一位院士眼中的AI观察

　　2024年1月9日-11日，“2024创投大会”在西安举办。本届大会以“向实· 向新 · 向强”为主题，邀请院士专家、投资机构、产业企业从宏观趋势、产业投资、企业发展等多个角度呈现一场思想饕餮盛宴。

　　会上，中国工程院外籍院士，德国工程院院士，德国汉堡科学院院士 张建伟发表主题演讲《通向鲁棒自主系统的多模态AI之路》

　　以下为演讲实录，

　　经投资界（ID:pedaily2012）编辑：

　　非常高兴从德国汉堡来到古都西安，从丝绸之路的终点回到丝绸之路的起点，在新年伊始之际探讨未来，感到非常兴奋。

　　我报告的题目是鲁棒自主系统，近期我们实现的大的产业就是智能驾驶，未来在中长期的产业，我讲是未来的个人服务，机器人是他们的鲁棒自主性，他们的可靠性，他们在长期负责的，非结构下环境的自主性，是我们未来用多模态人工智能解决的目标之一。

　　现在，国际上科学家和企业家的融合也越来越深，Nurture发了一篇说科学家正在把科学的成果向工业化转移，全世界把这种基础的研究和我们未来的产业进行深度的结合，也是一个国际的趋势。

　　跟大家分享一下物联网时代的机器人具身智能的挑战，刚才克强院士也提到了工业4.0，在十年前德国的国家工程院提出了工业4.0的概念，就是希望用我们未来的人工智能网络、云的技术，提升传统的制造业，今天在全世界各个角落和学术界，和工业界，工业4.0已经起到了一定的影响。

　　在今天创新创业是处在一个IOT重要的物联网时代，在我们经历了服务和数据物联网给我们前20年带来的产业巨大发展之后，未来的基于物联网的这种硬科技，是我们投资和创业的重点。

　　未来的高新技术可以产生这种融合性的，颠覆性创新，但是它需要我们现在在人工智能、IOT、机器人、材料、能源、VR、AR，甚至通讯、脑科学这一方面的深度的融合。在这一方面，我想西安都具有着非常好的科研和创业的基础。

　　应用的垂直领域也是我们为技术驱动提供价值重要的实验场所，从智能制造的工业4.0到未来的出行，未来的健康、农业、家庭服务、教育等，都提供了未来人工智能、物联网和机器人重要的应用场景。

　　从传统的现在使用的手机、可穿戴，为视觉和听觉进行连接人通讯的工具，到未来的智能汽车，加上移动的功能。中长期我们把操作的功能，把智能的功能进行新的提高，我们说从信息通讯到现在的ChatGPT非具身的智能，到未来的智能汽车，智能机器人的具身智能，为我们提供了非常广泛的应用场景，从信息世界的交互，实现物理世界的交互。

　　在现在的手机之后，我们现在正在讨论代替手机的下一个形态是演进，还是一种移动的设备，最终的终极形态是个性化，个人的机器人。在ICT通讯和网络技术之后，下一个是智能化给我们带来人口红利，流量红利过去之后真正的智能红利和机器人红利到来的时刻，在这个时刻我们可以在投资界发现非常多令人兴奋的投资标的，包括智能机器人、AIGC、WEB3.0、智能家居和智能存储等。

　　在疫情期间，我们也在西安组织了世界最大的智能机器人和自动化的旗舰会议，遗憾的是因为疫情，只是在西安进行了小范围的中国参会者的形式。在机器人界，我们在宴会之前是展现了各种各样的机器人的场景，从移动的车到未来移动的飞行机器人，水下移动的机器人。20年前我让德国的博士生画的几幅漫画，让它展现出20年后机器人的场景，今天我们通过欧盟一些基础研发项目，我们已经做出了部分的移动操作的汉堡图书馆，进行物理服务的场景。

　　通过现在的这种开源软件、硬件，我们现在可以达到和欧美科研整个的同步，机器人的操作系统也是我前十年通过一些我们的论文，通过我们对未来的这种开源操作系统的贡献，也是协调全球的研发能力，来共享未来的机器人落地，智能系统落地机器人这些新的应用。

　　如何实现0到1，1到10，10到100整个全链条，技术成熟度从整个智能应用，我用一张图来部分表达我们在这一方面的一些实践。从基础研究的技术成熟度到3，到4的研究，我们通过国家的纵向项目来进行包括跨模态学习，包括深度学习和增强学习的研究，在中间这一层技术成熟度从5到8的阶段，我们用一些共享的，包括机器人操作系统的模块来打造这些关键的技术模块，通过我们的投资，通过我们的孵化，在上层进行传统行业的提质增效和一些创新创业新的行为，包括我们未来的人才培养等，使得我们和传统行业的这种垂直的结合，在制造、出行、健康方面，创造新的价值，孵化新的公司。

　　在这一方面，我想我们在大学进行的一些前沿的研究，20年前我做助理教授的时候，我就做了一款双臂协作的装配机器人，当时是全世界第一个用智能的形式，多模态交互的形式做玩具飞机的装配，当时是一个无人区，今天我们在自动化方面，从单臂的装配到未来的双臂的这种场景，已经变成了一个重要的领域。

　　我们也把协作机器人现在变成了一种创业的重要基地，机器人也是这一方面的独角兽，在力控臂方面在全世界已经做出了最好的性能，现在在富士康的苹果工厂有上千的应用，未来会有更多新的应用。现在中国自动化的工厂程度已经提高了非常多，但是我们现在还能看到很多工厂还雇几千，几万人，甚至在郑州的工厂有几十万人，70%的工作都是用手的精巧在操作，现在还不能自动化操作，我们在从事着用所谓的多模态机器人，加上视觉、听觉和触觉，来进行机器人的灵巧装配，把这一部分的自动化的难点领域，在进行新的替代，用新的AI多模态的技术。

　　也是在20年前，我们就做出了这一款移动操作的实验室自动化机器人，这一款机器人在拜耳制药厂的实验室今天还在使用，我们把视听、听觉和触觉都装在机器人的身上，在机器人实验室的场景来进行试管的移动操作。未来在工厂的自动化之后，制药的自动化和整个生物系统的自动化，现在对机器人的要求也是提得越来越高，越来越深，未来对机器人的系统大有应用之地。

　　服务家庭的机器人，是我们每个人都希望要的产品，我们能不能享用未来家庭服务的机器人，来照顾我们的父母，未来照顾我们自己，使得我们独立的有尊严的生活，我们在欧盟的项目支持下，也做出了这一款室内室外联合的这种服务的机器人，为助残的场景做一些基础实验。我们在多模态的情况下，在视觉和听觉的传感和处理都比较发达的情况下，我们现在研究各种各样的柔性皮肤的传感器，包括可伸拉的穿戴传感器，把具身智能从视觉、听觉到触觉的模态整个打通，来进行产业化。

　　在3D的相机方面，我15年前写的结构按光的这些论文，现在已经被公司们做成公司们做成创业的一个非常好的点，Mind作为另外一家智能机器人的独角兽，现在是3D点云相机国际上的领军企业，已经在30多个国家得到销售，在智能物流和加工方面已经正在起到非常重要的3D感知的作用。

　　未来的制造和全流程的工业4.0这种全生命周期的智能化，也是一个非常重要的方面。未来的智能驾驶现在对能源和电池的处理方面，也有新的需求。可能这两年已经是我们第一批动力电池开始报废的时候，现在欧盟和美国都对新能源汽车的本地销售，提出了要本地化处理动力电池和汽车的要求，这些方面自动化和机器人的需求，我们现在正在布局，把未来电动汽车的拆解和能源电池的拆解，来进行无人化的自动化方案。

　　在自主系统的核心技术方面，克强老师讲了从单个车到网联车，到云和车的服务方面，非常好的一个总揽。在单车的服务方面，我们把人工智能的多传感的技术进行融合，也是大大提高它们在夜间，在雪地，在极端天气下整个的鲁棒性。包括在夜间的识别、规划和感知的例子。

　　最近斯坦福大学又放出了一些失败的视频，我们物理世界的具身智能实际上面临着非常高的挑战，在感知方面，在交互方面，在操作方面，对环境的价值和操作都有着极高的要求，现在个人机器人还没有达到现在汽车整个的产量，我们看到的只是家庭简单的吸尘机器人，我们只是看到了小的物流配送，量还非常小。未来包括城市的全自动的驾驶，包括工厂带有手的多模态自动化，个人助力和家庭服务机器人，建筑机器人等，都给我们未来的20、30年都提出了重大的挑战。

　　人工智能最近给我们带来了新的赋能机会，从四个方面再回顾一下，给我们带来赋能的机会。第一个是算力的增长，这种指数型算力的增长，是一个非常独特的现象，和我30多年前在清华学计算机相比，计算能力翻了不是30倍，而是上百万倍，再放眼十年，我们还会获得上百倍的计算能力。在数据方面，我们也有足够多的数据和燃料，从单模态到多模态的数据。从算法方面，我们从处理视觉这种深层的CAN网络，还有去年很火的处理语言的RNN算法，到处理具身智能的算法，现在可以说日新月异，每天都有上百篇非常好的算法来给我们未来的人工智能技术赋能。

　　第四，现在机器人和人工智能学习，到了如何来学习，在虚拟的空间来进行模拟。我们做出了世界第一个能够正步走的最省电的行走机器人，把下身的形态和上身多年积累的灵巧操作的手，还有仿生的手融合在一起，我们正在打造未来真正的人形机器人。在多模态处理方面，在十年前在深度学习，在大模态和大模型都不火的时候，我们就已经开始布局这一方面的基础研究。我们申请到了中德之间最大的基础研究项目，叫跨模态基础研究项目，去年已经进入到了第八年，我们和脑科学，和心理学共同合作，来研究人的多模态信息的表达、存储、整合和交互，来转移到未来的包括自动驾驶，包括人形机器人算法和系统。

　　从这种多模态的低层融合，到中层和晚期的信号级和语义级的融合，我们在打造新的算法，用这种新的算法可以把一些不完全的感觉信息能够自动补缺。我们在模型和整个数据方面，我想未来也是给我们赋能的一个重要的基础点。现在不管是汽车的模型，还有人机交互的模型，还有整个世界的模型，我们做出的结果还非常少，所以我们现在需要有大量的数据端到端学习的补充，通过我们未来10、20、30年，甚至上百年这种技术的努力，我们通过具身智能，通过自动驾驶车，通过机器人，通过自动设备，让这些大数据的模型来更好的支撑，更好的完善现在的物理模型，来进行未来更好的模型进化。

　　一个例子就是我的一个博士后最新做的一款子机器人，传统需要多个相机，通过我们对人模型的建立，就可以非常方便的用两个简单的相机，就做出了这一款个人的对运动的捕捉，我们现在也可以从网上任何人的数据，现在提出人的运动模型，把这些模型来转移到人机交互上，转移到未来的人形机器人的编程上。我们也把现在的模型增强学习深入的融合，我们现在做出了这一款拿到了基尼斯记录的乒乓球机器人，可以个性化来进行训练，来做运动处方的康复作用。

　　我们把人的多种知识的一小部分，已经融入到服务机器人上，在人机交互的长度方面，可以大大缩短人机交互需要的长度，通过这种交互也是大大的减少机器人对世界理解的模型，和真正模型的误差。

　　去年ChatGPT横空出世，我在十年前就让我的学生做了一幅图，我说十年后，我们会不会面临一个机器人把全世界的书都读进去的一个场景，去年我们就看到了这个场景对图形和文本方面的影响，当然还不是通过机器人具身的形式，已经通过非具身的形式，已经给我们在这种白领工作的部分替代方面，已经起到了部分的影响。但是在未来这种具身智能，包括机器人的多模态的具身智能方面，未来我想是下一个重要的包括投资和研发，和未来真正的能够创造个性化机器的一个重要的节点。

　　上个星期在自媒体了起到了一个小小的轰动，通过遥控操作各种各样的服务机器人，在前十年和二十年都在不断的进行，现在通过大模型，我们可以通过这种遥控操作来进行机器人未来的编程。这个视频里面还有很多都是遥控操作的场景，还不是自主的场景，而且鲁棒性还非常差。所以大家不要认为看见这个视频以后，就认为现在的个人化机器人已经达到产品化的程度了。从未来的多模态的具模型，提高可信度和稳定性，摆脱高计算的成本，可解释，把它落到千行百业，是我们下一个创新创业的重要方向。

　　今天我们也看到了人才是创新创业的一个重要的因素，如何在现在的人工智能时代对工程师的培养，进行新的工科的尝试，是我们现在关心的一个问题。未来在人工智能的领域，我们要更加注重多模态的整合和以人为本的伦理需求的重视，还有重视真正对垂直领域的需求有影响的这种创新创业，对工程师的培育来讲，我们要更加重视他们对多模态的理解能力，他们跨学科的能力，不管是人工智能的从业者，还是非人工智能的从业者，要理解AIGC，人工智能能干什么，不能干什么，包括未来的孩子要学会如何和人工智能共存，要培养对未来自然的解释能力，我们的想象力，我们的好奇心，和发明更好的问题。

　　我也希望未来德国和中国，和陕西，和西安，有着更多的互补结果，包括在德国的多样性，小而美，兴趣驱动，洪堡大学的这种科研和教学深度融合的原理，和交叉研究的传统，和中国在这一方面开放、快速、灵活、刻苦的顶层设计，工程师红利和团队组织方面，能够深入的互补和互相学习。

　　未来的人工智能和通信信息技术，和机器人，和未来真正的具身智能的结合，使得产学研能够深入进行国际合作，来培养有国际视野的跨学科的创新人才，来真正应对全球的重大挑战，交叉、创新和融合，来共创和谐社会，美好生活。我想今天在一起这个创投大会，一定在新年里面能够取得新的成果，也希望和各位陕西的同事和朋友们进行深入的合作。谢谢大家!