深圳理工大学计算机科学与人工智能学院副院长，终身教授唐继军。

红网时刻新闻记者 谭卫丰 长沙报道

记者：请您介绍一下所在学科的科技前沿和学校的布局。

唐继军：人工智能正在深刻重塑各个学科的研究范式。当前，一个重要的趋势是将人工智能方法应用于基础科学研究——用算法和模型去解决传统学科中的复杂问题，正在带来突破性进展。而在计算机视觉方向，多模态理解、视频感知、视觉生成、三维视觉等正成为研究热点。

在深理工计算机学院，计算机视觉是我们重点布局的方向之一。过去一年，学院在视觉领域顶会顶刊上持续产出高水平成果，基本覆盖了计算机视觉从感知到认知的主要方向：

2025年：CVPR发表目标检测相关成果；ICCV发表目标跟踪相关成果；IEEE TPAMI发表低空感知相关成果；NeurIPS发表目标跟踪相关成果。

2026年：ECCV发表推理分割相关成果；ICLR发表模型优化相关成果。

计算机+的未来趋势，本质上是从“让计算机看懂世界”走向“让计算机理解世界、与世界交互”。视觉感知正在与语言模型、具身智能深度融合——未来的计算机不仅能看到，还能推理、能决策、能行动。这正是我们在布局的方向：从感知到认知，从算法到系统，从单一视觉到多模态协同。

在人工智能与具身智能方面，深理工已将其作为新增专业和未来发展重点。学校正筹建具身智造研究院，聚焦具身智能装备技术和具身智能新材料两大方向；与深信服共建具身智能联合实验室，聚焦具身感知与规划、具身控制操作等核心方向。

实验室建设方面，我们已建成多个机器人相关科研平台：机器人与智能装备联合实验中心，与深圳华中数控共建，聚焦智能制造和机器人核心技术；机器人电驱实验室，专注机器人关节、电机设计、电磁有限元分析及控制研究；此外还有涉及高空作业方向的机器人实验室。学生从大一开始就能接触这些平台，在真实的机器人系统上开展科研实践。

在生物信息学方向，计算机与人工智能已成为生命科学研究的重要手段——从基因组结构变异检测到蛋白质功能预测，从抗菌肽智能挖掘到空间转录组数据分析，算法和模型正在改变生命科学研究的范式。我们团队在这个方向同样产出了一批有国际影响力的成果。

记者：对于即将步入大学的学子，您有什么好的建议吗？

唐继军：我想告诉孩子们几件事：

第一，不要茫然选专业。很多大一新生对“计算机”究竟学什么、自己适不适合，其实并不清楚。在深理工，我们实行大一通识教育——计算机、人工智能、电子、材料、生物等学科的基础课程都要接触。孩子们可以通过一年的学习，真正了解自己的兴趣和擅长领域，大二再选择方向。这让他们少走很多弯路。

第二，大学不只是听课。除了高质量课堂教学，我们更重视全方位培养。深理工创新的“4+1”教学模式——周一到周四课堂学习，周五进入实验室开展科研实践——让大一学生就能走进实验室。我们鼓励学生尽早接触真实的科研项目，不是“辅助打杂”，而是真刀真枪地参与。同时，从大二开始，学生可以进入头部企业实习，在产业一线检验所学。这种产学研一体的培养模式，在全国高校中并不多见。

第三，坐拥深圳顶尖资源。深理工由中科院深圳先进院孵化，与华为、腾讯、大疆、深信服等深圳高新技术企业深度合作。深圳是中国的“硅谷”，科技创新氛围浓厚，产业链完整。孩子们在这里，接触的是最前沿的产业需求，拥有的是最广阔的就业和发展空间。

还有一点——我们的校园设施和住宿环境在全国高校中堪称一流。体育场馆、艺术中心等一应俱全，我们希望培养的是全面发展的人，不是只会写代码的“技术工”。

记者：关于人才培养的想法和故事，您可以分享吗？

唐继军：讲一下我的本科生肖逸朗同学。他是深理工“4+1”教学模式的首批受益者之一。

肖逸朗大一刚进实验室时，连梯度下降、反向传播是什么都不清楚，代码报错束手无策，数学公式如同天书。在团队指导和他自己的持续努力下，一年下来，他从茫然无措到逐渐建立起完整的知识体系。

真正让他深入科研的，是生物信息学方向的课题。起初，基因序列数据的处理反复碰壁，实验结果屡屡失败。他一度怀疑自己是否适合科研。但我和他师兄一次次帮他分析问题，教他从失败数据中寻找线索。我告诉他：“科研的本质，就是在失败中寻找新的方向。”

如今，肖逸朗以第三作者身份完成的英文论文已通过审稿，即将发表；他还作为学院横向项目的负责人，带领团队推进项目，目前进展顺利。

从“技术小白”到论文作者、项目负责人，肖逸朗的成长路径，正是深理工人才培养理念的生动写照——让学生在真实的科研中成长，在解决实际问题中坚定方向。我相信，这样的学生，无论未来走向何方，都会走得很远。