文/袁淵

作為香港首份五年規劃，其編制與實施恰逢全球人工智能（AI）產業重構、國家戰略深度賦能、香港經濟轉型攻堅的關鍵節點。而科學謀劃AI產業發展路徑、破解發展難題、釋放發展潛能，既是香港實現經濟轉型升級的必然選擇，也是服務國家科技自立自強戰略、貢獻香港力量的責任擔當。

當前，香港的AI產業已具備堅實基礎，世界級科研力量集聚、國際化營商環境成熟、算力基建加速布局、政策支持力度空前，但同時也面臨人才結構性短缺、數據流動壁壘、產業轉化不足、應用場景有限等現實挑戰。

對於香港AI產業而言，長期積累的結構性短板與發展瓶頸是客觀存在的，人才結構、數據要素、產業轉化、運營成本、行業治理等層面的問題相互交織，若無法在新一輪五年規劃周期內系統性破解，將會直接限制AI產業的提質擴容，阻礙香港科創中心建設的整體推進。

其一，AI專業人才供需失衡，結構性短缺問題尤為突出。隨着AI產業快速擴張，全鏈條人才缺口持續擴大，本地人才培養規模難以跟上產業增長速度，高端核心研發人才、工程化落地人才、跨界複合型人才全面緊缺。加之本港人才居住、生活、教育等配套成本偏高，對比周邊科創城市，對全球高端人才的吸引力仍有提升空間，人才流失與引進困難的雙重壓力長期存在。

其二，數據要素流通存在明顯壁壘，數據價值難以充分釋放。數據是AI模型訓練與技術迭代的核心生產資料，香港本地人口體量有限，原生數據規模較小，各類公共數據、行業數據分散存儲，不同機構之間數據壁壘明顯，數據孤島現象普遍，難以整合形成高質量、規模化的訓練數據集。兩地跨境數據流動受合規規則、安全管控、監管機制等多重約束，內地海量數據無法高效合規流入香港。

營運成本高 研發轉化弱

其三，產學研融合銜接不暢，科技成果產業轉化能力薄弱。香港高校科研實力雄厚，基礎研究成果豐碩，但長期存在重理論研發、輕落地轉化的發展慣性，科研體系與市場需求脫節。大量優質AI科研成果止步於實驗室階段，缺少專業化中試平台、技術轉移服務與產業化孵化載體，無法完成從技術原型到商用產品的過渡升級。本地製造業基礎薄弱，科創產業配套鏈條不完善，智能硬件、核心零部件、智能裝備等相關產業發展滯後，AI硬件產品量產落地難度較大。

其四，城市綜合運營成本居高不下，加重科創企業經營負擔。香港土地資源緊張，辦公場地、產業園區租賃成本長期處於高位，AI研發、算力部署、實驗場地等空間投入成本顯著高於周邊城市。整體薪酬水平偏高，技術研發團隊人力成本支出壓力較大，對於抗風險能力較弱的初創企業與中小科創機構而言，高昂的固定運營成本極大壓縮生存與發展空間。不少創新企業發展後勁不足，甚至出現產業外遷的傾向，不利於本地AI產業生態的長期穩定培育。

其五，行業治理體系建設滯後，新興技術風險防控能力不足。AI技術快速迭代的同時，算法偏見、隱私洩露、數據濫用、倫理失範、技術濫用等潛在風險持續增多，而香港針對AI的專項法律法規、行業標準、倫理規範仍不完善。現有監管規則多依託傳統數據安全、知識產權、隱私保護條例延伸適用，無法全面覆蓋大模型應用、自動化決策、智能算法部署等全新場景，企業合規邊界模糊，行業規範化發展缺少統一指引。

關於香港首份五年規劃，筆者建議圍繞科研創新、算力建設、人才培育、數據流通、產業升級、成本減負、治理完善七大方向統籌相關規劃，激活產業內生動力，推動香港AI產業實現高質量穩步發展。

一是持續深化科研創新引領建設，全面強化本地原始創新核心能力。集中資源做強高校科研集群優勢，持續加大AI基礎理論與前沿技術研發投入，聚焦大模型技術、多模態融合、智能算法、AI安全等關鍵領域布局重點科研平台，依託本地頂尖院校搭建高水平實驗室與創新研發載體。整合全域科研資源，升級國際化科創合作平台，深化跨境科創聯動，依託深港合作載體搭建聯合研發體系，推動兩地科研設備、研究數據、科研人才互通共享，協同攻克關鍵核心技術難題。

建設算力樞紐 培育人才

二是全面推進算力樞紐體系建設，夯實AI產業發展底層支撐。結合城市空間規劃與產業布局，穩步推進超算中心擴容升級，持續提升本地智能算力整體規模與運行效能，優化算力架構設計，依託先進技術降低算力能耗與使用成本。統籌各大科創園區算力資源差異化布局，結合不同區域產業定位，劃分科研算力、通用算力、跨境協同算力、城市邊緣算力等功能板塊，實現全域算力資源統籌調度、互補協同。搭建統一的公共算力服務平台，整合政府、科研機構、市場主體的閒置算力資源，推動算力資源集約化利用與普惠共享。

三是系統落實人才集聚與本土培育工作，從根源破解人才短缺瓶頸。面向全球出台AI高端人才專項扶持政策，聚焦核心研發、算法設計、安全治理、行業解決方案等緊缺領域，優化高端人才引進配套福利，在安居保障、稅收優惠、子女教育、醫療服務等方面提供全方位支持，簡化跨境人才通行與執業審批流程，打造國際化人才發展環境。搭建青年科創人才培育平台，設立專項扶持資金與創新項目計劃，挖掘本土青年科創潛力，完善全周期人才服務體系。

四是持續推進數據要素流通工程，充分釋放數據核心生產價值。加快搭建全市統一的公共數據共享開放平台，建立標準化數據目錄與統一接口規範，有序推進公共數據分級分類開放，為AI研發提供基礎數據支撐。引導行業龍頭企業、商業機構建立數據共享協作機制，通過合規合作模式推動行業數據互聯互通，打破企業間數據孤島。依託兩地科創合作試點區域，主動對接國家跨境數據流通試點政策，探索建立適配香港發展的跨境數據合規審核、安全監管、風險防控機制，在科研協作、醫療研究、產業研發等可控領域穩步放寬數據流動限制，豐富本地AI模型訓練數據來源。

推動跨境數據合規審核

五是大力實施產業轉化升級工程，構建完整可持續的AI產業生態。依託各大科創園區與研發載體，集中建設專業化AI中試平台、技術轉移中心與產業化孵化空間，補齊科研成果轉化中間環節短板，為實驗室技術優化、產品迭代、市場適配提供全方位服務。引入知識產權運營、技術交易、創業孵化、投融資對接等專業服務機構，打通技術研發到市場落地的完整鏈條。分層分類培育市場主體，針對性扶持本土龍頭企業做大做強，聚焦新興賽道孵化高成長性科創企業，通過補貼、稅收、場地支持等多元舉措減輕中小企業經營壓力，推動大中小企業協同創新、融通發展。

六是穩步落實成本優化減負舉措，切實降低科創企業綜合發展壓力。結合北部都會區等新興片區開發規劃，加大科創產業用地供給，規劃專屬AI產業園區，以優惠政策供應辦公場地與產業空間，緩解企業場地成本壓力。打造共享研發空間、聯合實驗室、輕量化辦公載體，為初創團隊提供低成本發展空間。優化科創企業稅收優惠政策，針對AI行業技術人才制定專項稅收減免方案，合理降低企業人力成本負擔。持續完善科創金融服務體系，擴大政府引導基金投放規模，設立AI專項產業基金，引導金融機構開發適配科創企業的信貸產品與融資服務，拓寬中小創新主體融資渠道，降低融資成本。

七是不斷完善行業治理體系建設，築牢AI產業健康發展底線。結合香港法治體系優勢，加快補齊AI領域制度短板，圍繞算法管理、大模型應用、數據安全、倫理規範等關鍵領域，出台貼合本地實際的行業規則與管理條例，明確行業合規邊界，引導企業規範經營。組建專業化AI監管與倫理研究機構，建立常態化風險監測體系，運用智能化技術手段實現算法運行、數據使用、智能應用的動態監管，完善風險預警與應急處置流程，有效防範算法濫用、數據洩露、倫理失範等各類風險。

（作者為外資投資基金董事總經理）

（來源：大公報A13：經濟 2026/04/29）