時光倒回幾年前，當我們談論“人工智能（AI）”時，心里浮現(xiàn)的或是科幻片里神秘難觸的智能系統(tǒng)，或是科研論文里晦澀難懂的模型算法；而當我們談論“機器人”時，想到的則是工廠里那些鋼鐵巨臂。在很長一段時間里，這兩者像是生活在平行宇宙——一個是“缸中之腦”，擁有智慧卻沒有手腳；一個是“無腦巨人”，擁有力量卻沒有靈魂。

但現(xiàn)在，這堵墻正在被推倒。計算神經(jīng)科學的獨特視角為“智能與載體”“算法與機械”的深度融合提供了關(guān)鍵思路。

（圖片由AI生成）

打破“虛擬大腦”的認知誤區(qū)

“AI是軟的、虛擬的，機器人是硬的、物理的”二元對立觀點，長期主導著大眾的思維。對此，鄧志東表示：“智能不是虛擬的，智能也有物理載體。”

這一命題的合理性，可以從人類智能的生物學本源中得到印證。鄧志東指出，人類的智能并非懸浮在空中的“幽靈”，而是嚴格對應著極其復雜的生物物理實體——大腦。從解剖學角度來看，負責視覺理解、狀態(tài)預測、邏輯推理、決策規(guī)劃等高級認知功能的區(qū)域是大腦皮層；而負責維持身體平衡、協(xié)調(diào)運動軌跡、控制肌肉收縮的區(qū)域則是小腦。大腦皮層與小腦，無一不是由數(shù)以億計的神經(jīng)元、突觸和膠質(zhì)細胞構(gòu)成的實實在在的物質(zhì)實體。

“智能的產(chǎn)生，本質(zhì)上是物理實體在處理信息。”鄧志東強調(diào)，同樣的邏輯完全適用于機器人領(lǐng)域。如果將機器人比作人類的軀體，那么AI就是它的神經(jīng)系統(tǒng)。機器人本體是AI發(fā)揮作用的物理邊界，而AI算法則是機器人的神經(jīng)中樞。沒有物理載體，智能就無法與真實世界進行能量與信息的交換；而沒有智能，物理載體不過是一堆冰冷的廢鐵。

這種“腦－體協(xié)同”的機制，在計算神經(jīng)科學的研究中占據(jù)核心地位。鄧志東進一步解釋道，人類在面對現(xiàn)實世界中復雜、動態(tài)且信息不完整的場景時，往往不是依靠窮盡所有可能性的邏輯計算，而是依靠“經(jīng)驗”和“記憶”來快速完成決策與動作的生成。比如，一個守門員撲救點球時，他沒有時間去計算空氣動力學公式，而是大腦皮層與小腦瞬間調(diào)用長期訓練積累的肌肉記憶，做出的下意識的反應。

對于機器人而言，要實現(xiàn)“100%的任務成功率”，單純依靠云端的大模型邏輯推理是不夠的。它必須像生物一樣，建立起屬于自己的“技能性持久記憶”。這意味著，未來的AI研究不能脫離硬件空談算法，必須將深度學習模型植入機器人的人工智能芯片中，讓機器人在與物理世界的反復碰撞、交互中，“生長”出智能。這種基于物理載體的智能進化，才是具身智能的發(fā)展方向。

深度學習如何賦能工業(yè)場景

AI技術(shù)，尤其是深度神經(jīng)網(wǎng)絡與深度強化學習，正在重構(gòu)機器人“感知”“決策”“執(zhí)行”三大核心環(huán)節(jié)。

鄧志東以工業(yè)協(xié)作機器人為例，描繪了一個典型的應用場景：在高速流轉(zhuǎn)的物流生產(chǎn)線上，機器人需要為不同規(guī)格的包裝箱貼標簽。

在傳統(tǒng)自動化時代，這項任務對預設(shè)條件的依賴極強。工程師需要編寫固定代碼，明確箱子必須精準出現(xiàn)在指定X、Y坐標，且光線需保持恒定?？梢坏﹤魉蛶俣炔▌?，或是箱子位置偏移幾毫米，傳統(tǒng)機器視覺就容易因特征點匹配失敗而報錯。

“現(xiàn)在的深度神經(jīng)網(wǎng)絡，特別是結(jié)合了大模型技術(shù)后，給機器人裝上了一雙慧眼?！编囍緰|指出。深度學習算法不再依賴人工設(shè)計的特征點，而是通過海量數(shù)據(jù)訓練，學會了像人眼一樣“理解”圖像。

在貼標場景中，AI驅(qū)動的視覺系統(tǒng)可以實時捕捉傳送帶上快速移動的物體。它不僅能“看清”箱子的輪廓，還能“看懂”箱子的姿態(tài)——是正放、側(cè)放還是歪斜。通過語義分割技術(shù)，機器人能精準識別出箱子表面的文字、圖案區(qū)域，并推理出標簽應該粘貼的最佳空白位置。即便遇到了訓練中從未見過的異形包裝，或者現(xiàn)場光照條件突然變暗，具備強大泛化能力的視覺大模型依然能鎖定目標。這種從“像素匹配”到“語義理解”的跨越，是AI賦予機器人最核心的感知變革。

感知只是第一步，更關(guān)鍵的是決策。鄧志東特別強調(diào)了“深度強化學習”在這一環(huán)節(jié)的價值。

在復雜的工廠環(huán)境中，不確定性無處不在：突然出現(xiàn)的人員、意外掉落的貨物、設(shè)備自身的震動，等等。傳統(tǒng)的決策算法是基于規(guī)則的，面對規(guī)則之外的突發(fā)狀況，機器人往往只能選擇急停，這會嚴重影響生產(chǎn)效率。

而深度強化學習允許機器人在虛擬仿真環(huán)境中進行數(shù)百萬次的“試錯”訓練。通過設(shè)定獎勵函數(shù)（例如：成功貼標得1分，碰撞扣10分，時間最短得5分），機器人會自動探索出最優(yōu)的控制策略。鄧志東舉例說，在動態(tài)避障環(huán)節(jié)，經(jīng)過強化學習訓練的機器人，當檢測到有人的手臂伸入工作區(qū)域時，它不再是簡單地停機，而是能瞬間規(guī)劃并生成一條平滑的繞行軌跡，既避開了障礙物，又不中斷貼標動作。這種“自主決策”能力，使得機器人從只會執(zhí)行命令的機器，進化成為具備一定“生存智慧”的智能體。

政策護航與協(xié)作機器人的崛起

執(zhí)行層面，“工業(yè)協(xié)作機器人”憑借獨特優(yōu)勢成為關(guān)注焦點。與傳統(tǒng)被關(guān)在鐵籠子里、體型龐大、動作剛猛的工業(yè)機器人不同，協(xié)作機器人更聚焦“安全性、柔順性和交互性”。鄧志東介紹，通常這類機器人的額定負載在25kg以內(nèi)，設(shè)計輕巧，末端處配備了高靈敏度的觸覺與力傳感器。

“傳統(tǒng)機器人更側(cè)重于機電性能，強調(diào)剛度、精度和速度；而協(xié)作機器人更聚焦于安全性與智能化水平。”鄧志東分析道。它們不需要物理圍欄，可以安全地與人類工人肩并肩地工作。一旦在運行中觸碰到人體，它們會瞬間感知到力矩的異常變化，并在毫秒級時間內(nèi)自動停止或回撤，確保人員安全。這種“人機共融”的特性，徹底改變了工業(yè)生產(chǎn)的組織形態(tài)。

這一技術(shù)趨勢與我國當前的產(chǎn)業(yè)政策高度契合。近年來，國家層面密集出臺了多項政策，旨在推動機器人產(chǎn)業(yè)的高質(zhì)量發(fā)展。

工信部等十七部門聯(lián)合印發(fā)的《“機器人+”應用行動實施方案》明確提出，要聚焦制造業(yè)、農(nóng)業(yè)、醫(yī)療等重點領(lǐng)域，推廣機器人的深度應用，打造一批“機器人+”應用標桿企業(yè)。在此背景下，我國機器人產(chǎn)業(yè)正從“規(guī)模擴張”轉(zhuǎn)向“質(zhì)量躍升”。有行業(yè)學者認為，“十五五”將是我國邁向機器人強國的關(guān)鍵階段，產(chǎn)業(yè)將進一步朝著智能化、綠色化、融合化方向發(fā)展，圍繞細分場景需求加速產(chǎn)品創(chuàng)新迭代。

鄧志東指出，在標準化的包裝、碼垛、精密裝配等流程中，國產(chǎn)協(xié)作機器人已成為“機器換人”的主力軍。它們部署更靈活，而且在AI視覺和力控算法的加持下，作業(yè)精度和穩(wěn)定性已達到國際先進水平。

特別是在當前勞動力人口結(jié)構(gòu)變化、制造業(yè)招工難的背景下，協(xié)作機器人的價值日益凸顯。它不是要完全替代人類，而是接管那些重復、枯燥、繁重的勞動，讓人類回歸到更具創(chuàng)造性的管理與質(zhì)檢崗位上。

算力內(nèi)嵌與集群化

盡管產(chǎn)業(yè)前景廣闊，但算力不足仍是制約其進一步智能化的核心瓶頸。

“機器人需要大幅度增加本身的AI算力，才能實現(xiàn)復雜環(huán)境下的實時響應?！编囍緰|強調(diào)。目前，很多復雜的視覺大模型還需要依賴云端服務器進行處理，但這會帶來不可避免的網(wǎng)絡延遲。對于要求毫秒級響應的運動控制而言，這種延遲往往是致命的。因此，未來的趨勢必然是高算力推斷芯片的植入，把“超級大腦”裝進機器人的身體里，實現(xiàn)真正的“端側(cè)智能”。

展望未來5到10年，鄧志東預判，工業(yè)場景將朝著集群化方向深度發(fā)展。在汽車制造等高端產(chǎn)線，機器人將不再是單打獨斗，而是通過端云協(xié)同實現(xiàn)“集群化作業(yè)”，通過實時共享感知數(shù)據(jù)，協(xié)同完成復雜的裝配任務。

家庭場景則將聚焦小型化與自主化升級。未來的家用機器人將具備更強的自主移動與操作能力。它們將不再局限于掃地，而是“一機多用”，能夠完成疊衣服、收拾玩具等需要復雜機械手操作的家務，成為不可或缺的智能伙伴。

針對想進入該領(lǐng)域的青少年和年輕從業(yè)者，鄧志東建議：“人工智能特別重要。就拿我們?nèi)祟悂碚f，少了大腦還能做什么？”他同時提醒，機器人是軟硬結(jié)合的產(chǎn)物，光有算法不夠。要打破學科壁壘，“學習機械結(jié)構(gòu)設(shè)計”，掌握物理世界的運動規(guī)律。

算力內(nèi)嵌、場景深耕、人機共融，AI與機器人的融合之路正越走越寬。依托計算神經(jīng)科學的底層支撐，我們也期待著未來的智能機器人能夠更懂世界、更貼需求，勾勒出科技服務于人的鮮活圖景。

來源：北京科技報

采訪專家：鄧志東（清華大學計算機科學與技術(shù)系教授、人工智能研究院視覺智能研究中心主任）

撰文：記者 段大衛(wèi)