【环球时报报道 记者 陈子帅 马晶晶】编者的话：在今年的瑞士达沃斯论坛上，美国企业家马斯克称，按照当前人工智能（AI）发展的速度，今年就可能出现比任何人类个体都聪明的AI，而5年后，AI将比人类集体智慧还要聪明。

虽然马斯克的预测目前无法验证，但AI惊人的发展态势已是不争的现实。近日，《环球时报》记者参加了在苏州举办的一场AI大会，大会汇聚了50多位两院院士、学者和AI领域的企业家，共同探讨人工智能的发展趋势与应用前景。记者在活动现场深切感受到，AI已广泛渗透并应用到各个领域。

“AI即将超越人类智慧”？

第三届全国人工智能应用场景创新挑战赛总决赛暨全国“人工智能+”应用场景创新大会，由中国人工智能学会联合苏州市人民政府、苏州大学主办，以“场景驱动·数智强国”为核心主题，汇聚了人工智能领域的113支创新团队与350余位行业精英挑战比拼。

在本次大会的展示区，几台机器人正在展示它们的本领：一台机器人拼装着积木，另一台机器人将一批手机电路板放到仪器上检测，检测合格后，再将电路板送到下一道工序……现场工作人员介绍说，搭积木，验证了机器人机械臂的精度，以及视觉系统的识别能力，“将来它们可以做穿针引线、叠衣服等‘精细活’。”而机器人检测电子元器件已经广泛应用于工业场景，相关设备和技术的国产化率达到98%。

在另一个展台，《环球时报》记者看到，大屏上显示了一座机场的三维立体全景。技术专家介绍说，该数字孪生系统已经在昆明长水机场应用，可以实时监控机场车辆的行驶轨迹，当有飞机要降落时，会提前预警。在冬季除雪作业时，系统能够让施工人员在虚拟环境中预演操作流程。还有一个展台的大屏幕上显示了国内用AI进行电力调度的成果。这些“AI调度员”能够自动处置告警信号、拟写调度指令等。

对于马斯克“AI超越全人类智慧”的观点，苏州大学未来科学与工程学院常务副院长王进在大会现场接受《环球时报》记者采访时表示：“AI确实将深刻改变社会，融入生产、生活、治理各领域，2026年底AI或在特定领域超越人类个体，但AI本质上缺乏意识与情感，与人类存在根本性差距。人类集体智慧包含文化、价值、情感等多重维度，AI无法在短时间内实现。”

他进一步说，马斯克的预言虽然有一些激进，但也给我们一个警示，提醒我们在拥抱人工智能技术变革、抢抓发展机遇的同时，更要理性正视其发展的潜在风险，提前做好技术攻关、伦理规制与体系建设的布局，把握人工智能发展的主动权。

“未来，AI将赋能个体成为‘超级个体’，极大提升人的能力边界。另外AI在民生服务、城市治理、家居生活等场景将实现替代重复性、标准化工作。”王进认为，最终AI将回归“赋能人”的本质，让人类更多聚焦创意、决策、情感交流等更高价值的事，构建起个体赋能、生态协同、价值共创的智能生活新形态，实现AI技术普惠下的生产生活方式升级。

开辟“鸟工智能”新赛道

在本次大会上，人工智能技术的发展趋势及其应用场景得到了广泛讨论。北京航空航天大学教授、中国科学院院士郭雷表示，要开辟“仿生智能技术”研究新赛道。他将未来的人工智能发展新赛道描述为“鸟工智能”，在他看来，动物在亿万年进化过程当中要面临各种极端环境，它们要捕食、要躲避，这些过程可能并不需要大量计算的能力，而是需要敏锐的感知能力和迅疾的反应能力。他举例说，为什么兔子耳朵会越来越长？因为长耳朵可以感知更多的声音信息，最后能实现安全的目的。从行为智能的角度讲，“鸟工智能”等具有自身优势，因为它们能适应各种极端环境和不同的生存场景。

苏州大学未来科学与工程学院常务副院长王进表示，2026年是AI从“认知智能”向“具身智能”跨越的关键一年，核心趋势有3个。一是大模型竞争的重点从规模转向效率与能力，聚焦推理优化与智能体高效构建，推动AI从生成向规划和执行进化。二是空间智能成为研究前沿，大模型突破空间理解力，赋能无人系统、数字孪生等领域。三是AI深度嵌入各行业核心流程，推动产业范式重构。

王进进一步说，从成果方面来看，具身智能将会在工业巡检、家庭服务等场景小规模商用。科学大模型会加速落地，重构科研流程、缩短研发周期。而使用绿色能源的AI技术将被重视，新型算力架构与绿色数据中心缓解能源压力，成为AI规模化应用的新支撑。

华中科技大学教授、中国工程院院士陈学东在报告中总结说，当前具身智能呈现4个主要特点。一是智能一定与智能体或身体是相互依存的。广义来讲，具身智能体可以是各种形态，包括家电、智能驾驶汽车、各种各样的机器人。二是智能体可以实时感知和反馈环境。三是智能体与环境的互动能够形成闭环，以应对复杂环境的变化。四是有学习能力和适应性，智能体可以在未知环境中不断调整和优化自身。

因此，陈学东认为，接下来要重点发展具身智能的五大技术。一是智能体本身的仿生设计与制造。“智能体本身要具备机动性、稳定性、可靠性。”二是多模态的环境感知技术。“智能体能够看得见、听得到、摸得出，从某种程度上讲，自然界中的动物乃至最高级的人所具备的感知方式和能力，我们都期待在具身智能体上能够实现。”三是智能体能够认知，还能够理解、能够识物、能够懂语义、能够辨气味等。四是智能决策的技术能力，能够知任务、明方向、会协同。五是机器人大模型技术，实现“端到端”的控制，“目标要准、行动要稳、动作要快。”

对于人形机器人的发展，与会专家也给出了他们的思考。南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎在题为《“大模型”加持下的机器人为什么落地难？》的报告中表示，人工智能就是想用计算机和算法来模拟人的大脑。但一个普通人大脑的算力到底有多大，没有人知道。我们大脑用什么样的算法也没有人知道。结果就是我们用超级算力和算法在模拟人的大脑。

孟庆虎表示，“要想用好一个工具，你不光要知道它的长处，更要知道它的不足。要用场景智能替代通用模型。通用模型在维度上跟人的普通智能模型差得很远，原因就是数据量的问题。在数据没有补齐之前，训练出来的仍然是一个低维的模型，所以场景智能反而是可以马上落地解决具体问题的。”

孟庆虎举例说，“无线胶囊机器人无法做到文字识别和人脸识别，但当你把它吃下去，它可以把消化道里面所有不正常的地方给找出来。我们就用一台台式计算机，训练它的时候只用了消化道里的各种数据，不给它用别的。所以算法算力可控，在资源很少的情况下就能把这个场景应用做得非常好，这是真正让人工智能很快落地，而且完成任务的一个可能性。”

陈学东还提到，人形机器人离规模化应用仍有较长的路要走，还有很多技术难点要克服，而四足、两栖等专用机器人，则可能更快实现落地。

低空经济将与AI深度融合

当前我国低空经济正处于政策红利释放、技术迭代加速的快速发展期，已成为培育新质生产力、打造万亿级新兴产业的核心赛道。在本次大会上，低空经济也是讨论热点。

电子科技大学（深圳）高等研究院深思实验室主任杨军表示，低空尤其城市上空的飞行环境极其复杂，如果将高空比作平整柏油路，那么低空则如同越野。因此，杨军提出，要打造低空经济的世界模型。

“如果说大模型的前半场是大语言模型，后半场马上要进入世界模型。”杨军说，近期有特斯拉车主通过无人干涉的自动驾驶横穿美国，旅行长达4000多公里，关键是特斯拉“场景打造得好”——有测试场、有大量车在采集数据、同时还在训练。因此他认为，要想发展好低空技术，打造高保真的低空全景三维世界模型至关重要。

根据公开报道，深思实验室已经打造了全球首创的低空复杂环境模拟装置，被称为低空飞行器的“模拟气象试验场”。如今，它已能精准复现城市峡谷风场、热岛效应、风切变、下击暴流等典型复杂风场及极端气象，为无人机、电动垂直起降飞行器（eVTOL）等低空装备的安全飞行，搭建起关键的试验验证平台。

郭雷表示，低空经济的首要前提是安全。这种安全面临多重挑战：既包括自然因素（如风扰），也包括电磁信号干扰；既有客观环境带来的不确定性，也有人为干扰的潜在风险。因此，必须针对不同应用场景——如城市空中交通、遥感测绘、农林植保、智慧城市管理、应急救援等——深入分析其差异化需求，进而突破相应的关键技术，研制适配的专用装置与装备。

“低空经济与AI深度融合，特别是在三维地理环境下的地理空间智能结合，是实现小规模低空飞行走向大规模低空经济的关键变量，也是低空经济塑造产业生态的核心支撑。”莫干山地信实验室实景三维经济研究院院长高崟在大会现场告诉《环球时报》记者，未来的低空经济是面向高密度、强安全、无人化的低空规模飞行，而这样条件下的规模飞行，飞行前规划、飞行中服务监管、飞行后评估优化等全周期，将从以人为主走向以自动化为主，“这样的情况下，未来纵向上的飞行前、飞行中、飞行后每个环节都需要AI支撑，横向上的绝大部分应用场景、绝大部分无人航空器类型等都需要AI支撑。”

那么，当前人工智能发展面临哪些挑战？苏州大学未来科学与工程学院常务副院长王进告诉《环球时报》记者，一是算力需求与资源供给的矛盾，算力需求增速超过芯片（GPU/TPU等）算力迭代速度，能源消耗增速远超算力能效提升速度，且算力资源分布不均，直接制约AI的规模化落地应用；二是大模型能力短板与使用精准性要求的矛盾，大模型存在生成幻觉问题，且可解释性差、因果推理弱，“黑箱决策”模式暗藏安全风险；三是技术快速发展与伦理治理滞后的矛盾，数据隐私泄露、算法歧视、责任界定模糊等问题日益凸显，全球范围内尚未形成统一的AI治理规则与标准。

如何应对这些挑战？王进认为，一是通过重构训练框架、优化芯片底层设计提升算力训练的能源使用效率。依托算能一体化思路，将低成本绿色能源纳入算力规划体系，同时布局边缘算力、推进算力资源跨域调度，缓解资源分布不均问题。二是优化大模型训练结构与数据逻辑，强化模型的因果推理能力，提升生成内容的准确性，同时突破模型可解释性技术瓶颈，增强决策可靠性。三是完善AI领域的伦理规范与法律法规，依托政策制定建立分领域、分层级的监管框架；加强AI治理的国际协同与规则对接，在平衡安全与创新的前提下，推动形成全球通用的治理共识。