问题——制造业数字化升级进入深水区，“技术热”与“落地难”并存。新一轮科技革命和产业变革加速推进，制造业对智能化改造的需求持续升温。但不少工厂现场，算法模型与实际工艺之间仍有不小差距：数据标准不统一、工况复杂多变、良率与节拍要求高，使一些技术难以稳定复用。如何让前沿科研真正转化为可规模部署的生产力，成为产业升级的关键课题。原因——从基础研究到工程应用，需要跨越“认知鸿沟”和“系统鸿沟”。贾佳亚长期从事计算机视觉研究，现任香港科技大学讲席教授、冯·诺依曼研究院院长，同时为电气电子工程师学会与国际计算机学会会士，并担任国际期刊《模式分析与机器智能汇刊》副主编。2025年初，国际计算机学会公布新一届会士名单，他名列其中。他的科研路径逻辑清晰：以真实问题驱动方法创新，再以工程化能力推动成果落地。早年因数码成像中的噪点与模糊问题进入该领域，他将研究聚焦于去雾、去噪与超分辨率重建；2011年在“兼顾平滑降噪与边缘保真”上取得突破，2012年提升了复杂纹理场景下的轮廓提取能力。近年，他深入将研究延伸到多模态大模型与工业智能体：2023年提出长文本建模涉及的技术方案，缓解大模型长上下文处理瓶颈；2025年开源多模态模型版本，多项能力指标上表现突出。此演进也反映出趋势：仅靠单点算法突破已难支撑产业场景，需要把模型、数据、算力、流程与设备进行协同设计。影响——科研成果加速转化，有助于提升制造业质量与效率，也为新质生产力培育提供样本。2019年，贾佳亚在香港科学园创立思谋科技，并在深圳设立研发总部；2022年公司智能制造工厂在深圳投入运营。团队建立“工程师驻场”机制，深入车间梳理痛点、明确指标、联调产线，让技术与工艺更好匹配。在广东惠州科达利精密工业车间，动力电池盖板检测智能体以微米级精度完成360度扫描，视觉系统与机械臂协同实现自动分拣；在轨道交通领域，为中国中车定制的磁粉探伤系统将检测效率提升约70%；在电子制造领域，面向3C的五轴检测智能体降低关键缺陷漏检风险。实践显示，当技术从“能跑通”走向“稳定、可复制、可交付”，价值就不再局限于单一工序优化，还会带动质量管理、设备协同与产线组织方式的调整。对策——以产业需求为牵引构建“创新—创业—育人”闭环，形成稳定的技术供给与人才供给。一上，坚持关键核心技术攻关与开源生态并重，模型能力、数据治理、可靠性验证等环节持续投入，提升技术在复杂场景中的鲁棒性与可解释性；另一上，用系统工程方法缩短从论文到产线的距离，建立面向行业的交付标准、测试体系与迭代机制，推动“单点智能”向“流程智能”升级。，人才是更长周期的竞争力。贾佳亚认为博士生培养既要有专业深度，也要具备跨界视野，并探索“三阶培养法”：通过国际学术交流拓展理论边界，通过企业实习积累工程经验，同时强调自我更新与批判性思维。他指出，该领域迭代速度快，研究者需要缩短复盘周期，保持对前沿变化的敏感度。他指导的学生已在海内外高校与科技企业成长为骨干力量，体现出“以产业问题训练科研能力、以科研方法反哺工程实践”的育人效果。前景——面向未来，产业智能化将更强调“可信、可控、可用”，产学研协同也将走向更深层次。随着制造业向高端化、绿色化、融合化推进，工业现场对高精度检测、柔性生产、预测性维护等需求将持续增长。粤港澳大湾区集聚科研、产业与国际化资源，若进一步打通高校实验室、科技园区与制造集群的协作链条，完善数据要素流通与合规应用体系，强化关键行业标准建设与安全治理，有望形成从基础研究到规模应用的稳定通道。未来竞争不只看模型参数规模，更取决于行业知识沉淀、对生产流程的理解，以及对交付质量的长期打磨。
人工智能的价值不在于刷新论文指标，而在于能否进入生产现场、解决真实问题，并沉淀为可持续的产业能力；把基础研究的长期投入、工程化的精细打磨与人才培养的系统设计贯通起来，才能让技术创新更快转化为新质生产力，为制造业高质量发展提供更确定的动能。