问题——人工智能产业快速迭代，高层次、复合型人才需求迅速增长，但高校培养与产业岗位之间仍面临“衔接不够紧、场景不够真、转化不够快”等现实问题。尤其智能网联汽车、具身智能、车联网安全以及“AI+工业软件”等方向，企业看重的不只是算法能力，更需要工程化落地、标准化意识和跨学科协作能力。如何把产业前沿及时转化为教学内容、把科研成果更快导入生产一线，成为各方共同关注的重点。 原因——一上，技术演进周期缩短，企业从研发到量产节奏加快，岗位能力结构随之变化，单一学科背景越来越难以支撑复杂系统开发。以智能网联为例，算法、嵌入式、数据安全、系统验证等环节紧密耦合，对人才的复合能力提出更高要求。另一方面，教育端课程更新、实验条件、数据资源和评价体系上存在客观限制，真实工业数据获取难、工程项目牵引不足，导致部分学生在“会做实验”和“能上产线”之间仍有差距。此外，科研与产业在知识产权共享、成果复用标准、项目管理方式诸上仍需更顺畅的协同机制，才能降低转化成本、缩短落地周期。 影响——供需错位既影响企业创新效率，也关系区域产业竞争力与人才集聚能力。座谈中，企业代表结合产业进展与人才结构提出需求：广汽集团对应的负责人表示，集团智能网联车型渗透率持续提升，但具备具身智能、车联网安全等复合背景的人才缺口依然明显；工业和信息化部电子第五研究所方面提到，面向粤港澳大湾区制造业智能化升级，将广深布局“AI+工业软件”公共服务平台，迫切需要既懂算法又懂标准化与工程验证的专业力量。这些需求反映出产业正从“应用扩面”转向更深层的能力攻坚，更强调可靠性、安全性、可验证性和持续迭代能力，人才培养也需要从“知识传授”继续转向“能力交付”。 对策——围绕打通教育链、人才链与产业链，各方在座谈中提出以项目牵引、资源共享和机制创新为抓手，形成更可落地的合作路径。广州大学人工智能学院介绍，学院以产业需求牵引学科建设，已搭建覆盖人工智能全链条的课程与科研支撑平台，并持续推动实验室与数据资源开放，探索企业“带着问题进校园、带着方案回企业”的协同方式。在此基础上，三方就下一步合作形成初步共识：一是推动共建具身智能联合实验室，由企业提供真实场景与数据资源，学院聚焦算法模型与技术攻关，同时探索知识产权共享与成果联合转化机制；二是共编“AI+产业”特色教材，将企业项目案例拆解为教学模块，把工程实践转化为可复制、可评价的课堂内容，让教学更贴近岗位能力要求；三是完善企业导师参与机制，推动企业专家走进课堂、项目进入课程、学生参与横向课题，尤其强调博士研究生等高层次人才要在真实项目中完成训练，提升从研发到应用的闭环能力。 前景——在新一轮科技革命和产业变革加速推进的背景下，粤港澳大湾区制造业基础扎实、应用场景丰富，是人工智能规模化落地的重要区域。校企研深度合作有望在三上形成示范：其一，通过持续供给高质量数据与工程场景，提高科研攻关的针对性与可验证性，推动更多成果从“论文指标”走向“工程指标”；其二，通过课程体系与教材的快速迭代，将产业最新需求及时纳入培养目标，提升毕业生与岗位需求匹配度；其三，通过联合实验室、导师机制等制度化安排，形成更稳定的协同创新网络，为区域重点产业链提供持续的人才与技术支撑。业内普遍认为，随着智能网联汽车、工业软件和安全合规等领域标准体系逐步完善，未来人才竞争将更聚焦“跨界能力”和“工程化能力”，校企协同培养也将从可选项逐步变为必选项。
这场校企对话不仅是一次资源对接，更反映了高等教育对新质生产力发展的主动回应。当实验室与生产线更加贯通，当学术视角与产业需求形成合力，人工智能人才培养才能真正走出“象牙塔”，为经济高质量发展提供更坚实的支撑。