0
| 本文作者： 周蕾 | 2025-12-15 19:01 |
关联阅读：GAIR 2025 大会首日：AI重构教育、科学与产业的十三重碰撞（上）
作者丨周蕾 赵之齐 张嘉敏
编辑丨周蕾
2025年12月12日，深圳南山。
第八届GAIR全球人工智能与机器人大会主论坛，于上午9:30在深圳南山·博林天瑞喜来登酒店正式拉开帷幕。本次大会为期两天，由GAIR研究院与雷峰网(公众号：雷峰网(公众号：雷峰网))联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教授任大会主席。
作为粤港澳大湾区的AI标杆盛会，GAIR自2016年创办以来，始终坚守“传承”与“创新”的双重底色。时隔四年，GAIR从海外重返深圳主场。值此岁末年初的节点，GAIR如期赴约，用一场高质量的观点碰撞，为行业与大众回顾科技高速的脚步，呈现AI时代的前沿洞见。
12月12日的主论坛，延续GAIR一贯的学术前沿特色，设有：“AI之道：教育的重新定义”、“AI之术：领域的范式重构”两大研讨主题。当日，大会现场有十多位顶级学者发表精彩演讲，更有两场AI学术大咖激烈交锋的高端对话，他们带来的前沿科技进展、产业实战经验和人文关怀，使这一天成为值得深度思考的思想盛宴。
杨士强教授、赵伟院士、郭毅可院士、小菅一弘教授、贾佳亚院长、郑宇教授、胡侠教授和薛贵荣教授先后带来精彩演讲，现场掌声不断。随后，一场重磅圆桌讨论将全场气氛推向最高潮：
下午3时，“人工智能产业化的挑战和机遇”为主题的圆桌论坛在郑宇教授的主持下正式开启。郑宇、杨强、胡侠、薛贵荣四位嘉宾齐聚一堂论道，激荡产业思潮。
郑宇教授先从“挑战”切入，提到大语言模型已在部分业务场景取得成功，但至今尚未形成大规模商业应用和成熟商业模式，只有个别标杆性成功项目。
杨强教授分享他曾在商学院讲课时主动“泼冷水”：美国2025年人工智能的应用到底多少产业有正向的收益？MIT相关报道指出，95%都是负向的收益，基本烂尾，只有5%成功。
他从宏观角度谈到人工智能产业化面临三个维度的挑战：一是预期维度，尤其是企业老板的预期；二是系统维度，人工智能技术引入企业后，无法与原有传统系统适配；三是数据维度，人工智能产业化落地仅靠语言模型远远不够。
胡侠教授则结合机器人领域，从微观技术角度补充他的观察。以机器人的感知为例，本轮AI发展由大语言模型、多模态大模型推动，虽然能较好理解语言、分析图像，但相关传感器技术多年未实现质的突破，导致机器人无法完成简单操作。人类感知不仅依靠语言和视觉，还包括听觉、嗅觉，以及手部的温度、湿度、压力等各类传感器，而且人手具备高自由度。比如人能轻松从黑书包中取出乒乓球，机器人却因为缺乏相应传感和动作能力而难以做到。
薛贵荣教授则从产业实战角度讲到行业内对人工智能的认知差异：从业者往往初期满怀信心，实操后却信心尽失，陷入“啥都能做”到“啥都做不了”的极端认知摇摆，并笑称“我们这一行最倒霉的就是CTO”。
关于人工智能赛道的泡沫和陷阱话题，嘉宾们各抒己见。杨强教授认为，将基于公开语言数据训练出大模型的成功经验迁移到其他非语言数据领域是错误的，不同数据维度存在巨大差异。此外，大语言模型依赖公开数据的发展模式即将触顶，如何利用私有数据持续赋能大模型，是行业面临的巨大挑战。
薛贵荣教授认为还存在两方面泡沫：一是算力领域，现有算力建设投入多为推理卡算力、竞争激烈，大量算力资源闲置，投入与产出严重不匹配；二是AI应用领域，多数应用“人工成分”过高，本质是“人工AI”，并未达到真正的AI应用水平，市场上Agent框架等相关产品同质化严重。
回归“机遇”层面，嘉宾们纷纷“押注”值得长期钻研的方向。
杨强教授提到，在医疗等数据稀缺领域，数百例甚至几十例数据无法支撑深度学习，只能依靠传统回归模型，这类小数据场景广泛存在。他目前的一个研究领域，正是如何在保护隐私的前提下，整合各领域专家的小数据模型，构建全局模型让大家都受益。
胡侠教授则延续机器人话题，他认为尽管机器人领域泡沫大，但国家和产业大力投入，正是希望通过搭建机器人产业生态，用行业热度倒逼技术发展。
技术层面上，薛贵荣教授认为当前最重要的是提升大语言模型规模。做大模型规模，能够带动底层基础设施、算法、数据等全链条实现一次“革命”，必须着重推进。
在精彩的圆桌对话之后，清华大学深圳国际研究生院教授、副院长，国家超算深圳中心副主任、IEEE Fellow付昊桓带来了“硬核”演讲：《超智融合支撑下的地球系统模式研发》。
付昊桓主任指出，超算是地球系统研究的“数字实验室”，科学家无法对地球进行实体实验，需通过超算构建数字孪生模型探索气候变化、碳达峰、碳中和等重大议题。以台风为例，超算是进行台风预报和台风机理研究的重要基础平台；在碳中和谈判中，各国减排承诺的效果评估也依赖模型数据支撑。深圳超算二期正在推进的首个重点应用便是开发下一代百米天气预报模式，其在防灾减灾、可持续发展等领域作用关键。
他表示，当前全球气候模式存在显著不确定性，各国模型对近百年气温变化曲线的模拟差异较大。降低不确定性需从不同方面突破：提升模型空间分辨率、引入AI方法有效融合数据等。但技术升级带来算力需求指数级增长，同时需解决“模型-机器适配”难题——天空中约千余颗卫星每日产生的海量观测数据，对数据处理能力构成严峻考验。
付昊桓主任随后讲述神威系列计算机见证国产超算发展历程、分享了深圳超算二期建设的突破性进展，并强调：“超算的核心逻辑是集聚算力攻克复杂科学问题，与AI大模型的并行思维本质相通。”
他进一步指出，目前超算领域面临“国产算力硬件投入大、软件生态投入相对少”的困境；同时难以留住人才，他笑称“既懂气象又懂HPC的复合型人才，毕业后都被大厂挖走”。他提出解决方案：借鉴通用人工智能的可扩展模型经验，加强算力软件与科学发现的协同，完善国产生态以留住人才。
会后，付昊桓接受雷峰网采访，表示目前AI应用于气象预报仍面临不小挑战，如极端天气事件预报能力弱、结果偏于平滑，缺乏不确定性评估方法，黑盒性质也使得预报员难以解释预报结果。对于超算与AI融合的行业趋势，他透露深圳超算将搭建超智融合平台，吸引天气气候、生物材料、工业仿真等领域科研人员参与，形成开源生态，并表示未来在相应领域，超智融合的新路径有潜力带来新的动能和新的算力需求。
在医疗领域，人工智能有哪些应用，又有哪些挑战和机遇？作为医疗人工智能医生侧主导研发的首都医科大学附属北京安贞医院胎儿心脏母胎医学中心主任何怡华，带来了《心血管疾病防治现状及人工智能赋能潜力》为主题的演讲。
何怡华教授以心脏超声为例，讲述人工智能解决方案带来的诸多挑战：从数据规范到数据间立体关系，再到其与疾病发生发展的语义关系转写、影像自动识别等。
何教授还介绍了领域内世界研究的状态、行业痛点和瓶颈问题，及安贞团队的探索研究和转化应用。她提到，首都医科大学附属北京安贞医院研发了针对心血管体系应用的大模型，希望基于现有的语言大模型，接入更多数据模态，并在大模型基础上构建应用界面、应用体系或智能体，实现所需的预警、筛查、诊断、手术导航以及个性化干预。
这样宏大的目标，实现起来并不易。何怡华教授补充，未来在医疗领域，大模型与小模型协同，更垂域的小模型将纵向攻克预警、诊断、治疗等核心环节，通过模型融合解决问题。
除了从产业维度思考，何怡华教授认为，人工智能在医疗领域的应用，更应放在整个医院医疗体系中思考如何落地到医疗场景。因为其中很大一部分工作是为了“强基层”，提升医疗的诊疗能力。
“强基层”第一步是培训，第二步是人工智能赋能，第三步是后续医疗诊疗团队以及医疗出口的支撑。只有构建这样的体系，才能让人工智能在医疗诊疗场景真正实现落地价值，而非仅停留在技术解决层面。
在提问环节，台下观众积极互动，有观众抛出犀利问题：医学人工智能到底应该由医生来主导，还是由做算法的人来主导？
“我是医生，我认为应该由医生来主导，不知道你是否反对。”何怡华教授认为，所有工具最终都要落到医生面对患者的场景中，人工智能是医生调用或辅助诊疗的工具。从人文关怀的角度，医生站在患者面前使用人工智能，比患者独自面对机器的体验要好。
在热烈的AI+医疗讨论后，RockAI联合创始人邹佳思登台。《摆脱Transformer的束缚，让智能重新定义硬件》的主题报告，深入探讨了云端模型的局限性、设备端自主学习的重要性及行业未来路径。
演讲的开头，邹佳思指出：云端链路存在显著浪费，一些语音指令经云端解析再回传，至少50%的传输成本被无效消耗。全球云端模型每日消耗成本高达万亿至百万亿量级，有效利用率却存疑。而市场已显现转型迹象，例如OpenAI计划明年推出硬件产品，标志着行业从云端向端侧的战略转移。 对于当前“更多数据、更大算力、更高人才密度、更大参数=更好的模型”这一行业共识，邹佳思提出了自己的质疑：算力在扼杀创新、让小团队失去机会。以Transformer为代表的架构偏向压缩智能和静态函数，并不能诞生更多智能；参数量大，确实扩大了这个函数的空间容量，但没有真正产生知识。
他认为，未来的智能硬件，最重要的实际是原生记忆和自主学习。他在演讲中展开讨论了形态记忆和知识记忆，认为缺乏记忆时很难谈论模型的个性化和进化。
他强调，大模型的发展方向，要从固定的工具转成持续学习，要从三个月或半年更新一次的模型知识转到实时成长的阶段。自注意力机制虽解决了模型关联问题，但带来成本激增。未来行业有可能面对参数规模的极限，因此架构上需做创新，积极探索云端+端侧结合方案，希望设备之间能够互联，最后达到群体智能的目标。
最后一位嘉宾是南方科技大学张进教授，她的演讲主题是《从便捷交互到可信感知：声波与毫米波感知应用研究》。
张进教授结合下午场的议程，用“首尾呼应”的方式开启演讲：“下午第一个题目是空间智能、时空数据，最后一个题目是声波、毫米波感知，都是为了感知物理世界，实现空间智能。”由此切入“面向空间智能的新型模态感知”这一话题的分享。
张进教授提到，无论是现在的具身智能、无人机、智慧健康，都需要对物理世界的感知和理解，需要建立虚拟世界和物理世界之间的沟通。为此，传统AI和新型传感可以从两个不同的角度和路径走到一个共同的“点”，最终实现“殊途同归”。
“我们怎么做到‘殊途同归’？传统AI从语言、文字、视觉等模态出发，生成世界模型，探索空间智能。而我们长期做传感器、智能物联网的学者一直以来就是为了实现准确地感知物理世界，只不过最初我们是用信号处理来完成这件事情，后来我们可以用机器学习、深度学习来理解物理信息，现在我们可以用大模型理解传统传感器的信号，从而得到更多的信息，也为我们带来面向空间智能的多模态感知。”
张进教授提到，现在所谓的“多模态感知”，仍集中在语音、文字、图像、视频，对新型模态的探索并不多，只有“激光雷达、深度摄像头、红外等模态，稍微与传统的模态有点结合”。
张进教授希望引入更多的模态，比如声波感知、毫米波雷达感知。她提到，目前毫米波雷达感知已经有一些应用，但声波感知的应用仍较少。目前更重要的是，新型模态数据有其独特特点，需要用更新的网络去理解这些新型模态。这正是张进教授团队的初衷，希望用最新的模型技术，理解新型的传感器数据，并在此基础上进行包括空间感知、智能交互、健康监测在内的诸多技术探索。
演讲的最后，谈及从初期的信号处理到后来的结合机器学习、大模型，张进教授回溯了自己的“来时路”：“我的本科和硕士专业背景是电子信息，博士阶段攻读计算机，慢慢开始做深度学习。”
展望未来，张进教授相信，还会有非常多面向新型模态的新型感知模型相关的工作，可以基于物理信息辅助的模型，也可以基于大模型。“这部分的工作才刚刚开始，我相信未来5到10年会非常繁荣。”
随着张进教授的演讲结束，以“AI之道”“AI之术”为主题的GAIR 2025首日也落下帷幕，杨士强教授也在大会最后进行了致辞总结。十余位顶级学者论遍AI产学研的术与道，为走过九年时光的GAIR留下浓墨重彩的新篇章。
值得关注的是，本次GAIR为期两天，12月13日会有“世界模型论坛”“数据&一脑多形”和“AI算力新十年”三场专题论坛同时进行，涵盖具身智能、世界模型、国产芯片、算力基建等数个年度热门领域。届时，来自各个热门领域的资深专家，将共同为线上读者和线下观众们，奉上深度与温度兼具的主题演讲或圆桌讨论。
思想的盛宴仍在继续，雷峰网将持续带来GAIR的最新报道和深度记录。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
