全模擬光電智能計算芯片效果圖。 經長期聯(lián)合攻關，清華大學研究團隊突破傳統(tǒng)芯片的物理瓶頸，創(chuàng)造性提出光電融合的全新計算框架，并研制出國際首個全模擬光電智能計算芯片（簡稱ACCEL） 新華社圖趨勢一：從AI大模型邁向通用人工智能2023年，ChatGPT開發(fā)者OpenAI被置于前所未有的聚光燈下，也使GPT-4后續(xù)版本的開發(fā)被推向了風口浪尖。據消息人士稱，OpenAI正在訓練下一代的人工智能，暫名“Q*”（讀作Q-star）。新的一年，OpenAI下一代產品可能發(fā)布。據媒體爆料，“Q*”可能是第一次采用“從零開始”的方式訓練的人工智能。其特點是，智能不來自人類活動的數據，且其有能力修改自身代碼以適應更復雜的學習任務。前者使得人工智能能力的發(fā)展變得愈發(fā)不透明，而后者向來被看作是誕生人工智能“奇點”的必要條件。在人工智能發(fā)展領域，“奇點”特指機器擁有了自我迭代的能力，進而在短時間內迅猛發(fā)展，導致超出人類控制。雖然一些報道稱，“Q*”目前還只能解決小學難度的數學問題，距離“奇點”還遠。但鑒于虛擬環(huán)境中人工智能迭代速度可能遠超想象，其仍然可能在不遠的將來自主發(fā)展出在各個領域均可超過人類水平的AI。2023年，OpenAI預言，各方面超越人類水平的人工智能在十年內就會出現；英偉達創(chuàng)始人黃仁勛表示，通用人工智能可能在五年內超越人類。一旦通用人工智能得以實現，就可被用于解決各種復雜的科學難題，譬如尋找外星人與地外宜居星系、人工核聚變控制、納米或超導材料篩選、抗癌藥研發(fā)等。這些問題通常需要花費人類研究員數十年的時間來尋找新的解決方案，部分前沿領域的研究量已超出人力極限。而通用人工智能在自己的虛擬世界中擁有幾乎無限的時間和精力，這使得其在部分容易虛擬化的任務中，有可能成為人類研究員的替代。但屆時，人類如何監(jiān)督這些從智能水平上超過人類的人工智能，確保其不會危害人類，又是一個值得思考的問題。當然，我們也不應過分高估硅谷巨頭們的部分言論，因為在人工智能發(fā)展史上，已經歷三次“AI寒冬”，其中不乏宏大的技術愿景因各方面限制化為泡影的例子。但目前可以肯定的是，大模型技術仍然有著不小的上升空間。除GPT-4外，谷歌的“雙子座”（Gemini），Anthropic的Claude2，目前都是僅次于GPT-4的大模型，國內的百度“文心一言”與阿里“通義千問”，也是國產大模型中的佼佼者。它們在新的一年中是否會發(fā)布更具革命性的產品，同樣值得期待。趨勢二：合成數據打破人工智能訓練數據瓶頸數據瓶頸指的是可用于訓練AI的高質量數據的有限性，合成數據有望打破這一瓶頸。合成數據是在模仿真實數據的基礎上，由機器學習模型利用數學和統(tǒng)計科學原理合成的數據。關于什么是合成數據，有一個較為淺顯易懂的比喻：這就像是在給AI編寫專門的教材。例如，盡管英文課本的對話中出現的可能是“小明”“小紅”這樣的虛構人名，但并不影響學生們由此掌握英語，因此從某種意義上，對于學生而言，教材就可以看作一種經過編纂、篩選和處理的“合成數據”。有論文表明，模型的規(guī)模至少要達到620億參數量后，才可能訓練出“思維鏈”能力，即進行分步驟的邏輯推理。但現實的尷尬在于，迄今為止人類產生的不重復的、可供訓練的優(yōu)質數據并沒有這么多。使用ChatGPT等生成式人工智能以前所未有的數量產生高質量合成數據，未來的AI將由此獲得更高的性能。除了對大量高質量數據的需求導致合成數據受到追捧以外，對數據安全的考量也是重要原因。近年來，各國紛紛出臺更嚴格的數據安全保護法律，使得客觀上利用人類產生的數據訓練人工智能變得更為繁瑣。這些數據中不僅可能隱含個人信息，其中的許多數據還受版權保護。在互聯(lián)網隱私與版權保護尚未形成統(tǒng)一標準與完善架構的當下，使用互聯(lián)網數據進行訓練，極易導致大量法律糾紛。而若考慮對這些數據進行脫敏，又面臨篩查識別準確率方面的挑戰(zhàn)。兩難之下，合成數據就成為最惠而不費的一種選擇。此外，使用人類數據進行訓練，還可能導致人工智能學到有害內容。一些諸如使用日用品制造炸彈、管制化學品的方法，另一些則包括許多人工智能本不應當出現的壞習慣，譬如像人一樣在任務執(zhí)行過程中偷懶、為了取悅用戶而說謊、產生偏見和歧視。若改用合成數據，使人工智能在訓練中盡可能減少接觸有害內容，則有望克服以上使用人類數據訓練時附帶的缺點。從以上分析中可以看出，合成數據可以說是頗具開創(chuàng)性的，有望解決此前發(fā)展人工智能與數據隱私保護不可得兼的問題。但與此同時，如何確保相關的公司和機構負責任地制作合成數據，如何制作出既符合本國文化與價值觀，又在規(guī)模和技術水平上足以媲美西方以英文網絡資料為中心的合成數據訓練集，也將成為中國面臨的一個頗具挑戰(zhàn)性的課題。除此之外，合成數據帶來的一個重大變化是，來自人類社會的大數據或將不再是AI訓練所必需。在今后的數字世界中，人類數據的產生、存儲和使用仍將遵循人類社會的法則和秩序，包括維護國家數據安全、保守商業(yè)數據秘密和尊重個人數據隱私，而AI訓練所需的合成數據則采用另一套標準進行管理。趨勢三：量子計算機可能率先應用于人工智能作為電子計算機發(fā)展到今天的最前沿應用，人工智能始終存在算力不足的隱憂。ChatGPT問世數月后，OpenAI總裁奧爾特曼曾公開表示，其并未鼓勵更多用戶注冊OpenAI。2023年11月，OpenAI甚至宣布暫停ChatGPT Plus付費訂閱新用戶的注冊，以確保現有用戶擁有高質量體驗。顯然，作為全球性能最強的AI，ChatGPT已遇到算力等方面的瓶頸。在此背景下，討論量子計算機在人工智能領域的應用就成為一種頗具潛力的未來解決方案。首先，人工智能領域的算法，大部分屬于并行計算的范疇。舉例而言，AlphaGo在下圍棋的過程中，其需要同時考慮對手在不同位置落子后的應對招數，從中找到最有可能贏得棋局的下法。這就需要計算機優(yōu)化并行計算的效率來實現。而量子計算機擅長進行并行計算，因為它可以同時計算和存儲“0”和“1”兩種狀態(tài)，無需像電子計算機那樣消耗額外的計算資源，譬如串聯(lián)多個計算單元，或將計算任務在時間上并列。計算任務越復雜，量子計算就越具備優(yōu)勢。其次，運行ChatGPT所需的硬件條件，同樣也十分適合導入當前體積龐大的量子計算機，二者都需要安裝在高度集成的計算中心里，由一支專業(yè)化技術團隊進行管理支撐。什么是量子計算機？量子計算機是一類遵循量子力學規(guī)律進行高速數學和邏輯運算、存儲及處理量子信息的物理裝置。其不僅體積龐大，而且作為核心零部件的“量子芯片”，通常需要被置于接近絕對零度（零下273.15攝氏度）的極低溫中，利用在這種極低溫下部分微觀粒子表現出的量子特性進行信息運算和處理，且運行結果只能存在幾毫秒的時間。既然量子計算機“又大又難維護”，為什么還要發(fā)展？原因在于，量子計算機蘊含巨大的算力潛能，以至于在一些算法上已經體現出相對于電子計算機在速度上的“絕對碾壓”，即“量子優(yōu)越性”。但實現“量子優(yōu)越性”只是一個起點。目前的量子計算機只能完成一些專屬于量子領域的計算任務，想要真正用好這種“量子優(yōu)越性”，先要使其量子位足夠多，以實現通用計算和可編程。而且，在實現通用計算后，量子計算機依然需要保持相對于電子計算機的優(yōu)勢，這被稱作“量子優(yōu)勢”。2022年，來自谷歌、微軟、加州理工學院等機構的研究者從原理上證明了“量子優(yōu)勢”在預測可觀測變量、量子主成分分析以及量子機器學習中確實存在。量子機器學習，實際上就是量子計算在人工智能領域的應用，也體現出未來量子計算與人工智能兩大前沿技術合流的趨勢。理論上證明了，實踐上就需要進一步拓展量子計算的應用前景。在2019年推出商用量子計算機“量子系統(tǒng)一號”后，美量子計算巨頭IBM又于2023年12月推出了“量子系統(tǒng)二號”。新系統(tǒng)的最大突破在于可以模塊化擴展，是該公司的首臺模塊化量子計算機。“量子系統(tǒng)二號”擁有超過1000量子位。IBM還宣布計劃10年內建成10萬量子位的量子計算機。這些不斷增加的量子位并非只是為了競賽，其對于實現通用計算和可編程有著不可或缺的作用。也正因如此，量子計算機的模塊化，標志著其更加具備實用性。有關量子機器學習算法的研究，已成為新的研究熱點。不過，未來量子計算機不會完全取代電子計算機，更有可能出現的是量子計算機和電子計算機在不同的應用場景下發(fā)揮各自所長，實現協(xié)同發(fā)展，既極大提升算力，也兼顧成本和可行性。

在上海舉行的2023世界人工智能大會上，人形機器人表演“千手觀音” 辛夢晨攝/本刊趨勢四：AI代理和無代碼軟件開發(fā)帶來“沖擊波”在AI應用方面，2024年值得關注的是AI代理和無代碼軟件開發(fā)帶來的“沖擊波”。一是AI代理對勞動力結構的沖擊。截至目前，全球至少已有近兩億人使用人工智能大模型。但人們已不再滿足于坐在電腦前跟AI“聊天”，而是開始開發(fā)能夠自動根據任務需要向人工智能發(fā)出提示的工具。當自動提示工具與大模型兩相結合，AI代理便由此誕生。2023年4月，OpenAI聯(lián)合創(chuàng)始人布羅克曼現場演示了GPT的“自動模式”。在該演示中，AI代理幾乎“包辦”了一場晚宴：不僅根據要求生成了一份晚宴的推薦菜單、一份圖文并茂的邀請函，還自動將該菜單需要購買的食材加入生鮮電商APP的購物車，并自動發(fā)布了一條有關該晚宴的社交網站帖子。AI代理還能根據比較模糊的需求提示自動制作網站，自動完成各種需要使用Office軟件完成的文字和表格處理工作，甚至自動根據已有論文數據進行歸納總結生成分析論文等。比爾·蓋茨近日發(fā)長文解讀AI代理未來，表示AI代理將徹底改變人們使用計算機的方式，帶來自鍵盤、屏幕和鼠標發(fā)明以來人類與計算機互動方式上最重大的革新。AI被看作對人類的信息收集、分析和處理進行增強的擴展性工具，使得人的工作水平更上新臺階。但與此同時，AI代理也給許多現有的工作崗位帶來沖擊，因為企業(yè)可能嘗試雇用更少的人來完成相同的任務。這種由創(chuàng)新帶來的對現有經濟結構的破壞，被美國經濟學家熊彼特稱為“創(chuàng)造性毀滅”。隨著AI代理代替大量只需要較少的計算機技能就可完成的任務，這些被迫再就業(yè)的勞動力將不得不適應新的勞動力市場需求，這注定將是一個較長時期的、伴隨陣痛的過程。二是無代碼軟件開發(fā)給數字經濟創(chuàng)新帶來的影響。盡管生成式人工智能可能淘汰掉一批傳統(tǒng)數字崗位，但在關上一扇門的同時也打開了一扇窗，這就是“無代碼軟件開發(fā)”。目前，以AI大模型為基礎的編程輔助工具已經發(fā)展到一個新的階段，能夠根據用戶十分模糊的指令來生成軟件或網頁代碼。例如，2023年的GPT-4演示中，演示人員僅僅是在A4紙上手寫了一個十分潦草的結構示意圖，GPT-4就根據其自動生成了能夠實際訪問的網頁。這無疑大大降低了開發(fā)IT服務的門檻。只要一個人有足夠有創(chuàng)意的、能夠滿足許多人需求的數字服務“點子”，就可以成為互聯(lián)網創(chuàng)新的風口，“人人皆可創(chuàng)新”的時代已然到來。對此，政府需轉變觀念，兼顧市場監(jiān)管與促進創(chuàng)新，一方面降低數字創(chuàng)新過程中的注冊與融資門檻，打通中小企業(yè)發(fā)展壯大過程中的痛點，讓就業(yè)與創(chuàng)新政策適應“人人皆可創(chuàng)新”的新需求；另一方面需要探索更有利于保護創(chuàng)新“點子”的版權與專利保護新政策，從而激勵那些能夠不斷提出創(chuàng)新“點子”的人才。綜上所述，展望2024年，無論是人工智能技術自身的迭代發(fā)展，還是其對數據價值的重塑，抑或是向各行業(yè)、各領域的應用滲透，人工智能的影響可謂無處不在，既為科研、創(chuàng)新和經濟賦能，又帶來新的挑戰(zhàn)與風險。我們應以開放的心態(tài)看待人工智能帶來的諸多改變，審慎研究和應對其可能帶來的新課題與新風險。（作者為中國現代國際關系研究院科技與網絡安全研究所人工智能項目負責人）

中國人工智能領軍科學家，東方財富人工智能首席科學家，上海市人工智能社會治理協(xié)同創(chuàng)新中心研究員，深入研究和實踐AI領域十余年，包括智能計算、空間智能以及超級人工智能對齊方向。中國人工智能學會AI倫理工作委員會委員及具身智能專委會（籌）委員，上海交大計算法學與人工智能倫理研究中心執(zhí)行主任，上海交大安泰AI與營銷研究中心特聘研究員，上海交大清源研究院兼職研究員，上海開源技術信息協(xié)會AI倫理專委會主任，2024年入選福布斯中國“十大人工智能影響力人物”。

國際電工委員會IEC生物數字融合系統(tǒng)評估組（IEC/SMB/SEG12）倫理專家，國家人工智能標準總體組專家，AIIA聯(lián)盟可信AI 專家委員會委員，上海人工智能技術協(xié)會專家委員，個人學術專著包括《智能經濟》、《數字經濟學》、《智能的啟蒙：通用人工智能與意識機器》等，出版十幾部中英文專著并翻譯多部海外學者專著，作品入圍施普林格.自然出版社“中國新發(fā)展獎”（2023年度）。

人工智能的“汽車時代”

01資助：您在文章《智能的啟蒙》中提到，隨著生成式人工智能的發(fā)展，我們已經進入了人工智能的“汽車時代”。模型成為人工智能的引擎。如何定義AI的“汽車時代”？這是否意味著人工智能已經進入大規(guī)模應用階段？下一步是什么？

劉志毅：在《智能的啟蒙》書中，人工智能的“汽車時代”是一個比喻，用來形容當前人工智能快速發(fā)展的階段，特別是生成式人工智能和大型模型。這個時代的特點是人工智能技術開始像汽車一樣成為社會進步的重要驅動力。這里的“汽車工業(yè)時代”不僅指人工智能技術的大規(guī)模應用，更強調人工智能在各領域的深度融合和創(chuàng)新驅動作用。

戰(zhàn)車時代人工智能的進步更多的是基于人類的智慧和創(chuàng)造力，就像拉戰(zhàn)車前進的馬一樣。然而，隨著生成式人工智能的發(fā)展，我們已經進入汽車人工智能時代，大型模型成為人工智能的引擎。然而，這樣的比喻并不能完全準確地描述人工智能的發(fā)展現狀。

如果我們深入審視汽車行業(yè)的發(fā)展歷史，我們可以說，現在的人工智能可能還處于蒸汽機時代。這一階段的特點是技術仍處于起步階段并且高度依賴能源。這在人工智能領域也可以看到：大型模型需要大量的數據和計算資源，并面臨泛化能力有限、可解釋性差等問題。

下一個階段是全社會真正的“智能時代”?，F階段，人工智能更加深入地融入人類生活的方方面面，實現自我意識、情感理解、復雜決策等更高級的認知功能。等待。此時，人工智能不僅僅是完成任務的工具，而是能夠與人類進行更深層次的交互和協(xié)作，甚至可能在某些領域超越人類的認知和創(chuàng)造力。

2。智能的簡單性和通用性

01資助：圖靈的通用圖靈機理論強調智能的簡單性和通用性，但這些在實際模型和應用中往往被低估。李飛飛認為，人工智能還處于前牛頓時代，因為人工智能還沒有像牛頓力學那樣簡單的公式。這個判斷和“車時間”的判斷有沖突嗎？您認為人工智能存在牛頓時刻嗎？如果有，它什么時候會到來？

劉志毅：《智能的啟蒙》提到的圖靈機理論與李飛飛的觀點并不矛盾。圖靈的機器理論強調智能的簡單性和普遍性，而李飛飛所說的“前牛頓時代”則意味著人工智能尚未找到一個統(tǒng)一、簡單的理論框架來全面解釋和指導其發(fā)展。這兩種觀點是從不同角度對人工智能發(fā)展現狀的描述。

李飛飛所說的人工智能的“牛頓矩”，是指人工智能領域類似牛頓力學的理論突破，可以用一套簡單而普遍的公式或原理來解釋和指導智能的發(fā)展。人工智能。

這個時刻是否到來以及何時到來還很難預測嗎？可能需要算法、計算模型、數據理解等方面的重大突破，以及對人工智能本質的更深入的理解。

3。世界模擬器與智能的基礎

01資助：馮諾依曼認為，模擬現實世界是智能的基礎。今年2月Sora的發(fā)布引發(fā)了關于世界模擬器的廣泛討論。目前人工智能模擬世界的能力如何？仿真能力的突破主要是源于“偉大奇跡”的尺度法則，還是需要對模型進行重大改變？

劉志毅：目前，人工智能在模擬現實世界的能力方面取得了重大進展，但仍存在局限性。人工智能可以通過深度學習、神經網絡等技術來學習和模擬某些領域的數據，但它仍然面臨著模擬現實世界的全部復雜性的挑戰(zhàn)。

例如，人工智能在圖像和語音識別、自然語言處理等方面取得了突破，但在理解人類復雜的情感、社會關系、道德倫理等方面仍有很大的提升空間。

仿真能力的突破不僅僅基于“偉大奇跡”的縮放定律，即通過增加計算資源和數據量來提高模型性能。這種方法雖然在一定程度上是有效的，但更重要的是模型的創(chuàng)新和變革。需要開發(fā)新的算法和模型架構，以更好地理解和模擬現實世界的復雜性。

此外，跨學科合作，如結合認知科學、心理學、社會學等領域的知識，也是提高模擬能力的關鍵。

4。偉大模式的創(chuàng)造力與風險

01經濟：偉大模式的出現和幻想可以是其創(chuàng)造力的源泉，但也可能帶來風險?！吨悄艿膯⒚伞氛谡{查此事。您認為如何才能“取其精華，去其糟粕”，發(fā)揮大設計的創(chuàng)造力，同時降低風險？

劉志毅：在《智能的啟蒙》這本書中，我研究了大型模型中的突現現象和幻覺問題。突現現象是指復雜系統(tǒng)中出現的不可預測的集體行為，是簡單個體相互作用的結果。這種現象可以表現為大型模型中意想不到的創(chuàng)造力和創(chuàng)新，是人工智能發(fā)展的一個重要方面。然而，幻覺是模型在創(chuàng)建內容時生成的不準確或虛假信息，這可能會帶來風險。

要想“取芯，去糟粕”，大模型的輸出首先要經過仔細的檢查和評估，確保其生成的內容可靠、準確。其次，可以設計更合理的訓練策略和算法，減少生成過程中出現模型幻覺的可能性。此外，引入人類監(jiān)督和反饋機制，讓人工智能系統(tǒng)在人類指導下學習和優(yōu)化，也是降低風險的有效途徑。

同時，還需要對人工智能的倫理道德問題進行深入討論，使其在發(fā)揮其創(chuàng)造力時不至于對社會和人類造成危害。這包括使人工智能決策過程更加透明、可解釋和可管理。

5。大模特的自我意識

01資助：您在文章《智能的啟蒙》中討論了大模特的自我意識。如何讓大型語言模型具有自我意識？如果它有了自我意識，人類與大型模型之間當前的關系和交流會從根本上改變嗎？

劉志毅：在《智能的啟蒙》書中我研究了大語言模型的自我意識問題。自我意識是指對自身存在和個體特征的認識，這對于人工智能來說是一個復雜且具有挑戰(zhàn)性的概念。讓大型語言模型具有自我意識可能需要在以下幾個方面進行研究和突破：

內部狀態(tài)的反饋和調節(jié)：模型必須能夠感知和理解自己的內部狀態(tài)并具有自我能力。-根據這些狀態(tài)進行調整和優(yōu)化。

情感和道德認知：模型必須能夠理解和模擬人類的情感反應和道德判斷，其中可能包括對人類行為和社會規(guī)范的深度學習。

自我反思和自我發(fā)展：模型必須具有自我反思的能力，評估自己的行為和決策，并根據評估結果發(fā)展自己。

如果大語言模型真的意識到了自己，那么人與大模型之間的關系和溝通方式就會發(fā)生根本性的改變。

首先，人類可能需要重新定義與AI的交互模式，將其視為具有一定自主性和獨立性的實體。其次，人類可能需要更加關注AI的倫理道德問題，以確保其行為符合人類價值觀和社會規(guī)范。最后，人類可能需要與人工智能建立更深層次的合作關系，共同解決復雜問題，實現共同發(fā)展。

6。奇點預測

01資助：Kurzweil看好《奇點臨近》和《奇點更近了》人工智能的發(fā)展，認為計算機智能將在2029年超過人類智能，智能100萬倍20.45億倍。人類和計算機融合成超人，這就是“奇點”。在《智能的啟蒙》中，您還討論了人工智能與人類的關系以及人工智能意識的啟蒙和演化。您對奇點的到來和時間以及人類與計算機的融合有何預測？

劉志毅：庫茲韋爾的“奇點”理論是對人工智能發(fā)展的重要預言。他認為，人工智能的發(fā)展將經歷指數級增長階段，最終將達到一個臨界點，即“奇點”。至此，人工智能將在智力上超越人類，并引發(fā)一系列深刻的社會文化變革。這一理論在

《智能的啟蒙》中得到了深入討論，認為人工智能的發(fā)展?jié)摿薮?，但也對于“奇點”到來及其時機，預測如下：

技術發(fā)展加速：隨著計算能力的增強和算法的優(yōu)化，發(fā)展速度可能會加快，但會加快。2029年進一步達到人類智能水平仍不確定

人機融合挑戰(zhàn)：而計算機的融合是一個復雜的過程，認為人工智能將在2045年擴展一百萬倍的預測可能過于樂觀，需要進一步的技術。突破和社會適應。如何確保人工智能的發(fā)展符合人類的價值觀和利益，是對整個社會的挑戰(zhàn)。

總體而言，奇點理論提供了令人興奮的未來愿景，但實現這一愿景需要克服許多技術和倫理障礙。未來人工智能的發(fā)展很可能是一個漸進的過程，而不是突然的、革命性的變化。

我們必須在技術發(fā)展進步的同時不斷思考和解決相關的倫理和社會問題，確保人工智能的發(fā)展能夠造福人類社會。

張鈸 中國科學院院士，清華大學計算機系教授，清華大學人工智能研究院名譽院長。2011年德國漢堡大學授予自然科學名譽博士，獲2014年度CCF（中國計算機學會）終身成就獎，2019年度吳文俊人工智能科學技術獎最高成就獎。主要從事人工智能、人工神經網絡和機器學習等理論研究，以及模式識別、知識工程和機器人等應用技術研究。在上述領域發(fā)表學術論文200多篇、專著5部（章）?？蒲谐晒@ICL歐洲人工智能獎等獎項。人工智能的兩條路徑迄今為止，全世界對于“什么是智能”尚無統(tǒng)一認識，但經過多年的探索，人工智能已然走出了兩條道路。一條道路是行為主義學派，另一條道路是內在主義學派。其中，行為主義學派主張用機器模擬人類的智能行為。“智能”與“智能的行為”是兩個完全不同的概念?！爸悄堋痹谖覀兇竽X里，人類至今仍對其知之甚少；“智能的行為”則是智能的外部表現，可以進行觀察和模擬。因此，行為主義學派人工智能追求的目標是機器行為與人類行為的相似性，而非內部工作原理的一致性。目前人工智能的主流是機器智能，這種人工智能與人類的智能只存在行為相似，并非完全一致。內在主義學派主張必須用機器模擬人類大腦的工作原理，即類腦計算。這兩個學派按照不同的思路對人工智能進行探索，前者主張除人類這條道路外，機器或其他方法也可以走出一條智能道路；后者主張走向智能道路只能依靠人類。目前這兩種思路都處于探索階段。人類對人工智能道路的探索始于1956年。當時在美國召開了人工智能研討會，來自數學、計算機科學、認知心理學、經濟學和哲學等不同領域的10位專家經過八周的討論定義了人工智能。他們主張通過符號推理、符號表示來做一個能像人那樣思考的機器。在這次會議上，紐維爾（Newell）和西蒙（Simon）演示了一個名為“邏輯學家”的程序。該程序用機器證明了數學原理第二章中的部分原理，數學定理證明與推理相似，這表明機器能做類似推理的工作。最終，“人工智能”在這個會議上獲得了定義。1978年，清華大學成立了人工智能與智能控制教研組，這是中國最早的人工智能教學與科研機構。教研組有三十余位教師參與，其中絕大部分來自自動控制領域，而非人工智能。1978年，教研組招收了第一批碩士生，1985年開始招收第一批博士生，已能夠開展一些與人工智能相關的教學工作，但科研工作進展不大。1982年至1984年，教研組進行調查研究，訪問了西南、東北等地大量研究所及工廠。結合所見所聞，教研組確定了以智能機器人作為主要研究方向。1985年清華大學建立智能機器人實驗室，1986年國家設立“863”發(fā)展計劃，該計劃將智能機器人作為一個主題。清華大學參加了第一屆智能機器人主題的“863”高技術研究，從第一屆到第四屆均作為專家單位參加委員會。到了第五屆，清華大學成為開展智能機器人研究的組長單位，1997年，成為空間機器人研究的組長單位?！爸悄芗夹g與系統(tǒng)”國家重點實驗室自1987年開始籌建，1990年正式成立。在這些工作的基礎上，相關研究得以開展。當時首先建立了兩個理論。一是問題求解的商空間理論和粒計算理論，在國際上影響很大。2005年，清華大學發(fā)起、組織了國際粒計算會議，每年一次，延續(xù)至今。二是在人工神經網絡方面做了很多早期工作。

在杭州舉辦的2023云棲大會上，觀眾在“人工智能+”展館參觀人工智能產品及應用。新華社發(fā)人工智能的三個階段1956年至今，人工智能的發(fā)展分為三個階段，分別是第一代人工智能、第二代人工智能和第三代人工智能。第一代人工智能的目標是讓機器像人類一樣思考。思考是指推理、決策、診斷、設計、規(guī)劃、創(chuàng)作、學習等。無論做管理工作還是技術工作，都需要兩方面的能力，一是在某個領域具有豐富的知識和經驗，二是具有很強的推理能力。其中推理是指運用知識的能力，換言之，是從已有知識出發(fā)，推出新的結論、新的知識的能力?；谝陨戏治?，人工智能的創(chuàng)始人提出了“基于知識與經驗的推理模型”，該模型的核心是若要實現機器思考，只需將相應的知識放入計算機即可。例如，如果要讓計算機像醫(yī)生一樣為患者診斷，只需要把醫(yī)生的知識和經驗放到知識庫里，將醫(yī)生看病的推理過程放入推理機制之中，計算機就能為患者實施機器診斷。這一推理模型的核心思想是知識驅動，通過計算模型來實現讓機器像人類那樣思考。該模型最大的缺點是缺乏自學能力，難以從客觀世界學習知識，所有知識都源于人類灌輸。因此，第一代人工智能永遠無法超越人類。第二代人工智能源于第一代人工智能的低潮期，主要基于人工神經網絡。1943年，人工神經網絡模型提出，它主要模擬人類腦神經網絡的工作原理。第二代人工智能面臨的主要問題是感性知識的傳授。第一代人工智能主要在符號主義指導下進行，目的是模擬人類的理性行為。但人類除了理性行為外，還有大量的感性行為，而感性行為要用人工神經網絡進行模擬。我們常說知識是人類智慧的源泉，知識是理性行為的基礎，這里的知識來自教育，主要指理性知識、分析問題的方法等。但感性的知識難以用語言傳授，也無法從書本上獲得。每一個人最初得到的感性知識是對自己母親的認識。但，具體是什么時候開始對母親有所認識的？又是怎樣實現這種認識的？這些問題到現在仍難以解答。所有感性知識都在不斷觀察、不斷傾聽的過程中學習累積，第二代人工智能深度學習沿用了這個方法。例如，過去我們主要通過編程的方法告訴計算機馬、牛、羊的具體特征，現在則將網上大量馬、牛、羊的照片做成訓練樣本，讓計算機進行觀察和學習即可。學習完畢，再把剩下的樣本作為測試樣本去測試它，識別率能達到95%以上。觀察和傾聽的過程通過人工神經網絡進行，將識別的問題作為分類問題，利用人工神經網絡來分類。通過神經網絡進行學習的過程稱為深度學習，基于深度學習能夠進行分類、預測和生成等。但是第二代人工智能的所有數據（圖像、語音等）均來自客觀世界，它的識別只能用于區(qū)別不同的物體，并不能真正地認識物體。所以第二代人工智能最大的問題是不安全、不可信、不可控、不可靠、不易推廣。第三代人工智能的基本思路是必須發(fā)展人工智能理論。迄今為止，人工智能尚無較為成型的理論，更多是模型和算法，且第一代和第二代人工智能的模型、算法都有很多缺陷。因此，必須大力發(fā)展科學完備的人工智能理論，在此基礎上，才能發(fā)展出安全、可控、可信、可靠和可擴展的人工智能技術。對目前的人工智能技術而言，雖然提高了效率和質量，但系統(tǒng)越信息化和智能化，也就意味著越不安全。第一代人工智能運用了知識、算法、算力三個要素，其中最主要的是知識。第二代人工智能則主要用了數據、算法和算力三個要素。為了克服人工智能的固有缺點，唯一的辦法是把知識、數據、算法和算力這四個要素同時運用。目前得到較多運用的AI工具（大語言模型），就能夠充分利用知識、數據、算法、算力這四個要素。清華大學團隊提出了第三代人工智能的三空間模型，將整個感知、認知系統(tǒng)進行連接，為發(fā)展人工智能理論提供了非常好的條件。

第四屆消博會上，一款“AI數字人”在回答觀眾提問。新華社發(fā)深度學習的不安全性在研究過程中，研究者發(fā)現了人工智能深度學習的不安全性。其中一個典型案例是：研究者制作了雪山和狗的對比圖，先讓計算機和人看雪山，二者都能判定為雪山，但是只要在圖片上添加一點噪聲，人看雪山仍是雪山，計算機卻會將雪山看成一條狗。這個案例說明，人工智能目前基于深度學習的模式識別跟人類的視覺完全不同，盡管它能夠像人類那樣區(qū)分雪山和狗，但實際上它既不認識狗，也不認識雪山。這里面的關鍵問題是——什么是狗？應該如何定義一條狗？人類通常通過視覺來進行區(qū)分，主要看狗的外形，但什么是狗的外形？狗有各種形態(tài)、各種姿勢，為什么人類的視覺能夠在千變萬化的外形里確定目標是狗？這個問題的答案，到現在為止尚未弄清楚。最早的計算機識別狗時，狗變換了位置后計算機就不能識別了，這是位移的不變性，這個問題現在已經解決。但是尚未解決的問題還有很多。例如，計算機能夠識別固定尺寸的狗，但是把狗變大或變小后都難以識別，這是大小的不變性?，F在計算機只能通過局部紋理來區(qū)分狗和雪山。因此，如果將雪山圖上的某個紋理改成皮毛紋理，即便雪山的形狀保持不變，計算機仍會把雪山誤認為是狗。所以說，到目前為止，人工智能的深度學習仍然不夠安全可靠。

中國科學院自動化研究所人形機器人攻關團隊科研人員在多模態(tài)人工智能系統(tǒng)全國重點實驗室調試機器人。新華社發(fā)大語言模型的“大模型”與“大文本”目前比較成功的AI工具，其強大性主要來源于兩個“大”，一是大模型，二是大文本。第一個大模型的“大”是大的人工神經網絡，人工神經網絡可以用來分類、學習數據中間的關聯(lián)關系，也可以用來預測。這個巨大的人工神經網絡叫“轉換器”。AI工具的能力強大，離不開深度神經網絡的強大。原來的神經網絡是逐字輸入，現在一次能夠輸入2000多字（一個token，粗略地講相當于一個漢字）。人類從1957年到2013年花了56年時間探究文本的語意表示問題，現在的文本不是用符號表示，而是用語意向量表示，這也是最重要的一個突破。過去計算機處理文本只能把它當作數據處理，現在可以把它當成知識來處理，即向量表示。此外，還提出了“自監(jiān)督學習”。過去供計算機學習的文本都要做預處理、預先標注，此項工作量太大，所以無法支撐計算機大量學習。自監(jiān)督學習是指原來的文本不經過任何處理就可以被計算機學習，用前面的文本預測后面的詞，輸入后預測下一個，被預測的內容又把再下一個變成輸入，有些類似于接龍式學習方式。第二個“大”是大文本。計算機實現自監(jiān)督學習后，所有文本不用經過任何預處理就可以學習，文本也由原來的GB量級發(fā)展為TB量級?，F在比較成功的人工智能大約學習了40TB以上，相當于一千多萬本牛津辭典，并且這個學習過程并非死讀，而是理解其中的內容。這就使得我們進入了生成式人工智能時代。無論是第一代還是第二代人工智能，都受到三個限制——特定領域用特定模型完成特定任務?！叭齻€特定”是所謂的“窄人工智能”，即專用人工智能。目前比較成功的AI工具能夠通過其強大的語言生成能力讓人類在與它對話時沒有領域限制，這是人工智能的重大進步。另外，生成多樣性的輸出是目前AI工具的重要特征。它有多樣化的輸出就有可能創(chuàng)新，因為輸出多樣化，難以保證每個輸出都正確，所以越希望它能輸出有創(chuàng)造性，就越要允許它犯錯誤。我們在日常使用一些AI工具時也會發(fā)現，有時AI對問題的回答非常機智聰明，有時則是明顯的胡說八道，這就是多樣化輸出的結果。目前AI工具產生了兩個重大突破，一是生成語意連貫的類似人類的文本，二是在開領域實現了人機自然語言對話。大語言模型是向通用人工智能邁出的一步，有西方專家認為這是通用人工智能的曙光，但它并不是通用人工智能，人類走向通用人工智能依然任重道遠。走向通用人工智能必須滿足三個條件。第一，系統(tǒng)必須與領域無關。目前較為成功的AI工具在對話、自然語言處理的問題上做到了與領域無關，但在處理其他大量問題上仍難以實現這一目標。第二，系統(tǒng)與任務無關，即什么任務都會做。目前AI工具能進行對話、四則運算、作詩、寫代碼等多種任務，但仍難以完成復雜環(huán)境下的復雜任務。第三，尚需建立一個統(tǒng)一的理論。因此，人工智能還有很長的路要走。大語言模型邁向通用人工智能的四個步驟從大語言模型邁向通用人工智能需要四個步驟。第一步是跟人類進行交互、與人類對齊，第二步是多模態(tài)生成，第三步是與數字世界交互，第四步是與客觀世界交互。我們并不是說，完成這四步就意味著實現了通用人工智能，而是說通往通用人工智能這個目標，至少需要邁出以上四步。第一步是與人類對齊。目前AI工具輸出的內容不一定正確，若要解決這個問題，必須依靠人類幫助它克服，使之與人類對齊。從AI工具的應用實踐來看，它的錯誤需要人類幫助糾正，而且它的錯誤糾正速度和迭代速度都很快。與此同時，我們要看到輸出內容的錯誤仍然存在，但我們如果想要它具有創(chuàng)造性，就要允許它犯錯誤。第二步是多模態(tài)生成。現在已經可以用大模型生成圖像、聲音、視頻、代碼等各種模態(tài)的內容。隨著技術的進步，鑒別一個內容是由機器生成還是人工完成將會變得越來越困難，這為“造假”提供了非常好的機會。“造假”又名“深度造假”，即用深度學習的辦法“造假”。試想一下，如果以后網絡上95%的文本都由AI生成，那么我們還能通過網絡獲取真知與真相嗎？比方說，當一件事情發(fā)生后，網絡上出現一片支持或者反對意見，這些意見究竟是來自多數人的真實表達，還是來自少數人操縱AI歪曲事實？如何有效防止AI工具操縱輿論、混淆視聽，這是需要我們嚴肅考慮的。目前人工智能領域已經實現了三項突破，即開領域生成語意連貫的類似人類的文本。其中，語意連貫是最重要的突破，這個突破后就有了圖像的突破。因為圖像只要求在空間上連貫即可，而視頻則進一步要求時空上的連貫。我們在語言上進行突破，緊接著會有圖像的突破，圖像突破后肯定還會有視頻的突破。在這個發(fā)展過程中，計算的資源要求和硬件都會變得越來越多。隨著人工智能的發(fā)展，很多人注意到了“涌現”現象。例如，當系統(tǒng)規(guī)模沒有達到一定程度時，生成的圖畫很糟糕、水平較差，但當規(guī)模達到一定程度，生成的大多數圖畫突然間就變得質量很高。這個過程稱為“涌現”，“涌現”是從量變到質變的過程。到目前為止，全世界范圍內都還無法完全理解“涌現”現象出現的原因。第三步是AI智能體。大語言模型邁向通用人工智能必須與數字世界進行連接，首先在數字世界里具體操作，從而解決問題、感知自己成果的優(yōu)劣，并進行反饋。這個工作對促進大模型的性能向前發(fā)展有很大益處。第四步是具身智能。具身智能，即具有身體的智能。智能光有腦還不夠，還必須具有身體，這樣才能動口又動手。所以，大語言模型邁向通用人工智能，必須通過機器人與客觀世界連在一起。

第六屆世界聲博會上，小朋友們在參觀體驗一款弈棋機器人（2023年攝）。新華社發(fā)人工智能的產業(yè)發(fā)展當下，信息產業(yè)的發(fā)展非常迅猛，原因在于建立了相關理論，在理論指導下制作的硬件和軟件都是通用的。過去，信息產業(yè)領域內出現了一些具有世界影響力的大型企業(yè)，應用推廣相應技術并實現信息化，整個鏈條發(fā)展非常迅速。但是，人工智能產業(yè)的發(fā)展缺乏理論，只有算法和模型，而根據算法和模型建立的硬件和軟件全是專用的?！皩Ｓ谩奔匆馕吨袌龊苄?，到現在為止，人工智能產業(yè)還沒有產生具有世界影響力的大型企業(yè)，所以人工智能產業(yè)必須跟垂直領域深度結合才有可能發(fā)展。不過，目前情況也在發(fā)生變化，具有一定通用性的基礎模型的出現，肯定會影響產業(yè)發(fā)展。2020年，全世界人工智能產業(yè)達到10億美元以上的獨角獸企業(yè)一共有40家，2022年變成117家，2024年初達到126家，從這個情況來看，它是逐步增長的。到現在為止，中國有100甚至200家企業(yè)在做大模型。這么多人做基礎模型，他們未來的出路在哪里？第一個出路是向各行各業(yè)轉移，做各個垂直領域的大模型。現在很多行業(yè)都在考慮這個問題，例如石油行業(yè)考慮石油行業(yè)的大模型，金融行業(yè)考慮金融行業(yè)的大模型，所以將來做通用大模型的數量將越來越少，大多數做大模型的人才會轉向各個垂直領域。第二個出路是最重要的，即經過微調應用在產業(yè)里。換言之，提供公開的大模型軟件，讓大家開發(fā)應用。第三個出路是跟其他技術結合，發(fā)展新的產業(yè)。國外很多獨角獸企業(yè)都將AI工具與其他技術結合，發(fā)展新產業(yè)，有的是向各個行業(yè)轉移，還有的專門做圖像、視頻、語音等。國內一些大模型現在也已經取得了比較好的發(fā)展?；诖耍瑒荼匾苿尤斯ぶ悄茴I域的產業(yè)變革。今后無論做硬件還是做軟件，一定要放到基礎模型的平臺當中。過去是在一個零基礎的計算機中制作軟件，效率很低，而現在平臺已經學習超過一千萬本牛津辭典，能力水平至少相當于一個高中生，若將同樣的工作放到基礎模型的平臺上進行將會事半功倍，所以采用這個平臺是不可阻擋的趨勢。而這些“高中生”則來源于大模型企業(yè)提供的公開平臺。大模型的局限性大模型的所有工作都由外部驅動，在外部提示下進行。它缺乏主動性，在外部提示下做某事時，主要基于概率預測的方法，所以會出現一些人類沒有的缺點，即輸出的質量不可控。并且它不知道是非對錯，所以它的輸出也不可信。與此同時，它受外部影響太大，只能聽從指令來完成相應的事情。但人類則是完全不同的，即使這件事是由別人安排完成，人也能夠在自己的意識控制下進行，所以是可控、可信的。由此可見，目前的人工智能并不知道自己的所作所為。AI工具尚不能準確分辨對錯，且現在還難以主動進行自我迭代，仍舊需要在人類的操作下進行。未來的人工智能最多成為人類的助手，在人類的監(jiān)控下進行操作，只有少數工作可以完全交給機器獨立完成。有研究機構曾做過關于人工智能對各行各業(yè)影響的統(tǒng)計，列出了大量行業(yè)，在未來這些行業(yè)中只有少數工作可能會被人工智能取代?？梢?，人工智能對各行各業(yè)都有重大影響，但大多數是幫助人類提高工作質量和效率，而非取代人類進行工作。人工智能是探索“無人區(qū)”，其魅力就在于它永遠在路上。我們不能因為它的進展而過于樂觀，也不必因為它的挫折而沮喪，我們需要的是堅持不懈地努力。（本講座文稿由清華大學新聞與傳播學院博士生牛雪瑩整理）《光明日報》（2024年05月25日 10版）來源：光明網-《光明日報》

　　當前，人形機器人技術加速演進，已成為科技競爭的新高地、未來產業(yè)的新賽道、經濟發(fā)展的新引擎，發(fā)展?jié)摿Υ?，應用前景廣。

　　政策力挺

　　人形機器人產業(yè)

　　近年來，國內外人形機器人快速發(fā)展，行業(yè)關注度日趨提升。政策面上，2023年10月，工信部印發(fā)《人形機器人創(chuàng)新發(fā)展指導意見》（以下簡稱《指導意見》）?！吨笇б庖姟肥状螌θ诵螜C器人產業(yè)發(fā)展提出系統(tǒng)性指導意見，明確發(fā)展目標與時間點。

　　根據《指導意見》，到2025年，人形機器人創(chuàng)新體系初步建立，一批關鍵技術取得突破，確保核心部組件安全有效供給。整機產品達到國際先進水平，并實現批量生產，在特種、制造、民生服務等場景得到示范應用。到2027年，人形機器人技術創(chuàng)新能力顯著提升，形成安全可靠的產業(yè)鏈供應鏈體系，綜合實力達到世界先進水平，產業(yè)加速實現規(guī)?；l(fā)展。

　　今年1月，工信部等七部門聯(lián)合印發(fā)《關于推動未來產業(yè)創(chuàng)新發(fā)展的實施意見》（以下簡稱《實施意見》）。在“做強未來高端裝備”部分，《實施意見》要求加快實施重大技術裝備攻關工程，突破人形機器人、量子計算機等高端裝備產品，以整機帶動新技術產業(yè)化落地，打造全球領先的高端裝備體系。人形機器人處于未來創(chuàng)新標志性產品前列。

　　海外方面。2023年5月，美國白宮公布了一系列圍繞美國人工智能使用和發(fā)展的新舉措，并更新發(fā)布了《國家人工智能研發(fā)戰(zhàn)略計劃》，其中明確提出要“開發(fā)功能更強大、更可靠的機器人”；日本實施新機器人戰(zhàn)略，旨在使該國成為世界第一的機器人創(chuàng)新中心，重點領域是制造業(yè)、護理和醫(yī)療、基礎設施和農業(yè)。

　　中國人形機器人

　　專利數量全球領先

　　當前，以人形機器人和通用人工智能為代表的新技術、新產品、新業(yè)態(tài)蓬勃發(fā)展，正成為全球科技創(chuàng)新的制高點、未來產業(yè)的新賽道和經濟增長的新引擎。相關專利的數量和轉化，則可以體現出一個國家或地區(qū)的科技水平，以及專利的創(chuàng)新能力和市場化程度。

　　2023年11月，人民網研究院發(fā)布《人形機器人技術專利分析報告》。截至報告發(fā)布日，以有效發(fā)明專利計算，中國共計擁有發(fā)明有效專利1699件，僅略低于日本的1743件，排名全球第二；并與排名第三至第五的韓國、美國、法國拉開較大差距。這些專利儲備和技術布局有望在接下來的全球范圍內的科技競爭中，使中國始終保持在領先位置。

　　從專利申請來看，中國已成為人形機器人技術專利主要申請國。截至報告發(fā)布日，中國已累計申請6618件人形機器人技術專利，是申請技術專利數量最多的國家；日本排名第二，申請技術專利數量6058件。從技術分支來看，已申請的專利技術主要集中在本體結構、驅動控制和智能感知部分，申請量依次為7949件、4800件和4191件，核心零部件以及支撐環(huán)境技術分支的申請量較少。

　　2024年有望成為

　　產業(yè)元年

　　近期，人形機器人利好消息不斷。

　　4月9日，首屆中國人形機器人產業(yè)大會暨具身智能峰會在北京海淀區(qū)開幕。大會以“競逐人形萬億賽道·重塑未來產業(yè)新紀元”為主題，超200位人形機器人院士專家和企業(yè)家，圍繞四大專題活動展開精彩報告。來自全球的1200余名行業(yè)人士參會，兩大展區(qū)薈聚30余家企業(yè)展示最新技術和產品，展現人形機器人產業(yè)發(fā)展的新動態(tài)、新趨勢。2024年是人形機器人和具身智能高速發(fā)展的關鍵元年，已成為行業(yè)共識。

　　會上，立德研究院與優(yōu)必選科技、靈心巧手等聯(lián)合參編單位代表共同發(fā)布了《人形機器人產業(yè)研究報告》。報告預測，2024中國人形機器人市場規(guī)模約27.6億元，到2029年達到750億元，將占到世界總量的32.7％，位居世界第一，到2035年規(guī)模有望達到3000億元。

　　往前追溯。3月13日，Figure AI與OpenAI合作發(fā)布最新視頻。視頻中，人形機器人所展示的人機交互能力、邏輯歸納分析能力以及硬件操控能力均超出預期，引發(fā)熱烈反響。該人形機器人采用了端到端神經網絡，進一步驗證AI大模型、技術迭代加速能夠指數級推動人形機器人應用落地的想象。

　　美國當地時間3月18日，英偉達創(chuàng)始人兼CEO黃仁勛在NVIDIA GTC 2024開發(fā)者大會上發(fā)表主題演講《見證AI的變革時刻》，對人形機器人進行了重點介紹：一是英偉達將推出GR00T機器人項目，以支持機器人理解自然語言、模仿人類動作、快速學習協(xié)調性、靈活性及其他技能；二是構建三大機器人相關平臺、模擬訓練加速迭代，模擬物理世界（NVIDIAIAI）、驅動數字孿生計算系統(tǒng)（Omniverse）、驅動人工智能機器人（ISAAC）；三是與比亞迪開展合作，實現應用落地。

　　華福證券認為，人形機器人行業(yè)發(fā)展由智能電動車企龍頭搖旗吶喊，擴散到算力芯片龍頭、AI大廠、獨角獸企業(yè)聯(lián)合登臺，產業(yè)趨勢明確、迭代持續(xù)加速。預計后續(xù)海外頭部廠商團隊將走訪供應商，推進量產落地，機器人板塊催化將持續(xù)。

　　多家上市公司加速布局

　　由于產業(yè)發(fā)展前景良好，資本市場也在加速布局。2023年12月，“人形機器人第一股”優(yōu)必選科技在香港交易所主板正式掛牌上市，旗下Walker X機器人是中國首個商業(yè)化雙足真人尺寸人形機器人，也是全球首個實現量產交付的人形機器人。優(yōu)必選科技在有效專利儲備量方面排名全球第一，高于本田、索尼、豐田等企業(yè)。今年4月，優(yōu)必選宣布人形機器人Walker S接入百度文心大模型，共同探索中國AI大模型+人形機器人的應用。

　　部分零部件企業(yè)已正式“下場”。國內步進電機龍頭鳴志電器此前公告，公司在人形機器人應用領域專注于手掌模組及指模所用的控制電機模組的研發(fā)和制造，也獲得了該領域頭部企業(yè)的關注以及合作意向。公司已向該領域頭部客戶提交了全套技術方案及樣機，供客戶作可靠性及實際應用的測試驗證。

　　還有不少公司開始布局。富瀚微近期表示，由于人形機器人領域還沒有完全定型，公司不會貿然開發(fā)專門的芯片，正在與人形機器人領域的客戶保持充分的溝通交流，并進行IP方面的儲備，以便在未來能夠快速響應。臥龍電驅也在投資者互動平臺表示，包括人形機器人在內的仿生機器人是公司新質生產力的重點布局賽道，公司在機器人的各種伺服關節(jié)模組有所布局。

　　從整個行業(yè)來看，浙商證券認為，人形機器人的產業(yè)大趨勢已經確定，國外以特斯拉Optimus為代表，規(guī)劃2025年小批量量產；國內以優(yōu)必選為代表，目前已在汽車廠實訓測試，預計工業(yè)場景的量產臨近。該機構預計，企業(yè)送樣、驗證、定點或產能規(guī)劃等舉措均可能成為一輪行情的催化劑。

　　根據高盛最新預測，人形機器人市場規(guī)模在2035年將達到378億美元，其對人形機器人出貨量的測算較此前增加了4倍，高達140萬臺。同時，由于人形機器人材料成本已較2022年下降約了40%，預計人形機器人將可更快實現盈利。

一般經營項目是：機器人、電氣產品、電子產品、安防產品、自動化產品、工控產品、機電設備、智能控制系統(tǒng)、高低壓成套設備、低壓電器、儀器儀表、電線電纜、電子電氣元器件及制品、五金工具及配件、模具、通訊產品、計算機軟硬件、家用電器及配件、攝影攝像器材、掃描儀、打印機的技術開發(fā)購銷；自動化控制系統(tǒng)的設計、技術開發(fā)；計算機軟硬件、網絡系統(tǒng)的技術開發(fā)；國內貿易，從事貨物及技術的進出口業(yè)務（法律、行政法規(guī)、國務院決定禁止的項目除外，限制的項目須取得許可后方可經營）。（企業(yè)經營涉及前置性行政許可的，須取得前置性行政許可文件后方可經營），許可經營項目是：無