从数模赛场到AI创业一线
在AI工具日益强大的今天，一个人似乎能完成过去整个团队的工作。然而，真正将AI项目转化为可持续生意的案例依然稀少。本期「进取派会客厅」迎来开播以来最年轻的嘉宾——华北电力大学人工智能专业大二学生李明杨。他不仅斩获北京市数学建模竞赛奖项，还作为负责人推进国家级大学生创新创业训练计划（大创）课题，致力于为垃圾分类设备装上“火眼金睛”。
光谱识别：让AI看透垃圾本质
李明杨介绍，其团队研发的“基于光谱信息的可回收垃圾识别系统”，旨在解决传统摄像头在面对破损、油污或颜色相近垃圾时识别率低的问题。该系统结合广域低分辨率光谱初筛与高精度光谱定点复核，实现对物质化学成分的精准判断，为垃圾中转站提供实时在线分拣方案。他本人负责技术调研、硬件选型及算法框架设计，并协调跨专业团队协作推进。
AI门槛变低？稀缺的是场景理解
尽管AI大幅降低了开发效率——如数模比赛中三人团队的工作如今一人半天即可完成——李明杨指出，真正稀缺的并非模型或算力，而是对真实业务场景的深度理解与高质量数据积累。“大模型再强，也读不懂一线老师傅手里的隐性经验。”他强调，许多AI项目失败，正是因为缺乏对行业“暗知识”的敬畏。
隐性经验：AI无法替代的人类直觉
在廊坊一家垃圾分拣厂实地测试时，团队发现实验室环境与现实差距巨大：垃圾污染严重、传送带高速运转、光照条件差。更关键的是，经验丰富的老师傅通过“捏硬度、敲声音、闻气味”等方式判断材料，这些无法量化的隐性经验远超当前AI能力。李明杨由此提出“人机协作”新范式：AI负责快速筛查与标记可疑项，人类专家处理复杂判断，并将决策反馈用于强化学习，逐步教会AI“读懂”行业规则。
技术是手段，商业结果才是目的
面对企业客户“能多快？准不准？省多少钱？”的灵魂三问，李明杨团队果断放弃追求极致准确率的高成本方案，转而采用“低成本初筛+高精度复核”的协同架构，将系统成本降至三分之一，同时提升处理速度与鲁棒性。他还砍掉低频材料识别功能，聚焦客户最头疼的混合塑料、黑塑料等核心品类，最终显著降低误判率与人工干预频次。“完美是优秀的敌人，”他说，“客户要的是够快、够准、够便宜。”
穿越周期：从问题出发而非追逐热点
谈及AI创业的长期价值，李明杨认为，真正能穿越技术浪潮的创业者，不是盲目追新模型的人，而是坚持“从问题出发”的实干者。他以数学建模竞赛为例：使用AI生成“网红模型”的作品虽多，但国赛一等奖往往来自完全原创、贴合实际问题的建模思路。“技术浪潮如潮汐，唯有回归本质，才能留在海滩上。”
从参与者到管理者：能力的全面跃迁
作为数模获奖者与大创项目负责人，李明杨经历了从“个人突破”到“团队协同”的角色转变。他坦言，管理跨专业团队需要极强的沟通与外交能力：“不仅要解决问题，还要让别人听懂你的问题。”这种历练让他学会用多元视角审视同一挑战。
主动选择AI之路
李明杨原就读于数理学院信息与计算科学专业，因对AI产生浓厚兴趣，通过努力将绩点提升至年级前10%，成功转入人工智能专业。他的选择既源于对技术前景的判断，也出于内在热情。
复盘：AI创业的四大认知
主持人Tina总结本期对话四大核心洞见：一是AI创业稀缺的是需求理解与一线行动力；二是必须深入现场挖掘行业隐性经验；三是技术需服务于商业价值，在约束条件下求最优解；四是长期创业者应聚焦问题本质，善用AI而非被其主导。