AI下半场的船票，不只在实验室里

全球AI竞争走到今天，一个变化正在发生：顶尖人才的流向，开始重新划线。

卡内基中国中心对NeurIPS 2025论文作者的一项追踪研究显示，在中国工作的顶尖AI研究者占比达到41%，美国为34%。而在2022年，这个比例还是美国46%、中国27%。三年时间，天平倾斜了方向。

但人回来了，事情才刚开始。人才回流只是第一步，接下来要回答的是：他们有没有足够真实的场景，把技术变成生产力？

这个问题，广东给出了一个样本。2025年，广东人工智能核心产业规模突破3000亿元，约占全国四分之一。比数字更关键的是结构：广东有汽车、家电、机器人、服装，有大量制造业车间和产业带，每一个环节里都藏着“等AI来重新解决的老问题”。算力可以建，模型可以追，但场景不是凭空长出来的。

一、镜头里的信号：换船，也换人

最近，广东新闻联播记录下一个值得细看的画面。55岁的马化腾与28岁的姚顺雨并肩坐在座谈会现场。姚顺雨面前有自己的桌牌，也有单独的发言镜头。要知道这不是一次普通的露面。姚顺雨此前在OpenAI参与Operator、DeepResearch等项目研发。在去年12月被任命为腾讯首席AI科学家，一个27岁创办腾讯的人，和一个同样在27岁执掌腾讯AI的年轻人，坐在了同一张桌子前。

二、“船漏水”之后，缺的不是钱

其实早在今年5月，腾讯股东大会上有投资者问：腾讯AI是不是落后了？

马化腾的回答很直白：“原来一年前我们以为上了船，后来发现那个船漏水了，现在感觉站上去了，还坐不下去，还是希望船速能快一点。”

过去一年多，腾讯战略性资本开支超过1000亿元，重点投向大模型训练、算力基础设施与数据中心建设。钱不是问题，服务器不是问题，用户和数据也不是问题。问题是：方向对不对。

AI和上一轮互联网竞争有一个根本区别。移动互联网时代，谁有流量、谁有场景，谁就能慢慢把产品磨出来。但大模型不一样。模型几个月迭代一次，方向判断错一次，投入越大，沿着错误路径跑得越远。钱可以买到芯片，买不回走错路耽误的时间。

马化腾的焦虑，说到底不是“有没有”，而是“往哪走”。三、姚顺雨带来的，是“定义问题”的能力

姚顺雨在2025年写过一篇文章，叫《The Second Half》。核心判断只有一句话：AI上半场拼的是怎么把模型训练得更强，下半场拼的是“定义什么问题值得解决”。

这个判断放在腾讯的处境里，格外准确。过去，行业习惯用榜单排名、参数规模来衡量进步。但姚顺雨到腾讯后反复讲的一件事是：方法论已经足够通用，一个预训练模型可以拿去砸任何钉子，难的反而变成了——哪颗钉子值得砸。

腾讯请他，买的不是又一个能训练模型的工程师。买的是一个能在岔路口做决策的引路人。

而“往哪走”这件事，不只发生在腾讯，也不只发生在大模型公司。姚顺雨说AI下半场要回答“为谁解决什么问题”，这个判断放到传统行业里同样成立。很多行业里早就存在一些具体、琐碎、但足够真实的问题，只是过去不值得用技术去碰。服装行业里的尺码不合，就是一个例子。

四、一件衬衫里的“同一个问题”

比如马化腾出席穿的那件蓝色衬衫，据知情人认出，正是欧定头等舱高弹衬衫。欧定是广州的一家男装品牌，它要解决的，正是前面说的那个具体问题：一个人在线买衬衫，肩宽差一厘米，袖长短一公分，穿着就不对。退回去，换一件，库存、物流、成本全都跟着转一圈。这个问题不大，但足够真实。

欧定的做法不是把服装行业推倒重来，而是用一个具体办法去填这个缺口：基于200万份男性体型数据，做AI在线量身定制，33个部位、120个参数，一人一版、单件单裁；下单后最快48小时寄出。这背后是同一套逻辑——先找到问题，再用技术去解决它。

回到马化腾那件衬衫。政务调研场合不需要一件“有个性”的衣服，需要的是长时间坐着不紧绷、领子不塌、不用花心思打理。欧定选用8倍高弹面料让长时间会议不束缚；黑科技免烫长时间穿着不褶皱；机翼动力学领型让领座久穿不塌。一件衬衫的价值，不在于它被谁穿过，而在于穿它的人不需要为它分心。

但衬衫只是一个切口。真正值得看的，不是马化腾穿了什么牌子，而是AI正在以什么方式进入传统产业。

五、Ai下半场的船票

服装行业的尺码不合是一个例子。家电行业里，外观质检靠人眼盯，效率低还容易漏判；汽车零部件产线上，一个微小瑕疵可能带来整批返工；机器人进车间，难的不是机械臂动起来，而是让它看懂复杂工况；农业分选里，靠人工挑果、分级，成本高且标准不稳定。这些问题单看都不大，但堆在一起，就是传统产业真实存在的效率损耗。

AI下半场要解决的，正是这类问题。不是把传统产业推倒重来，而是找到那些长期存在、足够具体、又足够痛的环节，用技术去填缺口。姚顺雨说AI下半场要“定义问题”，放到传统产业里，就是判断哪个环节值得重做、哪个场景能真正把技术变成生产力。广东的优势也在这里：汽车、家电、机器人、服装，大量制造业车间和产业带，每一个环节里都藏着“等AI来重新解决的老问题”。算力可以建，模型可以追，但场景不是凭空长出来的。

所以，AI的船票不只在实验室的服务器里，也在车间里、产线上、版房里。谁能把这些老问题一个个找出来、解决掉，谁才真正拿到了AI下半场的船票。