AI 摘要
- 人工智能資助計劃已批出接近40個項目，總資助額超過17億元。
- 三個代表項目涵蓋醫療大模型、金融生成式AI沙盒及協作式AI平台。
- AISC現時3,000 Petaflops算力使用率已超過九成。
人工智能資助計劃（AISS）近期舉辦專案分享會，展示三個代表性研發項目，分別涉及醫療多模態大模型、金融生成式AI應用及協作式AI模型平台。三個項目均獲資助使用數碼港人工智能超算中心（AISC）的算力，應對模型訓練、技術測試及部署等需要，目標是將科研成果推進至醫院、金融機構及企業的實際場景。
計劃概況與資助規模
特區政府於2024年推出為期三年、總額30億元的人工智能資助計劃，主要資助合資格用戶使用AISC的算力推動科研突破。截至2026年10月初，計劃已接獲逾50份申請，批出接近40個項目，涵蓋大語言模型、新材料、合成生物學及醫學大模型等領域，總資助額超過17億元。2026年《施政報告》宣布再向計劃注資10億元。
署理數字政策專員張宜偉表示，當局正研究更靈活的資助方式。他指出，現時AISC提供的3,000 Petaflops算力使用率已超過九成，反映科研及業界對高性能算力的需求殷切。
三個代表項目的成果比較
| 項目 | 所屬機構 | 應用場景 | 來源披露的成果 |
|---|---|---|---|
| 用於醫學診斷和手術的多模態大語言模型（CARES 3.0、EchoCare等） | 中國科學院香港創新研究院人工智能與機器人創新中心（CAIR） | 醫學影像分析、臨床決策及手術輔助 | 手術報告生成時間由2小時縮短至15分鐘；超聲心臟掃描時間由16分鐘減至6分鐘；病人輪候時間由2至3周縮短至3至5天；相關模型已在內地超過30家醫院及香港3家醫院部署 |
| GenA.I. Sandbox++ 生成式AI沙盒 | 金管局與數碼港 | 風險管理、反詐騙及客戶體驗 | 報告生成時間縮短30%至80%；風險分析由一天縮短至數分鐘；超過一半測試用例已成功落地；服務範圍擴展至保險、證券、強積金及電子錢包 |
| 協作式生成式人工智能平台（Co-GenAI） | InfiX.ai | 大模型部署、行業適配及企業AI應用 | 協助製造、政務、金融、醫療及教育等行業提升AI應用效率30%至50%；在不更換硬件下，3,000P算力效能相當於提升至6,000P |
醫療AI：縮短輪候與提升診斷效率
中國科學院香港創新研究院人工智能與機器人創新中心主任劉宏斌教授表示，其團隊已建立全棧醫療AI生態，涵蓋CARES 3.0多模態醫學大模型、EchoCare超聲大模型、SurgMotion手術視頻大模型及醫學數字孿生系統。劉宏斌指出，醫療AI涉及CT、核磁共振、內窺鏡、超聲及手術視頻等大量數據，模型訓練及部署均需要高性能算力。他認為，若未來進一步增加算力，並建立合規的「可信數據空間」，將有助香港進一步發展醫療AI。
金融AI：沙盒降低測試成本
金管局銀行監理部主管（監管科技）李昊揚表示，中小型金融機構未必能在測試初期投入大量資源。GenA.I. Sandbox++提供算力資源及監管支援，讓金融機構在安全、可控的環境下測試創新方案。測試期間，金管局亦模擬極端情況，檢驗AI能否安全運作。
李昊揚說明，沙盒不只讓金融機構測試AI，也提供金融機構與科技公司的配對平台。沙盒升級後，服務範圍進一步擴展至保險、證券、強積金及電子錢包，並探索代理式AI在開戶、支付及保險理賠等場景的應用。
協作式AI平台：降低企業部署門檻
InfiX.ai創辦人兼首席科學家、理工大學講座教授楊紅霞主導的項目，從AI基礎設施入手，處理企業使用大模型時面對的運算成本及部署效率問題。Co-GenAI平台縮短由數據治理、模型訓練、微調至推理部署的流程，降低企業部署及行業適配大模型的門檻。楊紅霞表示，團隊目前正與本地學校及香港賽馬會合作探索AI教育應用。
總結
人工智能資助計劃的核心目標，是讓人工智能由實驗室走向醫院、金融機構與工廠，轉化為市民能實際感受的便利。隨著算力需求持續增加，計劃的後續資助方式與算力配置，將是觀察香港AI產業發展的重要指標。
Reference Link : hk01.com
