近日，香港科技大学EMBA中英双语课程（以下简称“香港科大EMBA”）在深圳举办《赋能企业AI跃迁》公开课。

公开课《赋能企业AI跃迁》现场合影

香港科技大学荣休教授、加拿大工程院及加拿大皇家学院两院院士、微众银行前首席人工智能官杨强，围绕AI商业落地、数据合规、大模型未来等核心议题，结合全球标杆案例与前沿研究，深度解码企业AI跃迁实战路径，为香港科大EMBA学员及各领域管理者带来极具前瞻性的指导。

杨强教授 公开课《赋能企业AI跃迁》授课现场

作为人工智能领域研究的国际专家和领军人物，杨强教授是首位国际人工智能协会AAAI华人Fellow、唯一国际人工智能协会AAAI华人执委、首位国际人工智能联合会IJCAI理事会华人主席，亦是香港人工智能及机器人学会创会理事长。在技术研究方面，杨强教授是迁移学习与联邦学习的开创者，构建了完整理论体系，并率先将这一AI研究从学术圈推向商业落地。

在公开课上，杨强教授直指行业核心痛点：当前企业普遍深陷“AI焦虑”，但美国2025年调研数据显示，95%的ToB AI应用均未能实现规模化盈利。问题的根本并非技术不足，而是企业普遍陷入三大致命困境：项目制“死亡循环”、数据孤岛难以打通，以及技术与业务流程难以真正融合。杨强强调，人工智能的发展与经济学和商学深度绑定，管理者在推进AI商业应用时，首要任务是选准合适领域，让产出超过投入，使AI应用通过快速规模化、可复制化，真正服务于企业降本增效，最终实现风险可控、可持续的增长。

破解项目制“死亡陷阱”：从定制化项目制到可复制规模化

企业AI转型的核心陷阱之一，是传统定制化项目制模式。

杨强教授指出，以商汤科技、依图科技等国内“AI四小龙”的发展困境为例，若企业长期专注单一项目的定制开发，成本高、复用性差，最终将陷入“项目越多、亏损越大”的恶性循环。

那么，如何跳出这一循环？杨强教授给出的核心方案是：从项目制交付转向可复制、可规模化落地模式，以迁移学习和领域本体构建为技术核心，实现“一次投入、多场景复用”。对此，其重点剖析了全球AI落地标杆——Palantir的成功逻辑。这家由《从0到1：开启商业与未来的秘密》作者彼得·蒂尔联合创立的企业，从军工领域起步，凭借独创的“前沿部署工程师”（FDE）模式与领域本体的深度结合，成功打破了AI落地的死亡循环。

杨强教授在公开课中详细剖析全球AI落地标杆——Palantir落地经验

杨强教授表示：“电影《猎杀本·拉登》中的女特工玛雅，其实就是Palantir技术能力的缩影。”Palantir通过构建融合对象、关系与行为的领域本体，将阿富汗战场、情报分析等复杂场景转化为可复用的知识体系。在首个项目高投入完成本体搭建后，后续项目借助迁移学习实现知识跨场景迁移，边际成本会大幅降低。目前，该模式已成功拓展至保险、政府服务等民用领域。

同时，杨强教授以微众银行为实践案例，展示了上述模式在金融领域的可行性。依托迁移学习与联邦学习技术，微众银行以数千员工服务数亿个人用户与数百万企业用户，实现了AI在营销素材生成、智能客服、实时质检、风险控制与反欺诈等全生命周期场景的规模化落地。

杨强教授反复强调：AI的核心不是技术营销，也不是巨额投入，而是选对场景、精准核算投入产出比，从而实现可复制化落地。

数据合规破局与AI未来：从联邦学习、三大瓶颈，到人机协同

当下，全球数据监管趋严，数据孤岛已成为AI落地的主要障碍之一。杨强教授在公开课中指出一个关键事实：人类全部数据中，仅有约4%为公开数据，且这些数据即将被大模型消耗殆尽。而剩下的96%，是企业和个人的私密数据，受限于合规与隐私保护要求，无法被直接用于集中式模型训练。数据，正从“燃料”变为“瓶颈”。

面对这一困局，杨强教授以其开创的联邦学习技术给出了破局之道。联邦学习的核心理念是：数据可用不可见——在不离开本地、不泄露隐私的前提下，完成跨机构的联合建模。这一技术尤其适用于金融、医疗等对隐私要求极高的行业。“例如多家医院借助联邦学习，在隐私数据隔离的基础上联合构建皮肤癌诊断模型，在提升诊断准确率方面取得极大的成功。”杨强教授举例说明。

此外，AI发展还面临算力与算法两大挑战。在算力层面，AI扩展定律的增速远超摩尔定律，即硬件算力每1.5年翻一倍，而AI新能力则是每年翻一倍，未来算力供需缺口将持续扩大；算法层面，大模型难以同时兼顾记忆、推理、隐私保护与推理效率。例如，隐私与效率之间存在天然矛盾，无法两全，只能根据场景做有机平衡。这三大瓶颈共同决定了AI未来的发展边界。

那么，面对AI发展的势不可挡，企业应如何应对？杨强教授给出了自己的预判：未来的AI生态，将是云端大模型+本地小模型协同发展。云端大模型提供通用能力，本地小模型聚焦垂直场景，两者协同，兼顾通用性与隐私安全，将成为企业AI落地的主流形态。

杨强教授在公开课中解析IBM Watson失败案例，警示AI落地误区

对此，杨强教授以IBM Watson的失败案例警示企业：切勿陷入“AI 中心主义”误区。IBM曾在2015年高调推出Watson Health，试图用Watson打造AI医生，并与MD安德森癌症中心等机构合作，目标直指癌症诊疗。但因过度承诺泛化能力、与临床工作流脱节、忽视数据标注成本与医学知识动态更新，最终项目于2017年折戟。杨强教授指出，AI的定位是辅助人类决策、融入业务流程，而非完全替代，脱离业务实战的技术终将被市场淘汰。

杨强教授为企业画出了一条清晰的AI跃迁路径：选对场景、算清ROI、打破数据孤岛、拥抱人机协同。但路径再清晰，最终仍取决于决策者的行动。

而这正是香港科大EMBA的价值所在——不止于传递前沿认知，更致力于将顶尖科研转化为可复用的管理能力。对于商学院，AI从来不是单纯的技术课题，而是关乎企业战略选择、资源配置、商业回报与长期增长的管理命题。只有让管理者站在商业本质与经济学逻辑上理解AI、决策AI、落地AI，才能让技术真正转化为企业的核心竞争力。而本次公开课，便是香港科大EMBA围绕人工智能的又一次“科创×商业”融合的生动实践。

面向2026，人工智能技术迭代加速，全球商业格局亦迎来深刻调整。香港科大EMBA将汇聚国际资源，助力更多管理者成长为全球领航者，以科技赋能企业穿越周期、稳健增长。