# 未来峰会大咖观点 #

中国科学院神经所创任所长、中国脑机化的主要发起人蒲慕明

我们很希望未来机器人就是基于类脑研究获得的智能体，能够应用在服务人类的机器人系统，这些系统的研发必须基于我们对大脑智能的理解和智能的环路基础，然后在此基础上研究人工智能的各种软硬件。目前我们正在研发类似大脑的人工智能，或者类似人脑机器学习的算法，其实关键就是怎样能够通过网络的使用改变网络的结构和功能，就是学习大脑是怎么变的，然后在人工网络能够实现，这是类脑人工智能的关键。类脑研究并不是模拟大脑，我们要思考的是这些概念怎么应用到人工智能，而不是要模拟整个大脑连接是怎么造成的，目前来讲是做不到的。

西安电子科技大学副校长石光明

工业4.0时代最多的就是智能机器人的协同操作，因为我们面临着很多大量的个性化的生产的模式，要求机器人具有很好的智能性，适应多品种的生产模式。多智能体之间的相互协同操作是非常重要的，包括机和机之间的操作，人和人之间的操作，最主要的就是要形成一个很好的操作策略。协同操作的过程中最离不开的就是信息交流，有了信息的交流才能协同。我们的工业期望是传递信息和理解信息都要达到低延迟，这样才能为后面的协同策略、协同工作做好准备。机器的表达方式和人的表达方式是不一样的。我们能不能在表达信息的时候直接从比特，或者用语义的方式去传递，也许是解决问题很好的方式。

苏州大学特聘教授、苏州大学机电学院院长、哈尔滨工业大学机器人系统国家重点实验室副主任孙立宁

机器人智能化是我们一直在追求的目标。未来五年的发展重点是在数字化方面，脑机接口进入机器人领域，通过网络化达到互联，无论是服务机器人还是工业，都能很好地实现人工智能技术与机器人技术结合，使其更为便捷、更为方便，达到低成本，真正实现交叉应用。机器人技术的发展从工科内部结合，更重要的是和生命科学、纳米科学、材料科学的结合，可以产生很多原创性的研究，进而跟当前的人工智能技术、互联网技术和大数据技术结合，使得机器人不断地向高性能、智能化方向发展。

中国科学院自动化研究所模式识别国家重点实验室副主任陶建华

人机共融的时代，应该说更面向未来，这也是大家对它的美好憧憬。其实我国在自然科学基金、科技部下一代人工智能发展规划，工业4.0规划，包括欧美和日本针对未来的很多规划中都可以看到，人和机器如何更有效地发展、如何有效地协作和共融，可以看到很多这方面的影子。很多都是原来我们想像的完全不可能的事情，未来很多事情都很难预料，好在机器人真的有可能走到这一天也是有很漫长的时间，因为我们的技术在可预见的将来，逼近人类能力方面其实还是比较难做到的，至少从技术发展的角度还有相当长的一段路要走，所以我们有足够的时间思考和应对这些问题。

清华大学教授史元春

现在我们已经进入了人机共生的环境，当然也有它的阶段性。人机交互英文叫做HCI，H和C是Human和Computer，I可以有三个解读：一个是Interface，就是人机之间的接口怎样更适合人；另一个是和近些年迅猛发展的智能技术关联很紧，叫做Interaction，更多的是要完成人利用机器完成的任务，所以对整个人所处的任务有一个比较有上下文、有情境的理解，然后才能更迅速地达成人完成任务的目的；I还可以是Intelligence，就是人的智能和机器的智能如何协作，共同解决更复杂的问题，可能更加面向未来一点。人机交互本身也是学科交叉的，共融和共生的时代，很多新的挑战都不是一些增量性的问题，学科交叉创新更需要很坚实的理论基础支撑。

哈工大机器人集团股份有限公司执行总裁王洪波

机器人产业界更多关注的是产业链的中游和下游，主要集中在工业机器人、服务机器人，以及系统集成、销售以及售后，随着机器人产业链的发展，上游的部分现在也融入了越来越多的内容。整个趋势来看，机器人产业迎来更多的可能性：创新融合形成发展合力，政策越来越趋向于多样化，营销越来越趋向于社群化，技术越来越趋向于平台化，市场越来越趋向于全球化。机器人这个维度我们遇到的贸易冲突并没有想象的那么多，创新越来越趋向于融合化，越来越多地创新资源在帮助机器人产业发展。

京东物流X研究部特种机器人部总负责人姚秀军

目前我们正处于这样的时代，就是人机时代。未来整个体系发展会形成三脑三体的概念体系，所谓三体是指生命体、机械体以及数字体，无论是算力还是场景的应用，终究要回归到三脑体系：首先是端脑的能力，就是边缘计算，其次是云脑的能力，真正大量的算力和核心计算能力可能会放到云脑上去，同时会有一些新技术。我坚信未来的五到十年量子计算一定会得到大规模的应用，尤其是云脑这一层，更多的是量子计算加上电子计算，就是现在常规计算的，形成一种混合计算的方式，因为量子计算不适合应用在所有场景，有些场景未来五到十年一定是可以的，基于这种发展特点和自身特性，会在云脑发挥能力，我们人脑也会参与整个过程。

国际宇航科学院院士、中国载人航天工程师总设计师陈善广

人因工程不仅是与飞船飞机这种大国重器相关，也和每个人的生活相关。人是万物的尺度，未来万物唯一的标准就是人，一切都为讨好人而存在，你讨好人的程度就决定了你存在的价值，这是人因的价值和使命，让我们的产品做到更适宜人，为人服务。所有的设计都会打上人的烙印，但现实中这是一个矛盾，因为设计师经常把自己想成用户，用户又非常难以理解设计师的苦恼和约束限制，所以人因工程要架起比较合理的沟通和方法学的桥梁，这一点还是非常有意义的。

北京航空航天大学教授王田苗

我们是制造的大国和强国，工业机器人、3D打印、新能源车、航空航天都应该强，这样才能支撑我们成为制造强国。机器人产业还有不少洼地和金矿，包括很多一体化的空间，所以总体来说机器人还是以硬科技为主。

国投招商投资管理有限公司董事总经理王世海

机器人产业要发展就是六个字：硬科技、数字化。没有数字化的硬科技是没有很好的估值和未来的，但没有硬科技作为支撑的数字化也是虚无的，整个智能机器人和智能制造的未来发展过程中，硬科技和数字化永远会交织在一起作为我们行动的准绳。我们做工业机器人的一定要做应用端，不是外国人做什么我们就做什么，而是一定要深刻地理解中国大工业制造的发展格局的变化，主要是三个大的领域：新能源汽车、半导体产业和手术机器人产业。

真成投资管理合伙人李剑威

无论是工业机器人还是服务机器人，创业或者投资都要抓住两个要点：一个是场景，机器人究竟需要解决什么问题。另一个是增量，最好是一个新增的市场。核心就是找到新兴的场景，真正能够符合那个场景比较好用的状态，到达那个状态以后用户会算ROI。例如，扫地机器人替代阿姨就非常值，人们Decesion-making就非常的快。工业机器人能不能找到这样的场景？比如3C就是新能源汽车，可能代表新的场景，如果找到一个合适的方案体量发展也会很快。每个场景都有自己的周期和成熟曲线，对创业者来说更关键的是找到我们这个场景究竟是在什么地方，是不是已经突破了Critical Mass，突破的话后面的好日子就会到来。

金科君创资本创始合伙人管弦悦

我非常偏好手术机器人，包括外骨骼康复机器人。中国发展到世界第二大经济体以后，老百姓的生活已经提高了，但我们仍然处于九分治疗、一分康复的状态，西方的发达国家是已经到了三分治疗、七分康复，所以康复市场也会慢慢地起来，这是我们研究和观察得来的。特种机器人跟工业机器人实际上是一样的，人口减少、人口增速减慢以后，特种机器人实际上是在做人没法达到的恶劣环境场景，是由机器替代人去实现。我不觉得机器人能够代替人，我是希望能够帮助人、协同人完成人类可能无法完成的，或者完成的时候相对不够精准的场景等等。

广东拓斯达科技股份有限公司董事张朋

电子行业最近的应用对灵活性、应用性要求是极高的，反倒给了国内企业一些机会，服务速度、响应速度会比国外的企业更好。最重要的就是机器人的核心零部件给点时间肯定可以突破，但在应用系统上的研发投入是极大的，这种程度给我们今天带来一个好处，就是应用性会更强，更适宜于中国制造业目前的需求。未来的发展在应用、细分行业和软件层面的研发，可能是在持之以恒地不断投入，不管是人才还是各种资源都投入进去，因为一旦规模起来、技术成熟、零件成熟，中国机器人发展起来只是时间问题

北京柏惠维康科技有限公司创始人兼首席执行官刘达

医疗是一个慢周期，我们是做手术机器人的，手术机器人又是医疗行业的一个新产业，所以可以说是慢上加慢。如果真正能够给医生解决问题，又提高了效率，这个周期就会打破原来人们对医疗和长周期、慢周期的理解，因此既是对这个周期的理解，也是对这个技术发展的理解，通过技术的手段把这个场景突破，前面看着很快，后面就会加速，前面慢后面就会快。

创泽智能机器人集团股份有限公司董事长李庆民

目前整体来讲，人工智能产业还是处于弱人工智能时代，下一步将向强人工智能、超人工智能时代发展。越来越多的细分领域用机器人替代或者协助人工，降低了运营的成本，提高了工作生产的效率。因此在越来越多的领域，服务机器人逐步从非刚性需求开始向刚性需求迈进。未来机器人的整体性能提升速度不排除在不太遥远的某个时间，机器人可能会超越我们人类，但这个也不恐怖，超越人类最终是为了给人类带来更好的服务、更美好的生活。

畅销书《复杂》作者，波特兰州立大学计算机科学教授、复杂系统前沿科学家Melanie Mitchell

现在使用深度神经网络能够在一瞬间将英语翻译成中文，还有最近的一些成就，比如OpenAI的GPT-3系统能生成类似人类的语言，以及DeepMind的AlphaFold系统能够仅从蛋白质的基因序列预测其结构。尽管这些系统已经取得了许多成就，却也有其局限性。其中一个局限就是机器太复杂了，深层神经网络可能有超过10亿个参数，这是模拟神经元之间的权重，所以很难准确地理解它们到底学到了什么。而且事实证明，有时这些系统学会的东西并不是我们想要教给它们的。在语言处理中，机器有时可能是对的，但却是误打误撞，对手可以利用深度神经网络的这些弱点，以非人类的方式来愚弄它们。自动驾驶汽车在很大程度上依赖于这类深度神经网络视觉系统，所以下一步我们想要实现的就是人工智能3.0，我们需要克服许多还未解决的重大挑战。