專訪全國政協常委、南京大學黨委書記譚鐵牛：人工智能發展需要去泡沫

每經記者｜張蕊 每經編輯｜文多

3月5日，政府工作報告出爐，“人工智能”被多次提及，同時，具身智能再次被寫入報告。

圍繞人工智能、具身智能領域的熱點話題，《每日經濟新聞》記者（以下簡稱NBD）在全國兩會期間專訪了第十四屆全國政協常委、中國科學院院士、南京大學黨委書記譚鐵牛。

譚鐵牛，曾任中國科學院副院長；2022年8月，獲得國際模式識別領域最高獎——傅京孫獎，這是該獎項自1988年設立以來，首次頒授於北美和歐洲地區以外的學者。

今年是譚鐵牛投身人工智能領域的第40個年頭，從最初的圖像識別，到後來的生物特徵識別和視頻分析等，譚鐵牛不斷開辟科研新方向。他是國內最早做虹膜識別和步態識別的學者，其科研成果在煤礦、刑偵等重要領域獲得廣泛應用。

在採訪中，譚鐵牛感嘆，這幾年人工智能技術的進步確實“超乎想像”，“在預料之外”。他回憶道：“大概10年前，我們還把人跟機器人用自然語言交互作為一個重要奮鬥目標，現在這個問題已經基本解決。”

但他也提醒：“這並不意味著現在人工智能是萬能的，它還有很多‘不能’——雖然不用人工智能又是萬萬不能的。”譚鐵牛強調，發展人工智能要“理性務實不跟風，因地制宜抓落地”，要確保人工智能向善向好，真正助力新質生產力發展，助力中國式現代化。

1

談產業成熟還為時尚早

NBD：今年春晚舞台上，機器人的表演再次成為全民話題。你認為這釋放出什麼信號？這種集中曝光是不是產業成熟的標誌？

**譚鐵牛：**人形機器人確實是當前科技革命和產業變革的熱點領域，大眾喜聞樂見。但我們要從中看出門道，不能光看熱鬧。

首先值得肯定的是，從去年的“秧Bot”到今年的“武Bot”［Bot是機器人（Robot）的簡稱］，宇樹人形機器人展現的水平令人印象深刻，1年之內從行走不穩到翻跟斗，進步很快。這充分體現了我們自主創新的成就，證明中國人同樣可以引領世界科技創新的潮流。所以要堅定自主創新的信心，在這場人形機器人熱潮中，至少在運動、控制能力方面，我們已經走在世界前列。

圖片來源：視頻截圖

但也要客觀看待。不能把人形機器人跟人工智能劃等號，看到翻跟斗等酷炫動作，便認為其具備了高度智能。這裡必須厘清一個基本概念：人形機器人不等於人工智能。

機器人與智能是兩個高度相關卻內涵不同的概念。機器人不一定有智能，它更多是承載人工智能能力的載體，具有一定智能的機器人才叫智能機器人，人形機器人同樣如此。

現在全網熱議的人形機器人，更多體現了機器人控制和運動能力的進步，就像無人機編隊表演一樣，是在已知流程、已知動作、已知場景的情況下預編排、預訓練過的，不完全代表人工智能的進步。如果在表演過程中突然移動了道具位置，它可能就無法應對。如果它能自主尋找道具，那才是高難度，是真正的人工智能體現。

所以現在談產業成熟還為時尚早。我認為，人形機器人如果一直只是跳跳舞、翻翻跟斗，終究會是昙花一現，一定要找到殺手級的應用。春晚之後訂購量很多，這不奇怪，但新鮮感、好奇心不會持續。關鍵在於，它是不是剛需、能解決什麼問題。如果找不到殺手級應用，終會被歷史所淘汰。

這裡有一個值得汲取的歷史教訓。日本是人形機器人研究起步較早的國家，在2000年就推出了轟動全球的人形機器人“阿西莫”（ASIMO），但在面世22年後，因成本高昂且實用性有限，未能找到殺手級應用，最終退出歷史舞台。

當然，宇樹機器人在運動控制能力方面已遠超當年的“阿西莫”，不過，其智能水平仍然有限。

2

智能人形機器人

真正大規模進入家庭至少需要5年以上

NBD：你覺得這種殺手級應用會出現在什麼領域？

**譚鐵牛：**太多了，比如製造，比如巡檢——巡檢道路、高鐵、高壓電線。但巡檢工作的要求比較高，需要機器人具備“火眼金睛”，也就是視覺能力要強、運算速度要快，這就不僅僅需要控制和運動能力，還要有對環境的感知能力、理解能力。在巡檢領域，現在有一些落地應用，但在開放場景中仍有挑戰。

NBD：你認為當前機器人技術距離真正進入家庭、工廠等真實場景，還有哪些關鍵障礙需要跨越？具有很高智能水平的機器人什麼時候會走進千家萬戶？

**譚鐵牛：**機器人已經走進千家萬戶，比如常見的掃地機器人，就具有一定智能能力。但智能人形機器人要真正進入家庭，要能幫助人干更多家務，實現無縫的人機協同，還有很多難關。在我看來，至少需要5年以上。

原因在於，機器人需要具備強大的場景感知能力。它要知道周圍環境是什麼、自己在哪裡，还要知道人的意圖是什麼、想幹什麼。不能老是擋路，也不能在別人要拿走杯子時卻開始倒開水。要根據人的行為判斷其意圖，難度很大。如果不知道對方要幹什麼，就無法實現協同，甚至因為誤操作帶來風險。

AI生成

另一個關鍵短板是末端靈巧操作，尤其是“手”的靈巧性。目前的觸覺傳感能力還遠遠不夠，無法精準感知物體的光滑度、材質、溫度、濕度等。人形機器人什麼時候能做到隨時上場跟人對打乒乓球並能取勝，那時我才真正佩服，而目前還差得很遠。

NBD：業界比較樂觀，覺得3~5年就能實現智能機器人走進千家萬戶。你認為這種樂觀是不是有資本過熱的因素？

**譚鐵牛：**有人認為（產業）有泡沫，我贊同。我認為主要有三重泡沫：

首先是期望值泡沫。大家對人工智能和人形機器人期望值很高，這幾年的進步也確實超乎想像，但並不意味著現在人工智能是萬能的。因為發展很快，就認為兩年之內、幾年之內，通用人工智能（AGI）就能實現，這過於樂觀。

其次是投資泡沫。OpenAI已燒掉巨額資金，至今尚未盈利。

第三，估值泡沫。OpenAI雖未盈利，估值卻高達數千億美元，明顯過高。一些人工智能公司，一個像樣的產品還沒有就被估值十幾億、幾十億，這明顯是虛高。此外，一些媒體和自媒體的炒作也放大了泡沫。

諾貝爾經濟學獎和圖靈獎得主司馬賀（Herbert A. Simon）在1965年人工智能第一次浪潮時曾預測，20年內機器能做人所能做的一切工作。但這一預測至今未能實現。可見，熱潮之中更需要理性。

3

實現通用人工智能依然任重道遠

NBD：你曾說“馬斯克們過於樂觀了”，並認為通用人工智能還遙不可及。但業界對AGI的追逐熱度不減。在“理性務實”與“技術理想主義”之間，你認為中國的人工智能發展應該如何把握節奏？

**譚鐵牛：**關鍵在於如何定義通用人工智能。我的定義：能夠媲美和超越人類智能（智慧）的人工智能，才是通用人工智能。它至少要跟人類差不多，能做人所能做的一切事情。如果是這樣定義，我認為至少在我看得見的未來，很難實現。

原因在於，人有頓悟、常識，會舉一反三、融會貫通，更重要的是能聽出話外音，能讀出字裡行間的言外之意。而目前的人工智能有時連常識都搞不清楚，因為它是靠大數據訓練出來的，並未真正把握物質世界的因果關係和物理規律。

“智能”目前沒有統一的定義，人的智能和智慧的機理也沒完全搞清楚。超越一個尚未完全理解的事物，在邏輯上是說不通的。只能說表面上超越有可能，但表象無法窮盡所有方面，無法進行完備性測試。从表象上看，現在還存在認為人工智能已經具有意識和情感的誤解，實際上它只是表現得像有情感、有意識，那是模仿。模仿不等於具有，不等於掌握。

對通用人工智能，我始終有兩個疑問。

第一，在實際應用中是否需要通用人工智能？通俗來說，“通用”就是什么都能幹。這點在我個人來看，答案是否定的，因為術業有專攻。我們說要培養復合型人才，但並不意味著這個人什麼都能幹好，沒有所謂的通才。

既然如此，為什麼不搞一批精深的專用智能體？讓他們各自分工，協同調度。即便在家庭場景中，做飯、打掃、照顧老人都是同一個智能體，它也只能算多用，而不能叫通用。

AI生成

第二，通用人工智能能否實現？通用人工智能要超越人類智能，而人的智能機理尚未完全搞清楚，如何超越？因此，對通用人工智能，我的觀點是：依然任重道遠或者說遙不可及。

4

具身智能是無限逼近人類智能的必由之路

NBD：現在有一種觀點是，具身智能是實現通用人工智能的一個必經階段。你怎麼看？

**譚鐵牛：**當然，如果是要無限逼近人的智能和智慧，在我看來，具身智能是一個路徑，或者說必由之路。不過，當前“具身智能”一詞也存在被濫用和標籤化的現象。

具身智能有兩個核心要素：一是擁有身體，即看得見摸得著的物理本體；二是與環境持續交互，在“摸爬滾打”中變得越來越聰明。如果跟環境交互只是執行既定任務，那不能叫具身智能。

當前存在一些理解偏差，以為只要有實體、有一點智能，就是具身智能機器人。這是錯誤的。要區分機器人與人工智能、機器人與智能機器人、智能機器人與具身智能機器人之間的區別。

簡單來說，機器人是硬件實體，智能機器人是在此基礎上加載了智能能力。例如，普通的工業機械手是預編程的，沒有智能；而智能機械手在拿東西時，若遇到障礙物，能自主改變路徑，繞過去繼續執行任務。

那麼，具身智能機器人與智能機器人的區別何在？首先，機器人如果是實體的，肯定是具身的。其中具身智能機器人必須在與環境交互的過程中變得越來越聰明，通過學習不斷提升智能，掌握原本未被預設的能力。如果其能力是預設加載的，固定不變，那就只能稱為智能機器人，而非具身智能機器人。

因此，為何說具身智能是逼近人類智能的必由之路？因為人類智能正是這樣進化而來的。要逼近人類智能，最直觀也可能是最有效的路徑，就是跟人一樣去學習和進化，才有可能實現超越。

這幾年我對具身智能的認識確實有一個轉變過程，剛開始對具身智能有疑慮。因為人類和動物的自然智能，本就是在摸爬滾打中慢慢成長起來的，要經風雨、見世面才能長才幹。這不正是具身智能的基本內涵嗎？你看“智”字，上面是“知”，下面是“日”，代表日復一日的親身經歷。智慧、智力、智能就意味着經風雨、見世面，親身經歷和實踐。

因此，具身智能最核心的一點就是在與外部交互的過程中得到動態提升。如果只是有交互，但智能水平固定不變，那只能叫智能機器人，不能叫具身智能機器人。比如機器手，拿起杯子就是交互，但如果沒有從中學習到怎麼握得更緊，沒有觸覺傳感、沒有反饋學習，這就不能叫具身智能機器人。

5

堆算力、堆數據

完全靠這種方式發展人工智能不可持續

NBD：你反覆提到智能，這個智能是不是可以理解為大模型的能力？你怎麼看大模型在具身智能中扮演的角色？現在是否存在“過度依賴大模型”的風險？

**譚鐵牛：**這裡面又有幾個概念需要厘清。大模型不等於人工智能，具身智能是發展人工智能的一個途徑、一種方法，是人工智能無限逼近人類智能的必由之路。

大模型則是當前這波人工智能熱潮的核心技術，其基礎是深度神經網絡，通過模擬人腦分層處理信息的機理，由粗到細、由粗到精地學習。所謂大模型，可粗略理解為一個巨大的、擁有海量參數的“人工”神經網絡（模仿人類腦神經網絡），通過大量數據訓練而成。它只是實現人工智能的一種方式，而非全部。模擬人的智能，不一定非要通過模擬人的神經網絡實現，這確實是最直觀的方式。

我曾在去年4月提出一個觀點，目前正逐步得到驗證：完全依靠堆算力、堆數據來發展人工智能的路子是不可持續的。原因有三：一是性能提升不可持續，投入同樣的數據和算力，性能提升越來越小；二是算力不可持續；三是數據不可持續。互聯網上的可用數據幾乎被用盡。任何物理系統都有其極限，必須另辟蹊徑。

顯卡漲價是普通人對算力堆積最直觀的感受 圖片來源：每經媒資庫

DeepSeek之所以引起轟動，就是因為沒有完全依賴堆算力和堆數據，而是通過算法創新，用更少的芯片和數據達到了同樣甚至更好的效果。

大模型不可能不停地“大”下去，規模效益總有極限。所以一定要另辟蹊徑，具身智能就是一條路徑，它不完全依賴於互聯網上的現成數據，而是在與環境的交互過程中動態獲取數據，例如在拿杯子的過程中感知材質、光滑度等數據。

6

未來3~5年，

可關注傳感技術及腦機接口等領域突破

NBD：未來3~5年，人工智能和具身智能領域最值得關注的顛覆性突破點是什麼？

**譚鐵牛：**我認為有幾個方向值得關注。

首先是在底層結構和新的機器學習模式上取得突破。完全依賴數據的路徑不可持續，需要探索數據與規則相結合的新模式。將數據驅動與規則結合，用規則處理確定性部分，用數據解決不確定性部分。同時，探索數據與知識相結合的新模式，實現數據和知識的雙輪驅動。這是未來3~5年值得關注的技術突破。

其次是傳感技術的突破，特別是高靈敏度、多功能的傳感技術。這直接關係到靈巧手等末端執行器的能力，對具身智能至關重要。

另外，還需要新的機器學習方法，新方法應該追求低成本、高效率，減少對算力和數據的蠻力依賴。借助腦科學、認知科學機理的新智能方法有可能取得突破，從而孕育出非Transformer架構的新模式，開辟不依賴大模型的發展路徑。

此外，智能體以及多智能體協作非常重要，值得關注。另外，人機協同也很重要，事關人與機器如何協作、如何交互的腦機接口技術也可能會有突破。

7

要避免因人工智能禀賦條件差異

導致“人工智能鴻溝”

NBD：你對當前社會上關於“人工智能將取代人類”的普遍焦慮，特別是具身智能可能取代藍領工作的擔憂，有什麼建議？我們關注到，南京大學正在推進“1+X+Y”人工智能通識教育，這種通識教育是否能滿足AI時代的人才需求？

**譚鐵牛：**人工智能取代部分工作崗位是必然的，這是技術進步的常態。但總體而言，它不是要把人類的飯碗全部砸掉。

世界經濟論壇《2025年未來就業報告》預測，2025年—2030年期間，全球將有9200萬個工作崗位被取代，同時預計催生1.7億個新崗位。歷史經驗表明，科技進步與就業崗位的關係是：局部替代，長期增加，是結構在優化。

但新增的崗位，並不一定能讓那些被取代的人來幹。如果人們不堅持終身學習，不重視崗位再培訓，就可能面臨失業。反之，如果超前謀劃，加強在崗培訓，創新課程設置和培養模式，就能讓勞動者適應新的崗位需求。

人機協同巡檢 圖片來源：視頻截圖

因此，南京大學在人才培養中提出“三個適配”：一是適配國家需求，要根據國家需求調整專業設置；二是適配時代特點，這個時代最重要的特點是智能化。2024年，我們在全國率先開設人工智能通識必修課，覆蓋所有專業學生，並培訓教師，因為人工智能會淘汰不用人工智能的人；三是適配學生發展，做到因材施教。

這是我們教育教學改革的底層邏輯，不是為了搞噱頭。

NBD：對於人工智能的發展，你還有哪些建議或思考？

**譚鐵牛：**我認為還有幾點需要重視——

首先要特別注意人工智能賦能的區域性問題、行業性問題，避免因人工智能禀賦條件的差異導致“人工智能鴻溝”，從而加劇區域、行業發展不平衡，激化社會主要矛盾。

同時，擴大內需是拉動經濟的首要任務，應大力推動AI賦能消費，創造新的消費場景，比如家政、養老（“一老”）、教育（“一小”）等領域。具體來說，陪護機器人如果真的做到善解人意、安全可靠、價格合適，就是潛在的殺手級應用。当然，這裡還涉及諸多待解問題，包括標準、倫理、安全性等，這些都需要在發展中逐步解決。

記者|張蕊

編輯|文多

視覺|陳冠宇

排版|文多

統籌|易啟江

**   **

**｜每日經濟新聞  nbdnews  原創文章｜   **

**未經許可禁止轉載、摘編、複製及鏡像等使用   **