纵观整个科技发展史，技术创新始终是最强的原动力。如今，人工智能正处于向生产和生活加速渗透的关键节点，围绕底层基础设施、大模型和场景化应用的各种创新层出不穷，越来越多的人相信“奇点”即将来临。

然而，透过云计算、物联网、区块链、元宇宙等热门技术的演进轨迹，会发现具有突破性的创新并非总是依循预期的路径，真正能落地生根、枝繁叶茂的技术路线往往萌芽于曾被忽视的角落。AI领域也不例外，DeepSeek的异军突起即是明证，来自非“正规军”的大模型创新开启了AI范式变革的另一条道路。

著名经济学家约瑟夫·熊彼特对此现象早有洞察，他认为“创新具有难以预期性”，营造有助于唤醒“企业家精神”的环境与机制更为重要。从这个意义上讲，在市场一线摸爬滚打的企业和注重科研成果转化的高校，无疑是孕育创新力量、释放变革能量的最佳土壤，给予他们一缕阳光、一丝雨露，就可能收获意料之外的春天。

特别是在外部环境充满不确定性因素的背景下，为国内企业和高校提供更多参与人工智能产业发展的机会，集合多方力量探索AI自主创新的进化路径，更是迫在眉睫。近日，2025数字中国创新大赛·人工智能赛道决赛在福州举行，来自全国的21支企业队伍与20支高校团队从初赛和复赛的激烈角逐中脱颖而出，秉承“以赛促学”、“以赛促用”的理念，上演了精彩的“巅峰对决”。

这既是兼容并包的AI创新“竞技场”，也是人工智能全面落地的助推器。笔者从参赛企业和高校中分别选取一家荣获一等奖的案例，也许他们的故事会让每一位AI探路者感到不再孤单。

突围航运数智化困局：打造全场景智能知识处理与服务新基座

在“AI重新定义一切”的新时代，传统行业的数智化转型尤为引人注目。身处历史悠久、积淀深厚的航运业，由中远海运科技股份有限公司研发创新中心核心成员组成的参赛团队突破既有路径，以Hi-Dolphin航运大模型为新解法，在企业自主创新赛题树立起新标杆。

“信息爆炸”与“智能匮乏”是航运业跃迁道路上的主要障碍。一方面，行业信息量庞大且碎片化严重，有效信息和数据往往分散在各个业务系统中，难以进行有效挖掘；另一方面，传统知识更依赖资深人员的经验积累，这导致人工培训成本高，亦缺乏统一的知识体系和智能决策支撑，从而造成整体工作效率偏低。

化解这些难题的过往方法主要依赖静态规则库或流程引擎，面对复杂多变的业务情景经常束手无策。中远海科的参赛团队另辟蹊径，以“Hi-Dolphin航运大模型”为核心，融合知识图谱、RAG检索增强、智能Agent、MoE架构、N2SQL、N2API、GRPO等关键能力，构建了一个面向航运全场景的智能知识处理与服务平台，打造出航运业的新型智能基础设施。

从解决方案差异化和竞争优势的角度看，Hi-Dolphin航运大模型深度融合航运专业语料和结构化知识体系，将航运知识与动态数据深度结合，建立起从“航海专家”到“航运专家”的知识服务体系，实现“跨业务、跨系统”的智能问答与辅助决策，在语料、数据、场景等维度都形成了较高的护城河。据参赛团队介绍，昇腾AI基础软硬件平台在航运大模型训练和推理部署方面提供了高性能、稳定可靠的国产化算力支撑，显著增强方案的数据安全与可控性，为后续的应用落地奠定坚实基础。

不容回避的是，如何让大模型“真正懂航运”，是参赛团队面临的最大挑战。以“船舶预计到港时间预判”为例：这是多变量、多源信息耦合的复杂推理过程，需同时考虑航线特征、历史规律、气象变化、船舶性能、港口拥堵等纷繁因素。参赛团队通过知识图谱构建“船-港-线-事件”关系网，结合实时数据驱动的模型动态推理，使大模型做到“逻辑可追溯、结论有依据”。此外，为保障航行安全，参赛团队采用大模型预标注+人工审核的方式+基于人类反馈的强化学习方式，从高质量数据、算法等方面最大程度减少大模型幻觉问题。

目前，Hi-Dolphin方案已在港口调度、船舶管理、运力配置、智能客服等场景进行试点部署，初步建立了“业务即提问、答案即调用”的智能交互新范式，有效降低人工查阅成本、改善响应效率和决策质量。下一步，参赛团队将持续推动平台的多模态感知、智能体任务编排与跨系统联动能力，实现从“知识辅助”向“航运数字员工”的跨越，推动Hi-Dolphin由“航运智能体”进化为“航运智脑”。

化解医疗分诊难题：“慢思考”范式与多模态融合技术双剑合璧

如果说企业组的精英擅长“啃硬骨头”，那么高校组的佼佼者同样善于攻坚克难。斩获高校自主创新赛题一等奖的这个团队即是典型代表——其由北京大学人工智能研究院的助理教授杨耀东老师带领，成员包括五名博士生与两名本科生，他们研发的“智能医导大模型”解决了现有医疗分诊系统效率低下的难题。

传统分诊高度依赖医生主观问询和经验，不仅流程繁琐、响应速度慢，而且不同分诊人员之间因知识水平和判断偏差容易造成误诊或漏诊；同时，临床数据碎片化严重，医学影像、文本病历等多源异构信息难以高效融合，缺乏跨时间点的健康状态跟踪和动态监测能力，导致预警模型训练数据较少且关联性差。

针对上述痛点，北京大学的参赛团队迎难而上，开创性地将“慢思考”范式与多模态深度融合技术有机结合，找到了医疗分诊的破局之道：在DeepSeek-R1模型中引入阶段性迭代推理的“慢思考”机制，使其能对复杂的病历文本进行多轮深度分析；借助自研的Align-Anything框架，将医学影像、电子病历、心电信号和语音等多种数据源协同输入，完成跨模态的信息关联与综合判断。

当然，研发过程并非一帆风顺，参赛团队面临的最大挑战是如何在严格的医疗隐私保护与数据脱敏要求下，仍能获取足够高质量的训练数据。在真实临床环境中，患者信息属于高度敏感资产，任何数据传输和处理都必须遵循医院内部网络和合规规范。

尤值一提的是，昇腾AI基础软硬件平台为本项目提供了涵盖训练和推理的全流程支撑，帮助参赛团队实现全国产软硬件一体化部署，为达成严格隐私与合规要求下的“零出院”数据闭环创造必要条件。在数据收集与处理阶段，参赛团队开发了一套自动化脱敏流水线，对文本中的个人身份标识符和影像中的可识别信息进行多级遮蔽和替换，并通过差分隐私技术对统计特征微调，既保障模型训练所需的样本多样性，又满足相关法规要求；在部署阶段还特别设计了“本地机房部署+加密局域网访问”方案，所有未脱敏的数据都在医院自有服务器上处理与运算，杜绝隐私泄露风险。

经过反复打磨，参赛团队的解决方案已在北京大学第三医院成功落地部署。在首周试运行中，覆盖全院152位医生，累计交互超过4000次，显著提升科室诊前咨询与多模态风险筛查效率。据团队核心人员透露，该方案未来将在多院联合与联邦学习、可穿戴与实时监测接入、基因组与组学多模态扩展、手术规划与智能辅助等方向持续进化，预计会有更多医院充分受益，最终“让尖端科技流淌出普惠生命的温度”。

产业升级需要更多AI创新的“竞技场”

不难看出，无论是企业还是高校，都将在人工智能奔涌向前的洪流中扮演不可或缺的角色。在“人工智能+”的指挥棒下，千行万业的数智化变革正如火如荼地展开，进一步激发企业和高校的创新活力势在必行。

正是基于这样的背景，由第八届数字中国建设峰会组委会主办，福州市电子信息集团有限公司、华为技术有限公司、福建省电子信息（集团）有限责任公司协办的“2025数字中国创新大赛·人工智能赛道”更具示范效应。自今年2月中旬启动以来，该活动吸引超1100支队伍踊跃报名，参赛人数逾4000人，作品涵盖政务、能源、金融、制造、交通、教育、医疗等多个行业，为“人工智能+”注入丰沛动能。

站在更长远的视角，AI创新离不开产学研各界的协同突围，尤其需要打造更多贴近真实应用场景的各种“竞技场”，让企业和高校在试金石的淬炼下实现蜕变，促进创新的种子在适宜的土壤中生根、发芽，进而形成具备全球竞争力的生态系统。在这样的AI大舞台上，你会是下一个故事的主角吗