| AI IN ACTION·落地有聲——2026 AI產業落地研討會 近250位企業創始人與決策者、技術推動者、投資人以及高校研究者齊聚深圳，共同探討AI在企業中的真實落地 |
近年，前沿模型能力繼續快速提升，Agent開始進入企業工作流，AI從信息處理工具逐步走向生產運營和業務決策。但一個更現實的問題正在浮現：從“技術能夠做到”到“企業真正用起來並形成價值”，中間仍有一段需要兌現的距離。
9月16日，由香港大學CAMO AI落地實驗室、華興資本及深圳科創學院聯合主辦的「AI in Action·落地有聲——2026 AI產業落地研討會」，在香港大學經管學院深圳校區舉行。
近250位來自企業創始人與決策者、技術推動者、投資人以及高校研究者參與，覆蓋醫療與生命科學、消費及零售、先進製造、能源、金融投資，以及人工智能與企業服務等領域。
這不是一場以“模型能力”為主角的會議。恰恰相反，整場討論反覆回到一個更直接的問題：企業到底怎麼把AI真正有效地用起來？
一場由一線實業家、決策者帶來的真實分享
這場研討會最特別的地方，在於參與嘉賓幾乎都是真正在業務中推進AI的人。
飛書CEO謝欣、樂普醫療總經理蒲緋、長信科技副總裁李荔芳、黑湖科技創始人兼CEO周宇翔、靈美智能創始人兼CEO張康融、儒拉瑪特智能CEO陳雲澤等，先後分享了來自企業一線的AI落地經驗——有成功的實踐，也有踩過的坑。此外，還有來自具身智能領域的多位創始人及CEO，以及明略科技、海致科技等行業領先企業的高管，帶來了不同行業、不同階段的真實洞察。
聯合主辦方代表也從各自視角為一天的討論定下基調：香港大學協理副校長、港大經管學院副院長沈海鵬教授，華興資本CEO王力行，深圳科創學院創始合夥人、副院長于盈，以及香港大學CAMO AI落地實驗室負責人王培淳教授。他們分別從學術、資本、孵化與落地實踐的角度，為一天的討論提供了不同的切入視角，也把“AI如何真正落地”這個問題，從不同方向推到了台前。
台下同樣匯聚了一批決策者。來自九陽、敬業集團、安謀科技、明陽智慧能源、諾德新材料、奧賽能、金鼎鋼鐵等不同行業的領先企業創始人、董事長及CEO等第一決策者，從早上的圓桌到下午的對話，台下提問、茶歇交流，討論幾乎沒有斷過。
這些嘉賓橫跨醫療、製造、金融、工業軟件、具身智能、生命科技、企業服務、投資等多個行業。行業不同、階段不同、立場不同，但都在面對同一個問題：AI如何真正進入企業，進入業務，進入決策。
一個數字：55% | 超過一半的參會企業，仍在摸索AI怎麼用
香港大學協理副校長、港大經管學院副院長沈海鵬教授在開場致辭中，從人工智能發展的“快與慢”談起。技術持續快速演進的同時，也需要為產業沉澱、思考與跨界交流留出空間，讓技術真正進入行業與企業場景。
香港大學CAMO AI落地實驗室負責人王培淳教授在開場分享中，給出了一個來自大會報名問卷的數據：55%的參與企業仍處於觀察評估或試用AI工具階段，22%已在具體業務場景中開展試點，23%進入規模化應用或系統性佈局階段。
這組數字折射出一個現實：前沿AI實驗室在擔心能力超出控制，而大量企業還在摸索AI怎麼用到真實業務裏。
王培淳給出了一個更直接的判斷：模型能力≠企業生產力。即使AI技術從今天開始停滯不前，很多企業仍需要數年時間，才能把今天的AI能力真正消化到業務之中。而這段距離，恰恰是本次研討會要討論的問題。
他引用了一個來自沃頓商學院和麻省理工學院的研究：在編程場景中，開發者採用智能體後，代碼改動量是原來的25倍以上。但到了最終軟件發佈，只看到30%的提升。更重要的是，多出來的軟件並沒有提高終端客戶的使用量。
這個案例說明了一個關鍵問題：有了更好的工具，企業拿它來做什麼？生產成本更低，但做出來的東西有沒有人用？這也是王培淳反覆強調的：AI落地不是把模型接進去就結束了，而是需要重新設計工作流程，重新分配人和AI的工作。
圓桌現場：不同行業，同一個問題
| 上午的圓桌論壇由王培淳教授主持，主題是「AI在醫療與金融：從應用探索到價值創造」。 |
樂普醫療集團總經理蒲緋從一家約1萬名員工的傳統醫療器械公司出發，分享了集中採購帶來的變化，對醫療器械和藥品企業的經營方式提出了新的要求。對樂普而言，推出創新產品、拓展海外市場和改進管理，都關係到企業下一階段的發展。
蒲緋對AI落地的判斷非常務實：先想清楚用AI的目的是什麼。如果思考不清楚，可能會浪費資源和時間。她還分享了一個案例：內部知識庫因開發快、模型效率不足，在執行層面遇到困難。這讓她更關注一個問題——什麼人真正要用AI，什麼人是浪費了AI。
在談到海外銷售時，蒲緋提到，樂普出海覆蓋全球六七十個國家和地區，海外直接銷售人員約300人，產品線多，客戶畫像分散。過去的痛點是：如何快速精準找到器械藥品客戶？如何管理出單？如何讓信息返回總部？另一個場景是合規。海外認證文件量巨大，過去大量註冊人員要寫文件，現在可由AI輔助完成。那省下來的人去哪了？她的回答很直接：“我們就送他們去前線賣東西。”
Manuka Management SVP李佳瞳則從量化基金視角，分享了AI在投資研究前端的應用。過去做數據準備需要大量人工拉取數據及信息，現在這些工作全部放進一個Agent。以前一個月寫一份標的深度研究，現在縮短到一週，其中兩天寫完文件，剩下時間做檢查和內容深化。但她對AI的態度相當謹慎，指出需要人工對特徵進行嚴格篩選和降維後，再讓AI做批量處理。
在核心對話「從產線到決策：AI重構製造業的真實路徑」這一環節中，黑湖科技創始人兼CEO周宇翔介紹了工業智能體如何把高度依賴老師傅經驗的工作壓縮至更短時間，並降低非結構化工業數據的使用門檻。
從醫療到金融到工業製造，行業不同，但討論都回到同一個判斷：AI是否真正進入業務流程，並形成能夠被驗證的經營價值。
企業AI化，不只是增加一個工具
技術演進與企業吸收之間的節奏差異，是全天出現的一條主線。
除了香港大學協理副校長沈海鵬以“快與慢”提示，變化越快，越需要回到真實問題；香港大學CAMO AI落地實驗室負責人王培淳觀察到，企業對現有AI能力的消化與應用仍需時間以外；飛書CEO謝欣也在主題演講中進一步分享了，他對於企業AI落地的觀點。這些觀點共同指向企業AI化的關鍵：工具部署只是起點，流程與組織的重新設計決定價值上限。
華興資本CEO王力行從產業與資本視角提出關於產業企業AI化的三個“猜想”：價值契約可能從購買工具走向購買任務與結果；深度交付中形成的行業知識與工作流，有機會被沉澱和複用；企業長期積累的數據、經驗與判斷，也可能進一步轉化為智能資產。這三個問題最終都落到同一套價值標準上：AI能否改變企業的成本、收入、利潤率和資本效率。
| 在「AI時代下的製造業和服務業智能化新範式」圓桌中，長信科技李荔芳、儒拉瑪特智能陳雲澤、靈美智能張康融、明略科技姜平、海致科技何飛宏等嘉賓，分享了從大型組織OKR對齊、製造數據與參數優化、到零售具身智能和產業智能體的落地案例。 |
儒拉瑪特智能CEO陳雲澤在圓桌上給出了一個很直接的判斷：AI落地，真正的關鍵往往在團隊內部。很多老師傅手裏都有非常寶貴的經驗，是工藝活、手藝活，怎麼把這些經驗從個人身上沉澱下來，變成組織可以複用的數據，是整個行業都在探索的課題。
他分享了三點體會：第一，從公司治理結構自上而下推，把數據治理提到最高位置，這樣大家才能形成合力；第二，幫員工找到增量定位，不能只講存量博弈，效率提升是為了推進市場拓展，讓大家算得出來，也有方向感；第三，尋求外力，但必須能落地。這也是儒拉瑪特請港大AI落地實驗室一起推進非標設計AI項目的背景。陳雲澤最擔心的是execution（執行）：光有一套Agent方案不夠，要能契合企業現有工具，可追溯，能變成明確的OKR和KPI追蹤方式，才有辦法真正落地。
同場討論中，長信科技副總裁李荔芳也分享了她的體會：“AI轉型是一把手的工程，作為企業經營管理者，首先自己要懂得AI怎麼落地，怎麼能夠提效。”她提到，長信科技從2019年開始構建自有大數據平台，在平台上沉澱數據再投餵給AI進行自主學習，以找到最優化的方案進行規模化生產。“我們在公司的每個部門都搭建了Agent，但是Agent能力的提升需要更多的數據，未來如何提取、如何更好地利用這些數據，我們也在學習和摸索。”她還提到AI平權的價值：“AI能夠給我們提供不同的工具，這些工具可以賦能我們一線的員工提升生產力。”
靈美智能創始人張康融從具身智能的落地實踐出發，分享了幾個關鍵點。第一，“落地最大的關鍵點是商業跟行業數據打通”。第二，“規模化部署最關鍵的是標準化，比如如何盡可能降低拓展每一個門店或者場景邊界的部署成本”。她同時提醒，“行業Know-how和前沿技術Know-how缺一不可。行業發展很快，最關鍵的是能否解決實際痛點。因此從場景、真實用戶和真實問題出發進行推導，同樣非常重要。”
不同案例背後指向的是同一個變化：AI的落點正在從一個個孤立功能，向組織核心工作流延伸。數據、組織與場景，是決定智能化成色的關鍵變量。
從數字場景，到物理世界
下午的議題也延伸至PHYSICAL AI。深圳科創學院創始合夥人、副院長于盈以“AI下半場：從大模型到真實世界”為題分享觀點。她提出，AI下半場是一個deployment race（部署競賽），誰能最快把AI部署到真實場景裏，誰就能贏。中國在大灣區擁有最完整高效的供應鏈、大規模的工程師人才和願意擁抱不完美產品的用戶，這是Physical AI時代不可替代的優勢。
隨後的圓桌由于盈主持，硅羽科技創始人兼CEO張富博士、不停科技聯合創始人兼COO時雲志、猿聲科技創始人兼CEO侯寧喆及韋特嘉機器人創始人兼CEO趙江庭參與討論。相比數字軟件場景，Physical AI對數據、仿真和真實環境適配的要求更高，也讓“技術能夠做到”與“真正能夠被採用”之間的距離更加具體。
香港大學CAMO AI落地實驗室：
从模型能力到企业生产力——AI落地需要跨越的距离
這場研討會的發起人、香港大學CAMO AI落地實驗室負責人王培淳教授，在主題分享中給出了一個貫穿全場的判斷：
模型能力≠企業生產力。
這句話背後，是一個被很多人忽略的現實：即使AI技術從今天起停止發展，很多企業仍需要數年時間，才能把現有能力真正融入業務流程。反過來看，不等待下一代模型，充分吸收今天已經可用的技術，也有可能帶來明顯的生產力提升。
同時，他也提醒大家不能把某個任務的提速，直接等同於整個業務的提升。如果工作流程不變，直接讓AI接手任務，反而可能增加檢查和糾錯的負擔；重新設計流程、分配人與AI的工作，才可能獲得更大的效率提升。
一天的討論沒有試圖為所有企業提供同一個AI落地答案。從大會問卷和不同產業案例可以看到，企業所處的採用階段、業務目標、數據基礎和組織條件並不相同。但背後反覆出現的是一組共同問題：如何找到值得投入的場景，如何連接數據與流程，如何重新設計人與AI之間的工作方式，以及如何最終用業務結果驗證技術價值。
從前沿AI的快速演進，到企業仍在摸索的日常應用，技術潛力與現實生產力之間的反差，既是挑戰，也意味着尚未兌現的機會。
這正是港大 AI落地實驗室希望持續推進的工作。本次研討會把企業創始人和管理層、技術負責人、研究者、創業者及投資人帶到同一個討論場域，讓不同產業、不同採用階段的實踐能夠相互參照，也讓研究、技術與企業需求之間形成更直接的連接。
如果您的企業也在思考AI落地，希望梳理整體路徑，或像樂普、儒拉瑪特一樣從一個具體場景切入，歡迎聯繫香港大學CAMO AI落地實驗室。
AI落地不一定要從大平台開始，但最好從一個真實、高頻、可驗證的問題開始。
註：本文根據“AI in Action·落地有聲——2026 AI產業落地研討會”現場分享及相關活動資料整理。