中國工程院院士倪光南在題為《“AI+空間計算”讓機器看懂世界》的演講中表示，“AI+空間計算”開啟了二維交互向三維交互發(fā)展的新范式，空間計算作為一種全新的計算方式，它是物理世界和數字世界之間的橋梁，正在重塑人類、機器和世界的交互方式，是推動機器人落地的關鍵核心技術之一。當前人工智能引領科技范式變革的時代，在國家實施“人工智能+”行動的大形勢下，要推動機器人發(fā)展到AI+機器人，更好的發(fā)揮它新質生產力的作用。為了達到這個要求，關鍵在于提升機器人智能審評，我們要用腦-眼-行動協同的系統來提高機器人智能水平，真正讓機器人能夠看見世界、理解世界、行動于世界。

捷克技術大學教授Va?ek Hlavá?作題為《工業(yè)機器人的智能視覺引導與柔性裝配》的報告，他提到機器人作為與物理世界互動的工具，其核心在于“物理智能”，即通過感知（如視覺和傳感器）實現智能行為。針對柔性裝配難題，團隊開發(fā)了獨特的視覺引導方法，核心是創(chuàng)建自定義“移動線纜數據集”：該方法基于圖像像素移動和機器學習，能實時識別人工抓取點（起始點）并自動建議后續(xù)動作（如五步操作示例）。與現有方法相比（通過視頻和圖片對比展示），它在復雜線纜場景中分割更精準，尤其在熒光標記輔助下，提高了魯棒性。同時，他指出，當前技術仍處于實驗室階段，距離工業(yè)部署有差距。

世界工程組織聯合會候任主席Seng Chuan Tan作題為《重塑機器人時代的工程師技能》的報告，他圍繞機器人時代對工程師技能提出的新要求與轉型方向展開，強調工程師需從傳統技術執(zhí)行者向具備多元融合能力的創(chuàng)新者轉變。工程師需要鉆研硬技能，從單一技術到跨學科融合，在基礎領域需保持深度，但需打破學科壁壘，形成“T型”知識結構，要熟練掌握數字化與智能化工具。工程師需從“解決給定問題”轉向“定義真實問題”，具備從復雜場景中提煉核心需求的能力，進行跨領域協作與溝通。要具有創(chuàng)新思維與快速迭代能力，同時注重倫理與安全意識。要持續(xù)學習，應對時代變革的核心競爭力。

上海交通大學教授高峰在《智能機器人創(chuàng)新設計的挑戰(zhàn)與機遇》為題的演講中表示，從技術的角度來講，機器人的發(fā)明面臨四部分問題。第一，功能驅動構型。功能是說不清楚的，如果不能用數學描述，功能就不存在，不存在就設計不了。第二，性能綜合。到底機器人的尺寸應該是什么樣子，運動學、動力學和智能有什么關系。第三，行為智能。機器人和計算機智能是不一樣的，計算機智能不是機器人智能，二者有很大的區(qū)別。第四，工程應用。工程問題是很具體的，不是通用的方法。

國際機器人聯合會技術委員會主席Alexander Verl作題為《工業(yè)機器人擁抱數字孿生與人工智能（AI）技術》的報告，他指出，很多的機器人是為了能夠取消人類的局限，比如人類的身體極限，讓人盡量的減少彎腰或者高空作業(yè)。機器人確實沒有這樣的限制，但是有其他的短板，模仿人類因此就會導致雙重系統的局限，最終只能夠達到不那么優(yōu)越的方案，所以可能更好的人形機器人是一定有輪子，這個是我們的生產工程學的觀點。

德國奧爾登堡大學教授Sergej Fatikow作題為《工業(yè)機器人擁抱數字孿生與人工智能（AI）技術》的報告，他分享了微機器人在精密制造與微電子行業(yè)的創(chuàng)新應用。他提到，高精度微機器人是一個核心異能技術的納米相關產業(yè)，納米級定位與驅動技術、智能傳感與閉環(huán)控制是推動微機器人核心技術突破。微機器人將在三維異構集成制造、缺陷修復與定制化加工等方面實現顛覆性應用場景創(chuàng)新。

ABB機器人中國研究中心負責人張佳帆以《邁向自主多功能機器人時代》為題作分享。他指出，當前工業(yè)場景應用仍是機器人技術落地最重要的領域之一，但工業(yè)機器人實際覆蓋的應用場景僅占全部工業(yè)需求的20%-30%，AI在工業(yè)領域的應用潛力遠未完全釋放。現階段工業(yè)機器人仍主要采用“專家編程+機器人執(zhí)行”的傳統模式，缺乏自主性與通用性，面對非預設場景往往難以應對。更為關鍵的是，當前工業(yè)AI應用多局限于感知層，在決策與控制層面的融合仍顯薄弱。他表示，實現自然語言驅動的機器人控制是ABB的終極目標，而這背后仍有大語言模型、語言動作模型等關鍵技術亟待突破，當這些技術成熟時，工業(yè)機器人將真正擁有強大的自主能力。

中聯重科中科云谷首席執(zhí)行官曾光在以《機器人在智能制造的應用：從工業(yè)機器人到人形機器人》為題的分享中表示，人形機器人融入制造體系面臨比技術突破更復雜的系統性問題。如同新員工需經數月培訓方可上崗，人形機器人要勝任工作同樣需要掌握生產計劃、工藝路線、物料信息、作業(yè)規(guī)范等全維度知識。這要求我們基于多智能體技術打造AI原生的工業(yè)互聯網平臺，通過云端超腦完成生產計劃編排、安全規(guī)則制定等工廠級慢思考，并將機器人級的慢思考和快思考放到邊和端，用超大規(guī)模的云、邊、端協同來解決人形機器人在工廠的落地問題。他強調，工業(yè)機器人與人形機器人并非替代關系，而是要圍繞“提質增效、降本減存”的制造業(yè)本質，形成協同共融的新范式。

智澄AI創(chuàng)始人兼首席執(zhí)行官胡魯輝以《通向AGI：物理智能的覺醒》為題作演講。他指出，盡管機器人技術已有十余年的積累，但高成本、通用性、安全性不足仍是行業(yè)的核心痛點。究其本質，是傳統機器人受限于本體設計、任務適配與環(huán)境適應的三大瓶頸，而這需要物理與智能的深度協同來解決。當前炙手可熱的生成式AI，聚焦于數字世界的軟件與模型泛化，而物理智能的目標，是讓AI在物理世界中實現任務的通用化與實時交互。他表示，智澄AI的愿景是讓通用人工智能賦能物理世界，服務每一個組織與個體。只有當AI通過機器人實現物理交互閉環(huán)，才能真正推動AGI時代的到來。

瑞士工程院院士，瑞士蘇黎世聯邦理工大學教授Bradley Nelson作題為《用于應對全球主要健康威脅的微型機器人與遠程手術》的報告，他介紹了微型機器人在醫(yī)學領域的應用及前景。目前醫(yī)療上存在藥物治療窗口窄、全身給藥副作用大等問題，90%的藥物研發(fā)失敗，其中1/3源于中毒劑量，而微型機器人可實現靶向藥物遞送。遠程手術可減少交通時間，團隊利用電磁場控制導管，通過5G實現遠程操作，已在動物研究中成功完成跨城市遠程血栓移除等實驗。此外，還在研發(fā)微型機器人藥物底層技術，可遠程進行器官檢查等。

德國紐倫堡工業(yè)大學教授Wolfram Burgard作題為《從博物館導覽到城市穿梭—移動機器人的自主進化》的報告，他指出，人工智能（AI）的實現涵蓋多樣化技術路徑。其核心價值在于解決現實世界中的具體挑戰(zhàn)，例如通過構建高效精準的導航系統，賦能自動駕駛汽車等技術應用——這一領域在北京市已進入實踐階段。數年前，機器學習領域經歷范式變革，尤其在計算機視覺方向迎來顯著突破。相關技術在解析多模態(tài)傳感器數據方面展現出卓越性能，其核心能力體現為通過先進的目標檢測算法精準識別特定對象類別，包括行人、車輛及道路基礎設施等。

香港大學工程學院院長David Srolovitz作題為《從虛擬智能到機器人材料：人工智能探索前沿》的報告，在虛擬智能材料設計上，用大語言模型用于材料的分類、材料性能的預測和材料規(guī)則的發(fā)現，我們訓練的數據主體非常海量，利用大預言模型的優(yōu)異的推理能力，特別是擅于自然語言處理的能力，最終利用大量的數據庫訓練，生成的數據、內容和格式能夠為材料科學提供一個通用的解決方案。

日本工程院院士Kazuhiro Kosuge作題為《柔性制造革命：軟材料機器人重塑服裝制造場景》的報告，他提到，將AI、機器人技術應用于材料處理，能夠解決勞動力短缺問題以及和服裝生產相關的很多問題。軟材料機器人能夠安全、精準地抓取和操控易變形的面料（如絲綢、針織布），解決了在處理軟性材料時易造成損傷或定位不準的難題。軟性材料機器人具備高度可編程性和環(huán)境適應性，可通過視覺識別、力反饋等傳感器實時調整操作參數，快速切換生產不同款式、尺寸、面料的服裝，無需大規(guī)模更換模具或夾具。軟性材料機器人天然具備與人共處同一工作空間的安全性——其柔軟的機身在接觸人體時能通過形變吸收沖擊力，降低工傷風險。

荷蘭代爾夫特理工大學教授Jens Kober以《荷蘭農業(yè)機器人：從郁金香田到廣袤農田的智能變革》為題作分享。他指出，與許多發(fā)達國家類似，荷蘭農業(yè)正面臨嚴峻的勞動力短缺問題，在這樣的背景下，自動化成為了必然選擇。他以人機共融的牛羊養(yǎng)殖智能系統與模塊化的溫室種植系統為例，分享了荷蘭農業(yè)機器人在典型場景的實踐經驗。他強調，由于農業(yè)本身利潤率低，要求技術方案必須追求高性價比，避免為了自動化而自動化，因此，要堅持“必要優(yōu)先”原則，聚焦解決實際痛點。農業(yè)機器人的價值不僅在于替代人力，更在于通過技術融合推動農業(yè)可持續(xù)發(fā)展。

Tevel公司首席執(zhí)行官Yaniv Maor在以《人工智能與機器人技術——解決水果采摘難題方面所面臨的挑戰(zhàn)》為題的分享中表示，過去30年，全球水果產量增長200%，而水果采摘是食品供應鏈中自動化程度最低的環(huán)節(jié)，隨著勞動力供給的持續(xù)萎縮，生產與需求之間的矛盾日益尖銳。由于水果品種的多樣性、果園與氣候環(huán)境的復雜性，以及商業(yè)化采摘的質量要求，導致水果采摘的商業(yè)化落地面臨多維度技術難題。Tevel通過柔性抓取與多機協同的機器人本體設計、環(huán)境感知與AI訓練的智能決策系統、跨品種覆蓋與生態(tài)合作的商業(yè)模式創(chuàng)新，構建了機器人水果采摘的全流程技術體系。

FESTO公司仿生學習網絡技術負責人Dennis Gutowsky以《FESTO仿生蜜蜂——開啟機器人自然靈感設計的新時代》為題作演講。他表示，自然是最卓越的工程師，歷經數百萬年進化出輕量化結構、形態(tài)優(yōu)化、能量回收、智能移動控制等完美機制。FESTO的仿生學習網絡通過模仿自然生物，開發(fā)了仿生飛鳥、仿生袋鼠、仿生螞蟻、仿生細胞工廠等一系列創(chuàng)新產品與解決方案。他現場演示了FESTO公司的最新仿生成果——仿生蜜蜂。他介紹，該仿生蜜蜂重量僅幾克，翼展12公分，僅需1個電機驅動翅膀，3個電機控制飛行姿態(tài)，展翼頻率達15-20次/秒，搭載WBE系統實現完全自動化飛行，同時支持多機協同和氣流快速校準。仿生蜜蜂代表著當前飛行機器人的尖端水平，也證明了自然與技術結合的巨大潛力。

德國慕尼黑工業(yè)大學教授Alois C. Knoll主持以“具身智能的商業(yè)化路徑與市場前景”為主題的對話環(huán)節(jié)。

中關村智友研究院院長王田苗在對話中表示，當前具身智能領域存在兩種發(fā)展思路，一種是通過構建通用世界模型結合人形機器人和大數據，追求廣泛場景的泛化應用；另一種是聚焦特定垂直場景，在限定范圍內開發(fā)智能硬件解決方案。在討論技術可行性時，他分析前者雖然具有廣闊前景但面臨穩(wěn)定性挑戰(zhàn)，后者針對咖啡制作、醫(yī)療手術、物流等具體場景，通過專業(yè)化設計和控制可能更易實現可靠性突破。他認為，選擇具有高附加值、高頻需求且環(huán)境動態(tài)變化的垂直領域進行開發(fā)，可能更符合當前市場需求和技術發(fā)展階段。

藍馳創(chuàng)投合伙人曹巍在對話中表示，具身智能的核心在于通過實體機器人與物理世界交互來獲取數據和迭代算法，這與傳統AI有本質區(qū)別。他系統分析了當前面臨的四大挑戰(zhàn)：硬件層面需要突破低成本、高魯棒性的規(guī)?；a瓶頸；算法層面存在多模態(tài)模型精度不足、3D感知技術尚未成熟等問題；產業(yè)應用需要解決模型精細調節(jié)、場景適配和低成本落地的"三要素對齊"；技術演進方面則需革新傳統強化學習框架，開發(fā)具備生成式能力的新算法以應對復雜環(huán)境。他指出，雖然基礎研究與應用需求之間存在時差，但通過建立"環(huán)境交互-數據獲取-算法優(yōu)化"的正向循環(huán)，具身智能將逐步實現從實驗室到產業(yè)化的突破。

智平方科技有限公司創(chuàng)始人郭彥東在對話中表示，提升AI系統可信度的核心在于開源化。他強調基礎模型的開源是建立用戶信任的關鍵——通過公開模型內部機制，讓所有人都能了解系統運作原理，消除"黑箱"疑慮。他指出大模型本身具有不可預測性，而開源可以讓用戶直接觀察模型內部運行過程，這種透明度比單純的企業(yè)宣傳更能贏得公眾信任。郭彥東將開源視為一種理念倡導，認為只有開放技術細節(jié)，才能讓產品真正被用戶接受并融入日常生活。

UniX AI公司創(chuàng)始人兼首席執(zhí)行官楊豐瑜在對話中表示，建立人機信任與合作的關鍵在于確保AI系統的可預測性和透明度。他強調不必追求機器人在所有場景都完美運作，但必須保證在預期情境中可靠工作。對于當前主流的端到端模型，他提出需要設計透明化機制：在關鍵決策節(jié)點設置人類可理解的中間輸出，同時應建立失敗回溯系統，通過分析中間數據和結合人類常識來診斷錯誤原因。這種強調過程可見、結果可溯的設計理念，既保持了AI系統的高效性，又能讓人類理解其決策邏輯，是促進人機協作的重要基礎。