"深耕务实"的发展理念，需要企业高层的战略耐心。
建议：设立创新孵化基金，允许3-5年的长周期投入，不追求短期ROI。建立容错机制，对创新项目的失败给予宽容，但要求"有价值的失败"——即失败能带来认知升级或技术积累。
6. 关注"AI for Science"的新范式
鄂维南院士和品见智能的实践提示我们：传统科学和工业领域才是AI更大的主战场。对于制造业、能源、化工、材料等企业，不要只盯着客服机器人、智能办公等"低垂果实"，而要思考AI如何赋能核心生产环节。
建议：结合企业实际，设立类似"AI for Science/Engineering"专项，邀请头部战略科学家担任顾问，探索机理模型与数据驱动融合的技术路线，解决企业面临的"卡脖子"工艺难题，这类合作模式在我9年前参与的企业项目中有遇到过。
四、AI集市带给我们的思考：趋势、教育与职业规划
1. 关于AI应用趋势：从"技术驱动"到"场景驱动"，再到"科学驱动"
这次集市给我最大的感受是：AI正在经历三个阶段的跃迁。
第一阶段：技术驱动（2012-2020）。以深度学习、计算机视觉突破为代表，大家比拼的是算法精度、模型复杂度。
第二阶段：场景驱动（2020-2024）。以大模型、生成式AI为代表，大家比拼的是应用场景覆盖、用户体验。
第三阶段：科学驱动（2024-）。以"AI for Science"为代表，AI开始深入物质科学、生命科学、工程科学的基础问题。
在集市上，我们看到蚂蚁健康、腾讯办公、字节工具集代表的是第二阶段的成熟应用；而品见智能的工业世界模型、穹彻智能的具身智能、鄂维南院士布局的AI for Science，代表的是第三阶段的前沿探索。
对企业决策者的启示：如果您所在的行业是消费互联网、内容创作、办公协同，第二阶段的AI应用还有红利可挖；但如果您所在的行业是制造业、能源、化工、材料、生物医药，必须关注第三阶段的"AI for Science"范式，这可能带来代际性的竞争优势。
2. 关于孩子教育：AI素养成为"新基础能力"
现场看到很多带孩子来的家长，围绕很多家长关注的问题"AI对教育有什么影响"。我的观察是：
AI素养应该像英语、数学一样，成为基础能力。不是每个孩子都要当AI工程师，但每个孩子都需要：
理解AI的能力边界：知道AI能做什么、不能做什么，避免盲目崇拜或过度恐惧；
与AI协作的能力：学会使用AI工具辅助学习、创作、解决问题；
批判性思维：对AI生成内容保持质疑，培养事实核查和逻辑判断能力。
具体建议：
K12阶段：不要过早让孩子学编程或算法，而是用AI工具解决真实问题——比如用AI辅助写作文（然后讨论AI建议的优缺点）、用AI生成图片（然后修改提示词观察变化）。
高等教育阶段：鼓励"AI+X"的复合专业选择——AI+生物、AI+物理、AI+艺术。纯计算机或纯AI专业可能面临同质化竞争，而跨学科人才将更稀缺。
3. 关于职业规划：三类人才将长期稀缺
从集市现场的招聘氛围和参展商的技术展示，我认为未来5-10年，三类AI人才将长期稀缺：
第一类：懂机理的AI工程师
像品见智能团队那样，既懂深度学习，又懂物理化学机理，能在工业现场"蹲三个月"理解老师傅逻辑的人才。这类人才需要长期培养，不是短期培训可以造就的。
职业规划建议：如果你是工科背景（机械、化工、材料、能源），不要转行做纯AI，而是学习AI工具和方法，成为本领域的AI专家。你的行业know-how是最大的壁垒。
第二类：AI系统架构师
能设计"世界模型+智能体工厂"这类复杂系统的人才，需要深厚的数学功底、工程能力和系统思维。鄂维南院士团队培养的正是这类人才。
职业规划建议：加强数学基础（尤其是应用数学、计算数学）和系统思维训练。不要只关注调参或应用开发，要理解底层原理和架构设计。
第三类：AI产品经理
能将技术转化为用户价值的人，需要懂技术边界、懂用户痛点、懂商业模式。现场大厂展示的AI办公、AI健康产品，背后都需要这类人才。
职业规划建议：培养"双语能力"——既能与工程师对话，又能与用户对话。多参与实际项目，积累从需求洞察到产品上线的全流程经验。
4. 关于终身学习：在快速迭代中保持"核心稳定"
AI技术迭代速度极快，现场很多展品的技术可能半年后就过时。如何在这种环境中保持竞争力？
我比较倾向于：区分"快速变化层"和"稳定核心层"。
快速变化层：具体模型架构（Transformer还是Mamba）、工具平台（PyTorch还是JAX）、应用场景（今天是Chatbot，明天是Agent）。这一层需要持续跟踪、快速试错、及时放弃。
稳定核心层：数学基础（线性代数、概率论、优化理论）、物理直觉（因果推断、系统动力学）、人文素养（伦理判断、审美品味）。这一层需要长期积累、深度思考、持续精进。
鄂维南院士的学术轨迹给了我们很好的示范：从80年代的多尺度建模，到2017年的深度势能方法，再到2018年提出AI for Science，他始终在稳定核心层（应用数学、物理建模）深耕，但不断用快速变化层的新工具（深度学习、大模型）刷新方法论。
结语：在集市中看见未来，在模式中看见路径
傍晚走出郑坚固体育中心，雨中的交大校园很安静。但我的脑子里还在回响着集市上所看到的种种，这场集市像是一个隐喻：AI不再是实验室里的高冷技术，不再是大型企业花重金投入的跨年度项目，而是走进了"人间烟火"。它正在医疗、教育、办公、制造、出行等每一个领域生根发芽。
而交大通过"三院一体"构建的创新生态，正在成为中国AI产业化的一个样板。这个样板告诉我们：顶尖的大学不仅要培养人才、产出论文，更要成为区域创新的"枢纽节点"——连接学术与产业，贯通基础研究与商业应用，孵化初创团队与赋能企业。
交大的AI集市上，我看到这种多元、开放、务实的氛围，或许正是中国AI能够在全球竞争中占据一席之地的原因。而"三院一体"的模式，为更多高校、更多企业、更多城市提供了可借鉴的路径。
期待明年的交大AI集市，期待看到更多"从0到1"的突破，更多"从1到100"的落地，更多"有温度、可触摸"的智能未来。
------
这本《AI干法》是我校友响哥出的针对企业AI转型的一本实操指导手册，系统性和全局性思维是我看过的企业AI转型升级方面书籍最强的一本，也非常贴近企业的实际，尤其是制造型企业，这本书我个人花了2周多时间消化，推荐给大家。
【欢迎关注】
公众号：Sharry 晓林
想的都是问题，做的都是答案
～共勉～
