《紫荊論壇》專稿/轉載請標明出處

楊紅霞｜香港理工大學計算系講座教授、人工智能研究院執行院長、電腦及數學科學學院副院長，InfiX.ai首席科學家和創始人

陳海青｜InfiX.ai副總裁和聯合創始人

在全球人工智能（AI）競賽日趨白熱化、技術範式深刻重構的當下，香港作為兼具國際連結與國家戰略支點功能的獨特樞紐，其人工智能發展路徑面臨從卓越科研向產業生態躍遷的結構性挑戰。本文立足香港的現實基礎與制度優勢，系統剖析其在基礎設施、技術研究與產業化協同三個關鍵維度所遭遇的瓶頸，並從創新體系構建的視角，提出具香港特色的突破性路徑與戰略框架，以解決大模型在產業落地過程中的「最後一公里」問題，探索其於大灣區及全球AI創新網絡中的引領性角色。

時代命題與香港的獨特站位

（一） AI時代的全球競爭與香港的戰略抉擇

在新一輪科技革命與產業變革的浪潮中，AI已超越技術範疇，成為重塑全球經濟格局、重構國際競爭規則的核心驅動力。從美國OpenAI的GPT系列掀起生成式AI熱潮，到中國內地企業在大模型賽道的密集布局，全球AI競爭已進入「百舸爭流」的關鍵階段。人工智能不僅是科技領域的「兵家必爭之地」，更是各國及地區搶佔未來發展制高點的戰略核心。

面對這一時代浪潮，香港特區政府展現出清晰的戰略決心，將AI確立為核心產業方向。在《香港創新科技發展藍圖》中，AI被明確列為重點發展領域，成為推動香港經濟結構轉型、實現高質量發展的關鍵引擎。國家「十四五」規劃綱要同《粵港澳大灣區發展規劃綱要》都明確奠定了人工智能是未來發展的重要地位。基於香港自身獨特優勢與國家戰略需求的精準契合——在「一國兩制」框架下，香港既擁有與國際接軌的制度環境、自由開放的市場體系，又具備「背靠祖國、聯通世界」的樞紐地位，天然成為連接國家AI發展戰略與全球創新資源的核心節點。香港的AI發展，不僅關乎自身經濟轉型，更在粵港澳大灣區建設、國家科技自立自強戰略中承擔著不可替代的角色。

（二）香港AI發展的現狀和優勢

經過多年培育，香港AI發展已構建起堅實的基礎支撐體系，形成多維度協同發展的良好態勢。

在政策支撐層面，體系化布局逐步成型。《香港創新科技發展藍圖》的出台為AI發展提供了頂層設計，30億港元「人工智能資助計劃」為初創企業與科研項目提供直接資金支持，香港人工智能研發院的設立則搭建起產學研協同創新的核心平台。香港特區政府創新科技署「產學研1+計劃」（RAISe+）、香港數碼港人工智能資助計劃等政策工具，形成了覆蓋研發、轉化、產業化全鏈條的支持體系，為AI創新活動注入持續動力。

算力設施建設穩步擴容，為AI發展提供硬核支撐。數碼港AI超算中心已投入服務，預計2026年初算力將提升至3,000 PFLOPS，全港算力總規模有望達到5,000 PFLOPS，基本滿足中小型企業與科研機構的算力需求。北部都會區10公頃數據園區啟動招標，標誌著香港算力基礎設施向規模化、集約化方向邁進，為承接大型AI項目、吸引國際科技企業落戶創造了條件。

科研與人才基礎雄厚，構成AI創新的核心競爭力。香港5所大學的AI相關學科躋身全球前50，香港理工大學、香港大學等高校在人工智能、數據科學領域積澱深厚。「AIR@InnoHK」平台匯聚千名國際頂尖專才，「高才通計劃」「科技人才入境計劃」等政策持續吸引全球AI精英落戶，形成了兼具國際化視野與專業深度的人才梯隊。

（三）香港AI發展的3個關鍵環節

香港AI發展正處於從「科研優勢」向「產業優勢」跨越的關鍵窗口期，這一進程的核心取決於三個相互關聯、層層遞進的關鍵環節：技術基礎設施建設、基礎技術研究與產業化創新閉環。技術基礎設施是AI發展的「硬件底座」，決定了創新活動的承載能力；基礎技術研究是AI發展的「核心引擎」，關乎技術突破的深度與廣度；產業化創新閉環是AI發展的「價值出口」，決定了科研成果能否轉化為經濟社會效益。

然而，當前香港AI發展要實現從AI科研高地到產業新引擎的質變，不能簡單複製其他地區的發展模式，而必須立足自身獨特優勢，系統性破解橫跨基礎設施、技術研究與產業化的三重難題，構建起「基礎設施扎實、研究方向精準、產業生態協同」的創新發展體系，走出一條具有香港特色的AI躍遷之路。

核心挑戰：橫跨基礎設施、

技術研究與產業化的三重瓶頸

（一）技術基礎設施層：「算力鴻溝」與「數據孤島」

基礎設施是AI產業發展的基石，而當前香港在算力與數據兩大核心要素上，均面臨明顯制約，成為阻礙AI規模化發展的首要瓶頸。

在算力層面，香港面臨供給不足與成本高昂的雙重挑戰。調查顯示，香港AI企業和高校研究所都面臨算力不足的問題。儘管數碼港AI超算中心正在擴容，但與國際及大灣區內地城市相比仍有差距。更嚴峻的是，香港高昂的運營成本加劇了算力獲取難度，企業將「算力成本過高」列為核心壓力。對於初創企業和研究團隊而言，大模型訓練所需的巨額算力投入難以承受，直接限制了技術創新。

在數據層面，高質量數據獲取與流通受限的問題同樣突出。AI模型的性能提升高度依賴高質量、大規模的訓練數據，尤其是領域專屬數據。香港擁有豐富的專業領域數據資源——醫院的醫療影像數據、金融機構的數據、法律行業的案例數據等，這些數據具有極高的訓練價值，但由於隱私保護、知識產權限制等因素，難以形成有效流通與共享，只能在特定領域或者安全環境中使用。

（二）基礎技術研究層：從「實驗室」到「產業」的轉化斷層

香港擁有全球頂尖的AI科研實力，但這些科研優勢未能有效轉化為產業競爭力，形成了「實驗室裡的突破」與「市場中的應用」之間的轉化斷層，這一問題在GenAI時代尤為突出。

首先，實驗室與產業界之間存在深刻的「認知與數據鴻溝」。儘管高校在人工智能基礎研究上取得突破，但科研導向往往與真實產業需求脫節。學術界聚焦於理論驗證與論文發表，對市場痛點、工程化約束及商業化路徑缺乏深度理解，形成了「從書本中來，到論文中去」的循環。與此同時，產業轉化所依賴的專屬領域數據獲取與隱私保護問題構成了關鍵瓶頸。高質量、場景化的數據是AI模型在垂直領域（如金融、醫療）實現精準賦能的基礎，但這些數據往往涉及商業機密與用戶隱私，獲取難度大、成本高，且受香港嚴謹的數據保護法規制約。科研機構難以獲得足以支撐產品級模型訓練的高質量產業數據，而企業則因數據治理與合規風險對開放數據合作持謹慎態度，導致許多先進技術因「無米之炊」而停留在實驗室階段。

其次，高昂的研發成本與商業化的不確定性，深刻影響著技術方向的投入選擇與可持續性。從落地場景來看，「AI+」融合面臨場景定制要求高、投入產出比不確定等現實挑戰。香港的產業結構以服務業為主，金融、法律、醫療等行業雖有較強的AI應用需求，但這些領域的應用場景具有高度專業化特徵，需要定制化的「專屬模型」解決方案。例如，醫療領域的癌症診斷模型需要適配不同醫院的影像設備、診斷流程，金融領域的風險控制模型需要貼合本地監管要求，這種專屬化需求增加了AI落地的難度與成本。生成式AI的研發，尤其是訓練如DeepSeek-V3級別的大模型，需要數千張高端顯卡和數千萬美元級別的投入，這對以初創公司為主的香港AI生態構成了巨大壓力。在商業模式尚未清晰、自我造血能力不足的背景下，企業不得不進行嚴峻的技術路徑抉擇。這種在技術理想與商業現實之間的權衡，使得許多企業即便取得技術突破，也因無法承擔後續的迭代優化和規模化部署成本，而難以跨越從「原型」到「產品」的死亡谷。

（三）產業化創新閉環層：生態碎片化與人才短缺

技術創新的最終價值在於產業化落地，而當前香港AI產業生態尚未形成合力，人才等關鍵要素的短缺，導致產業化創新閉環難以形成，制約了AI從技術到產品、從產品到產業的躍遷。

從產業生態來看，香港雖已形成一定的企業集聚效應，但整體呈現「碎片化」特徵，未能形成協同高效的產業網絡，缺乏龍頭企業的引領與整合。企業間的協作互動不足，產學研之間的聯動機制不夠順暢，導致技術、資金、人才等資源難以有效流動。

人才短缺則是制約香港AI產業化的另一關鍵因素。AI產業的發展需要大量複合型人才，既懂技術研發，又懂行業場景與商業運營。香港AI企業面臨技術人才招聘困難的問題，尤其是高端AI算法工程師、產品經理等稀缺人才，供需缺口尤為突出。據香港特區政府勞工及福利局發布的最新一輪人力推算報告預測，到2030年，香港創科專才的總需求將超過10萬人，而當前的人才儲備與培養體系難以滿足這一需求。

關鍵路徑：

構建具有香港特色的AI創新發展體系

面對橫跨基礎設施、技術研究與產業化的三重挑戰，香港需要立足自身獨特優勢，通過基礎設施升級、研究模式創新、產業生態培育、人才體系建設四大路徑，構建具有香港特色的AI創新發展體系，實現從科研高地到產業新引擎的躍遷。

（一）路徑一：建設與國際接軌的端、邊、雲協同的AI基礎設施

基礎設施的完善是AI發展的前提，香港需要打破傳統集中式基礎設施建設思路，構建端、邊、雲協同的多元化基礎設施體系，同時以規則創新破解數據流通難題。

在算力基礎設施建設方面，優化算力供給結構，在雲端算力層面，一方面持續推進本地算力設施升級，加快超算中心擴容，提升算力規模與服務能力；另一方面，深化粵港澳大灣區算力共建共享，探索建立「灣區算力池」，通過跨境網絡專線等技術手段，實現香港與深圳、廣州等地超算資源的互聯互通，讓香港企業與科研機構能夠便捷獲取大灣區的富余算力，彌補本地算力不足的短板。同時，可依託香港的國際樞紐地位，試點引入海外雲算力服務，為特定領域的研發提供多元化選擇。在端側與邊緣算力層面，建設貼近業務發生地的低成本算力設施，聚焦場景需求，構建數據安全環境下行業專屬模型。借鑒GPU一體機等成熟形態，圍繞醫療、金融、智能製造、物聯網等場景，部署邊緣算力節點，滿足數據本地化處理、低延遲響應等需求。

同時除了硬件基礎設施的多元化建設以外，大力投入軟硬一體協同優化的基礎設施，通過AI Infra軟件層的技術創新帶來端、邊、雲在訓練和推理能效極大的提升。香港理工大學人工智能高等研究院（PAAI）團隊，研發的去分布式「協作式生成人工智能」（Co-GenAI）平台，採用通過低比特訓練，可以大幅減少領域專屬模型的訓練所需計算資源，且不會減弱模型的表現，為小規模專業模型的開發創造了有利條件。同時，採用模型融合技術對領域專屬模型進行融合，使模型在保留既有知識的同時，用極低的成本獲取全新的領域專屬知識。實踐證明，這種創新協作模式與中心化的大模型訓練方法相比，無需依賴集中式計算資源，就能高效合併多個模型，構建出全面的領域專屬GenAI模型。在「共同構建模型、數據本地留存」的模式下，團隊的創新成果支持跨機構、跨學科協作，且在推理、編程、數學、指令遵循等11項廣泛應用的基準測試中，性能超越當前最先進模型。並且該技術已經在癌症領域的靶區規劃、MRI識別與香港伊利莎伯醫院、中山大學腫瘤防治中心等領先醫療機構開展試點項目。通過大幅降低對高端圖形處理器（GPU）集群的依賴，保護數據隱私安全的前提下，為領域專家參與模型訓練、共同推動 GenAI 創新發展打開了新的方法和大門。

在數據基礎設施建設方面，應堅持「規則先行」，打造安全可控、便捷高效的數據流通環境。發揮香港普通法體系與國際接軌的優勢，在嚴格遵守國家數據安全法規的前提下，積極與國家網信部門合作，探索建立粵港澳大灣區數據跨境流動的標準化機制。香港理工大學PAAI推出的可遷移、可複現的預訓練及後訓練數據處理流水線已經在數學、代碼、通用等諸多領域證實有效性，該技術能有效幫助企業快速完成複雜的數據清洗流程，高效獲取高質量數據以支持領域大模型的預訓練。同時，應鼓勵模型融合和Co-GenAI平台等創新技術，在保障數據隱私的前提下，推動醫療、金融等領域的高質量數據共用，破解「數據孤島」問題。

（二）路徑二：研究模式的創新與價值錨定

要破解「科研與產業脫節」的難題，香港需要創新研究模式，將基礎研究與應用需求緊密結合，以差異化路徑實現技術突破與價值轉化。

首先，應強化以應用為導向的基礎研究，讓市場需求引導科研方向。香港的高校與研究機構應建立與產業界的常態化對接機制，通過聯合實驗室、項目合作等形式，深入了解行業痛點，將實際需求轉化為科研課題。例如，香港理工大學PAAI團隊與醫療機構合作開發癌症行業基礎模型，正是基於醫療行業對放射治療靶區識別效率提升的迫切需求，這種「需求驅動」的研究模式，能夠確保科研成果具備明確的應用場景與市場價值。

其次，應採用「分布式創新+模型融合」的策略，走差異化技術發展路徑。在資源有限的情況下，香港不應盲目追求原生大模型的訓練，而應聚焦細分領域，鼓勵企業與研究機構採用MoM（模型之上的模型）框架，研發高性能領域專屬小模型。香港理工大學PAAI團隊的「協作式生成人工智能」（Co-GenAI）平台相關的工作也證明了通過分布式協作模式，讓不同機構在本地訓練專屬模型，再通過模型融合技術將多個模型的知識遷移至樞紐模型的方式既降低了單個機構的算力投入，又能充分整合各領域的專業知識，形成「眾人拾柴火焰高」的創新合力。

最後，應加強基礎研究與技術產業化的中間環節建設，構建「科研－驗證－產業化」的全鏈條支撐體系。為高校科研成果提供技術驗證、原型開發、小規模試產等服務，降低企業承接科研成果的風險。同時，鼓勵成立技術聯合公司，專業從事科研成果的市場化推廣與商業化運作，架起科研與產業之間的「橋樑」。

（三）路徑三：產業生態的培育與協同破壁

產業生態的成熟度決定了AI產業的發展質量，香港需要打破生態碎片化格局，通過產業簇群打造、灣區協同、全球鏈接，構建協同高效的AI產業生態。

首先，應聚焦香港獨有的場景優勢，打造具有不可複製性的AI垂直產業簇群。 香港不應盲目追求全賽道覆蓋，而應將AI技術植入其最具競爭力的核心產業中。依託香港得天獨厚的港口優勢，將AI技術深度應用於海陸空物流的複雜協調與調度中。推動實施物流全鏈條的AI即時監控與智能決策，優化多式聯運效率，打造世界級的「智慧港口」標杆，鞏固香港作為國際航運中心的地位。

依託結構化醫療體系，破解養老與社會醫療難題： 充分利用香港高度結構化、標準化的醫療數據與體系優勢，針對人口老齡化這一核心社會議題，重點發展智慧養老與精準醫療。利用AI技術對老年病、慢性病進行全天候監控與風險預警，通過演算法優化醫療資源配置，不僅提升診療效率，更為全球老齡化社會提供「香港方案」。

結合獨特金融環境，推動新一代生成式AI落地：立足香港國際金融中心的獨特監管與市場環境，加速新一代生成式AI在金融垂直領域的應用。重點推動大模型在複雜風險控制、智能投顧、跨境支付及自動化合規分析中的落地。

其次，應深化粵港澳大灣區「創新閉環」實踐，最大化區域協同優勢。制度化推廣「香港研發、深圳轉化、灣區製造、全球銷售」的成功模式，讓香港的科研優勢與大灣區的產業優勢、市場優勢充分結合。

最後，應構建全球化創新合作網絡，提升香港AI產業的國際話語權。同時，助力內地AI企業通過香港「走出去」，利用香港的法律體系、金融服務、國際網絡等優勢，拓展全球市場。

（四）路徑四：人才與教育的體系化建設

人才是AI產業發展的核心要素，香港需要構建「普及教育+尖端培養+全球引進」的立體化人才體系，破解人才短缺難題，為AI產業發展提供持續的人才支撐。

在教育體系方面，應實施「普及教育」與「尖端培養」雙軌制。在基礎教育階段，從中小學開始普及AI素養教育，將AI基礎知識、編程思維等納入課程體系，培養青少年對AI技術的興趣與認知；在高等教育階段，廣泛設立AI與數據分析必修課，提升大學生的AI基礎能力。同時，加強跨學科人才培養，鼓勵計算機科學與法律、金融、醫學、工程等領域的交叉融合，設立跨學科專業或課程，培養既懂技術又懂行業的複合型人才。

在高端人才引育方面，應持續優化人才政策，打造具有全球競爭力的人才環境。通過「InnoHK創新平台」「高才通計劃」等載體，以國際一流的科研條件、薪酬待遇和發展空間，吸引全球頂尖AI科學家及工程師來港工作。

邁向「人機共治」的智能未來

香港的AI發展之路，並非簡單複製其他AI中心的模式，而是一場基於自身獨特優勢的戰略創新。依託「一國兩制」框架下的國際化制度環境、全球頂尖的科研資源、背靠祖國的廣闊腹地，香港正在走出一條以「多元化服務AI化、垂直應用場景化、跨境協同深度化、全球治理引領化」為特色的AI發展之路。未來的香港，不應僅僅是AI科研高地，更應是全球AI應用創新中心、跨境協同創新樞紐、國際AI治理對話平台。在全球AI競爭的長跑中，香港既不需要盲目追趕規模，也不需要刻意複製他人路徑，而是要堅守自身特色，相信隨著基礎設施、技術研究、產業生態、人才體系的持續完善，香港必將成為全球AI發展格局中不可或缺的引領性力量，為國家科技自立自強、為全球智能時代的可持續發展，貢獻獨特的「香港智慧」與「香港力量」。

本文發表於《紫荊論壇》2026年1-3月號