

作者丨吴彤
2016 年 8 月 12 日,深圳。雷峰网与中国计算机学会、香港中文大学(深圳)联合举办了第一届“全球人工智能与机器人大会”,英文简称 GAIR。
那一年 3 月,AlphaGo 刚刚以 4 : 1 赢下李世石,“人工智能”重新成为大众词汇。全球几乎所有 AI 会议都在谈深度学习,谈语音和人脸。GAIR 的名字比它们多了一个字母:R,Robotics。
GAIR 中 AIR,即 AI 与 Robotics 的合写。这也是为什么,议程上,人工智能之外还排着机器人、无人机和自动驾驶。
今天回看那份嘉宾名单,会有一种时间上的错位感。全球 AIR 领域 Top5 名校的领军者,因为 GAIR 首次聚在一起:
CMU 计算机视觉与机器人殿堂级宗师 Takeo Kanade 院士
MIT 人工智能与机器人领军人物 Daniela Rus 院士
斯坦福机器人奠基人 Oussama Khatib 院士
牛津大学 Deepmind 联合发起人 Michael Wooldridge 院士
苏黎世理工机器人学派开创者 Bradley Nelson 院士
十年过去,这些名字里有的成了上市公司,有的消失在融资寒冬里。GAIR 名字里的那个 R,在相当长的时间里是一个少数派字母,直到最近两三年,才变成整个行业的主语。
今年 12 月 18日 ~ 19 日,第九届 GAIR 将回到深圳,主题定为“AIR 十年之约”。
最早的人工智能,本来长着眼睛和轮子
今天很少有人记得,人工智能史上最有名的早期系统之一,是一台机器人。
1966 年到 1972 年,斯坦福研究所(SRI)的 Shakey 用摄像头观察房间,用规划器决定路线,推着方块在走廊里缓慢移动。为它发明的 A* 搜索算法和 STRIPS 规划语言,后来成为计算机科学教科书的常规章节。同一时期,MIT、斯坦福和爱丁堡都有自己的“手眼”项目:一台摄像头,一只机械手,试图搭积木。
那时候没有“AI 与机器人融合”的说法,因为两者本来就是一件事。早期研究者默认,一个智能体就该能看、能想、能动。问题是,它们都做得很慢,也很容易崩。
分家从 1970 年代末开始,到 1980 年代中期基本完成。
卡耐基梅隆大学机器人研究所成立于 1979 年;《国际机器人研究杂志》(IJRR)创刊于 1982 年;第一届 CVPR 于 1983 年在华盛顿举行;第一届 ICRA 于1984 年在亚特兰大举行。大卫·马尔的《视觉》在 1982 年出版,把视觉定义为一个可以独立分层研究的计算问题。
这是一次很有生产力的切割:视觉不必等待机械,机械也不必等待视觉。
传统人工智能则在专家系统热潮后跌入低谷。1987 年 Lisp 机市场崩盘,“人工智能”这个词在很长时间里带着贬义,许多研究者改口说自己做的是模式识别、统计学习或信息检索。
朱松纯在 2017 年 11 月的长文《浅谈人工智能:现状、任务、构架与统一》里,把这段历史比作“春秋五霸”。他写道,从他读大学开始,人工智能这个名词从公众视线里消失了近 30 年,其实它并没有消失,而是分化了:研究者分别聚集到计算机视觉、自然语言理解、认知科学、机器学习、机器人学五个领域,各有学术圈子、国际会议和期刊,各搞各的。
分家也留下了一个长期被低估的认识。
1988 年,机器人学者汉斯·莫拉维克在《心智儿女》中写下后来被称为“莫拉维克悖论”的观察:让计算机在智力测试或下棋上达到成人水平相对容易,让它在感知和行动上达到一岁孩童的水平却极难。MIT 的罗德尼·布鲁克斯在 1990 年前后接连发表《大象不下棋》和《没有表征的智能》,主张智能应当从身体与环境的交互中生长出来。
这套思路后来被称为“具身”。布鲁克斯自己去创办了 iRobot,卖出了数以千万计的扫地机器人;但在学术界,具身智能很长时间里只是一个小派别。
中国的分家更晚,也更制度化。
1981 年,中国人工智能学会在长沙成立。1986 年 3 月,“863 计划”启动,智能机器人被列为自动化领域的主题,与信息领域的智能计算机分属不同口径。这种切割延续至今:在学科目录里,机器人大多归在控制科学与工程或机械工程之下,人工智能大多归在计算机科学与技术之下。一个想同时做网络结构和电机控制的博士生,往往要在两个学院之间做选择。
分家不是错误。它让每个学科都能在可控的问题上积累方法,但它留下了一个缺口:没有哪个学科负责把它们重新组装起来。那些坚持自己去组装的人,在很长时间里,在哪个圈子里都不太好归类。
在分家的年代,一直干着两份工的人
GAIR 第一届请来的国际学者,恰好是这一类人:
CMU 计算机视觉与机器人殿堂级宗师 Takeo Kanade 院士
MIT 人工智能与机器人领军人物 Daniela Rus 院士
斯坦福机器人奠基人 Oussama Khatib 院士
牛津大学 Deepmind 联合发起人 Michael Wooldridge 院士
瑞士苏黎世理工微纳机器人学派开创者 Bradley Nelson 院士
他们五人加起来,是一份很特别的名单,不是因为头衔,而是因为他们几乎都是在分家年代里不肯只属于一边的人。

(Takeo Kanade、Daniela Rus、Oussama Khatib、Michael Wooldridge、Bradley Nelson)
这份名单的特别之处不在头衔,而在于他们几乎都是分家年代里——不肯只属于一边的人。
Takeo Kanade 最典型。
1974 年,他在京都大学取得博士学位,博士工作包括最早一批自动人脸识别系统之一。1980 年,他加入刚成立一年的卡耐基梅隆机器人研究所。1981 年发生了两件以他署名的事:他和Bruce Lucas 提出 Lucas–Kanade 光流法,至今仍是视觉课的基础内容;他和浅田春比古做出第一代直驱机械臂,去掉减速器,让电机直接驱动关节。同一个人、同一年,一件是视觉算法,一件是关节结构。
1992 年到 2001 年,Kanade 担任机器人研究所所长。在他之前与任期之内,卡耐基梅隆的 NavLab 一直在做自动驾驶。1989 年的 ALVINN 已经用一个小型神经网络,从摄像头画面直接输出方向盘角度——这是三十年后“端到端”的早期雏形。
Daniela Rus 走的是另一条路。
她 1992 年在康奈尔大学取得博士,导师是图灵奖得主约翰·霍普克罗夫特,研究的是理论计算机科学意义上的操纵与抓取。她在达特茅斯学院任教近十年,主攻可自重构机器人与分布式机器人,后来又做软体机器人。2004 年她到 MIT,2012 年起执掌 CSAIL。CSAIL 由计算机科学实验室和人工智能实验室合并而来,由一位机器人学者来领导,本身就是一个信号。
Oussama Khatib 的名字,与“操作空间公式”连在一起:不再逐个关节控制机器人,而是在任务本身的坐标系里建模动力学。就在他来 GAIR 的前一年,他的实验室让人形潜水机器人 Ocean One 下潜到地中海约百米深处,从一艘 17 世纪沉船里取回文物,操作员通过力反馈“感受”机器人手中的东西。那是一种人与机器共享感知的形式,只是它的语言是控制,而非学习。
Brad Nelson 在苏黎世联邦理工执掌机器人与智能系统研究所,研究的是另一个极端:毫米和微米尺度、由外部磁场驱动的机器人,设想用于眼科与血管介入。在这个尺度上,“身体”不再是关节和电机,而是材料和场。
Michael Wooldridge 则是多智能体系统的代表人物,研究自主体之间如何博弈与协作。在机器人学和传统人工智能之间,这是一块两边都用得上、又都不太管的地。
这几个人没有提出一个统一的理论。但他们的共同点,是长期站在两个社群的接缝处。
2023 年之后,做视觉的人开始去拧关节
2023 年可以算作拐点。
3 月,谷歌发布 PaLM-E,把机器人的传感器输入直接接进一个大语言模型。7 月的 RT-2 更进一步:把机器人的动作当作一种特殊的“词”,和文本、图像一起训练。这类模型后来被统称为视觉-语言-动作模型(VLA)。
它的意义不在于机器人突然变得很能干,而在于组织方式:视觉、语言和动作第一次可以被同一种网络结构、同一套训练工具、同一群工程师处理。
回到朱松纯的比喻,1990 年代的“五霸”各自找到了概率统计这套新体制,却仍各自为政;大模型第一次提供了一种底层统一的工程接口。分家的历史原因是工具不同,合流的直接原因,是工具变得相同。
人也开始流动。
雷峰网梳理了 2023 ~ 2026 这三年国内涌现出一批以“具身大脑”或通用机器人为目标的新公司。把其中受关注度较高的 13 家的创始人履历摊开,能看到一个清晰的偏向:

13 家中,有 10 家的创始人或核心团队来自计算机视觉或自动驾驶。他们要么是视觉方向的学者,要么是视觉 AI 公司的创始成员,要么是智驾团队的负责人。出身机器人控制的只有 2 家,另 1 家来自大厂工程体系。
这不是全量统计,样本偏向融资规模和曝光度靠前的公司,但方向已经足够明确。尤其值得注意的是自动驾驶这一支:地平线、华为、百度、阿里达摩院和 Waymo 的智驾骨干,在 2023 年到 2025 年间先后转向具身。
某种意义上,端到端自动驾驶就是一个只有方向盘和油门两类动作的 VLA。从车到机器人,是把动作空间从几维扩展到几十维。
海外也是如此。2023 年,卡耐基梅隆的两位教授 Deepak Pathak 和 Abhinav Gupta 创办 Skild AI,两人此前都在 Facebook AI 研究院工作过。2024 年,李飞飞创办 World Labs,主张“空间智能”是下一个问题;美国的 Physical Intelligence 发布通用机器人策略模型 π0。
然后故事又回到国内——2025 年春晚,宇树的人形机器人登台扭秧歌,一个学术方向第一次变成全民讨论的话题。
GAIR 的议程也在同一时间转向。
2025 年 12 月,第八届 GAIR 时隔四年重返深圳。第二天的三个专题论坛分别是“世界模型”“数据与一脑多形”和“AI 算力新十年”。前两个讨论的已经不是语言,而是交互式三维世界、具身数据和多本体进化。
台上有人讲用占据栅格统一驾驶场景生成,有人讲给 VLA 加一层“世界嵌入”;也有人提醒,空间智能仍处于探索期,宣称找到了唯一正确路径的说法大概过于乐观。前 IEEE 机器人与自动化学会主席小菅一弘第二次到场,贾佳亚则是继 2019 年后再次登台。
GAIR 2026 已确认的四位分论坛主席,是“视觉的人去做机器人”这句话的具像化。
具身大脑专场主席、香港大学的李弘扬,是自动驾驶端到端模型 UniAD 的作者之一,这篇论文拿到了 CVPR 2023 最佳论文。
世界模型专场主席、清华大学的赵昊,做三维视觉与仿真。
AIR 数据专场主席、香港中文大学(深圳)的韩晓光,做三维重建与图形学。
多模态与空间智能专场主席、香港大学的罗平,做视觉与多模态大模型。
四个人都从“看”的一侧出发,如今主持的是“动”的议题。这与十年前 Kanade 在同一年写下光流法、造出直驱机械臂,是同一种方向,只是规模换成了一代人。
合流是必然吗?
从长时段看,有一个很强的理由认为是。能力在数字世界里快速累积之后,产业和资本会自然去寻找物理世界的新边界。布鲁克斯和莫拉维克在 1980 年代末的论点从未被推翻:感知和行动才是智能最难的部分。任何想在智能上走得更远的研究路线,迟早都要碰到身体。
但必然不等于临近。VLA 的泛化、真实世界数据的成本、硬件的可靠性与价格,每一项都还没有被解决。2016 年那批服务机器人公司的经历提醒过一次:名字可以提前十年写对,产业未必在第十年兑现。
历届 GAIR 大会的“第一次”
如果把 GAIR 历届议程排成一列,会看到很多“第一次”。

2016 年。AlphaGo 出世的那一年,牛津大学的 Michael Wooldridge 第一次出席国内的人工智能大会。
他研究多智能体系统,问的是一个在当时显得偏门的问题:当许多自主体同时行动,它们如何协商、合作与博弈。那一年,国内 AI 的主语是人脸识别和语音识别;九年后,“Agent”成了整个行业最高频的词。
2017 年。Daniela Rus 连续第二年站上 GAIR 的讲台。这是这位 MIT CSAIL 主任第一次连续出席国内 AI 会议,也被称作“女性科学家崛起元年”的注脚。
她做过可自重构机器人,也做过软体机器人。在那个人人都在谈“AI+行业”的年份,一位机器人学者连续两年站在中国 AI 会议的主讲台上,本身就是一个少数派的信号。
2018 年。GAIR 成为国内第一个参会 AI 专家突破 5000 人的论坛。挤在会场里的人,在第一天听到了两场关于“边界”的报告。
一场来自 83 岁的张钹,他说“只依靠深度学习很难到达真正的智能”。另一场来自图灵奖得主 Joseph Sifakis,题目是物联网时代的自主系统设计。他说:“自主意味着没有人类的干扰和介入。”
他以自动驾驶为例指出,安全攸关系统的可靠性要以十亿分之一计,而神经网络目前还无法被系统地形式化验证。在深度学习最得意的年份,一位院士和一位图灵奖得主,不约而同地在同一个舞台上提醒:机器离真正自主地进入物理世界,还差得很远。
2019 年。诺贝尔经济学奖得主詹姆斯·赫克曼应徐扬生之邀登台,这是国内 AI 论坛第一次有诺奖得主跨界亮相。
他最为人知的研究是早期教育:干预越早,效果越好。当时的报道标题是:要借助 AI 的力量更好地培养中国的孩子们。雷峰网当时还写道,他早年提出的“样本选择偏差”修正,间接影响了机器学习中协变量偏移与领域自适应的研究。今天,机器人从仿真走向真机时,要跨过的正是这样一道“训练分布与真实世界不一致”的鸿沟。
2020 年。黄煦涛去世四个月后,他的好友与学生在 GAIR 主论坛上举行了国内第一场线下纪念专场。沈向洋、张正友、颜水成、田奇等人坐成一排,讲老师的远见,也讲老师的段子。
主持人陈长汶说,黄先生门下有 120 多位博士,七八成来自中国大陆;去世前三天,他还参加了一场博士答辩。纪念短片放完,沈向洋当场落泪。那一排人,几乎就是中国计算机视觉的半张族谱;几年之后,这张族谱上的不少名字,会出现在机器人实验室和具身智能公司的创始人栏里。
2021 年。和 AIR 关系最直接的一次“第一次”。
三十年前,1991 年悉尼 IJCAI,罗德尼·布鲁克斯与玛莎·波拉克同获“计算机与思想奖”。两人代表了两种截然不同的人工智能。
布鲁克斯站在行为主义一边:他的六足机器人不做推理也能行走;他主张智能应当从感知和行动中生长出来,依靠符号与表征的路线已经走不通。
波拉克则认为,规划应当处于人工智能的核心。这场争论后来被称为“1991 人工智能大辩论”。
2021 年 12 月,国际人工智能联合会把这场辩论的三十周年纪念论坛第一次放在了中国 GAIR。杨强、张成奇、周志华、赵峰、林方真、林德康六位学者重新坐到一起,替符号主义、连接主义、行为主义各自辩护,也各自让步。
杨强说:“智能不仅存在于人的大脑,也存在于人体的肌肉、骨骼中。”他举的例子是扫地机器人、机器狗和火星车。
赵峰提到,机器人研究需要对动力系统做非常精准的规划,这曾大大拖慢了整个领域。
林方真认为,1991 年的两派从来不是真正的对立:传统 AI 自顶向下,布鲁克斯自底向上,本该互补。
论坛的标题是“主义不再,共融互生”。不到两年,谷歌发布 RT-2,把机器人的动作当作一种“词”,与语言和图像一起训练。布鲁克斯的身体与波拉克的规划,第一次被装进了同一个网络。
2023 年。 中国的 AI 大会第一次出海,在新加坡落地。致欢迎辞的大会联合主席,是 ICRA 2017 大会主席、机器人学者陈义明,而那一届的全部议题都在讨论大模型。一位机器人学者为一场关于语言模型的大会开场,看上去像是错位,回头看更像一次预告。
2025 年。杨士强、郭毅可、赵伟等港深名校的校长与前校长第一次坐到一起,激辩 Agent 对教育的颠覆。2016 年 Wooldridge 带来的那个偏门问题,九年后,走到了大学校长的议事桌上。
把这些“第一次”放在一起,会发现 AI 和 R 从未分离。它在 Wooldridge 的多智能体里,在 Rus 的讲台上,在 Sifakis 对“自主”的定义里,在黄煦涛弟子们后来的去向里,在布鲁克斯那台不做推理的六足机器人里,只是还没等到它的时代。
GAIR 2026,十年再相聚
GAIR 2026 全球人工智能与机器人大会,将于 12 月 18 日至 19 日,在深圳南山博林天瑞喜来登酒店举办。
本届大会,鹏城实验室高文院士担任指导委员会主席;清华大学计算机系杨士强教授、中国工程院外籍院士张建伟教授共同担任大会主席。
本届以“AIR 十年之约”为主题,由主论坛与世界模型、AIR 数据、具身大脑、世界模型、空间智能与多模态、因果智能六大分论坛组成。
从组织上看,GAIR 的十年本身就是一段历史。
它由鹏城实验室主任、时任中国计算机学会理事长高文院士,香港中文大学(深圳)校长徐扬生院士,GAIR 研究院院长朱晓蕊教授,以及雷峰网创始人林军共同发起。
按雷峰网统计,十年里 GAIR 先后邀请过诺贝尔奖与图灵奖得主、约 60 位院士、30 位国际顶会主席、120 多位 Fellow,以及 500 多位创业者、投资人与企业负责人,单届现场与会者一度超过 3000 人。NeurIPS、CVPR、AAAI、ACL、ICRA、IROS 等会议的主席团成员,曾与国内学术界、产业界、投资界在同一个会场里讨论问题。
对一家科技媒体来说,办会是一种押注。会议议程决定了一年里会请谁、写谁、追问什么。
十年,足够让一个少数派的字母变成一个时代的主语,却远不足以让问题本身被解决。VLA 还不够泛化,真实世界的数据依然昂贵,机器人走出实验室的每一步,仍要用成本和可靠性来换。
十年,当年台下二三十岁的听众,如今有不少人成了具身智能、自动驾驶和 AI 芯片公司的创始人或技术负责人;当年台上讲视觉的人,今年在主持具身论坛。
十年,从“AIR”还需要解释,到现在它已经像空气一样,成了这个行业默认的前提。
所以这一届,GAIR 想邀请三类人回到深圳:过去十年推动 AIR 的引领者、在关键节点上的破局者、以及将在下一个十年真正把机器人带进工厂、道路和家庭的创新者。
上一个十年,大家等的是“看”和“动”重新汇合;下一个十年要回答的是,汇合之后,机器能走多远。
AIR 十年之约,约的不是一场纪念,而是下一程的出发。

2026-11-13
2026-06-09