人工智能发展历程 核心观点 - 人工智能从1956年达特茅斯会议的理论探索阶段，逐步发展为2025年渗透千行百业的实用技术，经历了10个关键里程碑事件 [1] 关键历史时刻 1 达特茅斯会议（1956年） - 首次确立人工智能作为独立学科，由麦卡锡、明斯基等先驱提出机器智能研究框架，定义问题求解、符号推理等核心方向 [2][3] 2 感知机（1957年） - 弗兰克·罗森布拉特开发首个神经网络模型，开创"训练-预测"的机器学习范式，奠定现代深度学习技术基础 [4][6] 3 ELIZA（1966年） - MIT开发的第一个聊天机器人，通过罗杰式对话法模拟心理治疗师，首次验证自然语言交互的可行性 [7][8] 4 专家系统（1970年代） - Dendral和MYCIN系统实现专业领域推理，化学分子结构分析与医疗诊断应用标志AI从理论转向垂直领域落地 [9][11] 5 深蓝胜利（1997年） - IBM超级计算机击败国际象棋世界冠军，证明机器在复杂策略游戏中可超越人类 [12] 6 机器学习范式（1990-2000年代） - 汤姆·米切尔提出数据驱动算法定义，推动自适应系统的研究转向 [14][15] 7 深度学习革命（2012年） - Geoffrey Hinton的反向传播算法突破多层网络训练瓶颈，AlexNet在ImageNet竞赛中准确率提升10.8个百分点引爆行业热潮 [17][18] 8 生成对抗网络（2014年） - 伊恩·古德费洛提出GAN框架，生成器与判别器对抗机制实现逼真图像/文本合成 [20] 9 AlphaGo（2016年） - DeepMind攻克围棋复杂性，战胜李世石展现直觉与战略决策能力 [22] 10 Transformer与大模型（2017-2025） - 2017年Transformer架构解决长文本依赖问题，GPT-3（1750亿参数）展现零样本学习等涌现能力，2023年GPT-4实现多模态融合，国内百度、阿里等企业快速跟进大模型研发 [24][26] 行业现状 - 2025年AI技术渗透至图像生成、自动驾驶、医疗诊断等全领域，形成以GPT-4、Claude、文心一言等为代表的全球化竞争格局 [26]

论坛背景与主题 - 智能制造是制造业转型升级的核心驱动力，正在重塑全球制造业格局 [2] - 仿生机器人与智能控制技术是智能制造前沿领域，通过模拟生物结构和行为拓展机器人应用场景 [2] - 2025仿生机器人与智能控制论坛将聚焦这两大领域，探讨技术前沿、创新应用及未来趋势 [2] 组织机构与安排 - 论坛由中国计量大学主办，多家学术机构和企业承办 [3] - 论坛时间为2025年5月13日，地点为中国计量大学闻厅二楼报告厅 [3] 主要演讲嘉宾与研究领域 戴振东 - 南京航空航天大学教授，研究领域包括仿生机器人、仿生功能材料及航天仿生技术 [5][6] - 发表论文近400篇，SCI超过100篇，H因子26，Google引用2668次 [6] 程洪 - 电子科技大学教授，研究方向为机器学习、计算机视觉及机器人技术 [8][9] - 主持多项国家级科研项目，发表论文70篇，申请国家发明专利40项 [9] 孙宁 - 南开大学教授，研究欠驱动机器人及智能控制，吊车控制技术使运送效率提高77% [11] 高学山 - 北京理工大学教授，研究方向为机器人技术与智能机电系统 [13] 钱志辉 - 吉林大学教授，研究生物骨骼肌肉力学及仿生康复装备，发表SCI论文100余篇 [19][20] 王斌锐 - 中国计量大学副校长，研究方向为仿生机器人及智能感知，发表SCI/EI论文150余篇 [21] 行业动态与趋势 - 机器人产业需求调研显示行业正在快速发展 [25] - 人形机器人量产爆发，价格战加剧，科技革命推动产业重构 [26] - 仿生机器人技术取得新突破，如学习松鼠跨越复杂地形的能力 [26]

AI技术发展趋势 - 机器学习彻底改变对计算机能力的认知和期待，过去12-14年间计算资源、数据量和模型规模的扩大持续带来性能提升[5] - 算法和模型架构改进的影响超过硬件进步，导致计算范式从传统CPU为中心发生转变[5] - 神经网络和反向传播是深度学习革命的核心要素，2012年训练出规模空前的大型神经网络实现70%性能提升[7] - 2013年开发的Word2Vec词嵌入模型展现出语义相近词语向量聚集和向量方向具有语义意义两大特性[8] - 2014年开发的序列到序列学习模型为机器翻译等任务提供端到端解决方案[8] - 2017年提出的Transformer架构相比LSTM仅需1/10到1/100计算量就能取得更优性能[9] - 2018年开始流行利用自监督数据进行大规模语言建模，产生海量训练数据[10] - 2021年开发出将图像处理整合进Transformer框架的方法，统一文本和图像处理[10] - 2017年开发的混合专家模型(MoE)实现显著算法优势，训练计算成本降低8倍或相同成本下准确率提升[10] 硬件与基础设施创新 - 为神经网络推理构建定制化硬件TPU，比同期CPU和GPU快15到30倍，能效提升30到80倍[9] - 最新Ironwood Pod包含9216个芯片，总算力达42.5 TFLOPS，相比2018年首个训练Pod计算能力提升约3600倍[9] - 开发Pathways系统简化大规模计算执行，为开发者提供单一Python进程抽象层[11] - 推测解码技术利用小型"草稿模型"预测多个Token再由大模型验证，提高解码效率[13] - 知识蒸馏技术将大模型知识迁移到小模型，使用3%训练数据即可达到接近全量数据训练的效果[12] 多模态模型发展 - Gemini项目致力于打造全球最强多模态模型，能理解语言、视觉输入、音频并生成内容[16] - Gemini 1.5引入极长上下文长度，可处理百万Token内容如50篇研究论文或很厚的书[16] - 模型在编码能力、数学、多模态等方面表现优异，在LM Arena平台的Elo评分显著提高[16] - 多模态应用包括代码修复、极低资源语言翻译、视频理解与摘要、历史数据数字化等[20][21] - 通过高级自然语言提示生成代码，如使用P5js探索Mandelbrot集的可视化程序[21] 行业影响与未来方向 - 大语言模型正成为强大通用工具，能将专家知识普及给广大民众[23] - AI安全需要技术和政策监管双管齐下，包括检测错误信息和促进建设性讨论[24] - 数据尚未成为瓶颈，仍有海量未利用数据如视频数据，且可通过改进训练方法提升数据利用效率[25] - 下一个重大挑战是模型自主完成复杂任务的能力，如分解50个子步骤调用多种工具完成相当于一个月工作量的目标[26]

最近，来自世界知识产权组织的一组数据，再次印证了我国在人工智能领域的综合实力：我国已成为全球人工智 能专利最大拥有国，占比达60%。世界知识产权组织助理总干事夏目健一郎表示："在生成式人工智能领域的全球 十大专利持有者中，超半数是来自中国的企业和科研机构。" 人工智能是引领新一轮科技革命和产业变革的战略性技术。尤其是随着大模型和生成式AI发展，进一步带动全球 范围内的人工智能创新。 这轮人工智能浪潮中，中国正视差距、加倍努力、不断超越。目前，我国人工智能研究论文的数量、质量均居于 全球第一梯队，人工智能企业数量位居全球第二，还是诸多人工智能开源社区的重要贡献者。 这些成绩，是在我国加快实现高水平科技自立自强的大背景下取得的。近些年来，我国科技创新遇到了前所未有 的外部挑战，人工智能就是饱受制裁打压的领域之一。比如，美国一直限制高阶芯片对我国的出口，想以此来遏 制中国科技发展。 人工智能领域"开花结果"，与我国在这方面的前瞻性布局密不可分。2015年，国务院出台《关于积极推进"互联 网+"行动的指导意见》，首次将"人工智能"纳入重点任务；2017年，《新一代人工智能发展规划》印发；2021 年，人工智能在"十四 ...

人形机器人产业发展概况 - 全球首个人形机器人半程马拉松在北京亦庄举行，20个团队参赛，展示多样化机器人产品如"天工Ultra"、"0306小巨人"等 [3] - 中国人形机器人市场规模预计2025年达82.39亿元，占全球50% [3] - 国家政策推动产业标准化与创新，地方政府出台措施形成产业集群 [3] 北京产业布局与政策支持 - 北京构建"政策—资本—产业—应用"四位一体生态，2023年发布《北京市机器人产业创新发展行动方案》 [6] - 2025年设立100亿元机器人产业发展基金，亦庄聚集300余家生态企业，产业链规模超百亿占全市50% [6] - 目标2027年突破100项关键技术，培育50家核心企业，量产50款产品，形成千亿级集群 [6] 上海产业规划与优势 - 上海2022年提出培育百亿级智能机器人产业，2023年目标打造全球创新高地 [9] - 算力补贴、场景开放等政策推动产业链协同，漕河泾开发区形成"小产业链集聚地"模式 [12][13] - 长三角企业聚焦机器人本体研发，软件环节北京占优势（百度、地平线） [14] 深圳及珠三角产业集群 - 深圳发布《具身智能机器人行动计划》，目标2027年培育10家百亿级企业，关联产业规模达千亿 [9] - 珠三角集成商占全国50%份额，供应链本地化率超60%，南山区聚集200家产业链企业 [14] - 依托汽车和工业机器人产业基础，形成从零部件到组装的完备供应链 [14] 地方政府支持与企业案例 - 北京提供人才引进、场景对接等支持，银河通用机器人受益于产学研联动 [10] - 杭州高新区对宇树科技给予专项扶持，提供标准厂房支持产能扩展 [10] - 上海卓益得机器人开发多模态交互系统，精准复刻人类表情 [14] 区域分工与产业链特征 - 京津冀以北京为核心，依托高校优势主导算法研发 [14] - 长三角制造业基础支撑"身体"制造，硬件国产率高（智元机器人案例） [14] - 摩根士丹利百强名单显示，长三角、珠三角、京津冀企业合计占中国上榜公司80% [14]

以下文章来源于人形机器人场景应用联盟 ，作者编辑部 人形机器人场景应用联盟 . 聚焦人形机器人场景应用和落地需求开拓，搭建具身智能移动机器人产需、产业链企业对接平台，传播人形机器 人案例、产品、技术、企业最新资讯。 人形机器人行业已步入快速扩张期。 据新战略人形机器人产业研究所统计，截至 2024年12月 ，全球人形机器人本体企业数量已经 超220家 。其中，中国企 业占据半壁江山， 超过110家 ；美国企业占据20%，超过45家；日本企业占据10%，超过22家。 在城市分布上， 北京 、 上海 、 深圳 三城合计占据全国本体企业数量的 60% 。北京拥有小米机器人、星动纪元、银河 通用、睿尔曼智能等代表企业；上海则聚集了智元机器人、傅利叶、开普勒等实力玩家；深圳则是优必选、越疆机器人、 乐聚机器人、众擎机器人、数字华夏、帕西尼感知等企业的根据地。 这种区域集聚效应不仅推动了技术创新与资源整 合，也在一定程度上加速了产业生态的形成。 进入2025年以来，尽管围绕人形机器人赛道的质疑声不断，但全球市场热度依然高涨，入局者持续增加。从企业属性来 看，在人形机器人本体研发企业中，成立五年以内的初创企业占比达到42% ...

"是骡子是马，拉出来遛遛"：机器人测试为何都选体育？ 首届具身智能机器人运动会上的2V2机器人足球比赛，红蓝双方机器人在模拟绿茵场上攻防交替，贡献了"脚后跟 进球""中场射门"等名场面；投篮比赛中，机器人"铁墩"手腕轻扣，十投全中赢得满堂彩…… 往返竞速跑、足球对抗赛、机器人格斗……首届具身智能机器人运动会近日在江苏无锡举行，150多台机器人"选 手"在运动场上展开比拼。此前的2025北京亦庄半程马拉松暨人形机器人半程马拉松引起广泛关注，北京今年还 计划举办世界人形机器人运动会。 从跑"半马"到运动会，机器人为啥要扎堆搞体育？ "为什么搞体育？"江苏一家科技企业人形机器人事业部副总经理郭大宏说："就是为了把机器人性能设计得更稳定 可靠，向应用领域拓展。"马拉松的耐力、格斗的对抗、运球的走位，模拟了现实中复杂的动态环境，考验机器人 的运动控制、环境感知、能源管理等综合能力。 竞技体育为机器人研发测试走出"一条路"，也为机器人走近大众、走向市场打开"一扇窗"。 科技创新也需要"更快、更高、更强——更团结"。玄智（深圳）创新科技有限公司赛事总监王奕涛说："大家都在 寻求突破，这次运动会能把这么多机器人研发企业的尖端 ...

会议概况 - 会议聚焦人工智能与机器人领域的前沿技术、产学研融合及创新应用，吸引了来自高校、科研机构及行业领军企业的百余位专家学者、企业代表及技术开发者 [2] - 会议共设置六场专题报告，涵盖从教育创新到具身智能的多个热点领域 [3] 专题报告内容 教育创新与产学研合作 - 泰国清迈大学Dr Peerapong Pornwongthong强调高校应与企业深度合作，构建跨学科人才培养体系，为技术创新提供可持续动力 [5] - 优必选科技通过开放核心算法平台与高校联合实验室，孵化出基于人形机器人的智能教学系统和工业协作场景解决方案 [9] 具身智能与机器人技术突破 - 中国科学院计算技术研究所阚美娜团队通过多模态传感器融合与深度学习算法优化，使机器人能在复杂动态场景中实现精准定位与自主避障，未来有望在医疗、助老等领域规模化应用 [7] - 集智联机器人通过大规模仿真训练提升PNP机器人抓取效率，并开发面向工业4.0的智能协作机器人系统 [11] - 越疆科技研发的柔性机械臂成功应用于精密电子装配线，将生产效率提升30%以上 [13] 行业生态与发展路径 - 逐际动力提出开源工具链与模块化设计将大幅降低技术门槛，生态共建是推动行业规模化发展的关键 [15] - 会议总结指出技术突破需要开放协同，生态繁荣源于多方共建，期待更多创新者加入智能革命 [15] 行业动态与趋势 - 人形机器人量产爆发，价格战来袭，科技革命推动产业重构 [19] - 机器人概念上市公司2024上半年业绩普遍承压，但机器人与AI打通迎来机遇 [19] - 越疆科技从"破格上市"到市值翻三倍，领跑港股机器人赛道 [19]

人形机器人应用场景 - 服务市场特别容易饱和，预计一年半载后可能饱和，下一个重点进入的是工业场景 [1] - 工业场景已有尝试，但离真正实用还有距离，机器人需达到人类操作水平才有价值 [1] - 家庭服务场景（如家务、养老助老）实现难度大，需至少10年以上的长期发展 [5] 机器人技术发展方向 - 机器人应拓展人类能力而非简单复制，复制结果难以超越人类 [2] - 工业场景中机器人手/爪的实用化研发难度与本体开发相当，需结合工具使用 [4] - 人工智能推动产业链变革，从传统"老三样"（减速器、电机、控制器）转向"新三样"（传感器、高算力芯片、智能终端）和"软三样"（操作系统、模型、数据） [6] 产业链与未来趋势 - 人形机器人被定义为10年以上的未来产业，当前技术积累为长期发展铺垫 [5] - 人工智能与机器人深度融合催生软硬一体化产业链架构 [6] - 工业场景中机器人需结合工具使用，单纯仿人形态并非最优解 [4]

· 大会简介 当今世界，人工智能（AI）和人机交互（HCI）的重要性日益昭著，二者结合亦是大势所趋。继2023年首届成功举办后 第三届人工智能和人机交互国际学术会议（ArtInHCI2025）将于2025年10月21-23日在中国广西南宁举办。会议旨在为全 球的专家、学者和企业提供一个交流平台，分享最新的研究成果、技术创新以及面临的挑战。 本届会议的主题包括但不限于：人工神经网络、机器学习与深度学习、语音识别合成和自然语言处理、计算机视觉与图像 处理、人机交互的未来发展、智能机器人应用与技术等。会议还设置了主题报告、特邀报告、口头报告、海报展示等丰富 环节，以便与会者更深入地交流和合作 。 会议主席团 | 会议主席 | Chair | | | --- | --- | --- | | | | 叶娅兰教授 | | | | 电子科技大学 | | | | 研究领域：计算机视觉、图像处理、深度学习、迁移学习、生物医学信号处 | | | | 理、人机混合智能、多模式人机交互 | | | | 周挥宇教授 | | | | 英国莱斯特大学计算与数学科学学院 | | | | 研究领域：机器学习及人工智能、数据挖掘、计算机图形图像 ...